计算机工程

作者：陈田,陈占刚,袁晓辉,鞠思航,任福继

单位：1.合肥工业大学 a.计算机与信息学院; b.情感计算与先进智能机器安徽省重点实验室,合肥 230009; 2.北德克萨斯州大学 计算机与工程学院,美国 丹顿市 76203; 3.德岛大学 工学部,日本 德岛 770-8506

关键词：脑电信号,情感识别,希尔伯特-黄变换,卷积神经网络,递归神经网络

基金：国家自然科学基金重点项目(61432004);国家自然科学基金(61204046,61474035);国家留学基金(201706695016)。

希尔伯特-黄变换(HHT)是一种处理脑电信号(EEG)的有效方法,包括经验模态分解(EMD)和Hilbert变换2个部分。但EMD无法分解包含低能量的信号,且在低频区域会产生不良的本征模态函数。为消除EMD的弊端,提出一种小波包变换(WPT)和HHT相结合的EEG处理方法。采用WPT将EEG分解成一组窄带信号,通过HHT得到Hilbert能量谱,求出平均瞬时能量作为EEG特征并封装成特征矩阵。将特征矩阵通过卷积神经网络(CNN)、递归神经网络(RNN)、支持向量机(SVM)组成的混合情感识别模型进行训练与分类。实验结果表明,该方法对高兴、悲伤、平静、恐惧4种情感的平均识别率为86.22%,最优识别率为93.45%。

来源：2019年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第4期