專利名稱：基于可分頻段自適應(yīng)跟蹤的腦電情緒狀態(tài)特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于情緒狀態(tài)識(shí)別技術(shù)，涉及一種基于可分頻段自適應(yīng)跟蹤的腦電情緒狀態(tài)特征提取方法。
背景技術(shù)：
1872年，達(dá)爾文在《人類和動(dòng)物的表情》一書中指出情緒是高級(jí)進(jìn)化階段的適應(yīng)工具，從此人們開(kāi)始了情緒實(shí)驗(yàn)與理論的研究。經(jīng)過(guò)100多年，到20世紀(jì)后期情緒研究蓬勃發(fā)展起來(lái)，并與認(rèn)知、神經(jīng)科學(xué)、腦科學(xué)等研究相結(jié)合；其研究手段也多種多樣，如腦電 (EEG)、功能磁共振成像(fMRI)、功能近紅外成像(fOTRI)等。隨著社會(huì)的發(fā)展，各年齡、各鄰域人們的情緒困擾越來(lái)越多、越來(lái)越嚴(yán)重，各種與情緒相關(guān)的疾病發(fā)病率越來(lái)越高，如抑郁癥、狂躁癥、焦慮癥、強(qiáng)迫癥、情感障礙等。2010年， 據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，全球抑郁癥發(fā)病率約為11 %，全球約有3. 4億抑郁癥患者并且人數(shù)在不斷增長(zhǎng)。當(dāng)前抑郁癥已經(jīng)成為世界第四大疾病，預(yù)計(jì)到2020年可能將成為僅次于心臟病的人類第二大疾患，抑郁癥將成為21世紀(jì)人類的主要?dú)⑹?。這嚴(yán)重影響了人們的生活質(zhì)量，同時(shí)也為情緒研究的發(fā)展提供了強(qiáng)大的動(dòng)力。情緒研究在國(guó)外已廣泛發(fā)展。1985國(guó)際上成立了 “國(guó)際情緒研究學(xué)會(huì)”。其發(fā)展的進(jìn)程已經(jīng)涉及人類社會(huì)和人的心理生活的各個(gè)方面，從基本理論、方法論和內(nèi)容，從簡(jiǎn)單的情緒品種及其作用，情緒與認(rèn)知關(guān)系，到復(fù)雜的社會(huì)化情緒。IAPS自問(wèn)世以來(lái)，被廣泛地運(yùn)用在有關(guān)情緒問(wèn)題的研究中，比如情緒的生理機(jī)制、情緒調(diào)節(jié)、情緒與注意、記憶等認(rèn)知活動(dòng)的關(guān)系等。目前，國(guó)內(nèi)外很多課題組在進(jìn)行基于IAPS的情緒圖片視覺(jué)誘發(fā)的研究，也獲得了許多研究成果，這些研究成果按照信號(hào)采集方法不同，可以分為情緒體驗(yàn)自我報(bào)告法、腦成像技術(shù)、生物反饋法以及以上各種方法的結(jié)
I=I O現(xiàn)有技術(shù)中，大多存在技術(shù)復(fù)雜、識(shí)別準(zhǔn)確性差等不足。

發(fā)明內(nèi)容
本發(fā)明旨在解決克服現(xiàn)有技術(shù)的不足，提出一種更加客觀的情緒狀態(tài)識(shí)別方法， 可以為心理疾病(如抑郁癥)的治療評(píng)價(jià)提供一個(gè)更加客觀的評(píng)價(jià)方法。為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案是，基于可分頻段自適應(yīng)跟蹤的腦電情緒狀態(tài)特征提取方法，包括如下步驟數(shù)據(jù)采集與預(yù)處理、時(shí)頻特征提取、自適應(yīng)頻段選擇與情緒狀態(tài)識(shí)別；數(shù)據(jù)采集與預(yù)處理具體步驟包括選擇愉悅度范圍分為八個(gè)等級(jí)的情緒圖片，情緒圖片等級(jí)越高誘發(fā)出的情緒越積極，情緒圖片等級(jí)越低誘發(fā)出的情緒越消極，利用情緒圖片對(duì)受試者進(jìn)行情緒誘發(fā)，并記錄受試者腦電信號(hào)，對(duì)采集的原始腦電信號(hào)進(jìn)行預(yù)處理， 