隨著腦機(jī)接口技術(shù)的發(fā)展,基于腦電的情緒識(shí)別受到了廣大研究者的青睞和重視。腦電情緒識(shí)別的研究為人工智能領(lǐng)域的發(fā)展注入了新的活力。本文針對(duì)腦電信號(hào)中眼電偽跡去除和模式識(shí)別這兩個(gè)方面展開研究,設(shè)計(jì)了基于腦電情緒識(shí)別的服務(wù)機(jī)器人系統(tǒng),實(shí)現(xiàn)了算法在系統(tǒng)上的集成應(yīng)用,具有一定的理論意義和實(shí)際應(yīng)用價(jià)值。首先,本文對(duì)腦電信號(hào)、情緒模型以及國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了總結(jié),設(shè)計(jì)了基于腦電信號(hào)的情緒識(shí)別系統(tǒng)。然后對(duì)腦電信號(hào)采集系統(tǒng)進(jìn)行介紹,并對(duì)腦電數(shù)據(jù)進(jìn)行了采集。最后對(duì)常見的腦電信號(hào)處理方法進(jìn)行了分析,確定將深度學(xué)習(xí)方法應(yīng)用到腦電信號(hào)處理中。其次,針對(duì)傳統(tǒng)的眼電偽跡去除方法需要眼電信號(hào)作參考信號(hào),且易導(dǎo)致腦電信號(hào)重要信息丟失或者偽跡去除不完全的問題,本文將稀疏自編碼和去噪自編碼相結(jié)合,提出了一種基于棧式稀疏去噪自編碼的眼電偽跡去除方法。該方法分為離線階段和在線階段,離線階段完成模型的訓(xùn)練工作,在線階段對(duì)腦電信號(hào)中的眼電偽跡進(jìn)行去除。實(shí)驗(yàn)結(jié)果表明,本文方法能夠有效地去除腦電信號(hào)的眼電偽跡,且優(yōu)于其他方法。然后,針對(duì)腦電情緒識(shí)別率偏低的問題,本文提出了一種三維卷積雙向門控循環(huán)單元網(wǎng)絡(luò)(Three Dimension ...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 腦電情緒概述
        1.2.1 腦電信號(hào)概述
        1.2.2 情緒模型概述
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 腦電情緒識(shí)別技術(shù)研究難點(diǎn)
    1.5 研究?jī)?nèi)容及章節(jié)安排
    1.6 本章小結(jié)
第2章 基于腦電信號(hào)的情緒識(shí)別系統(tǒng)設(shè)計(jì)
    2.1 系統(tǒng)的總體框架設(shè)計(jì)
    2.2 腦電信號(hào)數(shù)據(jù)采集系統(tǒng)
        2.2.1 Emotiv腦電采集系統(tǒng)
        2.2.2 腦電信號(hào)采集
    2.3 腦電信號(hào)處理方法分析
        2.3.1 預(yù)處理
        2.3.2 特征提取
        2.3.3 分類器的設(shè)計(jì)
        2.3.4 深度學(xué)習(xí)
    2.4 本章小結(jié)
第3章 基于SSDA的眼電偽跡去除方法
    3.1 自編碼
        3.1.1 稀疏自編碼
        3.1.2 去噪自編碼
        3.1.3 棧式稀疏去噪自編碼
    3.2 基于SSDA的眼電偽跡去除方法
        3.2.1 SSDA眼電偽跡去除方法
        3.2.2 SSDA模型訓(xùn)練
    3.3 實(shí)驗(yàn)配置
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 不同個(gè)數(shù)SDA堆疊實(shí)驗(yàn)對(duì)比
        3.4.2 迭代次數(shù)實(shí)驗(yàn)
        3.4.3 不同方法實(shí)驗(yàn)對(duì)比
    3.5 本章小結(jié)
第4章 基于3DC-BGRU的腦電情緒識(shí)別
    4.1 三維腦電信號(hào)的構(gòu)建
        4.1.1 短時(shí)傅里葉變換
        4.1.2 基于短時(shí)傅里葉變換的三維腦電信號(hào)構(gòu)建
    4.2 三維卷積神經(jīng)網(wǎng)絡(luò)模塊的構(gòu)建
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.2 殘差網(wǎng)絡(luò)
        4.2.3 批歸一化算法
        4.2.4 3DCNN模塊
    4.3 雙向門控循環(huán)單元網(wǎng)絡(luò)模塊的構(gòu)建
        4.3.1 LSTM和 GRU
        4.3.2 BGRU網(wǎng)絡(luò)的構(gòu)建
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)配置
        4.4.2 模型性能分析
    4.5 本章小結(jié)
第5章 基于腦電情緒識(shí)別的服務(wù)機(jī)器人系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 腦電情緒識(shí)別的人機(jī)交互系統(tǒng)設(shè)計(jì)
        5.1.1 硬件平臺(tái)
        5.1.2 軟件平臺(tái)
    5.2 控制方案設(shè)計(jì)
    5.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號(hào)：3838980