多通道连续卷积神经网络脑电信号情绪识别

针对不同个体的脑电信号差异大且易受到环境因素影响的问题,结合去基线干扰及脑电通道选择方法,提出一种基于连续卷积神经网络的情绪分类识别算法.首先进行基线信号的微分熵(differential entropy,DE)特征的选取研究,将数据处理为多通道输入后使用连续卷积神经网络进行分类实验,然后选择最佳电极个数.实验结果表明,将实验脑电信号微分熵与被试者实验脑电前一秒的基线信号微分熵的差值映射为二维矩阵后,在频率维度组合为多通道的形式作为连续卷积神经网络的输入,在22通道上唤醒度和效价的分类平均准确率为95.63%和95.13%,接近32通道的平均准确率.