基于脑电信号的情绪识别

目的 对多种情绪进行快速准确的识别,是目前脑机接口和情感计算领域的研究热点.本文针对多情绪分类问题及个体差异的影响因素,设计一种电影片段诱发实验,利用机器学习算法对9位被试不同情绪的脑电信号进行分析,以期能够快速准确识别不同被试的情绪状态.方法 首先采用非侵入式脑电设备收集被试在恐惧、愤怒、悲伤和快乐4种情绪下的脑电信号,通过对信号进行降噪处理,使用时域、频域和非线性动力学的特征提取方法,共提取出15种不同的有效特征,并根据均方根特征和三维时域特征的散点图来验证4种情绪之间的区分性;最后以平均准确率作为分类识别的评价指标,应用K近邻算法对9位被试整体的脑电特征进行训练和分类.结果 3种时域特征的识别率差异较大,一阶差分绝对值的均值特征平均准确率达到95％,其余时域特征分类效果一般;频域特征中使用Welch法得到Gamma频带特征识别效果最好,平均准确率超过95％;非线性动力学特征识别率较好,平均分类准确率都超过90％.结论 利用Welch法得到的Gamma频带特征和一阶差分绝对值的均值作为最优特征,能够快速准确识别不同被试的情绪状态.