[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

本發明公開一種基于離散小波變換和多尺度熵的腦電情感識別方法，先用小波變換分解重構出四種節律波，并計算出四種節律波的小波能量以及小波熵值，然后又運用多尺度熵算法，提取出十四種尺度下的多尺度熵值，最后用主成分分析法對這些特征量進行降維后放入經遺傳算法參數尋優的SVM分類器中識別。本發明同時考慮腦電情感數據集中數據的非線性和非平穩性特性，保證了該方法的分類精度、準確率和執行速度。

技術領域

本發明涉及生物信息技術領域以及數據挖掘領域，具體涉及一種基于離散小波變換(Discrete Wavelet Transform，DWT)與多尺度熵(Multi-Scale Entropy，MSE)相結合的腦電情感識別方法。

背景技術

近年來，隨著計算機領域的飛速發展人工智能的研究已經達到了較高水平，因此其研究內容也在進一步的延伸。機器對人的情感進行識別是人工智能領域重要的應用延伸之一，這方面的研究會大大促進擬人機器人、人性化的商品設計以及情感溝通機器人等領域的發展，具有十分重要的意義。目前，在情感識別研究領域中，利用腦電信號(Electroencephalogram，EEG)來進行情感識別是主要研究方向之一，其特點是不易偽裝，并且相對于其他的生理信號有較高的識別準確度。

在腦電情感識別領域中，特征量的提取是影響識別準確率的關鍵因素，本發明中選用小波能量、小波熵和多尺度熵作為特征參數，其中小波能量可以反映出四個節律波的能量分布狀況，小波熵可以反映出信號譜在各個空間上的無序程度、多尺度熵可以反映腦電信號在各種尺度下的相關程度和復雜程度，這些特征可以從各個層面來反映腦電信號的特點，能夠達到很好的情感識別效果。

發明內容

發明是為了解決現有技術存在的上述技術問題，提供一種可提高分類精度的基于小波變換和多尺度熵的腦電情感識別方法。

為了達到上述的目的，本發明的技術方案為：

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1≤k≤N，t為尺度。然后按照如下過程來計算新序列的樣本熵值。

1)對粗粒化后的序列{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