基于脑电的情绪识别技术研究及实现

发布时间：2023-08-05 16:43

　　随着脑机接口技术的发展,基于脑电的情绪识别受到了广大研究者的青睐和重视。脑电情绪识别的研究为人工智能领域的发展注入了新的活力。本文针对脑电信号中眼电伪迹去除和模式识别这两个方面展开研究,设计了基于脑电情绪识别的服务机器人系统,实现了算法在系统上的集成应用,具有一定的理论意义和实际应用价值。首先,本文对脑电信号、情绪模型以及国内外研究现状进行了总结,设计了基于脑电信号的情绪识别系统。然后对脑电信号采集系统进行介绍,并对脑电数据进行了采集。最后对常见的脑电信号处理方法进行了分析,确定将深度学习方法应用到脑电信号处理中。其次,针对传统的眼电伪迹去除方法需要眼电信号作参考信号,且易导致脑电信号重要信息丢失或者伪迹去除不完全的问题,本文将稀疏自编码和去噪自编码相结合,提出了一种基于栈式稀疏去噪自编码的眼电伪迹去除方法。该方法分为离线阶段和在线阶段,离线阶段完成模型的训练工作,在线阶段对脑电信号中的眼电伪迹进行去除。实验结果表明,本文方法能够有效地去除脑电信号的眼电伪迹,且优于其他方法。然后,针对脑电情绪识别率偏低的问题,本文提出了一种三维卷积双向门控循环单元网络(Three Dimension ...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 脑电情绪概述
        1.2.1 脑电信号概述
        1.2.2 情绪模型概述
    1.3 国内外研究现状
    1.4 脑电情绪识别技术研究难点
    1.5 研究内容及章节安排
    1.6 本章小结
第2章 基于脑电信号的情绪识别系统设计
    2.1 系统的总体框架设计
    2.2 脑电信号数据采集系统
        2.2.1 Emotiv脑电采集系统
        2.2.2 脑电信号采集
    2.3 脑电信号处理方法分析
        2.3.1 预处理
        2.3.2 特征提取
        2.3.3 分类器的设计
        2.3.4 深度学习
    2.4 本章小结
第3章 基于SSDA的眼电伪迹去除方法
    3.1 自编码
        3.1.1 稀疏自编码
        3.1.2 去噪自编码
        3.1.3 栈式稀疏去噪自编码
    3.2 基于SSDA的眼电伪迹去除方法
        3.2.1 SSDA眼电伪迹去除方法
        3.2.2 SSDA模型训练
    3.3 实验配置
    3.4 实验结果及分析
        3.4.1 不同个数SDA堆叠实验对比
        3.4.2 迭代次数实验
        3.4.3 不同方法实验对比
    3.5 本章小结
第4章 基于3DC-BGRU的脑电情绪识别
    4.1 三维脑电信号的构建
        4.1.1 短时傅里叶变换
        4.1.2 基于短时傅里叶变换的三维脑电信号构建
    4.2 三维卷积神经网络模块的构建
        4.2.1 卷积神经网络
        4.2.2 残差网络
        4.2.3 批归一化算法
        4.2.4 3DCNN模块
    4.3 双向门控循环单元网络模块的构建
        4.3.1 LSTM和 GRU
        4.3.2 BGRU网络的构建
    4.4 实验结果与分析
        4.4.1 实验配置
        4.4.2 模型性能分析
    4.5 本章小结
第5章 基于脑电情绪识别的服务机器人系统设计与实现
    5.1 脑电情绪识别的人机交互系统设计
        5.1.1 硬件平台
        5.1.2 软件平台
    5.2 控制方案设计
    5.3 实验结果及分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3838980