专利名称：基于可分频段自适应跟踪的脑电情绪状态特征提取方法
技术领域：
本发明属于情绪状态识别技术，涉及一种基于可分频段自适应跟踪的脑电情绪状态特征提取方法。
背景技术：
1872年，达尔文在《人类和动物的表情》一书中指出情绪是高级进化阶段的适应工具，从此人们开始了情绪实验与理论的研究。经过100多年，到20世纪后期情绪研究蓬勃发展起来，并与认知、神经科学、脑科学等研究相结合；其研究手段也多种多样，如脑电 (EEG)、功能磁共振成像(fMRI)、功能近红外成像(fOTRI)等。随着社会的发展，各年龄、各邻域人们的情绪困扰越来越多、越来越严重，各种与情绪相关的疾病发病率越来越高，如抑郁症、狂躁症、焦虑症、强迫症、情感障碍等。2010年， 据世界卫生组织统计，全球抑郁症发病率约为11 %，全球约有3. 4亿抑郁症患者并且人数在不断增长。当前抑郁症已经成为世界第四大疾病，预计到2020年可能将成为仅次于心脏病的人类第二大疾患，抑郁症将成为21世纪人类的主要杀手。这严重影响了人们的生活质量，同时也为情绪研究的发展提供了强大的动力。情绪研究在国外已广泛发展。1985国际上成立了 “国际情绪研究学会”。其发展的进程已经涉及人类社会和人的心理生活的各个方面，从基本理论、方法论和内容，从简单的情绪品种及其作用，情绪与认知关系，到复杂的社会化情绪。IAPS自问世以来，被广泛地运用在有关情绪问题的研究中，比如情绪的生理机制、情绪调节、情绪与注意、记忆等认知活动的关系等。目前，国内外很多课题组在进行基于IAPS的情绪图片视觉诱发的研究，也获得了许多研究成果，这些研究成果按照信号采集方法不同，可以分为情绪体验自我报告法、脑成像技术、生物反馈法以及以上各种方法的结
I=I O现有技术中，大多存在技术复杂、识别准确性差等不足。
发明内容
本发明旨在解决克服现有技术的不足，提出一种更加客观的情绪状态识别方法， 可以为心理疾病(如抑郁症)的治疗评价提供一个更加客观的评价方法。为达到上述目的，本发明采取的技术方案是，基于可分频段自适应跟踪的脑电情绪状态特征提取方法，包括如下步骤数据采集与预处理、时频特征提取、自适应频段选择与情绪状态识别；数据采集与预处理具体步骤包括选择愉悦度范围分为八个等级的情绪图片，情绪图片等级越高诱发出的情绪越积极，情绪图片等级越低诱发出的情绪越消极，利用情绪图片对受试者进行情绪诱发，并记录受试者脑电信号，对采集的原始脑电信号进行预处理， 预处理包括改变参考电位、降采样、带通滤波、去除眼电四个步骤时频特征提取是利用短时傅立叶变换对预处理完的脑电信号进行时频变化；自适应频段选择与情绪状态识别是指利用可分频段自适应跟踪方法，分别讨论不同被试每一导联的可分频段，得到每一导联最具有可分性的频段，然后使用SVM对提取到的特征进行分类识别，从而识别情绪状态，SVM是Support Vector Machine的缩写，代表支
持向量机。利用短时傅立叶变换对预处理完的脑电信号进行时频变化是①利用短时傅立叶变换对预处理完的脑电信号进行时频变化是首先使用一个有限宽度的观察窗w(t)对信号x(t)进行观察，然后对加窗后的信号进行傅立叶变换得到的， 具体为
+COSTFT(t, )= j"x(r)W*(r-t)eJiOTdr(1)
-co这里ω是角频率，τ -t)是W( τ -t)的复共轭函数；把有限取值长度的观察窗沿时间轴平移，在二维的时频平面上得到信号的频谱分布随时间变化的信息，得到脑电信号的二维时频矩阵In(f，t)；②计算fisher比率，用它来衡量类内即同一情绪等级和类间即不同情绪等级之
间的能量差异Sw (/, t) = ^l1 ZIl1 (·/，0 - (/，0)(/ (/，t) - mk (/, t))T(2 )Sb (/, t) = Σ: nk (m(f, t) -mk{j\ t))(m(f, t) - mk (/, t))T(3 )= ⑷
