基于时频空多维融合特征的脑电情感识别

脑电信号(electroencephalogram,EEG)包含丰富的时间,空间和频率信息,是最能准确反映情感状态的生理信号,在情感识别领域发挥着重要作用。由于单特征的脑电情感识别研究方法存在缺失信息的问题,因此提出了三维融合特征的脑电信息处理方法,将脑电信号的微分熵频域特征和8种时域特征进行融合,并按照电极片位置信息进行空间排布,构建脑电信号的三维融合特征。将注意力机制引入多任务卷积神经网络(multi task attention convolutional neural network,MTA-CNN),并将构造的三维特征作为输入进行测试分析。结果表明,所提出模型方法在DEAP数据集的效价维和唤醒维二分类问题准确率均有显著提升。