[發(fā)明專利]基于雙樹復(fù)小波的腦電信號情緒識別特征提取方法

在審

• 申請?zhí)枺?/td>: 201710400554.4
• 申請日: 2017-05-31
• 公開（公告）號: CN107411739A
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計）人: 徐欣;湯明宏
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 江蘇愛信律師事務(wù)所32241
• 代理人: 趙贊贊

技術(shù)領(lǐng)域

本發(fā)明屬于腦電信號處理領(lǐng)域，涉及雙樹復(fù)小波變換的腦電信號特征提取方法。特別涉及到一種基于腦電信號的情緒識別研究方法。

背景技術(shù)

情緒是多種感覺，思想和行為綜合產(chǎn)生的生理和心理狀態(tài)。情緒的好壞不同程度上影響著人類的學(xué)習(xí)，記憶和決策等行為。在日常生活中，情緒無時無刻不在影響著我們的生活。有研究表明，長期負(fù)面的情緒會造成工作效率低下，生活沒有激情，更有甚者會影響人們的生理機(jī)能，降低身體的免疫力。當(dāng)今社會生活壓力如此大的情況下，當(dāng)發(fā)現(xiàn)負(fù)面情緒時適當(dāng)?shù)慕o與干涉也顯得十分有必要。令一方面，如今人工智能的發(fā)展非常迅速，在未來世界如何讓機(jī)器更好的服務(wù)人類，這必然要考慮到機(jī)器的情緒感知能力。一個沒有情緒感知的機(jī)器并不能算真正意義上的人工智能。所以對情緒的研究也顯得尤為重要。

腦電信號是大腦活動的一種綜合反映，之前對于情緒研究更多的是通過人們的面部表情，語言等外在特征。雖然這些特征明顯且容易獲取，但是卻可以被刻意偽裝。而腦電信號卻不受主觀控制的，能夠更加真實(shí)的反映情緒狀態(tài)。

本發(fā)明采用了一種基于雙樹復(fù)小波重構(gòu)信號的相位信息和樣本熵方法。區(qū)別于傳統(tǒng)的外在特征如面部表情，語音等分類研究方法。相對與以往采用的分形維數(shù)，小波變換，近似熵，功率譜密度等特征進(jìn)行情緒分類也有明顯的不同。

發(fā)明內(nèi)容

本發(fā)明目的在于提出了一種基于雙樹復(fù)小波變換的重構(gòu)信號相位信息和樣本熵的腦電信號情緒識別，在識別率方面，該方法相對于常用的小波變換特征提取方法更有優(yōu)勢。能有效的提高腦電信號的情緒識別率。

本發(fā)明解決其技術(shù)問題所采取的技術(shù)方法是：

1.一種基于雙樹復(fù)小波的腦電信號情緒識別研究方法，該方法具體步驟如下：

步驟1).腦電信號采集，采用Neuroscan設(shè)備采集原始腦電信號；

步驟2).腦電信號的預(yù)處理，對步驟1采集到的腦電信號進(jìn)行預(yù)處理，以減少眼電和肌電的干擾，提高分類識別率。預(yù)處理主要包括截取情緒的有效數(shù)據(jù)，降低采樣率，取出基線數(shù)據(jù)；

步驟3).對預(yù)處理后的信號進(jìn)行雙樹復(fù)小波分解和重構(gòu)，獲得特定頻段的腦電信號；

步驟4).重構(gòu)出β波段的信號，計算其解卷繞之后的相位信息；

步驟5).重構(gòu)后獲得不同頻段的信號，求其樣本熵平均值；

步驟6).把信號的相位信息和樣本熵作為特征向量輸入到SVM中進(jìn)行分類。

所述步驟3)所述的雙樹復(fù)小波變換具體如下：

為了實(shí)現(xiàn)雙樹復(fù)小波變換，采用Kingsbury提出的Q-Shift雙樹濾波器，它是一簇正交離散的濾波器系數(shù)，實(shí)現(xiàn)變換中的抗混疊現(xiàn)象；設(shè)腦電信號s(n)的采樣頻率為fs，用雙樹復(fù)小波變換將原始信號分為L層，則能得到CAL，CDL， CD(L-1),........CD1等L+1個子帶的復(fù)系數(shù)；將系數(shù)重構(gòu)后得到的信號分量 AL,DL,........D1所對應(yīng)的頻帶范圍分別為[0,fs/2^L+1],........... [fs/2²,fs/2]；然后選取α，β，θ對應(yīng)的頻率進(jìn)行重構(gòu)信號；

雙樹復(fù)小波分解與重構(gòu)的算法采用了二叉樹結(jié)構(gòu)的兩路DWT，一樹生成變換的實(shí)部，一樹生成虛部；假設(shè)存在兩組特殊的用于分解的實(shí)數(shù)濾波器{gr,hr}和 {gi,hi}，對原始信號s(t)使用這兩組濾波器分別進(jìn)行兩個各自獨(dú)立的小波包分解(雙樹分解，這里稱為R樹分解與I樹分解)，算法如下：

R樹分解

I樹分解

式中，cr_l^j,n與ci_l^j,n分別是R樹與I樹在尺度j,節(jié)點(diǎn)序號n下的系數(shù)，l為平移因子，hr和hi為低通濾波器，gr和gi為高通濾波器。上式中R樹的系數(shù)cr_l^j,n理解為復(fù)小波分解的實(shí)部；I樹的系數(shù)ci_l^j,n可以理解為虛部；

設(shè)用于重構(gòu)的濾波器為{sgr,shr}和{sgi,shi}，則重構(gòu)算法為

R樹重構(gòu)

I樹重構(gòu)

所述步驟4)所述求重構(gòu)信號解卷繞后的相位信息，具體如下：

(4-1)一個信號的頻率響應(yīng)可以表示為振幅特性和相位特性，就像這樣：

H(e^jω)＝|H(e^jw)|e^jθ(ω)

(4-2)所以，振幅特性和相位特性就按下式可以計算出來