[发明专利]一种改进的SVM脑电信号情绪识别方法

说明书

本发明公开了一种改进的SVM脑电信号情绪识别方法，具体按照以下步骤实施：步骤1、对DEAP数据库进行预处理；步骤2、提取情绪特征；步骤3、用PSO‑SVM分类器对提取的情绪特征数据进行分类。实验结果表明采用PSO‑SVM算法对效价与唤醒度的情绪二分类平均正确率分别为60.53％与65.66％，且比起传统的SVM准确率分别提升了5.05％和1.85％，均优于传统SVM算法，有效验证了PSO‑SVM算法能够较好的识别准确率。

技术领域

本发明属于信号处理技术领域，涉及一种改进的SVM脑电信号情绪识别方法。

背景技术

基于脑电信号的情绪识别是通过获取人的生理和非生理信号对人的情绪状态进行识别,根据国际“10-20”系统分布在整个头皮上的16、32、64或128通道来获取脑电信号，对所采集到的脑电信号进行预处理并进行特征提取，将处理好的数据输入SVM分类模型进行检验。由于传统的SVM模型的参数c和g需要依靠建模人员的经验来选取，所以其模型的分类性能具有较大的随机性。

发明内容

本发明的目的是提供一种改进的SVM脑电信号情绪识别方法，具有取得SVM模型的最优参数c和gamma，从而提高识别的准确率的特点。

本发明所采用的技术方案是，一种改进的SVM脑电信号情绪识别方法，具体按照以下步骤实施：

步骤1、对DEAP数据库进行预处理；

步骤2、提取情绪特征；

步骤3、用PSO-SVM分类器对提取的情绪特征数据进行分类。

步骤1中DEAP数据库进行预处理包括：对实验数据进行采样和去除噪声，采样频率为128Hz。

步骤1中的数据库包含了32个测试对象，其中16名男性和16名女性；分别在大脑的额叶、顶叶、枕叶和颞叶四个区域用32个传感器，采集实验者分别看40段视频时的信号，每个视频时间为60s；对于每个被试对象，有两个数组记录它们脑电图信号及相应情绪状态。

两组数据中，第一个数组的格式为40*32*60，其中含义是40次实验视频、32个脑电信号通道、每次实验60s；另一个数组表示在看音乐视频的时被试对象所对应的四种情绪状态的等级。

四种情绪状态包括：

效价，范围1-9；从不快乐或悲伤到快乐或喜悦，一般阈值设为5；

唤醒，范围1-9；从平静或无聊到刺激或兴奋；

支配性，范围1-9；从顺从或没有控制到支配性或有控制；

喜好度，喜欢或不喜欢。

步骤2具体为：

步骤2.1、选用母小波Daubechies5进行提取；

步骤2.2、计算小波变换的系数，公式为：

式中，2^jk和2^j分别为时间局部化和尺度，而Ψ_a.b为母小波函数，三个特征的计算都使用了DWT系数；

步骤2.3、计算相对小波能量，公式为：

C_j(k)表示细节系数，分子表示细节小波能量，分母为总小波能量，概率P_j是输入数据的时间尺度；

步骤2.4、计算相对小波熵，公式为：