基于脑电信号瞬时能量的情感识别方法

摘要

希尔伯特-黄变换(HHT)是一种处理脑电信号(EEG)的有效方法,包括经验模态分解(EMD)和Hilbert变换2个部分.但EMD无法分解包含低能量的信号,且在低频区域会产生不良的本征模态函数.为消除EMD的弊端,提出一种小波包变换(WPT)和HHT相结合的EEG处理方法.采用WPT将EEG分解成一组窄带信号,通过HHT得到Hilbert能量谱,求出平均瞬时能量作为EEG特征并封装成特征矩阵.将特征矩阵通过卷积神经网络(CNN)、递归神经网络(RNN)、支持向量机(SVM)组成的混合情感识别模型进行训练与分类.实验结果表明,该方法对高兴、悲伤、平静、恐惧4种情感的平均识别率为86.22％,最优识别率为93.45％.