午夜精品美女久久久久av福利 ,亚洲精品国产精品国自产观看,午夜精品久久久久久久男人的天堂

基于EEMD和LeNet-5的脑电信号情绪识别

2022年电子技术应用第5期

蔡靖，周云鹏，程晓宇，辛佳雯，孙慧慧

吉林大学仪器科学与电气工程学院，吉林长春130061

摘要： 随着科学技术的进步，人们对情绪这一概念有了全新的认识，从过去认为情绪来源于“心”逐渐发展到了当下普遍认为情绪来源于“脑”。针对脑电信号所具有的诸多特性，首先通过去除心电、肌电噪声，滤波提取脑电信号中的有用波段；再利用集合经验模态分解算法(Ensemble Empirical Mode Decomposition，EEMD)对脑电信号进行特征提取，利用提取特征通过空间插值法绘制脑电地形图；接着利用LeNet-5算法开展具体情绪识别，并建立模型。最终通过不断地改进模型，显著提高了情绪识别准确率，准确率最高可达80.1%。

關鍵詞： EEG EEMD LeNet-5 情绪识别

中圖分類號： TP391.7
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211721
中文引用格式： 蔡靖，周云鵬，程曉宇，等. 基于EEMD和LeNet-5的腦電信號情緒識別[J].電子技術應用，2022，48(5)：98-103.
英文引用格式： Cai Jing，Zhou Yunpeng，Cheng Xiaoyu，et al. Emotion recognition of EEG based on EEMD and LeNet-5[J]. Application of Electronic Technique，2022，48(5)：98-103.

Emotion recognition of EEG based on EEMD and LeNet-5

Cai Jing，Zhou Yunpeng，Cheng Xiaoyu，Xin Jiawen，Sun Huihui

College of Instrumentation & Electrical Engineering，Jilin University，Changchun 130061，China

Abstract： With the progress of science and technology, people have a new understanding of the concept of emotion, from the past that emotion comes from "heart" gradually developed to the current general belief that emotion comes from "brain". In view of the many characteristics of EEG signals, this experiment firstly extracted the useful bands of EEG signals through filtering, then used EEMD algorithm to extract the characteristics of EEG signals and used the characteristics to draw EEG topographic map by spatial interpolation method，and then used LeNet-5 algorithm to carry out specific emotional analysis and establish a model. Finally, through continuous improvement of the model, the accuracy of emotion recognition was significantly improved, and accuracy is 80.1%.

Key words : EEG；EEMD；LeNet-5；emotion recognition

0 引言

腦電圖(Electro Encephalo Gram，EEG)是一種利用電信號來記錄大腦生理活動的方法。腦電圖能夠記錄大腦正常活動過程中的各種電信號變化，可以在整體上反映出腦神經細胞產生的各種生理電信號指標于大腦皮層或其他頭皮細胞表面處的變化情況。隨著科學技術的發展，人們對情緒有了全新的認識，從最開始的情緒來源于“心”發展到了現在的情緒來源于“腦”。隨著對人類大腦各方面的深入研究，人們逐漸發現了與大腦生理活動關系密切的特殊電信號。腦電位活動變化主要是由腦神經細胞的內部化學變化過程以及其他生理化學變化過程產生的，利用記錄儀可以得到不同的大腦電位活動變化表現方式以及電位變化劇烈程度，檢測出各個腦神經元的活動狀態。

腦電活動是一些自發的并且具有一定節律的神經學和電子學活動，其信號頻率變動范圍處在1 Hz~30 Hz之間的通常被認為是具有生理特征的重要信號，該區間可進一步分為δ(1 Hz~3 Hz)、θ(4 Hz~7 Hz)、α(8 Hz~12 Hz)和β(13 Hz~30 Hz)4個不同的頻段。

EEG信號情緒分類識別的研究進展中，有相關實驗選取了大腦前額區腦電信號的fp2-fp1、af4-af3、f4-f3、f8-f7、fc6-fc5等14個導聯作為研究對象進行研究^[1]；陸文娟^[2]對比發現β波與情緒活動的相關度較高；金雨鑫^[3]應用深度森林對時域和頻域數據進行了多粒度特征掃描，提取了融合時域特征向量和頻域特征向量的特征向量，給出了對未知數據的預測；曾紅梅^[4]提取了功率譜、功率譜熵等特征進行情緒識別；李明愛^[5]利用小波包變換時頻分解重構獲取了EEG信號，將瞬時功率信號輸入給DBN，進行無監督訓練預訓練，之后通過有監督訓練進行微調，實現了特征的自動提取，并利用softmax分類器實現了模式分類。

本文詳細內容請下載：http://m.tom3567.com/resource/share/2000004286。

作者信息：

蔡靖，周云鵬，程曉宇，辛佳雯，孫慧慧

(吉林大學儀器科學與電氣工程學院，吉林長春130061)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容