基于维度复杂性模型的情感事件脑电图分析.pdfVIP

第33卷 第6期 大 连 交 通 大 学 学 报 Vo1．33 No．6 2012年 12月 JOURNAL OF DALIAN JIAOTONG UNIVERSITY Dee．2012 文章编号：1673—9590(2012)06—0085—04 基于维度复杂性模型的情感事件脑电图分析 陈志华 ，孙建鹏 ，邹飒枫 ，赵力 (1．大连交通大学 软件学院，辽宁 大连 116028；2．大连大学 附属新华医院，辽宁 大连 116028)采 摘 要：用Grassberger—Procaccia关联维算法(以下简称 G—P算法)计算出关联维值从而得出维度复杂 性的变化．研究了情感变化中脑电图的维度复杂性，通过对20名健康成年男性进行听觉诱发实验 ，观察不 同情绪变化的关联维值 ，对0波进行分析，发现人在听不愉快音乐时比听愉快音乐时的关联维数的值高， 即听噪音时维度复杂性 比听音乐时的维度复杂性更明显．在听不愉快音乐时左脑的关联维数值小于对应 的右脑的关联维数值 ，而在听愉快音乐时恰好相反，左脑的关联维数值大于对应的右脑的关联维数值，这 表明在听不愉快音乐时，右脑的维度复杂性更明显，在听愉快音乐时，左脑的维度复杂性更明显． 关键词：脑电图；维度复杂性 ；关联维值；0波；情绪 文献标识码 ：A 0 引言 态下脑电信号的相关维数 D2、Lyapunov指数、近 似熵和复杂度等参数的数值，并分析数值和人类 人工智能随着科技的发展，其研究的内容也 大脑功能之问的关系 J．而来源于非线性理论的 在不断扩展和延伸，对人的情感的研究已成为人 工智能研究的热点．目前，人工智能中研究情感计 EEG维度复杂性已经被证明是计算人类大脑复 算和人机界面的交互运用已经成为一个重要的领 杂度的一个重要指标 ．在 1983年，Grassberger 域…．情感识别计算机对从传感器采集到的信号 和Procaccia根据嵌入理论和相空间思想提出了 进行分析和处理，从而得出人的情感状态 J．但 G—P算法，这种算法是从时间序列中直接计算出 是，基于生理信号的情感识别，主要研究的是不同 关联维数D2．其中，系统复杂度的一种度量是用 情感状态下的脑 电、心电、肌 电等信号的状态变 吸引子的相关维数是作为标准的，维数越大，表明 化 J．而脑电信号拥有非常丰富的有用信息，它 关联程度越低，系统复杂程度越高．理论证明，当 是大脑细胞生理活动在大脑皮层或头皮表面的总 嵌入的维数足够大时，对于混沌时间序列而言， 体反映，直接反应了大脑的生理活动状况，不同的 D2基本上保持稳定，这就是混沌信号所特有的饱 大脑皮层位置反映出不同的思维状态和情绪变化 和想象 ． 的脑电信号．因此，如何有效的分析和处理脑电信 本文对正常男性高兴和不高兴两种情绪状态 号，对情感状态识别的研究具有重要的意义l4j． 下的脑电图进行维度复杂性的研究．通过对关联 但是大脑是一个时变、非线性、非因果的有源系 维值的计算和分析，得到 0波在不同情绪变化下 统，大脑神经细胞活动和EEG信号均有非线性动 力学的特征 ．因此，采用传统的线性方法对其 有明显的不同． 进行研究具有较大的局限性，而采用非线性动力