^wU J)其中，^^B、mk、m以及Fe是二维矩阵，Sff (f, t),SB(f, t)分别代表类内以及类间差异，mk(f，t)是第k类的平均时频密度，m(f，t)是所有类的平均时频密度，C代表类别数，nk 是第k类中的样本数；T代表转置； Dff(f)可由 Fisher 比率求得DW(f) = TLFrU 力其中，t代表STFT计算时的时间段；④获得DW(f)后，通过波段迭代选择法计算DFC，迭代次数等于需要获得的频段数；DFC是Discriminative Frequency Components的缩写，可以使用下面提到的乂印1到 Step5五个步骤来计算最具可分性的频段，然后将最具可分性频段下的权重DW(f)置为零， 再计算可分性位于第二位的频段，不断重复这个过程直到获得需要的频段数乂印1、首先确定需要被选择的频段为1-45HZ，滑动的频率窗口在3_7Hz间以步长 IHz变化，得到5个不同带宽参数记为BWh，h = 1,2,3,4,5 ；乂印2、当频率窗口沿着DW(f)的频率轴移动时，根据公式(6)计算能量分布α 晚，BWh)= Σ:::会 DW(f)(6)其中Fi代表频率窗口沿着频率轴移动时第i个频段的中心频率乂印3、根据最大能量分布α，在所有的Fi中选择最佳FfiF^ = ^gmaxaiFi,BWh)(7)对每一个BWh都要求出一个Ff，因此，每一个h，都对应一个最佳中心频率Ff以及最佳能量分布^Ci ；乂印4、为了比较每个BWh的分辨能力，计算<'的相对变化，利用下式计算δ h
权利要求
1.一种基于可分频段自适应跟踪的脑电情绪状态特征提取方法，其特征是，包括如下 步骤数据采集与预处理、时频特征提取、自适应频段选择与情绪状态识别；数据采集与预处理具体步骤包括选择愉悦度范围分为八个等级的情绪图片，情绪图 片等级越高诱发出的情绪越积极，情绪图片等级越低诱发出的情绪越消极，利用情绪图片 对受试者进行情绪诱发，并记录受试者脑电信号，对采集的原始脑电信号进行预处理，预处 理包括改变参考电位、降采样、带通滤波、去除眼电四个步骤时频特征提取是利用短时傅立叶变换对预处理完的脑电信号进行时频变化；自适应频段选择与情绪状态识别是指利用可分频段自适应跟踪方法，分别讨论不同被 试每一导联的可分频段，得到每一导联最具有可分性的频段，然后使用SVM对提取到的特 征进行分类识别，从而识别情绪状态，SVM是Support Vector Machine的缩写，代表支持向 量机。
2.如权利要求1所述的方法，其特征是，利用短时傅立叶变换对预处理完的脑电信号 进行时频变化是①利用短时傅立叶变换对预处理完的脑电信号进行时频变化是首先使用一个有限宽 度的观察窗W(t)对信号x(t)进行观察，然后对加窗后的信号进行傅立叶变换得到的，具体 为
全文摘要
本发明属于情绪状态识别技术。为提供一种更加客观的情绪状态识别方法，可以为心理疾病的治疗评价提供一个更加客观的评价方法，本发明采取的技术方案是，基于可分频段自适应跟踪的脑电情绪状态特征提取方法，包括如下步骤数据采集与预处理、时频特征提取、自适应频段选择与情绪状态识别；数据采集与预处理具体步骤包括利用情绪图片对受试者进行情绪诱发，对采集的原始脑电信号进行预处理，预处理包括改变参考电位、降采样、带通滤波、去除眼电四个步骤；利用短时傅立叶变换对预处理完的脑电信号进行时频变化；利用可分频带自适应跟踪方法进行自适应频段选择，使用SVM对特征频段进行分类识别。本发明主要应用于情绪状态识别。
文档编号A61B5/0476GK102512160SQ20111042502
公开日2012年6月27日 申请日期2011年12月16日 优先权日2011年12月16日
发明者万柏坤, 张迪, 明东, 曾红梅, 綦宏志, 许敏鹏 申请人:天津大学