基于脑电时频空多域特征融合的情感识别研究

摘要：

传统基于脑电信号(electroencephalogram,EEG)的情感识别主要采用单一的脑电特征提取方法,为了充分利用EEG中蕴含的丰富信息,提出一种多域特征融合的脑电情感识别新方法.提取了EEG的时域、频域和空域特征,将三域特征进行融合作为情感识别模型的输入.首先计算不同时间窗EEG信号的alpha、beta、gamma三个频段功率谱密度,并结合脑电电极空间信息构成EEG图片,然后利用卷积神经网络(convolutional neural network,CNN)与双向长短期记忆网络(bidirectional long short-term memory network,BLSTM)构建CNN-BLSTM情感识别模型,分别对时、频、空三域特征进行学习.在SEED数据集对该方法进行验证,结果表明该方法能有效提高情感识别精度,平均识别准确率达96.25%.

关键词：脑电信号(EEG)、特征融合、CNN-BLSTM、情感识别

所属期刊栏目：59

分类号：TP183;R318(自动化基础理论)

资助基金：国家自然科学基金;山西省自然科学基金

在线出版日期：2023-02-27（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：191-196