基于自适应层次图池化的脑电情绪识别.pdfVIP

第41卷第3期信号处理Vol.41No.3

2025年3月JournalofSignalProcessingMar.2025

文章编号：1003-0530（2025）03-0544-09

基于自适应层次图池化的脑电情绪识别

*

刘董理崔恒刘爱萍陈勋

（中国科学技术大学信息科学技术学院，安徽合肥230094）

摘要：近年来，图神经网络因其出色的空间拓扑能力，在脑电情绪识别领域表现突出。然而许多方法只考虑了

脑电通道间的连接，忽略了大脑区域间的功能性联系。图神经网络通常依赖线性变换来更新节点，如果直接将原

始脑电信号作为输入，容易导致模型过拟合。虽然使用手工提取的特征可以减轻这一问题，但这也限制了对信息

的全面提取。针对当前图相关算法在脑电情绪识别领域的局限性，本文提出一种基于自适应层次图池化技术的端

到端脑电情绪识别算法。首先，设计一个自适应图生成模块，采用数据驱动的方法，能够自动生成与情绪识别任务

密切相关的图邻接矩阵，对脑电信号的空间信息进行有效建模。随后，为了更准确地提取关键通道或脑区的时域

脑电信号特征，本文进一步提出时域层次图池化模块，在识别时域信号特征的同时，融合图节点的相关特征。最

后，该模块通过对脑电通道的层层池化，提炼出更有代表性的区域特征，并动态更新各区域之间的功能连接，从而

实现对脑电信号的深度特征提取和有效表示。为了验证所提出的自适应层次图池化模型的有效性，本文在两个广

泛使用的公共脑电情绪数据集DEAP和MAHNOB-HCI上开展实验，结果表明所提出的自适应层次图池化模型在

性能上显著优于其他最先进的深度学习方法和传统机器学习方法。

关键词：脑电信号处理；情绪识别；图神经网络；图池化；深度学习

中图分类号：TP183文献标识码：ADOI：10.12466/xhcl.2025.03.012

引用格式：刘董理,崔恒,刘爱萍,等.基于自适应层次图池化的脑电情绪识别[J].信号处理,2025,41(3):544-552.

DOI:10.12466/xhcl.2025.03.012.

Referenceformat:LIUDongli,CUIHeng,LIUAiping,etal.EEG-basedemotionrecognitionusingadaptivehierarchi‐

calgraphpooling[J].JournalofSignalProcessing,2025,41(3):544-552.DOI:10.12466/xhcl.2025.03.012.

EEG-BasedEmotionRecognitionUsingAdaptiveHierarchicalGraphPooling

LIUDongliCUIHengLIUAipingCHENXun*

（CollegeofInformationScienceandTechnology，UniversityofScienceandTechnologyofChina，Hefei，Anhui230094，China）

Abstract:Inrecentyears，graphneuralnetworkshaveshownoutstandingperformanceinthefieldof