基于脑电信号瞬时能量的情感识别方法

• 作者: 任福继 袁晓辉 陈占刚 陈田 鞠思航
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 脑电信号 情感识别 希尔伯特-黄变换 卷积神经网络 递归神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 196-204
• 页数: 9页
• 分类号: TP391
• 字数: 5367字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050486

摘要

希尔伯特-黄变换(HHT)是一种处理脑电信号(EEG)的有效方法,包括经验模态分解(EMD)和Hilbert变换2个部分.但EMD无法分解包含低能量的信号,且在低频区域会产生不良的本征模态函数.为消除EMD的弊端,提出一种小波包变换(WPT)和HHT相结合的EEG处理方法.采用WPT将EEG分解成一组窄带信号,通过HHT得到Hilbert能量谱,求出平均瞬时能量作为EEG特征并封装成特征矩阵.将特征矩阵通过卷积神经网络(CNN)、递归神经网络(RNN)、支持向量机(SVM)组成的混合情感识别模型进行训练与分类.实验结果表明,该方法对高兴、悲伤、平静、恐惧4种情感的平均识别率为86.22％,最优识别率为93.45％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任福继	合肥工业大学计算机与信息学院	25	106	7.0	9.0
2	陈田	合肥工业大学计算机与信息学院	18	99	7.0	9.0
6	袁晓辉	北德克萨斯州大学计算机与工程学院	2	11	2.0	2.0
7	陈占刚	合肥工业大学计算机与信息学院	1	2	1.0	1.0
11	鞠思航	合肥工业大学计算机与信息学院	1	2	1.0	1.0