基于滤波器组长短时记忆网络的脑电信号情绪识别

作者：汪佳衡; 王跃明; 姚林^*

来源：生物医学工程学杂志, 2021, 38(03): 447-454.

• 情绪识别
• 特征提取
• 长短时记忆网络
• 脑电图

情绪在人们的认知、交往等各方面发挥着重要作用,而情绪脑机接口通过分析脑电图(EEG)可识别内在情绪,以主动或被动的方式反馈情绪信息,有效促进人机交互。本文聚焦于EEG信号的情绪识别,使用生理信号情绪数据集(DEAP)系统地比对了主流特征提取算法、分类器模型。通常的随机取样方法会造成训练和测试样本相关性高,本文采用分块化K交叉验证评估模型,同时对比了不同时间窗长度下的情绪识别准确率,研究表明4 s时间窗为适宜的取样时长。此外,本文提出了滤波器组长短时记忆网络(FBLSTM),以微分熵特征作为输入,所提出的算法模型在情绪的效价度二分类、唤醒度二分类、效价—唤醒平面四分类上的平均分类准确率分别为78.8%、78.4%、70.3%。相比于目前的研究成果,本文的情绪识别模型具有更优的分类性能,或可为情绪脑机接口中的情绪识别提供一种新的可靠方法。

• 单位
  浙江大学; 高等研究院; 之江实验室