情绪图片视觉诱发EEG特征提取与分析

论文摘要

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（fNIRI）等。EEG因其高时间分辨率和简便易行优势,被广泛用于情绪研究中。本文设计了基于国际标准情绪图片库（IAPS）的情绪图片视觉诱发实验,被试者观看各等级的情绪图片并采集EEG信号。通过对EEG信号进行特征提取与分析,找到与情绪变化相关的EEG特征,并尝试在EEG特征与情绪等级之间建立对应关系,以期实现基于脑电特征的情绪等级分类识别。文中首先对被试者观看图片时的EEG进行功率谱分析,构建其功率谱脑地形图。由该地形图可知,情绪图片视觉诱发时前额区域脑电最为活跃。信号的频谱分析表明EEG能量主要集中在15Hz以下。为找到EEG信号最具情绪可分性的频段,本文对一些导联的EEG进行了可分频段分析;同时,对EEG信号进行了功率谱熵、相关维数分析,并对AF3、AF4、F3、F4导联的EEG特征进行了最小二乘直线拟合,在情绪等级与EEG特征之间建立了对应关系。在模式识别环节,首先分别使用支持向量机的5-折交叉验证方法和隐马尔科夫模型对所提取的脑电信号特征进行了分类识别;然后进行了特征层融合后的模式识别,得到融合特征的分类识别率。结果显示,特征信息融合后,本文对情绪图片等级一、五、八的最高平均识别率达到86.5%。目前已经能够通过情绪图片诱发EEG更客观的将最消极、中性、最积极这三种情绪状态区分开,下一步将进一步研究将每个等级区分开的特征提取与分类识别算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 情绪研究背景
• 1.1.1 情绪理论的发展
• 1.1.2 情绪及情绪诱发
• 1.1.3 国际情绪图片系统（IAPS）
• 1.1.4 基于IAPS 的国内外研究现状
• 1.2 研究目的及意义
• 1.2.1 研究目的
• 1.2.2 研究意义
• 1.3 主要工作及章节安排
• 第二章 情绪图片视觉诱发EEG 的生理学基础
• 2.1 EEG 产生机理及其主要组分
• 2.2 情绪图片视觉诱发EEG 的生理学基础
• 2.2.1 大脑情绪处理机制
• 2.2.2 情绪图片视觉诱发EEG 的生理学基础
• 第三章 实验设计及数据预处理
• 3.1 实验平台
• 3.2 实验方案
• 3.2.1 实验设计
• 3.2.2 实验安排
• 3.3 IAPS 适用性评估
• 3.4 数据预处理
• 第四章 频域特征提取与分析
• 4.1 功率谱估计
• 4.1.1 AR 模型功率谱估计
• 4.1.2 功率谱分析结果
• 4.2 时频分析
• 4.2.1 短时傅立叶时频分析
• 4.2.2 时频分析结果
• 4.3 可分频段自适应跟踪
• 4.3.1 可分频段自适应跟踪原理
• 4.3.2 可分频段自适应跟踪结果分析
• 第五章 非线性特征提取与分析
• 5.1 功率谱熵
• 5.1.1 熵的基本原理
• 5.1.2 功率谱熵计算过程
• 5.1.3 功率谱熵特征提取与分析
• 5.2 相关维数
• 5.2.1 相关维数原理
• 5.2.2 相关维数特征提取与分析
• 第六章 分类识别及结果分析
• 6.1 分类方法介绍
• 6.1.1 SVM 基本原理
• 6.1.2 隐马尔科夫模型基本原理
• 6.2 基于支持向量机和隐马尔科夫模型的模式识别及结果分析
• 6.2.1 功率谱的分类结果
• 6.2.2 可分频段自适应跟踪的分类结果
• 6.2.3 非线性特征的分类结果
• 6.2.4 分类结果总结
• 第七章 总结与展望
• 7.1 本文工作总结
• 7.2 本文工作展望
• 参考文献
• 发表论文及科研情况说明
• 附录
• 致谢