基于卷积神经网络的脑电信号情绪分类方法

来源：电子测量技术杂志2022年第1期北京时间：

作者：张学军，陈都，孙知信

单位：1.南京邮电大学电子与光学工程学院 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; 3.南京邮电大学江苏省邮政大数据技术与应用工程研究中心 南京 210003; 4.南京邮电大学国家邮政局邮政行业技术研发中心(物联网技术) 南京 210003

摘要：情绪作为人脑的高级功能，对人们的心理健康和个性特征有很大的影响。通过对脑电情绪数据集进行情绪分类，能够为今后实时监控正常人或抑郁病人的情绪提供进一步理论及实践依据。因此文章运用公开的脑电情绪数据集所提取的微分熵特征，并使用传统的滑动平均和线性动态系统方法，采用深度学习中的卷积神经网络作为基本前提，设计了一个卷积神经网络的脑电信号情绪分类模型，其包括4个卷积层、4个最大池化层、2个全连接层和1个Softmax层，并采用批归一化使参数搜索问题变容易，抑制模型过拟合。实验结果表明，利用该模型对SEED数据集的3种情绪识别的平均准确率达到了98.73%，精确率、召回率和F1分数分别为99.69%、98.12%和98.86%，ROC曲线下面积达0.998。与最近的类似工作相比，该文提出的卷积神经网络结构对于脑电信号情绪分类具有一定优越性。

关键词：脑电信号;情绪识别;深度学习;卷积神经网络

基金资助：国家自然科学基金（61972208，61672299）项目资助