[發(fā)明專利]基于腦電信號的情緒特征識別方法、識別及調節(jié)系統

有效

• 申請?zhí)枺?/td>: 202010877066.4
• 申請日: 2020-08-27
• 公開（公告）號: CN111956219B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設計）人: 孫明旭;牛先平;裴緒群;申濤;徐元;朱修縉
• 申請（專利權）人: 濟南大學;周村區(qū)特殊教育中心
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/16;A61M21/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于腦電信號的情緒特征識別方法，其特征在于，包括：

獲取情緒腦電數據，將腦電信號的數據流實時存儲，并實時更新存儲信息；

每隔設定時間讀取一次存儲情緒腦電數據，對數據進行預處理；

對預處理后的數據中的眼電偽跡，利用小波系數做閾值處理，完成小波閾值去噪，采用小波包分解重構信號；

在所述閾值原則的選擇上選取minimaxi，信號f(t)的長度為N，采集信號長度為7680(128hz*60s)，則minimaxi表示如下：

n表示第n個數據點；

閾值函數選擇軟閾值，軟閾值的函數表達式為：

式中，w_j,k為處理前的小波系數；w'_j,k為處理后的小波系數估計值；T為閾值；

對于小波閾值去噪后重構的信號利用帶通濾波器分解，再利用快速傅里葉變換后計算各數據點的能量值并將其相加，將計算得到的能量和作為特征向量；

對于第i個頻帶的腦電信號xi(n)，它對應的能量公式為：

式中，Xi(k)是信號xi(n)對應的快速傅里葉變換結果，M為快速傅里葉變換的長度；

計算得到每個樣本的特征向量后，利用分類器對特征向量進行分類，識別情緒；

所述識別出的情緒結果被可視化的顯示到界面，可以實時的反饋情緒狀態(tài)，從而對于自閉癥兒童的音樂治療效果可以系統的評定；并且系統會根據識別的情緒狀態(tài)播放對應性質的音樂，老師也可以在一旁手動操作。

2.如權利要求1所述的基于腦電信號的情緒特征識別方法，其特征在于，每隔設定時間讀取一次存儲情緒腦電數據，對信號進行預處理及特征提取分類，分類得到識別結果。

3.如權利要求1所述的基于腦電信號的情緒特征識別方法，其特征在于，獲取情緒腦電數據，對數據進行預處理時，選用1hz到45hz的五階巴特沃斯帶通濾波器將明顯的噪聲去除，明顯的噪聲包括：在原始腦電信號中存在的呼吸、皮電、心電低頻噪聲和肌電產生的高頻噪聲。

4.如權利要求1所述的基于腦電信號的情緒特征識別方法，其特征在于，采用小波包分解具體為：采用db4基函數對信號進行多尺度分解。

5.如權利要求1所述的基于腦電信號的情緒特征識別方法，其特征在于，對于小波閾值去噪后重構的信號利用一系列Butterworth帶通濾波器將其分解為四個頻帶。

6.如權利要求1所述的基于腦電信號的情緒特征識別方法，其特征在于，在得到特征向量后，利用SVM分類器對其進行分類識別。