第 29 卷第 1 期 计算机应用研究 Vol.29 No.1
2012 年 1 期 Application Research of Computers Jan. 2011
———————————————
收稿日期:2006-08-20;修回日期: 基金项目:国家自然科学基金项目(61403054);重庆市基础与前沿研究计划项目
(cstc2014jcyjA40001,cstc2014jcyjA40022);重庆教委科学技术研究项目(自然科学类)(KJ1400436)
作者简介: 邓欣(1981-),男,重庆人,博士,副教授,主要研究方向为计算智能、脑机接口、认知机器人(dengxin@cqupt.edu.cn);高 峰 星 (1990-),男,山西吕
梁人,硕士研究生,主要研究方向为机器学习(379028377@qq.com);米建勋(1982-),男(通信作者),重庆人,博士,主要研究方向为人工智能、模式识别、
智能计算 (mijx@cqupt.edu.cn).
基于稀疏表示的脑电(EEG)情感分类
邓欣,高峰星,米建勋
+
,李丹妮,王进,唐云
(1.重庆邮电大学 计算机科学与技术学院,重庆市 400065;2.计算智能重庆市重点实验室, 重庆市 400065)
摘 要: 计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情感状
态,提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。该研究基于音乐视频诱导的情感数据
集 DEAP,在对数据进行预处理之后通过小波变换和快速傅里叶变换提取其频域特征,再运用稀疏表示分类中的两种求解稀
疏编码的方法:加速近邻梯度算法(APG)和正交匹配算法(OMP)进行分类,并与支持向量机算法(SVM)做效果比较。
实验结果表明,APG 算法通过 L1 范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现,而 OMP 算
法与 SVM 算法的分类效果相差无几,实现了情感脑电信号的分类。
关键词: 脑电信号; 稀疏表示;情感;加速近邻算法;正交匹配算法
中图分类号: TP391.4 文献标志码: A 文章编号:(作者可不填)
doi:10.3969/j.issn.1001-3695 (作者可不填)
Classifying Emotional EEG Using Sparse Representation Method
Deng Xin, Gao Fengxing, Mi Jianxun
+
, Li Danni, Wang Jin, Tang Yun
(1.School of Computer Science & Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China;
2.Chongqing Key Laboratory of Computational Intelligence, Chongqing 400065, China)
Abstract: Computer recognition of human emotion has become a hot topic in the field of brain computer interface (BCI) in recently
years. This paper conducts the research on analyzing the EEG signals in different emotional states by extracting and classifying the
corresponding EEG signals using sparse representation method. Based on the emotion data set induced by the music video, this research
first performs the preprocessing procedure, and then implements the wavelet transform and fast Fourier transform to extract the
characteristics of frequency. After that, the Accelerated Proximal Gradient (APG) and Orthogonal Matching Pursuit (OMP) algorithms
for the sparse representation method are adopted to classify the EEG signals. By comparing with other algorithms, the experimental
results show that the APG with L1 norm performs well in the emotion data set with fast convergence speed, and the greedy idea based
OMP algorithm can achieve the same effect with other algorithms. The comparative analysis in this paper shows the effectiveness and
feasibility of the proposed method for emotional EEG signals classification.
Key words: EEG;
Sparse Representation; Emotion; APG; OMP
0 引言
在过去很长的一段时间内,人类情感的研究一直被认知
科学研究者所忽略。直到 20 世纪末,情感作为认知过程中
重要的一部分才被人们所重视。与人类运动的研究相比,研
究参与情感活动的神经元的具体功能难度更大。神经生理学
和心理学的研究发展在一定程度上把情感的由来从神秘莫
测中揭露出来。情感是人类特有的生理活动,包括情感的表
达、情感的识别以及情感的转变等。计算机对于人类情感的
识别是人工智能、认知科学以及人机自然交互关键的一环。
根据现代认知科学与心理学,情感是人脑对外界的客观事物
的一种反应,它是人对客观事物是否满足自己的需求而产生
的态度体验。因此,研究人脑与情感的关系对于未来计算机
识别人类情感的研究至关重要。
音乐是人类思想感情和艺术创作的结合,从古到今无数
的音乐家用音乐诠释各式各样的情感,可想而知音乐对人类
情感的产生与诱发是有着特殊意义的。脑电波信号(EEG)在
很大程度上能够反映人的心理和生理状态的改变。通过研究
人脑中枢神经系统产生的生物电信号发现,人在情绪波动或
者受到不同形式的感官刺激时,脑电波信号会产生特定模式
的变化。脑电波信号是一种自发的、非平稳、非线性的神经
电活动,其频率变动处于低频节律与超低频节律之间,可划
分为多个波段,常见的波段频率有:delta 波(0.5-3Hz)、theta
波(4-7Hz)、alpha 波(8-13Hz)、beta 波(14-30Hz),gamma
波(31HZ-47Hz)等。幅值范围为 5-300μA。Karthick
错误
!
未找
到引用源。
等通过采集聆听古典音乐和摇滚音乐以及安静闭眼休
息三种状态下的额叶脑电信号,采用去趋势波动分析
(detrended fluctuation analysis, DFA) 算法和多尺度熵
(multiscale entropy, MSE)分析脑电信号发现有、无音乐时脑
电信号有着显著的差异。Nie
错误
!
未找到引用源。
等用不同情感类别
的奥斯卡经典电影镜头片段,设计了一个以电影片段作为刺
激的实验,通过提取被试脑电信号频域特征,开进行正负情
绪的分类。Sander Koelstra
错误
!
未找到引用源。
等人以 40 个一分钟时
长的音乐视频(Music Videos, MV)作为刺激素材,采集脑电
信号和生理信号进行情感识别研究,并且记录了被试面对不
同的音乐视频刺激时的主观评价以及被试在试验时的面部
表情视频,建立了情感分析数据库“DEAP”。
目前脑电信号的采集设备主要是脑电图仪,它可以记录
放置在头皮的电极所检测出来的微弱脑电信号,通过电极导
联耦合到差动放大器进行适当的放大并且数字化,最后通过