融合倒谱特征的脑电(EEG)情感分类

摘要：

近年来,通过分析脑电图(EEG)信号来实现情感识别的课题越来越被研究者所重视.为了丰富特征的表示能力,获得更高的情感识别分类准确率,尝试将语音信号特征梅尔频率倒谱系数MFCC应用于脑电信号.在对EEG信号小波变换的基础上将提取得到的MFCC特征与EEG特征相互融合,通过利用深度残差网络(ResNet18)的特性进行情感分类识别.实验结果表明,比起传统的单一利用EEG特征,添加了MFCC特征使得情感维度Arousal和Valence两者的识别准确率分别提升了6％和4％,达到了86.01％和85.46％,从而提升了情感的识别准确度.

关键词：脑电信号、梅尔倒谱系数(MFCC)、特征融合、深度残差网络

所属期刊栏目：56

分类号：TP183;TN912(自动化基础理论)

资助基金：国家自然科学基金;国家重大新药开发科技专项;上海市教育发展基金会和上海市教育委员会"曙光计划"

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：164-169