申请/专利权人：西安邮电大学

申请日：2021-05-12

公开（公告）日：2022-12-02

公开（公告）号：CN115414051A

主分类号：A61B5/369

分类号：A61B5/369;A61B5/16;A61B5/00;G06F3/01;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明属于信号处理技术领域，具体涉及一种脑电信号自适应窗口的情绪分类识别方法，具体的方法是：对采集到的不同情绪状态下的脑电数据进行预处理后，使用广义正交部分定向相干方法，迭代比较不同时间点、不同长度的脑电信号，选取出最能代表情绪的关键脑电信号；根据所选取的关键脑电信号提取分形维数、差分熵、功率谱密度等特征；使用reliefF算法对所提取的特征进行权重计算，以获取高质量的特征；最后，根据所选择的高质量特征利用支持向量机算法和K近邻算法在效价和唤醒二维情绪模型上进行情绪分类识别。通过这种方法，不仅可以提高情绪识别率，而且可以在减少数据量的同时，降低处理时间以及计算成本，从而提高情绪分类识别性能。

主权项：1.一种脑电信号自适应窗口的情绪分类识别方法，其特征在于，包括以下步骤：步骤一、采集不同情绪状态的脑电信号，包括但不限于高兴、悲伤等情绪状态；步骤二、脑电数据预处理：原始脑电信号中会包含一些伪迹干扰成分，需要去除信号中的伪迹；步骤三、计算自适应窗口中所有可能的信号组合：利用预处理之后的脑电数据进行自适应窗口的数据缩减处理，记最小窗口、最大窗口和变化常数分别为Wmin、Wmax和C，首先将窗口大小设置为Wmin，并找到大小为Wmin的所有信号组合，接下来，窗口大小以变化常数C为增量，同样，找到大小增加C之后的所有信号组合，重复上一步，直到窗口大小大于或等于Wmax，迭代此过程确保考虑所有可能的信号时间位置；步骤四、选取具有最大情绪强度的信号窗口：计算所有信号组合在时间维度上的广义正交部分定向相干值generalizedorthogonalizedpartialdirectedcoherence，gOPDC，在所有窗口数据矩阵中，选取广义正交部分定向相干值最高的窗口数据，并表示为WgOPDC；步骤五、根据所选取的窗口数据，提取分形维数、差分熵特征以及功率谱密度等脑电信号EEG特征；步骤六、利用reliefF算法进行特征选择：利用reliefF算法选取一个实例特征并找到K个对应于同一类别的特征和K个不同类别的特征，计算这些特征所对应的权重向量，根据权重向量选择质量最高的特征，使得所选特征的个数小于样本个数；步骤七、使用分类器进行情绪分类识别：根据所选取的特征，利用支持向量机SVM和K近邻KNN算法在效价和唤醒维度对预处理之后的全部脑电数据和进行数据缩减后的关键脑电数据进行情绪分类识别。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种脑电信号自适应窗口的情绪分类识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD