[发明专利]基于经验小波变换进行特征提取的脑电情感识别方法

摘要

本发明公开一种基于经验小波变换进行特征提取的脑电情感识别方法，根据脑电情感数据外围生理信号与脑电信号通道之间的相干性，选择相干性程度最高的几个脑电通道作为特征提取通道；基于经验小波变换进行脑电情感特征提取，经验小波变换分解后得到一系列本征模态函数；计算每个本征模态函数的样本熵，并基于样本熵值构造特征向量，从而形成一个特征向量集；将脑电情感数据数据按照唤醒度和效价两个维度划分成多个类别，运用支持向量机进行脑电情感的识别。本发明同时考虑脑电情感数据集中数据的非线性和非平稳性特性，保证了该方法的分类精度、准确率和执行速度。

主权项

一种基于经验小波变换进行特征提取的脑电情感识别方法，其特征在于按照如下步骤依次进行：a. 基于相干性分析的特征提取通道选择a.1依据式计算脑电信号与外围生理信号在频率上的相干性，式中、和分别表示脑电信号序列X的功率谱密度、外围生理信号序列Y的功率谱密度，以及X和Y的交叉功率谱密度；a.2 选择相干性分析值最高的3个脑电通道作为特征提取通道；b. 基于经验小波变换的脑电情感信号特征提取对选择通道的每个脑电情感数据f(t)进行经验小波变换，分解成N+1个本征模态函数之和，式中是第k个本征模态函数：b.1 对原始信号 f(t)的傅立叶频谱进行自适应地分割，将频率范围分割成N个连续的部分，其中是傅立叶频谱相邻的两个极大值点之间的中点；b.2 确定分割区间后，对其加小波窗，根据Meyer小波的构造方法，分别确定经验尺度函数和经验小波函数如下：，；式中：；b.3 定义经验小波变换：将傅里叶变换和逆变换分别记作和，则细节系数可以由经验小波函数和信号内积产生：；近似系数则由尺度函数与信号内积产生：；式中：和分别是经验小波函数和尺度函数，和分别是和的傅立叶变换，和分别是和的复共轭；则原始信号重构为：；式中：表示卷积，和分别表示和的傅立叶变换；本征模态函数可定义如下：；c. 计算本征模态函数的样本熵将每个本征模态函数按照不同的时间窗划分成h个段s1,…,sh，假定每个段包含L个数据；基于L个数据，构造一组m维空间的矢量，其中；定义两个矢量与之间的距离为，所述；然后，给定相似容限r ，所述r=0.21～0.25，对于每个，统计出的数目与矢量总数的比值，记作，；并定义；此序列的样本熵值可表示为：；d. 基于样本熵值构造特征向量集将样本熵值构成一个特征向量，形成一个特征向量集；e. 对脑电情感进行识别依据脑电情感数据在唤醒和效价维度上的值，将脑电情感数据划分为多个类别，运用支持向量机进行脑电情感的识别。