高云园 王翔坤 田玉平* 佘青山 董 骅

1(杭州电子科技大学自动化学院，杭州 310018)2(浙江省脑机协同智能重点实验室，杭州 310018)3(中国信息通信研究院安全研究所，北京 100191)

引言

人类的情感复杂且易变，对情感的识别和分析对注意力、决策、知觉、记忆等许多认知活动有积极的影响。认知心理学和神经心理学的研究表明，情感的产生和变化与中枢神经系统功能直接相关[1]，这为使用脑电信号(electroencephalography, EEG)对情感分析提供了理论依据。在各种各样的现有情感中，压力对健康的潜在影响尤其值得注意，长时间承受压力可能会严重影响身心健康，从而引起或加剧高血压和冠状动脉疾病等疾病[2]。

通常认为压力和平静具有互补性[3]，所以常常将这两种情感放在一起研究。最近的一些研究也表明，使用非线性的方法研究压力和平静状态下EEG的规律性，可以成功区分这两种状态[4]。目前，大多数研究是利用脑区通道的时域或者频域特征，如Nie等[5]利用快速傅里叶变换，通过提取处理后的EEG信号不同频带的对数能量作为特征，进行效价维度的两类情感识别；Arturo等[6]提出多元样本熵和多元排列熵用于特征提取，采用决策树和支持向量机对不同尺度下EEG通道的熵值组合进行判别；Zheng等[7]使用异质迁移学习的方法，从具有时空特性的眼睛的扫视轨迹进行知识迁移，以提升EEG情感模型被试迁移的性能。

大脑神经元之间存在着同步性活动，情感变化时，脑区通道间信息交互就会产生相应变化，使用脑网络，利用通道间的信息交互可以有效提升情感识别的准确率，研究人员已经基于这一点进行了分析。……