[發明專利]一種基于離散小波變換和多尺度熵的腦電情感識別方法

在審

• 申請號: 201811057122.9
• 申請日: 2018-09-11
• 公開（公告）號: CN109190570A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 牛群峰;周季冬;王莉
• 申請（專利權）人: 河南工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于離散小波變換和多尺度熵的腦電情感識別方法，其特征在于按照如下步驟依次進行：

步驟一：對腦電信號進行小波變換，并計算腦電信號的小波能量和小波熵；

對腦電信號x(t)用db4小波做四層小波分解可得：其中A_i為近似分量其對應的近似系數為CA_i，D_j為不同尺度下的細節分量其對應的細節系數為CD_j，小波能量是該尺度下小波系數的平方和，設i為分解層數，那么求得總的小波能量為：根據香濃熵的定義需取相對小波能量那么可求得小波熵：

步驟二：計算腦電信號的多尺度熵；

計算基于樣本熵的多尺度熵之前，首先對于長度為M的時間序列{Y}＝{y₁,y₂,L,y_M}進行粗粒化處理，得到新的序列為：其中序列長度為t為尺度，然后按照如下過程來計算新序列的樣本熵值；

1)對粗?；蟮男蛄衶X}重構出一組m維矢量，其中i＝1,2,ΛN-m+1，X_i＝x_i,x_i+1,L,x_i+m-1；

2)定義X_i與X_j間的距離d_i,j為對應元素切比雪夫距離的最大值，其中i≠j，計算公式為d_i,j＝max[|X_i+k-X_j+k|]；

3)給定閾值r，對每個在取值范圍內的i，計算X_i與其余矢量X_j的距離d_i,j，統計d_i,j小于r的數目L^m(i)，以及L^m(i)與距離總數N-m的比值，記為

4)計算的平均值，記為

5)增加維數為m+1，重復以上過程，得到C^m+1，當N為有限值時，那么該序列長度為N的樣本熵為：

6)重復以上過程，最終得到不同尺度下的樣本熵值；

步驟三：對上述特征量進行主成分分析法降維；

經過上述方法進行一系列的特征提取可以得到4個小波能量的特征值，1個小波熵的特征值，以及14個多尺度熵的特征值，共計19個特征參數，如果將這19個參數都放入分類器中進行分類將導致情感識別和程序運行速度上存在較大的難度，所以本發明采用主成分分析法對19個特征量進行降維處理，最終降維后只得到3個特征特征維數；

步驟四：將特征樣本放入支持向量機進行訓練分類；

將樣本進行隨機排序，抽出一半的樣本輸入到SVM分類器中進行訓練，然后把剩下的樣本輸入到已經訓練好的分類器中進行測試，為了得到SVM最佳的懲罰因子c和核函數參數g，本發明利用遺傳算法進行參數尋優，設置g和c的區間均為[0 100]，最大遺傳代數為200，交叉概率為0.4，變異概率為0.01。