[發(fā)明專利]情緒識(shí)別方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010895051.0
• 申請(qǐng)日: 2020-08-31
• 公開（公告）號(hào): CN112057089A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 王洪濤;唐聰;裴子安;許林峰
• 申請(qǐng)（專利權(quán)）人: 五邑大學(xué)
• 主分類號(hào): A61B5/16
• 分類號(hào): A61B5/16;A61B5/0476
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 孫浩

1.情緒識(shí)別方法，其特征在于，包括以下步驟：

獲取腦電信號(hào)；

從所述腦電信號(hào)的每個(gè)通道提取θ頻段、α頻段、β頻段和γ頻段的功率譜密度作為頻域特征，利用所述頻域特征構(gòu)建多頻帶特征矩陣；

對(duì)所述腦電信號(hào)進(jìn)行非重疊時(shí)間窗分割處理得到多個(gè)腦電信號(hào)片段，對(duì)每個(gè)所述腦電信號(hào)片段的每個(gè)頻段計(jì)算相位鎖定值作為腦電連通性特征，根據(jù)所述腦電連通性特征構(gòu)建對(duì)稱連通矩陣；

將所述多頻帶特征矩陣和所述對(duì)稱連通矩陣進(jìn)行特征融合，得到融合腦電特征；

將所述融合腦電特征輸入至基于膠囊網(wǎng)絡(luò)的識(shí)別網(wǎng)絡(luò)，使所述識(shí)別網(wǎng)絡(luò)通過卷積操作和動(dòng)態(tài)路由法識(shí)別出情緒類別。

2.根據(jù)權(quán)利要求1所述的情緒識(shí)別方法，其特征在于，將所述功率譜密度進(jìn)行歸一化后作為所述頻域特征；歸一化式子為：式中，F(xiàn)為歸一化前的功率譜密度，F(xiàn)_max為同通道的功率譜密度中的最大值，F(xiàn)_min為同通道的功率譜密度中的最小值。

3.根據(jù)權(quán)利要求2所述的情緒識(shí)別方法，其特征在于，將每個(gè)頻段的所有通道的所述頻域特征組成一個(gè)第一頻域子矩陣，得到四個(gè)所述第一頻域子矩陣；將四個(gè)所述第一頻域子矩陣以2X2的方式構(gòu)建所述多頻帶特征矩陣。

4.根據(jù)權(quán)利要求1所述的情緒識(shí)別方法，其特征在于，所述相位鎖定值的計(jì)算方式為取時(shí)間窗上相位差的絕對(duì)平均值，計(jì)算式子如下：式中PLV為相位鎖定值，N為時(shí)間窗的數(shù)量，Δφ_n為第n個(gè)時(shí)間窗的相位差。

5.根據(jù)權(quán)利要求4所述的情緒識(shí)別方法，其特征在于，將每個(gè)頻段的所有所述腦電連通性特征構(gòu)成一個(gè)大小為kxk的第二頻域子矩陣，得到四個(gè)所述第二頻域子矩陣，其中所述第二頻域子矩陣的第(i，j)元素為第i通道與第j通道之間的所述腦電連通性特征；將四個(gè)所述第二頻域子矩陣以2X2的方式構(gòu)建所述對(duì)稱連通矩陣。

6.根據(jù)權(quán)利要求1所述的情緒識(shí)別方法，其特征在于，利用F-score特征選擇方法對(duì)所述融合腦電特征進(jìn)行計(jì)算打分，對(duì)所述融合腦電特征按分?jǐn)?shù)從大至小排列，選擇前m個(gè)所述融合腦電特征輸入至所述識(shí)別網(wǎng)絡(luò)。

7.根據(jù)權(quán)利要求1所述的情緒識(shí)別方法，其特征在于，所述動(dòng)態(tài)路由法包括以下步驟：

對(duì)輸入量做矩陣乘法，得到第一結(jié)果；

對(duì)所述第一結(jié)果做標(biāo)量加權(quán)，得到第二結(jié)果；

對(duì)所述第二結(jié)果做求和處理，得到第三結(jié)果；

對(duì)所述第三結(jié)果做非線性化處理，得到第四結(jié)果；

其中所述第四結(jié)果用于輸入至分類器得到所述情緒類別。

8.根據(jù)權(quán)利要求1所述的情緒識(shí)別方法，其特征在于，還包括以下步驟：通過前饋神經(jīng)網(wǎng)絡(luò)根據(jù)所述情緒類別重構(gòu)融合腦電特征，并利用重構(gòu)的所述融合腦電特征進(jìn)行反饋。

9.情緒識(shí)別裝置，其特征在于，包括：

輸入模塊，用于獲取腦電信號(hào)；

第一特征處理模塊，用于從所述腦電信號(hào)的每個(gè)通道提取θ頻段、α頻段、β頻段和γ頻段的功率譜密度作為頻域特征，利用所述頻域特征構(gòu)建多頻帶特征矩陣；

第二特征處理模塊，用于對(duì)所述腦電信號(hào)進(jìn)行非重疊時(shí)間窗分割處理得到多個(gè)腦電信號(hào)片段，對(duì)每個(gè)所述腦電信號(hào)片段的每個(gè)頻段計(jì)算相位鎖定值作為腦電連通性特征，根據(jù)所述腦電連通性特征構(gòu)建對(duì)稱連通矩陣；

特征融合模塊，用于將所述多頻帶特征矩陣和所述對(duì)稱連通矩陣進(jìn)行特征融合，得到融合腦電特征；

分類模塊，用于將所述融合腦電特征輸入至識(shí)別網(wǎng)絡(luò)，使所述識(shí)別網(wǎng)絡(luò)通過卷積操作和動(dòng)態(tài)路由法識(shí)別出情緒類別。

10.存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)存儲(chǔ)有可執(zhí)行指令，可執(zhí)行指令能被計(jì)算機(jī)執(zhí)行，使所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1至8任一項(xiàng)所述的情緒識(shí)別方法。