基于脑电通道增强的情绪识别方法

随着人工智能与深度学习的发展，基于深度学习的多通道脑电信号的情绪识别研究逐渐受到关注，但多通道脑电情绪识别信号复杂且各通道重要性一致，并不能高效且有针对性地进行脑电情绪识别。为此，该文提出一种基于缩放卷积层和脑电通道增强模块的情绪识别方法，能直接在脑电物理通道上进行增强学习。首先，通过缩放卷积层提取多通道脑电情绪信号的类时频特征；然后，通过脑电通道增强模块对所有脑电物理通道重新赋予不同的重要性；最后，利用卷积神经网络对情绪进行分类。该方法能够融合多通道脑电信号的时间和频率信息，同时，通过输出各脑电通道的重要性，探究不同情绪维度与脑电通道之间的关系。在DEAP数据集上进行了实验验证，不同脑电通道对情绪识别任务的重要性存在差异，其中，额叶区和枕叶区的C4、 P4、 P3、 PO4、 F7 5个脑电通道重要性相对较高，该情绪识别方法在愉悦度、唤醒度和支配度3个情绪维度上的识别准确率也均有提升。