[發明專利]一種基于三維特征和空洞全卷積網絡的腦電情感識別系統

在審

• 申請號: 202110034341.0
• 申請日: 2021-01-11
• 公開（公告）號: CN113180659A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 李冬冬;王喆;柴冰;楊海;杜文莉
• 申請（專利權）人: 華東理工大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/369;A61B5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于，包括如下步驟：

S1、對所收集到的腦電信號樣本進行預處理，并將預處理后的腦電信號分解到四個不同的頻段上；

S2、對步驟S1所得到的不同頻段上的腦電信號進行分幀處理，從每個幀中提取不同頻段上各個電極通道的腦電情感特征并移除基線特征；

S3、將步驟S2所得到的不同頻段上各個電極通道的腦電情感特征按照腦電信號采集時電極放置的位置信息進行重排，并按照頻帶進行拼接，得到不同特征的二維表示。

S4、堆疊步驟S3所得到的不同特征的二維表示，構建一個三維腦電特征陣列；

S5、將步驟S4所得到的三維腦電特征陣列輸入到DFCN中進行訓練，并引入譜范數正則化項，最終使用softmax分類器進行情感分類。

2.根據權利要求1所述的一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于：S1所述收集到的腦電信號樣本來自多模態數據集DEAP和DREAMER；所述收集到的腦電信號樣本包含四種連續情感，分別為：高/低valence，高/低arousal，高/低dominance,高/低liking；所述收集到的腦電信號樣本包含五個頻段，分別為Delta,Theta,Alpha,Beta,Gamma；所述收集到的腦電信號樣本需要先經過預處理移除眼電偽跡，并用帶通濾波器過濾出4.0-45Hz的腦電信號；所述預處理后的腦電信號的采樣頻率是128Hz；所述預處理后的腦電信號使用巴特沃斯濾波器來將所述腦電信號分解到五個不同的頻段上。

3.根據權利要求1所述的一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于：S2所述從每個幀中提取不同頻段上各個電極通道的腦電情感包含時域特征Kurtosis(K)，頻域特征Power(P)，時頻域特征Differential Entropy(DE)，所述時域特征K可以被定義為，

其中，μ是均值，σ是標準偏差，E表示求均值操作，μ₄是四階中心矩。所述頻域特征P可以被定義為，

其中，N表示一幀EEG信號的長度。

所述時頻域特征DE可以被定義為，

其中f(x)為概率密度函數。當樣本服從高斯分布N(μ,σ²)時，相應的概率密度函數可以代入上式進行進一步化簡，化簡后的DE可以被定義為，

其中，e是Euler常數，σ表示EEG信號的標準偏差。

所述移除基線特征可以被定義為，

其中，s表示刺激片段的數量，t表示第t幀的腦電信號，表示第一幀的基線信號特征。

4.根據權利要求1所述的一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于：S3所述將不同頻段上各個電極通道的腦電情感特征按照腦電信號采集時電極放置的位置信息進行重排，

然后按照頻帶進行拼接，以K特征為例，所述K特征的二維表示可以被定義為，

其中，同樣地，P特征的二維表示DE特征的二維表示

5.根據權利要求1所述的基于一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于：S4所述堆疊不同特征的二維表示是在所述K′_t，P′_t，D′_t的第三個維度進行拼接，所述三維腦電特征陣列的維度是2h×2w×3。

6.根據權利要求1所述的一種基于三維特征和空洞全卷積網絡的腦電情感識別系統，其特征在于：S5所述譜范數正則化項被定義為為矩陣的最大奇異值，

為了約束所述DFCN網絡中每個權重矩陣W^l的譜范數，相應的優化過程可以被定義為，

其中，是正則化因子，第二項是譜范數正則化項，通過懲罰每一層的譜范數之和，可以實現對于整個所述DFCN網絡譜范數的約束。