基于脑电信号的情感识别SimAM-CRNN方法

摘要

在脑机接口领域，情感识别通过分析脑电信号(electroencephalogram, EEG)来识别情感状态，在疾病监测和工作强度评估等场景中发挥着重要作用.尽管基于EEG信号的深度学习方法在情感识别方面已经取得了一定进展，但在充分挖掘EEG信号多域信息方面仍存在挑战.为了解决这一难题，提出了一种基于四维注意力神经网络SimAM-CRNN的情感识别方法.该方法将原始EEG信号整合为频谱、空间和时间的四维表示，并在卷积神经网络CNN和长短期记忆网络LSTM的组合中嵌入SimAM模块，从而实现更全面的特征提取.在公开数据集DEAP上验证了所提方法的可行性和有效性，效价准确率达到95.29%,唤醒度准确率达到95.62%.

关键词

脑电信号 / 情感识别 / 深度学习 / 注意力机制