基于脑电信号的多维融合情绪识别模型

摘要

在进行情绪识别任务时，脑电信号来源于与情绪密切相关的中枢神经系统，与个体情绪具有较强的关联度，具有时-频-空多维度信息。但其信息维度复杂、易被噪声干扰，给情绪识别的准确性和可靠性带来挑战。为了充分挖掘情绪深层次的细节信息，提出一种融合胶囊网络、注意力机制与时序卷积网络的脑电情绪识别模型，首先提取脑电信号的微分熵特征，该特征可以反映不同频段脑电活动的能量分布，结合频域与空间域信息映射为多频带特征矩阵，其次通过胶囊网络获取导联的空间信息，并利用注意力机制给予不同脑区不同的权重，使得分类胶囊聚焦关键导联，然后使用时序卷积网络对时序动态特征进行学习，捕捉情绪随时间动态变化的特征，最终获取情绪分类结果。实验结果表明，在DEAP数据集上的效价-唤醒度二分类准确率为94.97%、95.28%,四分类准确率为94.62%,相较于单一维度，所提融合模型可以有效提升情绪识别的精度。

关键词

情绪识别 / 脑电信号 / 胶囊网络 / 时序卷积网络 / 特征提取 / 特征融合