一种脑电特征提取方法及其在情感识别中的应用探讨.pptVIP

一种脑电特征提取方法及其在情感识别中的应用研究 指导教师： 李 昕 学生： 方 灿 班级：生物医学工程11-2班 学号：111203041039 燕山大学里仁学院 2015/3/22 脑电信号的概述 脑电信号是由脑神经活动产生并且始终存在于中枢神经系统的自发性电位活动，是一种重要的生物电信号。 脑电信号非常微弱，主要有以下几个特点： （1）随机性及非平稳性相当强。 （2）脑电信号具有非线性。 （3）采集到的脑电信号背景噪声比较复杂，有50Hz的工频干扰，电极与皮肤的接触噪声以及电极与地之间的共模信号的干扰等等。 在认知科学、生理学、精神病学方面，脑电信号具有广阔的学术价值和应用前景。通过研究人体处于不同生理状态和不同脑功能状态的脑电信号特征，可以了解脑电的不同工作机制。脑电信号的分析及处理无论是在临床上对一些脑疾病的诊断和治疗，还是在脑认知科学研究领域都是十分重要的。 选题的依据和意义 人类的情感状态在很大程度上影响了人类的认知和行为。情感及其脑机制的研究，特别是情感与认知的关系及其潜在的神经基础，已经逐渐成为神经科学的热点研究领域。利用计算机技术进行情感识别是实现高级人机交互的关键技术。对于实现人机交互，人-计算机接口以及智能计算机等具有重要意义。 脑电信号EEG（Electroencephalograph）是人体一种基本生理信号，蕴含着丰富的生理，心理及病理信息。脑电信号是由大脑内部亿万神经元活动在大脑皮层的综合反映，能直接反映大脑的活动情况。不同的思维状态和情绪变化在不同的大脑皮层位置反映出不同的脑电信号，因此，脑电信号含有丰富的有用信息，通过有效提取对情感识别的应用研究具有重大意义。 国内外研究的情况 对脑电信号进行特性分析与特征提取，国内外对于这一课题的研究日益增多，到目前为止，已经有很多方法被应用于此。 （1）1932年之前，对脑电信号特征分析与特征提取还停留在主观水平上。 （2）1932年Dietch首先用傅立叶变换进行了脑电图分析。 （3）1932年之后，国内外相继引入了时域分析、频域分析、时频分析等脑电图分析的经典方法。 （4）目前国内外针对脑电信号的研究已经有了很多方法。 台湾大学的Yuan-Pin Lin等采用支持向量机模型根据脑电信号将情感状态分四类（喜怒哀乐），确立了30个脑电信号与情感识别最相关的特性，并验证了对于情感识别作用最大的脑区位于额叶和顶叶。 康斯坦大学的Matthias M.Muller等用情感图片作为刺激大脑不同半球在受到情感刺激的脑电在γ频带范围的特征。 课题研究内容 （1）研究国内外脑电信号特征分析与特征提取的理论和方法，对各种分析方法的优缺点加以认识和总结。 （2）脑电信号的频域特征比较突出，因此，与其他生理信号相比，基于谱分析的脑电信号分析方法占有重要地位。功率谱分析是脑电信号处理最常用的工具，研究功率谱估计方法，把幅度随时间变化的脑电波变换为脑电功率随频率变化的谱图，从而可直观地观察到脑电节律的分布与变换情况。 （3）针对如何在情感识别中有效处理脑电信号和提取有用信息的问题，实现一种情感识别的脑电特征提取算法。 （4）掌握Matlab工程应用软件在信号分析中的应用。 （5）完成脑电信号的采集以及基于脑电特征的情感状态识别的软件设计。 主要解决的问题 （1）提取脑电信号的各种特征信息，并对其进行特征分析。 （2）分析脑电信号的产生机理及脑电信号中各种特征节律与情感关系。 （3）将功率谱估计方法用于脑电信号的分析，探讨理论方法在实际生活中的价值。 （4）Matlab脑电信号处理仿真分析。 （5）对脑电信号的采集。 （6）基于小波变换的脑电特征提取。 脑电信号的分析方法 1、线性分析 1.1 时域分析 1.2 频域分析 1.3 时频分析 2、非线性分析 2.1 关联维数 2.2 李雅普诺夫指数 2.3 小波变换 2.4 匹配追踪算法 2.5 复杂度 2.6 同步分析 2.7 维格纳分布 脑电信号的分析方法 如何消除原始脑电数据中的噪声以更好地获取反映大脑活动和状态的有用信息,如何更好的提取出脑电信号的各个节律,以及如何更好的进行脑电功率谱的分析是对脑电信号处理分析的三个最为重要的方面。近些年来,随着小波变换的不断发展,国内外许多研究者将小波分析用于生物医学信号的