基于熵的脑电特征选择情绪识别研究

• 作者: 张艺 杨风雷 田曼
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 情绪识别 特征提取 特征选择 经验模式分解 熵
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 数据采集及信号处理
• 页码范围: 106-111
• 页数: 6页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801797

摘要

近年来,利用脑电(EEG)信号识别情绪已经成为一个热门的研究领域.随着科技的发展,脑电采集设备的采样率越来越高,带来了脑电数据量的大幅增加.如何在大量EEG信号中提取并选择最优特征是当前情绪识别面临的一个重要问题.选择脑电信道后进一步提取特征的做法,极易造成有效信息的丢失.为了解决以上问题,提出了一种不需选择通道的情感识别方法.首先,通过经验模式分解将原始脑电信号分解为若干本征模函数(IMF),并计算本征模函数的样本熵;接着,提出了一种基于熵的特征选择方法,对样本熵进行选择并形成特征向量;最后,将特征向量输入极限学习机(ELM)进行训练和测试.该方法在DEAP数据集上进行了测试,对情绪的平均识别率达88.39％.实验结果表明,该方法能够有效选择特征,对情绪识别具有良好的分类效果.