專利名稱：基于腦電特征的情緒狀態(tài)識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種情緒狀態(tài)識別方法。特別是涉及一種可用于臨床情緒障礙疾病的診斷及療效評價、情緒的神經(jīng)反饋調(diào)節(jié)的基于腦電特征的情緒狀態(tài)識別方法。
背景技術(shù)：
情緒是人腦的高級功能，保證著有機體的生存和適應(yīng)，對個體的學(xué)習(xí)、記憶、決策有著重要的影響。情緒也是個體差異的來源，是許多個性特征和·心理病理的關(guān)鍵成分。隨著社會的發(fā)展，各年齡、各領(lǐng)域人們的情緒困擾越來越多、越來越嚴(yán)重，各種與情緒相關(guān)的疾病發(fā)病率越來越高，如抑郁癥、狂躁癥、焦慮癥、強迫癥、情感障礙等。對情緒的正確識別和調(diào)節(jié)對改善人類生活品質(zhì)，保障身心健康具有重大意義。目前國內(nèi)外研究者通過表情、語音、姿勢信號來識別人的情緒，運用多種模式識別的方法已經(jīng)得到了一些效果，但由于信號的易控性及可偽裝性，結(jié)果無法排除被試主觀因素的影響，有時無法觀測到潛在的、真實的情感狀態(tài)。情緒是大腦皮層和皮層下神經(jīng)過程協(xié)同活動的結(jié)果，且瞬變性強。腦電是自發(fā)的不受人為控制的放電活動，具有時間分辨率高和簡便易行的優(yōu)勢，因而利用腦電來識別情緒并揭示其復(fù)雜的神經(jīng)機制是可行的，基于EEG的情緒識別研究為情緒障礙疾病的診斷和治療評價提供新的途徑，同時也為負面情緒的神經(jīng)反饋調(diào)節(jié)和訓(xùn)練提供科學(xué)全面的理論基礎(chǔ)?；谀X電的情緒研究近年來受到了越來越多的關(guān)注。目如基于腦電的情緒識別研究，識別率尚待提聞。因為這類情緒研究大多在誘發(fā)條件下進行，誘發(fā)腦電中除了與情緒相關(guān)的腦電成分外還含有大量的背景信號，例如基于情緒圖片的誘發(fā)腦電中，就含有一些視覺誘發(fā)電位、自發(fā)腦電等。背景信號的存在干擾了與情緒相關(guān)的腦電特征的有效提取，在一定程度上影響了識別率。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是，提供一種通過共空間模式濾波方法，去除背景信號干擾，增強與情緒相關(guān)的腦電信號，提取出更有效的特征來提高多類情緒誘發(fā)腦電識別率的的基于腦電特征的情緒狀態(tài)識別方法。本發(fā)明所采用的技術(shù)方案是一種基于腦電特征的情緒狀態(tài)識別方法，包括如下階段(I)數(shù)據(jù)采集階段，所述的數(shù)據(jù)采集是在國際情緒圖片誘發(fā)條件下，提取被試在不同愉悅度等級圖片誘發(fā)下的64導(dǎo)腦電數(shù)據(jù)；(2)數(shù)據(jù)預(yù)處理階段，對采集到的64導(dǎo)腦電數(shù)據(jù)進行改變參考電位、降采樣、帶通濾波、去除眼電四個步驟的處理；(3)特征提取階段，所述的特征提取階段是將預(yù)處理后的信號用共空間模式算法進行濾波后提取時域特征；(4)特征識別特征提取后，使用支持向量機分類器對特征進行識別，將不同情緒狀態(tài)區(qū)分開。所述的數(shù)據(jù)采集階段包括進行如下步驟I)實驗設(shè)計從國際情緒圖片庫中選擇了 45張圖片，按愉悅度范圍分為3個等級，每個等級15張圖片；等級1、2、3分別對應(yīng)代表消極、中性、積極情緒圖片；包含45次任務(wù)，每次刺激任務(wù)時間為14秒，有三個時段，即圖片呈現(xiàn)時段A、休息時段B和提醒時段C ;2)腦電采集采集EEG的實驗程序是在stim2平臺下設(shè)計的，腦電采集儀器使用的是scan4. 3，使用的腦電電極帽是10-20標(biāo)準(zhǔn)64導(dǎo)聯(lián)。所述的數(shù)據(jù)預(yù)處理階段中的改變參考電位，是將CZ導(dǎo)聯(lián)處的原參考電位變?yōu)槲挥趦蓚?cè)乳突部位的M1、M2處導(dǎo)聯(lián)的電位。階段(2)中所述的降采樣，是將腦電信號的采樣頻率由1000Hz降為128Hz。階段(2)中所述的帶通濾波范圍為IHz 45Hz。階段(2)中所述的去除眼電是通過獨立分量分析濾波的方法予以去除。階段(3)中所述的特征提取階段包括如下步驟I)共空間模式濾波三類任務(wù)原始的腦電信號為64X384維的矩陣設(shè)為X1,X2和X3其中64為導(dǎo)聯(lián)通道數(shù)，384為每個通道在刺激任務(wù)下的前3秒的數(shù)據(jù)點數(shù)，則每一類信號的歸一化協(xié)方差矩陣分別為
權(quán)利要求
1.一種基于腦電特征的情緒狀態(tài)識別方法，其特征在于，包括如下階段 (1)數(shù)據(jù)采集階段，所述的數(shù)據(jù)采集是在國際情緒圖片誘發(fā)條件下，提取被試在不同愉悅度等級圖片誘發(fā)下的64導(dǎo)腦電數(shù)據(jù)； (2)數(shù)據(jù)預(yù)處理階段， 對采集到的64導(dǎo)腦電數(shù)據(jù)進行改變參考電位、降采樣、帶通濾波、去除眼電四個步驟的處理； (3)特征提取階段， 所述的特征提取階段是將預(yù)處理后的信號用共空間模式算法進行濾波后提取時域特征； (4)特征識別 特征提取后，使用支持向量機分類器對特征進行識別，將不同情緒狀態(tài)區(qū)分開。