預(yù)處理包括改變參考電位、降采樣、帶通濾波、去除眼電四個(gè)步驟時(shí)頻特征提取是利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化；自適應(yīng)頻段選擇與情緒狀態(tài)識(shí)別是指利用可分頻段自適應(yīng)跟蹤方法，分別討論不同被試每一導(dǎo)聯(lián)的可分頻段，得到每一導(dǎo)聯(lián)最具有可分性的頻段，然后使用SVM對(duì)提取到的特征進(jìn)行分類識(shí)別，從而識(shí)別情緒狀態(tài)，SVM是Support Vector Machine的縮寫，代表支
持向量機(jī)。利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化是①利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化是首先使用一個(gè)有限寬度的觀察窗w(t)對(duì)信號(hào)x(t)進(jìn)行觀察，然后對(duì)加窗后的信號(hào)進(jìn)行傅立葉變換得到的， 具體為
+COSTFT(t, )= j"x(r)W*(r-t)eJiOTdr(1)
-co這里ω是角頻率，τ -t)是W( τ -t)的復(fù)共軛函數(shù)；把有限取值長(zhǎng)度的觀察窗沿時(shí)間軸平移，在二維的時(shí)頻平面上得到信號(hào)的頻譜分布隨時(shí)間變化的信息，得到腦電信號(hào)的二維時(shí)頻矩陣In(f，t)；②計(jì)算fisher比率，用它來(lái)衡量類內(nèi)即同一情緒等級(jí)和類間即不同情緒等級(jí)之
間的能量差異Sw (/, t) = ^l1 ZIl1 (·/，0 - (/，0)(/ (/，t) - mk (/, t))T(2 )Sb (/, t) = Σ: nk (m(f, t) -mk{j\ t))(m(f, t) - mk (/, t))T(3 )= ⑷
^wU J)其中，^^B、mk、m以及Fe是二維矩陣，Sff (f, t),SB(f, t)分別代表類內(nèi)以及類間差異，mk(f，t)是第k類的平均時(shí)頻密度，m(f，t)是所有類的平均時(shí)頻密度，C代表類別數(shù)，nk 是第k類中的樣本數(shù)；T代表轉(zhuǎn)置； Dff(f)可由 Fisher 比率求得DW(f) = TLFrU 力其中，t代表STFT計(jì)算時(shí)的時(shí)間段；④獲得DW(f)后，通過(guò)波段迭代選擇法計(jì)算DFC，迭代次數(shù)等于需要獲得的頻段數(shù)；DFC是Discriminative Frequency Components的縮寫，可以使用下面提到的乂印1到 Step5五個(gè)步驟來(lái)計(jì)算最具可分性的頻段，然后將最具可分性頻段下的權(quán)重DW(f)置為零， 再計(jì)算可分性位于第二位的頻段，不斷重復(fù)這個(gè)過(guò)程直到獲得需要的頻段數(shù)乂印1、首先確定需要被選擇的頻段為1-45HZ，滑動(dòng)的頻率窗口在3_7Hz間以步長(zhǎng) IHz變化，得到5個(gè)不同帶寬參數(shù)記為BWh，h = 1,2,3,4,5 ；乂印2、當(dāng)頻率窗口沿著DW(f)的頻率軸移動(dòng)時(shí)，根據(jù)公式(6)計(jì)算能量分布α 晚，BWh)= Σ:::會(huì) DW(f)(6)其中Fi代表頻率窗口沿著頻率軸移動(dòng)時(shí)第i個(gè)頻段的中心頻率乂印3、根據(jù)最大能量分布α，在所有的Fi中選擇最佳FfiF^ = ^gmaxaiFi,BWh)(7)對(duì)每一個(gè)BWh都要求出一個(gè)Ff，因此，每一個(gè)h，都對(duì)應(yīng)一個(gè)最佳中心頻率Ff以及最佳能量分布^Ci ；乂印4、為了比較每個(gè)BWh的分辨能力，計(jì)算<'的相對(duì)變化，利用下式計(jì)算δ h
