[发明专利]基于在线自适应特征参数优化的脑电信号情绪识别方法

权利要求书

1.一种基于在线自适应特征参数优化的脑电信号情绪识别方法，其特征在于，是按如下步骤进行：

步骤1、对原始脑电信号进行预处理并进行数据划分；

步骤1.1、获取A个受试者的原始脑电信号数据并进行降采样后，再使用带通滤波器对降采样后的脑电信号数据进行滤波处理，然后使用滑动窗对滤波后的脑电信号数据进行分割，得到预处理后的脑电样本；

步骤1.2、采用留一法对预处理后的脑电样本进行数据划分，从而将一个受试者预处理后的脑电样本作为目标域数据X_t，剩下的A-1个受试者预处理后的脑电样本作为源域数据X_s；且其中，表示源域数据X_s的第i个源域脑电样本，表示目标域数据X_t的第i个目标域脑电样本，Q表示脑电样本的通道数，P表示采样点数；N_s,N_t分别代表源域数据X_s和目标域数据X_t的脑电样本数量；令第i个源域脑电样本的标签为令第i个目标域脑电样本的标签为且r表示标签的某种情绪类别，E表示标签的总情绪类别数；

步骤2、在源域数据X_s及其标签Y_s上建立并训练多层感知机MLP网络，以得到受试者的最优源域模型g_s；

步骤3、对目标域数据X_t进行分批，建立含特征参数提取模块TFPE的多层感知机MLP网络并依次按批训练，以得到受试者的最优源域模型g_t。

2.根据权利要求1所述的一种基于在线自适应特征参数优化的脑电信号情绪识别方法，其特征在于，所述步骤2是按如下步骤进行：

步骤2.1、运用短时傅里叶变换提取所述第i个源域脑电样本的各个通道中若干个频段的微分熵特征，并将所有通道的频段特征拼接后，得到第i个源域脑电样本拼接后的微分熵源域特征F为拼接后的特征数；

步骤2.2、建立基于多层感知机的源域MLP网络，包括：M个线性层、M个批规范化层、M个激活函数层和1个全连接层组成；

步骤2.3、将所述拼接后的微分熵源域特征输入源域MLP网络中进行处理，得到第i个源域脑电样本的预测标签

步骤2.4、基于第i个源域脑电样本的标签与预测标签利用式(1)构建交叉熵损失函数L_s：

式(1)中，代表第i个源域脑电样本的标签中第r种情绪标签，代表预测标签中第r种情绪标签的概率值；

步骤2.5、利用SGD优化器对源域MLP网络进行训练，并对所述交叉熵损失函数进行最小化求解，从而对源域MLP网络的参数θ_s进行优化，最终得到最优源域模型g_s。