一种基于注意力机制时空位置编码的脑电情感识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115736923A(43)申请公布日2023.03.07(21)申请号202211433684.5G06N3/0499(2023.01)(22)申请日2022.11.16G06N3/08(2023.01)G06F18/241(2023.01)(71)申请人江苏科技大学G06F18/25(2023.01)地址212008江苏省镇江市梦溪路2号(72)发明人郑威潘博魏雪云(74)专利代理机构南京正联知识产权代理有限公司32243专利代理师蒯建伟(51)Int.Cl.A61B5/16(2006.01)A61B5/369(2021.01)A61B5/372(2021.01)G06N3/045(2023.01)G06N3/047(2023.01)G06N3/048(2023.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于注意力机制时空位置编码的脑电情感识别方法(57)摘要本发明公开了一种基于注意力机制时空位置编码的脑电情感识别方法，属于脑电情感识别技术领域；该方法包括以下步骤：原始脑电信号预处理；设定脑电样本长度、脑电样本内切片长度和脑电样本切片窗移，对脑电信号进行切片，得到脑电样本切片；构建情感分类模型，进行时间维度特征提取和空间维度特征提取；Gate机制特征融合；通过Gate机制学习时间特征和空间特征的权重分配进行特征的加权融合；情感分类；对加权融合后的特征，进行脑电情感分类。本发明通过建立情感分类模型中第一多头注意力机制网络和第二多头注意力机制网络，实现端到端的情感识别，并且减少手工提取造成的信息损失，提高脑电情感识别的准确率。CN115736923ACN115736923A权利要求书1/2页1.一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：该方法包括如下步骤：步骤S1：原始脑电信号预处理；设定脑电样本长度、脑电样本内切片长度和脑电样本切片窗移，对脑电信号进行切片，得到脑电样本切片；步骤S2：构建情感分类模型，进行时间维度特征提取和空间维度特征提取；步骤S3：Gate机制特征融合；通过Gate机制学习时间特征和空间特征的权重分配进行特征的加权融合；步骤S4：情感分类；对加权融合后的特征，进行脑电情感分类。2.根据权利要求1所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述步骤S1中设定脑电样本长度、脑电样本内切片长度和脑电样本切片窗移的具体操作如下：选定一种合适的脑电情感识别长度L，以L/2为窗移进行划分；得到进行分类的原始脑电信号。3.根据权利要求1所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述步骤S2中构建情感分类模型，情感分类模型包括时间特征提取模型和空间特征提取模型；所述时间特征提取模型包括序列位置编码、第一多头注意力机制网络和第一前馈神经网络；所述空间特征提取模型包括通道位置编码、第二多头注意力机制网络和第二前馈神经网络。4.根据权利要求1所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述时间维度特征提取的操作如下：将脑电信号在时间维度上进行时间序列位置编码，将编码好的序列送入多第一头注意力机制网络和第一前馈神经网络进行特征提取。5.根据权利要求1所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述空间维度特征提取的操作如下：将脑电信号在空间维度上进行通道位置编码，将编码好的序列送入第二多头注意力机制网络和第二前馈神经网络进行特征提取。6.根据权利要求1所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述步骤S3中通过Gate机制学习时间特征和空间特征的权重分配进行特征的加权融合,具体操作如下：步骤S3‑1：向Gate中输入提取的时间特征和空间特征，权重参数学习通过如下公式所示：h＝W·Concat(C,S)+b其中，h为：学习到的权重分配系数；W为：待学习的权重参数矩阵；C为：空间特征；S为：时间特征；b为：线性层的偏置；步骤S3‑2：归一化学习到的权重参数，实现公式如下：2CN115736923A权利要求书2/2页g1,g2＝softmax(h)其中，g1为：空间特征归一化后的权重系数；g2为：时间特征归一化后的权重系数；h为：学习到的权重分配系数；步骤S3‑3：使用学习到的权重参数与时间特征和空间特征进行一个加权融合，得到融合后的特征；特征融合公式如下所示：y＝Concat(C·g1,S·g2)其中，g1为：空间特征归一化后的权重系数；g2为：时间特征归一化后的权重系数；C为：空间特征；S为：时间特征。7.根据权利要求3所述的一种基于注意力机制时空位置编码的脑电情感识别方法，其特征在于：所述位置编码通过使用正弦