基于脑电信号的鲁棒情绪识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114190944A(43)申请公布日2022.03.18(21)申请号202111585793.4(22)申请日2021.12.23(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人吕宝粮刁玉祺(74)专利代理机构上海交达专利事务所31201代理人王毓理王锡麟(51)Int.Cl.A61B5/16(2006.01)A61B5/369(2021.01)A61B5/374(2021.01)A61B5/00(2006.01)权利要求书2页说明书4页附图2页(54)发明名称基于脑电信号的鲁棒情绪识别方法(57)摘要一种基于脑电信号的鲁棒情绪识别方法，通过湿电极或干电极脑电帽采集脑电信号并经预处理，通过微分熵特征提取得到训练集，训练用于情绪识别的神经过程模型，从而较好地应对脑电信号采集中的部分电极阻抗过大、导联脱落、噪音过大等问题。CN114190944ACN114190944A权利要求书1/2页1.一种基于脑电信号的鲁棒情绪识别方法，其特征在于，通过电极脑电帽采集脑电信号并经预处理，通过提取微分熵特征生成训练集用于训练神经过程模型，采用训练后的神经过程模型进行情绪识别；所述的预处理是指：对采集到的脑电信号降采样至200Hz，在1‑75Hz进行带通滤波，以过滤噪音及伪迹。2.根据权利要求1所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的提取微分熵特征是指：对经过预处理的脑电信号进行短时傅里叶变换，在频域以1秒的时间窗口对特征频段求能量谱，并提取微分熵特征。3.根据权利要求1或2所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的提取微分熵特征，具体包括以下步骤：1)对于脑电信号序列x[n]＝x1，...，xn，其中：N表示一个时间窗口内样本个数；对该信号序列进行短时傅里叶变换：其中是角频率，k＝0，1，...，N‑1，w[n]是窗函数；对每一个时间窗口使用傅里叶变换，且随着m的增加窗口在时间轴上平移，得到频域信号；*2)根据特征频段计算出相应的能量谱E(ωk)＝X(m，ωk)X(m，ωk)；3)基于能量谱计算微分熵特征其中X为随机变量，f(x)是X概率密度函数，是f(x)的支持；当脑电信号服从X的高斯分布N(μ，σ2)，则微分熵为由于脑电信号的微分熵只和方差σ2有关，而脑电信号中的直流分量经带通滤波滤除，因此均值为0，因此有而脑电2信号不同频段的方差σ与该频段能量Pi成正比，即由此得到每个频段的微分熵4.根据权利要求1所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的特征频段包括：Delta波，其频率范围为：1‑4Hz、Theta波，其频率范围为：4‑8Hz、Alpha波，其频率范围为：8‑14Hz、Beta波，其频率范围为：14‑31Hz、Gamma波，其频率范围为：31‑50Hz。5.根据权利要求1所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的神经过程模型基于神经网络概率模型，包括：基于注意力机制的池化单元、基于深度神经网络的两组编码器单元、解码器单元以及聚合器单元，其中：基于注意力机制的池化单元使用输入的脑电微分熵特征，进行加权处理，得到加权后的脑电特征；第一编码器单元针对上下文集的每一组数据，通过神经网络映射，得到一组潜在数据表征向量；聚合器单元通过均值函数，将多个潜在数据表征向量聚合为同维度的单个向量；第二编码器单元根据聚合后的数据表征，并对其进行编码，得到输入向量的数据表达和分布表达；解码器单元根据上下文集得到的数据表达和分布表达以及目标集的源数据，对其进行解码重构，并得到预测结果。6.根据权利要求1所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的训练是指：通过神经过程模型中的编码器单元将上下文集和目标集的数据转换成数据表达r和分布表达z，根据一些观察值对潜在的真实函数进行推断，最终借助目标集Xt、分布表达z和数据表达r共同经过解码器得到预测值。2CN114190944A权利要求书2/2页7.根据权利要求1或6所述的基于脑电信号的鲁棒情绪识别方法，其特征是，所述的训练，具体为：将输入数据划分为上下文集{X1∶m，Y1∶m}和目标集{X1∶n，Y1∶n}：首先经过一个selfattention层，给不同的数据赋予不同的权重，然后经过一个作为编码器的神经网络，将{X1∶m，Y1∶m}和{X1∶n，Y1∶n}转换为深度特征表示rc和rt，rc和rt紧接着被一个聚合器聚合得到r，r的作用是使全局隐变量的z的分布参数化，再次借助一个神经网络得到r近似的高斯分布，即把r转换成了表示分布的μ和θ；分别基于上下文集和目标集中的点，可得到两组后验分布qc和qt；计算这两组后验分布的KL散度得到损失函数。8.