基于脑电信号瞬时能量的情感识别方法

作者：陈田; 陈占刚; 袁晓辉; 鞠思航; 任福继

来源：计算机工程, 2019, 45(04): 196-204.

DOI：10.19678/j.issn.1000-3428.0050486

• 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

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%。

• 单位
  合肥工业大学