基于高精度脑电采集系统和深度学习的情绪识别研究.pdfVIP

基于高精度脑电采集系统和深度学习的情绪识别研究

摘要

大脑是人体最复杂的器官，是身体一切活动的控制中心。研究脑科学的意

义在于深入探究人类大脑的结构、功能、活动模式和神经机制，为人类认知、

学习、思维、情感、决策等基本活动的理解和改进提供科学基础和技术支持。

近年来，情绪脑-机接口技术发展迅速，该技术有望为医疗诊断、人机交互、

心理健康等领域带来创新。为了更好地探究情绪脑-机接口，本文采用了脑电

图(Electroencephalography，EEG)技术。但EEG技术普遍存在着空间分辨率低、

信噪比较差等不足，基于此问题，本文设计了一款共模抑制比在115dB以

上、信号噪声在2μVpp以下、A/D转换分辨率为24比特、32通道独立采集

的高精度脑电采集系统，并且该系统通过了性能测试和诱发脑电实验验证。

此外，检测分类算法也是影响情绪识别脑-机接口性能的重要因素。本

文在独立研发的系统的基础上，进行了情绪诱发实验，并且利用采集的数据

探究了特征的表示形式和算法的实现，最终本文所提出的分类算法准确率达

到了86.3%，Kappa系数得分为0.794，macro-F1分数为0.821，证明了本

文所提出方法的有效性。本文主要工作如下：

（1）设计了一款高精度的脑电采集系统。本系统由硬件电路、FPGA程序、

上位机软件三部分构成。电路部分采用了2块模拟板、1块数字板加一块

电源板的层叠式设计方案。硬件设备的放大倍数为213.8倍，采样率为

1KHz，带宽为0.5Hz~70Hz。并且对所设计的脑电采集系统进行了性能测

试、与其他设备的性能比较和诱发脑电实验验证。

（2）设计了情绪诱发实验并对原始数据进行预处理。本实验采用的是视频刺

激诱发情绪，并且使用EEGLAB对原始数据进行预处理，并保存成mat

格式的文件，便于后续的处理。

（3）提出了一种基于时空域特征的情绪识别方法。现有模型的输入没有考虑

脑电信号电极位置之间的空间相关性，因此，本文将预处理后的数据表征

为基于时空域特征的3D脑电图留作为输入。并且在模型中引入了注意力

机制，脑电信号的三维特征中每个时间切片的空间和频谱信息进行注意力

融合，从而特征图可以在空间和频谱方面提供更多信息。并且通过五折交

叉验证，模型对比实验和模型消融实验证明了本方法的有效性。

关键词：情绪识别，脑电采集系统，深度学习，注意力机制

EmotionrecognitionresearchbasedonhighprecisionEEG

acquisitionsystemanddeeplearning

ABSTRACT

Thebrainisthemostintricateorganofthehumanbody,servingasthecontrol

centerforallactivities.Thestudyofneuroscienceissignificantinitsin-depth

explorationofthestructure,function,activitypatterns,andneuralmechanismsofthe

humanbrain,whichcanlaythescientificfoundationandprovidetechnological

supportforunderstandingandenhancingfundamentalactivitieslikecognition,

learning,thinking,emotion,anddecision-making.Inrecentyears,emotionBrain-

MachineInterface(BMI)