[發明專利]一種基于腦電源成像和正則化共空間模式的情緒識別方法

有效

• 申請號: 202110546546.7
• 申請日: 2021-05-19
• 公開（公告）號: CN113378650B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 劉柯;吳萍;徐銘浩;寇宇涵;周璐;張孝
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N7/00;A61B5/16;A61B5/372;A61B5/00
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

本發明涉及信號特征提取領域，特別涉及一種基于腦電源成像和正則化共空間模式的情緒識別方法，包括采集腦電信號并進行預處理；通過搭建腦電源成像，重構大腦皮層神經電活動；通過最小模算法，重構的EEG時間序列被投影到Brodman分區上，Brodman分區包括26個空間感興趣的區域，利用26個空間感興趣的區域互信息構建腦功能連接矩陣；基于腦功能連接矩陣采用正則化的方式構建泛化樣本的協方差矩陣，提取特征向量；將歷史數據的特征輸入分類器進行訓練，并將待分類數據的特征向量輸入分類器獲得腦電情緒分類；本發明減少了估計偏差，提高了估計穩定性，最終分類出的結果準確率提高。

技術領域

本發明涉及信號特征提取領域，特別涉及一種基于腦電源成像和正則化共空間模式的情緒識別方法。

背景技術

情感分析作為人機交互的重要內容。腦電(Electroencephalography，EEG)信號反映認知任務下皮層神經活動，由于其高時間分辨率和非侵入性，在情緒識別中越來越受到重視。

目前常用的基于腦電情緒識別方法首先提取腦電信號的時域、頻域等屬性特征，然后利用模式分類器進行情緒識別。然而，由于容積效應，頭皮EEG信號的空間分辨率較低，也限制了基于頭皮EEG信號的腦電情緒識別性能。

此外在實際應用中，跨被試的情緒識別是非常重要的研究內容。此前中國專利CN110070105B公布了一種基于元學習實例快速篩選的腦電情緒識別方法，該專利將各電極腦電數據的特征向量進行拼接，得到待識別特征向量，然后采用訓練好的情緒識別模型，依據待識別特征向量，獲取相應的情緒標簽以實現跨被試的情緒識別。該方法仍然存在一些實用性問題，例如，不同被試者的腦電數據差異，導致難以獲得能夠跨被試使用的通用模型：鑒于腦電的非平穩特性，同一個被試者的腦電分布會隨時間變化，難以獲得可以長期使用的模型。由于人腦認知行為是若干腦區協同作用的結果，與腦區間的交互有關，因此腦網絡蘊含豐富的時空分類信息。該方法忽略腦網絡中蘊含的分類信息，未有效提取皮層腦網絡的分類特征。同時，在基于腦電的跨被試情緒識別研究中，如何充分利用已有被試EEG數據的信息，依然是一個亟待解決的問題。

發明內容

為了提高腦電信號分類的準確性，本發明提出一種基于腦電源成像和正則化共空間模式的情緒識別方法，包括以下步驟：

采集腦電信號，并對腦電信號進行預處理；

利用貝葉斯最小模算法處理與處理后的腦電信號，通過搭建腦電源成像，重構大腦皮層神經電活動；

通過最小模算法，重構的EEG時間序列被投影到Brodman分區上，Brodman分區包括26個空間感興趣的區域，在翻轉方向相反的源信號后，將26個空間感興趣的區域內所有源信號的時間序列取平均值；

利用26個空間感興趣的區域互信息構建腦功能連接矩陣；

基于腦功能連接矩陣采用正則化的方式構建泛化樣本的協方差矩陣，得到最優空間濾波器使兩類信號的方差值差異最大化，從而得到具有較高區分度的特征向量；

將歷史數據的特征輸入分類器進行訓練，并將待分類數據的特征向量輸入分類器獲得腦電情緒分類。

進一步的，重構大腦皮層神經電活動具體包括以下步驟：

根據生物導體中電磁場的傳播規律，構建頭皮表面的EEG電位分布與人腦內源空間信號的線性關系表達式；

對獲取的線性關系表達式進行空間白化；

根據給定大腦皮層源信號的一個先驗分布以及貝葉斯公式，計算該源信號的后驗分布；

利用最小模解估算源信號的最大后驗估計，即利用最小模解選擇能量最小的源結構作為最終的源信號估計，該源信號估計作為人腦成像的源信號。

進一步的，利用最小模解估算源信號的最大后驗估計，則源信號的最大后驗估計表示為：