[發明專利]情緒監測的情緒建模方法及情緒監測調節系統

有效

• 申請號: 202011038628.2
• 申請日: 2020-09-28
• 公開（公告）號: CN112163518B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 李遠清;黃煒琛;瞿軍
• 申請（專利權）人: 華南理工大學;華南腦控(廣東)智能科技有限公司
• 主分類號: G06F18/2411
• 分類號: G06F18/2411;G06F18/10;G06F18/213;G06F18/214
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發明公開了一種情緒監測的情緒建模方法及情緒監測調節系統，該方法是拾取訓練的情緒信號，依次進行濾波預處理和微分熵特征提取，得到相應的特征向量；將特征向量通過基于線性核的SVM構建情緒分類的分類器，將訓練中的高興、中性、悲傷情緒狀態下對應的情緒特征數據構成一個訓練集，并將高興、中性、悲傷情緒狀態下對應的特征向量送入分類器進行訓練，得到基于情緒的分類器模型；再次調用上述訓練集中三種情緒狀態對應的特征向量分別送入分類器模型，在分類器模型的輸出中得到每種情緒狀態的score值(代表情緒的強弱程度)，并基于score值構建反饋準則，用于幫助用戶有效地改變自己的情緒調節策略，達到情緒調節的有用效果。

技術領域

本發明涉及腦機接口技術與情緒誘發及監測的技術領域，尤其是指一種情緒監測的情緒建模方法及情緒監測調節系統。

背景技術

人類的情緒是豐富的，表達方式也是千變萬化。在影響到人類健康的情緒活動中，發現至少包括有非常高興、高興、平靜、一般生氣、極度生氣等。近年來各大研究機構都試圖研究和應用情緒監控和調節方面的工作，也發明了非常多的監控和調節方法，一般包括情緒信號刺激建模，并利用所建模型進行監控和調節方面的工作，這些研究工作應用于人工智能設備時的確發揮了其優點。在該等工作開發中，其難點在于信號過濾取樣(例如申請號為201110425021.4，名稱為“基于可分頻段自適應跟蹤的腦電情緒狀態特征提取方法”所披露的方案)和建模(例如申請號為201310689135.9，名稱為“一種跨誘發模式情緒腦電識別建模方法”所披露的方案)，其中，建模主要采用支持向量機SVM作為底層技術，為此建立一個比較貼近現實情緒行為的技術模型用于情緒調節是每個研究工作的重心之一。

發明內容

本發明的第一目的在于克服現有技術的缺點與不足，提出一種實現更高精確度的情緒監測的情緒建模方法，其建立的模型不僅能夠準確反映被試者的當前情緒狀態，而且能夠準確反映被試者的情緒強弱程度。

本發明的第二目的在于提出一種情緒監測調節系統，該系統基于無損的腦機接口技術，設計腦電采集、處理各個模塊，結合情感誘發刺激范式，去幫助被試者進行實時情緒調節，不僅能夠準確反映被試者的當前情緒狀態，而且能夠借助于反饋結果呈現，給被試者直接在線(同步)觀察從而協助被試者調節情緒。

本發明的第一目的通過下述技術方案實現：情緒監測的情緒建模方法，首先，拾取訓練的情緒信號，再依次進行濾波預處理和微分熵特征提取，得到相應的特征向量；然后將特征向量通過基于線性核的支持向量機SVM構建情緒分類的分類器，將訓練中的高興、中性、悲傷情緒狀態下對應的情緒特征數據構成一個訓練集，并將高興、中性、悲傷情緒狀態下對應的特征向量送入上述分類器進行訓練，得到基于情緒的分類器模型；最后，再次調用上述訓練集中三種情緒狀態對應的特征向量分別送入訓練好的分類器模型，在分類器模型的輸出中得到每種情緒狀態的score值，并基于score值構建反饋準則，用于幫助用戶有效地改變自己的情緒調節策略，達到情緒調節的有用效果；其中，所述score值代表情緒的強弱程度。

進一步，對訓練的情緒信號進行濾波預處理和微分熵特征提取的操作如下：

對于訓練的情緒信號，稱為訓練數據，該訓練數據經過10階最小相位有限沖擊響應帶通濾波器濾波，濾波帶寬為0.1–70Hz，以及限波濾波器，限制頻率為50Hz；對于訓練數據的每一個數據段，采用滑動窗口的方式將其切割成時間窗口為20秒的小窗，滑動間隔為2秒；對于每一個小窗，提取30個通道在5個頻率段：①Delta頻段：1-3Hz，②Theta頻段：4-7Hz，③Alpha頻段：8-13Hz，④Beta頻段：14-30Hz，⑤Gamma頻段：31-50Hz內的微分熵特征，即DE特征，共得到150維的特征向量；其中，微分熵特征的具體計算方法如下：

對于每個數據通道，使用短時傅里葉變化(STFT)將信號變化到時頻域，隨后按照下列公式：

DE＝log(|x(m,f_k)|²)