文献类型：期刊文章

作　　者：杨小冬[1] 马志怡[1] 任彦霖[1] 陈梅辉[1] 何爱军[2] 王俊[3]

Xiaodong YANG;Zhiyi MA;Yanlin REN;Meihui CHEN;Aijun HE;Jun WANG(School of Computer Science and Technology,China University of Mining and Technology,Xuzhou 221116,China;School of Electronic Science and Engineering,Nanjing University,Nanjing 210023,China;School of Applied Technology,Nanjing University of Posts and Telecommunications,Nanjing 210023,China)

机构地区：[1]中国矿业大学计算机科学与技术学院,徐州221116 [2]南京大学电子科学与工程学院,南京210023 [3]南京邮电大学应用技术学院,南京210023

出　　处：《中国科学：信息科学》

基　　金：徐州市重点研发计划(社会发展)(批准号:KC21304);国家自然科学基金面上项目(批准号:61772532,61876186,11774167)资助。

年　　份：2023

卷　　号：53

期　　号：12

起止页码：2406-2422

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目前,许多基于深度学习和神经网络的算法被应用于脑电(electroencephalogram, EEG)信号情感识别.然而,现有研究大多采用提取单维脑电信号特征的方法.随着多传感技术的更新,更具全面性和系统性的多维信号特征提取需求出现.本文尝试将复杂网络研究应用到多维情感脑电识别中,提出一种基于水平可视图多元联合模体熵的情感识别算法,该方法可以有效避免人工选取特征对实验结果的影响,保持原始序列的非线性动力学特征.首先利用水平可视图算法将多维情感脑电信号分别转换为多路可视图网络,提取模体熵特征识别情感脑电研究中的关键频带和关键通道.在此基础上,将水平可视图网络两两联合,提取多元水平联合模体熵向量,作为输入参数对情感脑电信号进行识别.由于情感脑电序列长度会对识别效果产生影响,我们将脑电信号切割成大小不一的窗口,对比不同窗口大小对分类准确率的影响.实验结果表明,当切割窗口大小为10 s时,多元水平联合模体熵对情感脑电信号的识别效果最佳,对积极脑电/消极脑电、积极脑电/中性脑电、消极脑电/中性脑电的分类准确率分别达到95.07%, 97.73%, 90.26%,优于其他二维连接参数.同时,三分类的准确率为93.67%,本文算法无论在识别复杂度和准确率上,与已有算法相比均有较大提高.

关 键 词：EEG 多路水平可视图  多元联合模体熵  情感识别 多维分析  

分 类 号：R318[生物医学工程类]