融合时序动态特征的fNIRS情绪识别方法研究

摘要

针对功能性近红外光谱（functional near-infrared spectroscopy, fNIRS）技术在情绪识别中存在时间序列动态特征捕捉不足的问题，提出一种融合时序动态特征的情绪识别模型（TDERM）。结合长短期记忆网络和卷积神经网络，采用多头自注意力机制和全局时间均值来显著增强对情绪状态变化的感知能力。实验结果表明：TDERM在自建fNIRS情绪数据集中能够准确区分正性、中性和负性情绪，单一血红蛋白浓度下的平均识别准确率超过95%。此外，通过不同血红蛋白浓度组合的对比分析发现，HbO₂、HbR和HbT沿时间维度的组合（HbSum＿T）在多种分类模型下表现最佳，平均准确率达到88.99%。本研究可为fNIRS技术在情绪识别中的应用提供新视角与技术支持。

关键词

功能性近红外光谱技术 / 情绪识别 / 时序动态特征 / 血红蛋白组合方式