基于栈式自编码神经网络的脑电信号情绪识别

摘要：

针对维度情感模型生理信号情绪识别准确率较低的问题,本文基于DEAP维度情绪生理数据集,利用AR模型功率谱估计方法,提取脑电θ,α,β,γ节律的功率谱密度;采用小波包分解提取脑电小波包系数和能量占比时频特征;通过非线性分析提取脑电样本熵和小波包熵特征.然后,设计栈式自编码神经网络算法对脑电组合特征在效价和唤醒度两个情感维度上进行机器情绪识别.最后,分析了脑电特征、数据均衡以及情感标签对情绪识别结果的影响.仿真结果表明,栈式自编码神经网络用于脑电信号情绪识别的有效性,在情绪效价维度上,脑电情绪平均识别正确率可达80.3％;在唤醒度上,平均识别正确率达81.5％.该研究可为连续维度情绪自动分析和机器识别提供实际应用借鉴.

关键词：脑电信号、DEAP数据集、栈式自编码、情绪识别、特征提取

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发计划资助项目;山西省太原市小店区产学研合作科技专项资助项目

在线出版日期：2021-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：145-151