基于GC特征和脑区频段Transformer模型的EEG情感识别

来源：计算机工程杂志2025年第6期北京时间：

作者：张睿, 张雪英, 陈桂军, 黄丽霞

单位：太原理工大学电子信息与光学工程学院, 山西 太原 030024

摘要：人的情感在发生变化时, 不同通道间脑电图(EEG) 信号会交互作用, 且不同频段交互特征存在分脑区特性。为提取全脑交互性特征和充分捕获特征在不同脑区频段间依赖性, 提出主对角线非0的格兰杰因果(GC)特征提取方法和分脑区分频段的Transformer模型。首先, 针对计算自身因果度量值时GC值为0的问题, 通过改进GC算法, 提取出EEG信号各通道非0的自身因果信息。然后, 针对常用情感识别模型总是关注局部特性, 缺乏全局视野的问题, 根据不同频段下同脑区间存在关联的特点, 对因果特征进行脑区频段划分, 使用脑区频段Transformer模型将特征进行不同脑区不同频段特征间的依赖性和贡献捕获。在TYUT3.0数据集上的实验结果表明, 在使用提出的脑区频段Transformer模型分类识别时, 主对角线非0 GC矩阵相比于常用GC矩阵, 平均识别准确率提升了约1.59百分点, 说明了所提出特征的优越性; 在使用提出的主对角线非0 GC矩阵作为特征时, 提出的脑区频段Transformer模型平均准确率达到94.50%, 较已有的模型平均识别准确率提升了1.89百分点, 说明了脑区频段划分特征依赖性及全局融合思路的有效性。

关键词：格兰杰因果,脑区,频段,Transformer模型,脑电图情感识别

基金资助：国家自然科学基金(62201377); 国家自然科学基金(62271342)