采用多尺度多路混合注意力机制的脑电情绪识别方法

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：谷学静, 刘佳, 郭宇承, 杨赵辉

单位：1. 华北理工大学 电气工程学院，河北 唐山 063210；2. 唐山市数字媒体工程技术研究中心，河北 唐山 063000；3. 华北理工大学 机械工程学院，河北 唐山 063210

摘要：为了充分利用电极间的空间分布特性和多域深层次特征，提高脑电信号（electroencephalogram, EEG）情绪识别精度，提出一种采用多尺度多路混合注意力机制的方法进行脑电情绪识别。对EEG进行基线处理与空间重构，减小个体差异的同时增强空间特征信息。将时频二维和空间三维数据共同输入到多尺度多路混合注意网络（multi-scale and multi-path hybrid attention network，MS-MPHAN）进行训练，其中，设计双流时空融合模块加强时域特征和空域特征的联系；引入多尺度卷积核进行多尺度的初步特征提取，进而增加特征的视野维度；利用多路结构二次提取不同层次的深层特征，并在通道层次、二维空间层次和精细化的坐标层次对特征进行增强与融合。在DEAP数据集和DREAMER数据集上进行EEG情绪四分类识别，结果显示DEAP数据集和DREAMER数据集的平均准确率达到93.75%和98.93%，证明了所提方法在脑电情绪识别上的良好性。

关键词：神经网络,脑电信号,情绪识别,注意力机制