2.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，所述的數(shù)據(jù)采集階段包括進行如下步驟 1)實驗設(shè)計從國際情緒圖片庫中選擇了45張圖片，按愉悅度范圍分為3個等級，每個等級15張圖片；等級1、2、3分別對應(yīng)代表消極、中性、積極情緒圖片；包含45次任務(wù)，每次刺激任務(wù)時間為14秒，有三個時段，即圖片呈現(xiàn)時段A、休息時段B和提醒時段C ； 2)腦電采集采集EEG的實驗程序是在stim2平臺下設(shè)計的，腦電采集儀器使用的是scan4. 3，使用的腦電電極帽是10-20標(biāo)準(zhǔn)64導(dǎo)聯(lián)。
3.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，所述的數(shù)據(jù)預(yù)處理階段中的改變參考電位，是將CZ導(dǎo)聯(lián)處的原參考電位變?yōu)槲挥趦蓚?cè)乳突部位的Ml、M2處導(dǎo)聯(lián)的電位。
4.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，階段(2)中所述的降采樣，是將腦電信號的采樣頻率由1000Hz降為128Hz。
5.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，階段(2沖所述的帶通濾波范圍為IHz 45Hz。
6.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，階段(2)中所述的去除眼電是通過獨立分量分析濾波的方法予以去除。
7.根據(jù)權(quán)利要求I所述的基于腦電特征的情緒狀態(tài)識別方法，其特征在于，階段(3)中所述的特征提取階段包括如下步驟 I)共空間模式濾波 三類任務(wù)原始的腦電信號為64X384維的矩陣設(shè)為X1, X2和X3其中64為導(dǎo)聯(lián)通道數(shù)，384為每個通道在刺激任務(wù)下的前3秒的數(shù)據(jù)點數(shù)，則每一類信號的歸一化協(xié)方差矩陣分別為 這里的Xt表示X的轉(zhuǎn)置，trace表示矩陣的跡。
構(gòu)造合成的空聞協(xié)方差矩陣為 R = WR3 R可分解為B = U^AUl U0和A分別為其特征矢量矩陣和特征值對角陣，白化變換可使方差均勻化，白化矩陣為 爾 為了更好地闡述這個算法，先考慮如何得到愉悅度等級為I的誘發(fā)腦電的空間濾波器，設(shè)R' j = R2+R3,令 S1 = IT1Jt1If si 圓 如果S1可以分解成 則S' i可被分解為 且有A1+A/ ! = I 將式 Ss=, Si = W1Rf1Wl，U1AM，Si = UlAfM ,si ■+iii = i 綜合,即得到 (_典(歡姆 + (IT1rP1)r^CMfff1)= I 這里的U1的列向量是矩陣S1的特征向量?？梢钥闯觯?jīng)變換后信號協(xié)方差陣的特征矢量對應(yīng)的特征值之和為1，所以在X1方差值最大的方向上其余的信號(X2和X3)的方差值就很小，所以選取U1中與最大的特征值對應(yīng)的特征向量,則對應(yīng)于X1的空間濾波器，即信號的投影方向為 W1 = VliW1 在相應(yīng)的模式下的投影即為Z1 = SF1X1 同理可獲得X2、X3的空間濾波器分別為 SF2 = ,SFs = Pf；喝 以上得到的空間濾波器是64X64維的，每一行向量被稱為空間濾波子，對應(yīng)的空間濾波器與對應(yīng)的信號相乘即得到濾波后的信號，經(jīng)過共空間模式濾波后的情緒腦電信號，去除了背景信號的干擾； 2)為了更好地進行后續(xù)的分類識別，根據(jù)濾波后的信號Zm做如下變化后作為腦電特征值， 。,Var(Zm) =； m = I，2，3。
ZlvmZm)
全文摘要
一種基于腦電特征的情緒狀態(tài)識別方法，有數(shù)據(jù)采集階段，是在國際情緒圖片誘發(fā)條件下，提取被試在不同愉悅度等級圖片誘發(fā)下的64導(dǎo)腦電數(shù)據(jù)；數(shù)據(jù)預(yù)處理階段，對采集到的64導(dǎo)腦電數(shù)據(jù)進行改變參考電位、降采樣、帶通濾波、去除眼電四個步驟的處理；特征提取階段，是將預(yù)處理后的信號用共空間模式算法進行濾波后提取時域特征；特征識別，使用支持向量機分類器對特征進行識別，將不同情緒狀態(tài)區(qū)分開。本發(fā)明嘗試的OVR共空間模式算法，可去除背景信號的干擾，用于多類情緒誘發(fā)腦電的信號增強。去除背景信號干擾后，不同類別的情緒腦電間差異增大，用時域方差特征進行識別，被試者的識別正確率較為理想，可以準(zhǔn)確地區(qū)分開不同愉悅度的情緒。
文檔編號A61B5/16GK102715911SQ20121019905
公開日2012年10月10日 申請日期2012年6月15日 優(yōu)先權(quán)日2012年6月15日
發(fā)明者萬柏坤, 張迪, 明東, 李南南, 柯余峰, 綦宏志, 許敏鵬, 陳龍 申請人:天津大學(xué)