基于小波包和Hilbert-Huang變換的情感腦電識(shí)別研究.pdf

1、腦電信號(hào)作為與大腦活動(dòng)聯(lián)系最為直接的生理信號(hào)而成為了情感研究領(lǐng)域與人機(jī)交互領(lǐng)域的熱門課題?，F(xiàn)代的人機(jī)交互系統(tǒng)大部分都不能有效地識(shí)別人類的情感狀態(tài)并驅(qū)動(dòng)機(jī)器來執(zhí)行正確的動(dòng)作。情感腦電信號(hào)研究的目的就是在進(jìn)行人機(jī)交互的過程中更為準(zhǔn)確、及時(shí)地檢測(cè)特定的情感狀態(tài)并實(shí)現(xiàn)相應(yīng)的有價(jià)值的應(yīng)用。
　　腦電數(shù)據(jù)的分析方法主要有時(shí)域分析法、頻域分析法、時(shí)頻分析法及非線性動(dòng)力學(xué)的分析方法，其中時(shí)頻分析方法由于提供了時(shí)間域與頻率域的聯(lián)合分布信息而成為分析

2、時(shí)變非平穩(wěn)信號(hào)的有力工具。時(shí)頻分析法中的希爾伯特-黃變換(Hilbert-Huang Transform，簡(jiǎn)稱HHT)和小波包變換具有獨(dú)特的魅力，得到廣泛應(yīng)用。為了提高情感腦電識(shí)別的準(zhǔn)確率，本文以Sander Koelstra等人提供的一個(gè)公開的多模態(tài)情感數(shù)據(jù)集DEAP為研究對(duì)象，首先研究了情感腦電特征的歸一化方式，然后提出了一種方差貢獻(xiàn)率與F-score結(jié)合的特征選擇方法，最后利用希爾伯特-黃變換、小波包變換提取腦電特征進(jìn)行愉悅度的識(shí)

3、別，并對(duì)這些特征的提取時(shí)間和分類準(zhǔn)確率進(jìn)行了比較。本文主要工作如下:
　　(1)針對(duì)多被試情感腦電數(shù)據(jù)存在被試間特征值差異較大的問題，采用6種歸一化方法，對(duì)所有被試的特征、單個(gè)被試的所有特征、單個(gè)被試的單種特征這三類單次歸一化的數(shù)據(jù)范圍進(jìn)行了準(zhǔn)確率上的比較，驗(yàn)證了單個(gè)被試的單種特征更適于作為多被試情感腦電數(shù)據(jù)單次歸一化數(shù)據(jù)范圍。
　　(2)針對(duì)小波包分解樹結(jié)點(diǎn)能量作為特征時(shí)特征數(shù)量較多的問題，提出了一種方差貢獻(xiàn)率與F-sco

4、re結(jié)合的特征選擇方法，在不明顯降低準(zhǔn)確率的情況下，減少了特征數(shù)量。
　　(3)考慮到希爾伯特-黃變換與小波包變換作為時(shí)頻分析方法，更適用于分析非線性非平穩(wěn)的腦電信號(hào)，本文在DEAP情感腦電數(shù)據(jù)集上用希爾伯特-黃變換與小波包變換提取出多個(gè)特征進(jìn)行愉悅度的識(shí)別，并比較其特征提取時(shí)間及分類準(zhǔn)確率。結(jié)果表明，利用小波包分解提取特征所需時(shí)間比希爾伯特-黃變換短。在使用方差貢獻(xiàn)率與F-score結(jié)合的特征選擇方法適量降低特征數(shù)量的情況下，I