一种提高情绪识别模型时间鲁棒性的情绪脑电识别方法

摘要

本发明公开了一种提高情绪识别模型时间鲁棒性的情绪脑电识别方法，包括：对采集到的64导脑电信号进行包括变参考到双耳平均；降采样到500Hz；1‑100Hz带通滤波；以及利用独立成分分析的算法去除眼电干扰的预处理；将预处理后的脑电信号通过可分频段自适应跟踪找到最佳可分性频段，分别计算每一导联的最佳可分频段的功率谱密度，构成情绪特征矩阵；利用主成分分析法对特征矩阵进行降维；使用支持向量机分类器对降维后的脑电功率谱特征进行识别，建立情绪识别模型。本发明通过可分频段自适应跟踪找到最佳可分性频段，通过增加情绪识别模型的训练集中样本的天数强化了情绪相关特征，弱化了时间特异性特征，提高了情绪识别模型的时间鲁棒性。

主权项

一种提高情绪识别模型时间鲁棒性的情绪脑电识别方法，其特征在于，所述情绪脑电识别方法包括以下步骤：对采集到的64导脑电信号进行预处理，包括：变参考到双耳平均；降采样到500Hz；1‑100Hz带通滤波；以及利用独立成分分析的算法去除眼电干扰；将预处理后的脑电信号采用可分频段自适应跟踪的算法找到每个用户的最佳可分性频段，分别计算每一导联的最佳可分频段的功率谱密度，构成情绪特征矩阵；利用主成分分析法对得到的情绪特征矩阵进行降维处理，作为最终的特征矩阵；使用支持向量机分类器对最终的特征矩阵中的特征进行识别，通过增加情绪模型训练集中样本的天数弱化时间特征，提高情绪模型的时间鲁棒性，将不同情绪状态区分开，建立情绪识别模型。