基于经验小波变换与模糊熵的脑电信号情感识别.docxVIP

PAGE2

基于经验小波变换与模糊熵的脑电信号情感识别

摘要

情感识别技术在心理健康监测与人机交互领域具有重要应用价值。当前脑电信号（EEG）情感识别面临非平稳信号处理精度低、特征提取鲁棒性不足等痛点。本设计提出一种融合经验小波变换（EWT）与模糊熵的自适应识别方案，实现积极/消极情感的二分类。系统通过EWT自适应分解EEG信号，提取子带模糊熵特征，结合支持向量机（SVM）构建分类模型。

第一章分析情感识别的现实需求与技术瓶颈；第二章论证EWT与模糊熵的技术适用性；第三章明确系统功能与性能指标；第四章设计分层处理架构；第五章详述EWT分解与模糊熵计算算法；第六章实现核心模块并解决噪声干扰问题；第七章通过DEAP数据集验证系统性能。

创新点在于EWT自适应频带划分与模糊熵特征的联合优化，避免传统小波变换的固定基函数局限。测试表明，系统在10折交叉验证下平均准确率达86.7%，较单一小波熵方法提升7.2%。本设计为EEG情感识别提供了高鲁棒性解决方案，兼具理论验证与工程实用价值。

第一章绪论

1.1研究背景

脑电信号情感识别是神经工程领域的热点方向。随着心理健康问题日益突出，临床亟需客观化情感评估工具。传统问卷调查存在主观偏差，而EEG信号能直接反映大脑神经活动，为情感状态提供生理依据。然而，EEG信号具有非平稳、低信噪比特性，导致现有方法识别精度不稳定。

现有方案如傅里叶变