APP下载

基于脑电信号的ILDB情感特征提取算法

2016-06-22时文飞叶西宁

时文飞, 叶西宁

(华东理工大学信息科学与工程学院,上海 200237)

基于脑电信号的ILDB情感特征提取算法

时文飞,叶西宁

(华东理工大学信息科学与工程学院,上海 200237)

摘要:近年来,随着信号处理和机器学习技术的快速发展,基于脑电信号的情感识别越来越受到重视。特征提取是情感识别过程中的关键一步。本文提出了改进的局域判别基(Improved Local Discriminant Bases,ILDB)算法,提取信号局域判别基各子空间的能量和系数均值特征构成特征向量,利用SVM分类器进行分类,通过对特征向量类可分性及分类正确率的评估,表明ILDB算法提取的特征具有可分性且分类正确率较高。ILDB算法的通道最高平均分类正确率达到88%,通道最高平均分类正确率比LDB算法提高4.4%和7.2%,所有通道平均分类正确率比LDB算法提高10.1%和9.8%。

关键词:情感识别; ILDB; SVM

目前,情感识别领域常见的识别方法主要有情感行为识别(包括面部表情、语音、姿态等)和生理模式识别(包括皮肤电反应、心率、呼吸、体温等)。基于情感行为识别的研究已经非常成熟,如Shan Caifeng等[1]利用LBP方法进行人脸表情识别;Picard等[2]提出机器智能应该包含情感智能,并且比较了基于多种生理特征的情感识别算法,由此打开了基于生理信号情感识别的大门。相比于皮肤电、心电等生理信号,脑电信号具有非平稳性、非线性、极易受伪迹干扰和幅度非常小的特点,导致脑电信号的处理非常困难。近年来,随着信号处理技术的发展和脑电采集设备的应用,对脑电信号的采集和处理变得相对容易。……

登录APP查看全文