本文選題：情感識別 + 腦電信號��； 參考：《生物醫(yī)學工程學雜志》2017年06期

【摘要】：針對提高情感識別正確率這一國際開放問題,本文提出了一種基于小波包熵和自回歸模型相結(jié)合的腦電信號特征提取算法。自回歸過程能最大程度逼近腦電信號,用很少的自回歸參數(shù)提供豐富的譜信息。小波包熵反映腦電信號在各個頻帶中的譜能量分布情況。將二者結(jié)合,能夠更好地體現(xiàn)腦電信號的能量特征。本文基于核主成分分析方法,實現(xiàn)了腦電信號特征提取融合。課題組采用情感腦電國際標準數(shù)據(jù)集(DEAP),選取6類情感狀態(tài)以本文算法進行情感識別。結(jié)果顯示,本文算法情感識別正確率均在90%以上,最高情感識別正確率可達99.33%。本文的研究結(jié)果表明,該算法能夠較好地提取腦電信號情感特征,是一種有效的情感特征提取算法。
[Abstract]:In order to improve the international openness of the accuracy of emotion recognition, this paper proposes an algorithm based on the combination of wavelet packet entropy and autoregressive model. The autoregressive process can maximize the approximation of EEG signals and provide rich spectral information with few autoregressive parameters. The distribution of spectral energy in the frequency band. The combination of the two can better reflect the energy characteristics of the EEG signal. Based on the kernel principal component analysis, this paper realizes the feature extraction and fusion of the EEG signals. The topic group adopts the international standard data set of emotional EEG (DEAP), and selects 6 kinds of emotional state with this algorithm to recognize the emotion. The correct rate of emotion recognition in this algorithm is above 90%. The results of the highest emotion recognition accuracy can reach 99.33%.. The results show that the algorithm can extract the emotional characteristics of EEG signal well, and it is an effective emotion feature extraction algorithm.
【作者單位】： 燕山大學電氣工程學院生物醫(yī)學工程研究所;河北省測試計量技術及儀器重點實驗室;河北大學生物醫(yī)學工程系;惠斯安普醫(yī)學系統(tǒng)股份有限公司;
【基金】：國家自然科學基金(51677162) 中國博士后科學基金資助項目(2014M550582) 河北省自然科學基金資助項目(F2014203244)
【分類號】：R318;TN911.7

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 魯強;劉玉軍;徐建蘭;張進祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學學報;2011年06期

2 孟欣，，歐陽楷;腦電信號的幾個非線性動力學分析方法[J];北京生物醫(yī)學工程;1997年03期

3 吳小培,馮煥清,周荷琴,王濤;獨立分量分析及其在腦電信號預處理中的應用[J];北京生物醫(yī)學工程;2001年01期

4 李英遠,周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡在腦電信號建模中的應用[J];山東生物醫(yī)學工程;2002年02期

5 劉大路,江朝暉,馮煥清,王聰;基于腦電信號時空分布信息的思維特征研究[J];北京生物醫(yī)學工程;2004年02期

6 許崇濤,沈民奮,李慧,朱國平;雙譜分析方法在腦電信號分析中的應用[J];中國行為醫(yī)學科學;2004年03期

7 李谷;范影樂;龐全;;基于排列組合熵的腦電信號睡眠分期研究[J];生物醫(yī)學工程學雜志;2009年04期

8 劉國松;周佳音;;腦電信號的計算機頻譜分析[J];生物化學與生物物理進展;1985年03期

9 馬彥斌，吳祈耀;維格納分布在腦電信號處理中的應用[J];北京理工大學學報;1995年02期

10 吳祈耀，吳祈宗;腦電信號的現(xiàn)代譜分析技術[J];北京理工大學學報;1995年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 馬小飛;認知任務下的腦電動力學分析[D];南京大學;2017年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 沈成業(yè);基于腦電信號的情感識別[D];太原理工大學;2017年

2 郭敏;基于腦電圖的誘發(fā)型情感識別及機制研究[D];華僑大學;2017年

3 李宇馳;基于EEG腦網(wǎng)絡的情感分析與識別[D];太原理工大學;2017年

4 于洪;基于腦電信號的警覺度估計[D];上海交通大學;2007年

5 張志琴;腦電信號的復雜性分析[D];中南大學;2009年

6 許鳳娟;腦電信號采集與分析系統(tǒng)的設計[D];長春理工大學;2011年

7 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學;2015年

8 王世通;基于多尺度符號序列熵的睡眠腦電與少中年腦電信號分析[D];南京郵電大學;2015年

9 徐朝陽;基于深度網(wǎng)絡的腦電信號分類方法研究[D];中國海洋大學;2015年

10 王帥;基于符號化表示學習的腦電信號情緒分類方法研究[D];哈爾濱工業(yè)大學;2016年

本文編號：2021954