申请/专利权人：广东工业大学

申请日：2023-09-22

公开（公告）日：2024-04-09

公开（公告）号：CN117158970B

主分类号：A61B5/16

分类号：A61B5/16;A61B5/33;A61B5/346;A61B5/352;A61B5/369;A61B5/372;A61B5/374;A61B5/386;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明涉及一种情绪识别方法、系统、介质及计算机，本申请采用单通道的前额叶脑电来代替多通道脑电，基于此开发的可穿戴设备提高了舒适性和便捷性，可以在日常生活中使用，不会对人们的日常活动造成影响。使用肢体I导联心电弥补了脑电采集电极的减少造成的识别准确度的降低的缺陷，利用肢体I导联心电与单通道的前额叶脑电相互配合对人们的情绪进行识别，具备更高的识别准确度。

主权项：1.一种情绪识别方法，其特征在于，包括：S1、利用采集脑电信号的脑环获取预定时间内的单通道前额叶脑电信号，记作脑电数据；所述利用采集脑电信号的脑环获取预定时间内的单通道前额叶脑电信号，包括：利用采集脑电信号的脑环采集一分钟内的单通道前额叶脑电信号；利用采集心电信号的设备同时获取预定时间内的肢体I导联心电信号，记作心电数据；所述利用采集心电信号的设备同时获取预定时间内的肢体I导联心电信号，包括：利用采集心电信号的设备采集一分钟内的的肢体I导联心电信号；S2、对所述脑电数据进行预处理，得到对应的脑电特征矩阵；所述对所述脑电数据进行预处理，得到对应的脑电特征矩阵，包括：根据预定步长分解所述脑电数据，得到29个脑电帧；所述预定步长为4s；所述分解所述脑电数据，包括每一个脑电帧与相邻的脑电帧之间的重复率为50％；使用小波包分解重构的方法分别去除29个所述脑电帧中0.5Hz以下的基线数据，对应得到29个重构脑电帧；分别对29个重构脑电帧进行数据分离，对应得到每一个重构脑电帧的δ波段时域信号、θ波段时域信号、α波段时域信号、β波段时域信号以及γ波段时域信号；使用傅里叶变换分别将δ波段时域信号、θ波段时域信号、α波段时域信号、β波段时域信号以及γ波段时域信号从时域信号转化为对应的频域信号，得到对应的δ波段频域信号、θ波段频域信号、α波段频域信号、β波段频域信号以及γ波段频域信号；分别对每一个δ波段频域信号对应的频带进行积分，得到对应的δ波段能量值；分别对每一个θ波段频域信号对应的频带进行积分，得到对应的θ波段能量值；分别对每一个α波段频域信号对应的频带进行积分，得到对应的α波段能量值；分别对每一个β波段频域信号对应的频带进行积分，得到对应的β波段能量值；分别对每一个γ波段频域信号对应的频带进行积分，得到对应的γ波段能量值；分别计算每一个所述脑电帧对应的10个特征值，10个所述特征值包括：Petrosian分形维数、樋口分形维数、Hjorth移动性、Hjorth复杂性、谱熵、奇异值分解熵、费希尔信息、近似熵、去趋势波动分析、霍斯特指数；将29个脑电帧对应的δ波段能量值、θ波段能量值、α波段能量值、β波段能量值、γ波段能量值以及10个所述特征值相互组合，得到对应的29*15的脑电特征矩阵；对所述心电数据进行预处理，得到对应的心电特征矩阵；所述对所述心电数据进行预处理，得到对应的心电特征矩阵，包括：对所述心电数据进行使用小波包分解重构的方法对信号进行处理，去除心电数据中的基线漂移，得到对应的重构心电数据；在所述重构心电数据中定位R峰，得到RR间期数据；利用所述RR间期数据，计算所述心电数据对应的十二个HRV特征值，十二所述HRV特征值，包括：平均心率HRMEAN、RR间期的均值RRMEAN、总体标准差SDNN、相邻RR间期差值均方根RMSSD、全部相邻RR间期之差的标准差SDSD、相邻的RR间期的差值大于50ms的个数PNN50、极低频段的功率VLF、低频段功率LF、高频段的功率HF、信号总功率TP、第一非线性参数SD1和第二非线性参数SD2；将十二个所述HRV特征值进行组合，得到一个1*12的心电特征矩阵；S3、将所述脑电特征矩阵和心电特征矩阵分别输入到预先训练好的递归神经网络中进行融合，得到对应的特征融合矩阵；S4、根据所述特征融合矩阵，对情绪进行分类，得到对应的情绪预测结果。

全文数据：

权利要求：

百度查询： 广东工业大学 一种情绪识别方法、系统、介质及计算机

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