基于CNN和LSTM的脑电信号情感识别

摘要

为了提高脑电信号情感识别的准确率,提出了一种基于卷积神经网络(CNN)和长短时记忆(Long Short-Term Memory,LSTM)网络的脑电信号情感识别方法.首先,对62个通道的脑电信号进行预处理,并对预处理后的每个通道的脑电信号分别采用一维卷积神经网络提取情感特征.然后,利用LSTM网络在序列上的建模能力,将62个通道的情感特征组成特征序列依次输入到LSTM网络,提取多通道融合情感特征.最后,将LSTM网络输出的多通道融合情感特征输入到全连接层和Softmax分类器,将情感分成积极、中性、消极3种类别.在脑电情感数据集SEED上进行了情感识别实验,取得了88.15％的平均分类准确率.实验结果表明,文中提出的脑电信号情感识别方法的性能优于基于传统人工设计特征及支持向量机(SVM)或深度置信网络(DBN)的其他方法,验证了文中提出方法的可行性和有效性.