计算机工程

作者：王海玲, 姜廷威, 方志军, 高宇飞

单位：1. 江西财经大学信息管理与数学学院, 江西 南昌 3300132. 上海工程技术大学电子电气工程学院, 上海 2012003. 郑州大学网络空间安全学院, 河南 郑州 450002

关键词：脑电信号,情绪识别,动态脑网络,卷积神经网络,门控循环单元

基金：国家自然科学基金青年基金项目(62001284); 国家自然科学基金青年基金项目(62006210); 河南省重大科技专项(221100210100); 郑州大学高层次人才科研启动项目(32340306)

情绪识别是人机交互(HCI)与情感智能领域的重要前沿课题之一。然而, 目前基于脑电(EGG)信号的情绪识别方法主要提取静态特征, 无法挖掘情绪的动态变化特性, 难以提升情绪识别能力。在基于EGG构建动态脑功能网络的研究中, 常采用滑动窗口方法, 通过依次构建不同窗口内的功能连接网络以形成动态网络。但该方法存在主观设定窗长的问题, 无法提取每个时间点情绪状态的连接模式, 导致时间信息丢失和脑连接信息不完整。针对上述问题, 提出动态线性相位测量(dyPLM)方法, 该方法无需使用滑窗, 即可自适应地在每个时间点构建情绪相关脑网络, 更精准地刻画情绪的动态变化特性。此外, 还提出一种卷积门控神经网络(CNGRU)情绪识别模型, 该模型可进一步提取动态脑网络深层次特征, 有效提高情绪识别准确性。在公开情绪识别脑电数据集DEAP(Database for Emotion Analysis using Physiological signals)上进行验证, 所提方法四分类准确率高达99.71%, 较MFBPST-3D-DRLF提高3.51百分点。在SEED(SJTU Emotion EEG Dataset)数据集上进行验证, 所提方法三分类准确率达到99.99%, 较MFBPST-3D-DRLF提高3.32百分点。实验结果证明了所提出的动态脑网络构建方法dyPLM和情绪识别模型CNGRU的有效性和实用性。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期