權(quán)利要求
1.一種基于可分頻段自適應(yīng)跟蹤的腦電情緒狀態(tài)特征提取方法，其特征是，包括如下 步驟數(shù)據(jù)采集與預(yù)處理、時(shí)頻特征提取、自適應(yīng)頻段選擇與情緒狀態(tài)識(shí)別；數(shù)據(jù)采集與預(yù)處理具體步驟包括選擇愉悅度范圍分為八個(gè)等級(jí)的情緒圖片，情緒圖 片等級(jí)越高誘發(fā)出的情緒越積極，情緒圖片等級(jí)越低誘發(fā)出的情緒越消極，利用情緒圖片 對(duì)受試者進(jìn)行情緒誘發(fā)，并記錄受試者腦電信號(hào)，對(duì)采集的原始腦電信號(hào)進(jìn)行預(yù)處理，預(yù)處 理包括改變參考電位、降采樣、帶通濾波、去除眼電四個(gè)步驟時(shí)頻特征提取是利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化；自適應(yīng)頻段選擇與情緒狀態(tài)識(shí)別是指利用可分頻段自適應(yīng)跟蹤方法，分別討論不同被 試每一導(dǎo)聯(lián)的可分頻段，得到每一導(dǎo)聯(lián)最具有可分性的頻段，然后使用SVM對(duì)提取到的特 征進(jìn)行分類識(shí)別，從而識(shí)別情緒狀態(tài)，SVM是Support Vector Machine的縮寫，代表支持向 量機(jī)。
2.如權(quán)利要求1所述的方法，其特征是，利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào) 進(jìn)行時(shí)頻變化是①利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化是首先使用一個(gè)有限寬 度的觀察窗W(t)對(duì)信號(hào)x(t)進(jìn)行觀察，然后對(duì)加窗后的信號(hào)進(jìn)行傅立葉變換得到的，具體 為
全文摘要
本發(fā)明屬于情緒狀態(tài)識(shí)別技術(shù)。為提供一種更加客觀的情緒狀態(tài)識(shí)別方法，可以為心理疾病的治療評(píng)價(jià)提供一個(gè)更加客觀的評(píng)價(jià)方法，本發(fā)明采取的技術(shù)方案是，基于可分頻段自適應(yīng)跟蹤的腦電情緒狀態(tài)特征提取方法，包括如下步驟數(shù)據(jù)采集與預(yù)處理、時(shí)頻特征提取、自適應(yīng)頻段選擇與情緒狀態(tài)識(shí)別；數(shù)據(jù)采集與預(yù)處理具體步驟包括利用情緒圖片對(duì)受試者進(jìn)行情緒誘發(fā)，對(duì)采集的原始腦電信號(hào)進(jìn)行預(yù)處理，預(yù)處理包括改變參考電位、降采樣、帶通濾波、去除眼電四個(gè)步驟；利用短時(shí)傅立葉變換對(duì)預(yù)處理完的腦電信號(hào)進(jìn)行時(shí)頻變化；利用可分頻帶自適應(yīng)跟蹤方法進(jìn)行自適應(yīng)頻段選擇，使用SVM對(duì)特征頻段進(jìn)行分類識(shí)別。本發(fā)明主要應(yīng)用于情緒狀態(tài)識(shí)別。
文檔編號(hào)A61B5/0476GK102512160SQ20111042502
公開(kāi)日2012年6月27日 申請(qǐng)日期2011年12月16日 優(yōu)先權(quán)日2011年12月16日
發(fā)明者萬(wàn)柏坤, 張迪, 明東, 曾紅梅, 綦宏志, 許敏鵬 申請(qǐng)人:天津大學(xué)