论文部分内容阅读
研究目的:利用少数电极,采集与情绪变化相关的EEG信号,通过实时分析,尝试在EEG特征与情绪之间建立对应关系,以期实现基于EEG对情绪变化的快速识别。研究内容:1、筛选中国化的IAPS(International Affective Picture System)刺激图片,筛选出30名健康被试。在良好的实验环境下,按照国际10-20标准电极安放法安放电极,连续呈现15张同一类型情绪图片,诱导被试依次产生沮丧,平静,恐惧,兴奋四类典型情绪。2、此过程要求被试根据个人观看图片后产生的情绪体验对图片进行评分,符合此类情绪评分标准的图片数目至少达到此类型情绪图片一半以上时此被试脑电数据才可用。3、对采集到的的数据进行处理,采样率为1000Hz,利用独立成分分析法去眼电噪声,带通滤波为4.0-64.0 Hz,每个导联提取β节律、γ节律、信息熵、微分熵四个特征,共获得244个特征。4、根据两种计算方法:A.修正F-score计算公式的方法;B.使用基本F-score变化计算方法,分别将每导联四个特征求和得出一个总的值作为相应导联有效性的评判标准,其值越大,认为其有效性越高。5、对A,B两种方法的特征参数进行SVM分类识别,采用十折交叉检验运算的方法作为对训练模型的评估。研究结果:A方法降序排列得出优先级,依照排序的顺序增加导联个数,当导联数目为五个时,情绪分类就已经取得了不错的分类效果81.35%。B方法降序排列得出优先级,依照排序的顺序增加导联个数,当导联数目亦为五个时,四分类率达到81.15%;进一步对B方法进行二分类正确率分析,亦为五个电极时,二分类率已高达90.625%。结论:本研究的结果证明,通过分析少数电极的EEG信号,能够在EEG特征与四类典型情绪之间建立对应关系,为基于EEG对情绪变化的快速识别奠定了基础。