杜秀丽 郭庆汝 邱少明 吕亚娜

(大连大学通信与网络重点实验室 辽宁 大连 116622)

0 引 言

人类的情感既包含人类对外部世界或自身刺激产生的心理反应，同时也包含这些心理反应带来的生理反应[1]。它是一种综合了人的思维、感觉、行为的状态[2]。对情感进行识别有助于探寻精神疾病、心理障碍产生机理与发作规律，帮助医生做出最有针对性的治疗方案。在人机交互系统中，如果能够准确并且快速地识别体验者的情感变化，智能设备可以以此为依据进行调整，使交互过程更加智能和友好[3]。因此，对情感进行分析和评估已经成为心理学、神经科学、计算机科学、认知科学和人工智能等领域的一项重要的交叉学科研究课题。

脑电信号(Electroencephalogram,EEG)因具有不可伪装性、实时差异性和容易采集等优点逐步成为研究情感识别的生理依据。EEG信号是一种复杂的、时变的非线性信号，在利用传统的一维线性分析方法分析脑电信号过程中会不可避免地丢失非线性隐匿特证。当前，脑电信号的非线性分析方式主要有Lyapunov指数、近似熵[4]、递归图[5-6](Recurrence Plot,RP)和在递归图理论基础上的递归定量分析[7](Recurrence Quantification Analysis,RQA)等。Ouyang等[6]利用RQA分析大鼠癫痫发作各个阶段EEG信号的确定性特性。Yang[8]对心电信号进行小波分解，并对产生的各层分量进行递归量化分析实现对心肌梗塞疾病的分类识别，平均敏感性为96.5%，平均特异性为75%。李世丹等[9]采用排序递归图和递归量化分析方法，对不同刺激下各导联的脑电数据进行特征提取，可以有效地分析不同状态下视觉、听觉的整合效应，得到较高的准确率。……