完美世界辰东,我欲封天txt下载,旷世神医

基于EEMD和LeNet-5的腦電信號情緒識別

2022年電子技術應用第5期

蔡靖，周云鵬，程曉宇，辛佳雯，孫慧慧

吉林大學儀器科學與電氣工程學院，吉林長春130061

摘要： 隨著科學技術的進步，人們對情緒這一概念有了全新的認識，從過去認為情緒來源于“心”逐漸發展到了當下普遍認為情緒來源于“腦”。針對腦電信號所具有的諸多特性，首先通過去除心電、肌電噪聲，濾波提取腦電信號中的有用波段；再利用集合經驗模態分解算法(Ensemble Empirical Mode Decomposition，EEMD)對腦電信號進行特征提取，利用提取特征通過空間插值法繪制腦電地形圖；接著利用LeNet-5算法開展具體情緒識別，并建立模型。最終通過不斷地改進模型，顯著提高了情緒識別準確率，準確率最高可達80.1%。

關鍵詞： EEG EEMD LeNet-5 情緒識別

中圖分類號： TP391.7
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211721
中文引用格式： 蔡靖，周云鵬，程曉宇，等. 基于EEMD和LeNet-5的腦電信號情緒識別[J].電子技術應用，2022，48(5)：98-103.
英文引用格式： Cai Jing，Zhou Yunpeng，Cheng Xiaoyu，et al. Emotion recognition of EEG based on EEMD and LeNet-5[J]. Application of Electronic Technique，2022，48(5)：98-103.

Emotion recognition of EEG based on EEMD and LeNet-5

Cai Jing，Zhou Yunpeng，Cheng Xiaoyu，Xin Jiawen，Sun Huihui

College of Instrumentation & Electrical Engineering，Jilin University，Changchun 130061，China

Abstract： With the progress of science and technology, people have a new understanding of the concept of emotion, from the past that emotion comes from "heart" gradually developed to the current general belief that emotion comes from "brain". In view of the many characteristics of EEG signals, this experiment firstly extracted the useful bands of EEG signals through filtering, then used EEMD algorithm to extract the characteristics of EEG signals and used the characteristics to draw EEG topographic map by spatial interpolation method，and then used LeNet-5 algorithm to carry out specific emotional analysis and establish a model. Finally, through continuous improvement of the model, the accuracy of emotion recognition was significantly improved, and accuracy is 80.1%.

Key words : EEG；EEMD；LeNet-5；emotion recognition

0 引言

腦電圖(Electro Encephalo Gram，EEG)是一種利用電信號來記錄大腦生理活動的方法。腦電圖能夠記錄大腦正常活動過程中的各種電信號變化，可以在整體上反映出腦神經細胞產生的各種生理電信號指標于大腦皮層或其他頭皮細胞表面處的變化情況。隨著科學技術的發展，人們對情緒有了全新的認識，從最開始的情緒來源于“心”發展到了現在的情緒來源于“腦”。隨著對人類大腦各方面的深入研究，人們逐漸發現了與大腦生理活動關系密切的特殊電信號。腦電位活動變化主要是由腦神經細胞的內部化學變化過程以及其他生理化學變化過程產生的，利用記錄儀可以得到不同的大腦電位活動變化表現方式以及電位變化劇烈程度，檢測出各個腦神經元的活動狀態。

腦電活動是一些自發的并且具有一定節律的神經學和電子學活動，其信號頻率變動范圍處在1 Hz~30 Hz之間的通常被認為是具有生理特征的重要信號，該區間可進一步分為δ(1 Hz~3 Hz)、θ(4 Hz~7 Hz)、α(8 Hz~12 Hz)和β(13 Hz~30 Hz)4個不同的頻段。

EEG信號情緒分類識別的研究進展中，有相關實驗選取了大腦前額區腦電信號的fp2-fp1、af4-af3、f4-f3、f8-f7、fc6-fc5等14個導聯作為研究對象進行研究^[1]；陸文娟^[2]對比發現β波與情緒活動的相關度較高；金雨鑫^[3]應用深度森林對時域和頻域數據進行了多粒度特征掃描，提取了融合時域特征向量和頻域特征向量的特征向量，給出了對未知數據的預測；曾紅梅^[4]提取了功率譜、功率譜熵等特征進行情緒識別；李明愛^[5]利用小波包變換時頻分解重構獲取了EEG信號，將瞬時功率信號輸入給DBN，進行無監督訓練預訓練，之后通過有監督訓練進行微調，實現了特征的自動提取，并利用softmax分類器實現了模式分類。

本文詳細內容請下載：http://www.viuna.cn/resource/share/2000004286。

作者信息：

蔡靖，周云鵬，程曉宇，辛佳雯，孫慧慧

(吉林大學儀器科學與電氣工程學院，吉林長春130061)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容