利用卷积回声状态网络实现脑电情感识别

• 作者: 晁浩 马庆敏 刘永利
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 多通道脑电信号 情感识别 卷积回声状态网络 特征融合
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 论文|PAPERS
• 页码范围: 36-43
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.13190/j.jbupt.2021-078

摘要

针对多通道脑电(EEG)的情感识别,提出了一种卷积回声状态网络(CESN)模型.首先构造EEG信号的特征矩阵序列;然后通过卷积操作提取各个样本的高层抽象特征,形成一维特征向量序列;利用具有自反馈功能的蓄水池结构,捕获向量序列的动态时序信息;最后用岭回归来实现情感识别.在情感分析专用生理信号数据集上进行实验的结果表明,EEG信号的动态时序性蕴含着与情感状态相关的区分性信息,所提的CESN模型能够有效地挖掘这种信息,并用于情感分类,解决了卷积神经网络中因使用反向传播算法而导致的局部最优和训练时间过长的问题.