基于mRMR和BiLSTM的脑电信号情绪识别

摘要

人类的情绪会极大地影响一个人的行为,情绪识别技术在医疗、网络学习、监控等多个领域都有广泛的应用。为了更有效地提取脑电信号特征,提升脑电信号情绪分类效果,本文提出了一种基于mRMR(最小冗余最大相关)的多频段脑电信号特征提取方法。针对脑电信号在不同通道电极间特征差异,利用最小冗余最大相关性算法,根据空间导联电极与特征频段分布不同,选择与情绪特性关联较大的空间电极并提出多频段融合算法,提取微分熵特征。利用脑电情绪数据库,在长短期记忆网络(Long Short-Term Memory,LSTM)网络中引入双向LSTM(Bi-directional LongShort-Term Memory,BiLSTM)层进行训练,根据唤醒和效价等级进行情绪划分,平均准确率分别达到96.23%、93.16%。