基于多域信息融合的脑电情感识别研究

来源：电子测量技术杂志2024年第2期北京时间：

作者：王泽田，张学军

单位：1.南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院 南京 210023; 2.南京邮电大学射频集成与微组装技术国家地方联合工程实验室 南京 210023

摘要：脑电信号识别方法较少将空间、时间和频率信息相融合，为了充分挖掘脑电信号包含的丰富信息，本文提出一种多域信息融合的脑电情感识别方法。该方法利用二维卷积神经网络和一维卷积神经网络相结合的并行卷积神经网络(PCNN)模型学习脑电信号的空间、时间和频率特征，来对人类情感状态进行分类。其中，2D-CNN用于挖掘相邻EEG通道间的空间和频率信息，1D-CNN用于挖掘EEG的时间和频率信息。最后，将两个并行卷积模块提取的信息融合进行情感识别。在数据集SEED上的情感三分类实验结果表明，融合空间、时间、频率特征的PCNN整体分类准确率达到了98.04%，与只提取空频信息的2D-CNN和提取时频信息的1D-CNN相比，准确率分别提高了1.97%和0.60%。并于最近的类似工作相比，本文提出的方法对于脑电情感分类具有一定的优越性。

关键词：脑电信号;多域信息融合;情感识别;并行卷积神经网络