發(fā)布時(shí)間：2020-05-07 01:30

【摘要】：人體的腦電信號(hào)是中樞神經(jīng)系統(tǒng)所產(chǎn)生的信號(hào),其與人的情感變化有密切的關(guān)系,利用腦電信號(hào)來(lái)分析人的情感狀態(tài)成為了情感識(shí)別領(lǐng)域研究的熱點(diǎn)。但腦電信號(hào)是一種非平穩(wěn)、非線性信號(hào),容易受到人體其他生理信號(hào)和外部因素的干擾,傳統(tǒng)的情感識(shí)別方法存在算法復(fù)雜、識(shí)別準(zhǔn)確率不高等局限性,本文在對(duì)腦電信號(hào)深入分析的基礎(chǔ)上,對(duì)基于腦電信號(hào)的情感識(shí)別從以下幾方面展開(kāi)研究:首先,針對(duì)腦電信號(hào)在采集過(guò)程中受到各種噪聲影響的問(wèn)題,本文提出一種基于FastICA與雙樹(shù)復(fù)小波變換的多導(dǎo)聯(lián)腦電信號(hào)去噪算法。該算法通過(guò)計(jì)算各獨(dú)立分量的分形維數(shù)值來(lái)判別各獨(dú)立分量中的噪聲分量,并使用改進(jìn)閾值函數(shù)的雙樹(shù)復(fù)小波變換對(duì)有用信號(hào)分量進(jìn)行進(jìn)一步分析。實(shí)驗(yàn)結(jié)果表明,該算法在多導(dǎo)聯(lián)腦電信號(hào)降噪方面取得了良好的效果。其次,針對(duì)目前情感識(shí)別中缺乏有效的特征選擇方法的問(wèn)題,本文利用二進(jìn)制布谷鳥(niǎo)算法篩選情感特征。首先提取腦電信號(hào)的多域情感特征,再使用二進(jìn)制布谷鳥(niǎo)算法對(duì)特征集合進(jìn)行優(yōu)選,最終得到最優(yōu)情感特征子集。實(shí)驗(yàn)結(jié)果表明,該算法可以獲得最優(yōu)情感特征子集,并有效地降低特征維數(shù)。最后,針對(duì)情感識(shí)別準(zhǔn)確率不高、算法訓(xùn)練和測(cè)試時(shí)間消耗長(zhǎng)的問(wèn)題,本文提出一種基于改進(jìn)螢火蟲(chóng)的最小二乘雙支持向量機(jī)情感識(shí)別算法。利用最小二乘雙支持向量機(jī)實(shí)現(xiàn)情感識(shí)別,并使用改進(jìn)的螢火蟲(chóng)算法進(jìn)一步優(yōu)化最小二乘雙支持向量機(jī),確定最優(yōu)算法模型。實(shí)驗(yàn)結(jié)果表明,該算法對(duì)四種不同類(lèi)型的情感識(shí)別準(zhǔn)確率均超過(guò)80%,其平均識(shí)別準(zhǔn)確率相比于LSSVM、SA-IPSO-SVM、MLSTSVM算法分別提升了11.2%、12.5%和8.8%,情感識(shí)別算法的訓(xùn)練與測(cè)試時(shí)間也得到了降低。
【圖文】：

信號(hào)特征明顯，包含的信息比較豐富，與其識(shí)別的研究具有獨(dú)特的優(yōu)勢(shì)。介原理制中樞，其主要可以分為腦核，腦緣系統(tǒng)和 所示。大腦皮質(zhì)主要構(gòu)成成分是灰質(zhì)，，存在于最大。大腦皮質(zhì)包含兩個(gè)核心部分，即左、區(qū)、頂葉區(qū)和枕葉區(qū)等區(qū)域，不同的區(qū)域負(fù)習(xí)能力口頭表達(dá)能力，思維能力有關(guān)。頂葉等感覺(jué)功能。顳葉區(qū)與人體的多種不同的感處理視覺(jué)信息的功能。

和空域特征突出的頻率范圍是比較寬的，有用腦電信號(hào)的頻率范圍處究中常用的腦電信號(hào)頻率為 0.5Hz 到 30Hz。由于腦電更加突出，在研究腦電信號(hào)時(shí)，綜合使用時(shí)域、頻域腦電信號(hào)處理中就顯得尤為重要。信號(hào)的節(jié)律特性發(fā)現(xiàn)，腦電信號(hào)可以劃分為多個(gè)不同的波段，各波段不同的波段稱(chēng)為節(jié)律波，不同節(jié)律波的存在使得腦電的波段可以將腦電信號(hào)劃分為： 波（0.5~3Hz）、θ z）、β 波（14~30Hz）、γ 波（>30Hz）這幾種類(lèi)型的節(jié)
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：R318;TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李強(qiáng);劉光遠(yuǎn);賴祥偉;;改進(jìn)的支持向量機(jī)在情感識(shí)別中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2014年S1期

2 陳曾;劉光遠(yuǎn);;腦電信號(hào)在情感識(shí)別中的應(yīng)用[J];計(jì)算機(jī)工程;2010年09期

3 蔣丹寧;蔡蓮紅;;基于語(yǔ)音聲學(xué)特征的情感信息識(shí)別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

4 白露,馬慧,黃宇霞,羅躍嘉;中國(guó)情緒圖片系統(tǒng)的編制——在46名中國(guó)大學(xué)生中的試用[J];中國(guó)心理衛(wèi)生雜志;2005年11期

5 羅森林,潘麗敏;情感計(jì)算理論與技術(shù)[J];系統(tǒng)工程與電子技術(shù);2003年07期

相關(guān)碩士學(xué)位論文 前7條

1 鄭國(guó)紅;基于心電信號(hào)分析愉悅視頻對(duì)負(fù)性情感的調(diào)節(jié)[D];西南大學(xué);2017年

2 戴惟嘉;基于表情和語(yǔ)音雙模態(tài)的兒童情感識(shí)別研究[D];東南大學(xué);2016年

3 王麗娟;視覺(jué)誘發(fā)P300電位的去噪與提取算法研究[D];山東大學(xué);2016年

4 杜仰澤;人機(jī)交互環(huán)境下基于皮膚電信號(hào)的情感實(shí)時(shí)識(shí)別與調(diào)節(jié)方法研究[D];西南大學(xué);2016年

5 何成;基于多生理信號(hào)的情緒識(shí)別方法研究[D];浙江大學(xué);2016年

6 李青;基于語(yǔ)音信號(hào)的情緒識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2011年

7 程穎;肌電信號(hào)在情感狀態(tài)識(shí)別中的研究[D];西南大學(xué);2011年

本文編號(hào)：2652200