期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于排列熵与多重分形指数结合的特征提取算法在情感识别中的应用 被引量:2
1
作者 李昕 齐晓英 +3 位作者 田彦秀 孙小棋 范梦頔 蔡二娟 《高技术通讯》 CAS CSCD 北大核心 2016年第7期617-624,共8页
通过对脑电信号的熵分析,进行了情感识别研究,并根据脑电信号的非线性特性以及多重分形特性的特点,提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合,实现情感... 通过对脑电信号的熵分析,进行了情感识别研究,并根据脑电信号的非线性特性以及多重分形特性的特点,提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合,实现情感脑电的特征提取,采用支持向量机(SVM))实现情感识别。结果显示,该算法两两情感识别,测试集最高正确率达到92.8%,除去激动对可怕外,正确率均在80%以上;与单独使用排列熵和分形指数特征的方法相比,最高正确率分别提高41.9%和31.2%。进一步分析了对积极和消极两类情感状态的识别效果,测试集平均正确率为78.3%,比排列熵与多重分形特征,测试集正确率分别提高了26.7%和1.6%。结果表明,基于排列熵与多重分形指数相结合的特征提取算法,能够充分挖掘脑电信号的非线性特性与多重分形特征信息,是一种有效的情感脑电特征提取算法。 展开更多
关键词 脑电(EEG)信号 排列熵(PE) 多重分形指数 支持向量机(SVM)
下载PDF
小波变换结合经验模态分解在音乐干预脑电分析中的应用 被引量:6
2
作者 李昕 田彦秀 +4 位作者 侯永捷 齐晓英 孙小棋 范梦頔 蔡二娟 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2016年第4期762-769,共8页
本文旨在结合小波分析与经验模态分解(EMD),充分提取音乐干预下的脑电(EEG)信号特征参数,提高情绪状态评估的分类准确率与可靠性,以期为辅助音乐治疗提供支持与帮助。采用音乐诱发情绪的多通道标准情感数据库(DEAP)中的数据,利用小波变... 本文旨在结合小波分析与经验模态分解(EMD),充分提取音乐干预下的脑电(EEG)信号特征参数,提高情绪状态评估的分类准确率与可靠性,以期为辅助音乐治疗提供支持与帮助。采用音乐诱发情绪的多通道标准情感数据库(DEAP)中的数据,利用小波变换提取出额区(F3,F4)、颞区(T7,T8)和中央(C3,C4)通道的α波、β波以及θ波节律;对提取的脑电节律进行EMD以获得固有模态函数(IMF)分量,再进一步提取脑电节律波的IMF分量平均能量和幅度差特征值,即每种节律波中包含3个平均能量特征和2个幅度差特征值,以达到充分提取EEG特征信息的目的;最后基于支持向量机分类器实现情感状态评估。结果表明,利用该算法可以使无情绪、积极情绪、消极情绪之间分类最优正确率达到100%,使得积极与消极情绪之间的识别率提升10%左右,可以实现无情绪与积极、无情绪与消极情绪等情感状态的有效评估。处于不同情感状态下,音乐治疗效果差异较大,提高情感状态评估的分类正确率,将帮助提高音乐治疗的效果,更好地为音乐治疗提供支持。 展开更多
关键词 音乐治疗 脑电图 小波变换 经验模态分解 固有模态函数
原文传递
音乐治疗在阿尔兹海默症干预中的应用 被引量:6
3
作者 李昕 田彦秀 +3 位作者 齐晓英 范梦頔 蔡二娟 孙小棋 《中华物理医学与康复杂志》 CAS CSCD 北大核心 2016年第6期477-480,共4页
随着传统“生物医学”模式向新的“生物-心理-社会-环境医学”模式的转变,以及心理学及康复学等学科的发展,音乐治疗作为一门独立的学科体系,也随之发展壮大。音乐治疗是以心理治疗的理论和方法为基础,运用音乐特有的生理、心理效... 随着传统“生物医学”模式向新的“生物-心理-社会-环境医学”模式的转变,以及心理学及康复学等学科的发展,音乐治疗作为一门独立的学科体系,也随之发展壮大。音乐治疗是以心理治疗的理论和方法为基础,运用音乐特有的生理、心理效应,使患者在音乐治疗师的共同参与下,通过专门设计的音乐行为和体验,达到消除心理障碍、恢复或增进心身健康的目的。 展开更多
关键词 音乐治疗 阿尔兹海默症 生物医学 心理学 康复学
原文传递
一种改进脑电特征提取算法及其在情感识别中的应用 被引量:25
4
作者 李昕 蔡二娟 +2 位作者 田彦秀 孙小棋 范梦頔 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2017年第4期510-517,528,共9页
音乐诱发下的情感状态评估结果可为辅助音乐治疗提供理论支持与帮助。情感状态评估的关键是情感脑电的特征提取,故本文针对情感脑电特征提取算法的性能优化问题开展研究。采用Koelstra等提出的分析人类情绪状态的多模态标准数据库DEAP,... 音乐诱发下的情感状态评估结果可为辅助音乐治疗提供理论支持与帮助。情感状态评估的关键是情感脑电的特征提取,故本文针对情感脑电特征提取算法的性能优化问题开展研究。采用Koelstra等提出的分析人类情绪状态的多模态标准数据库DEAP,提取8种正负情绪代表各个脑区的14个通道脑电数据,基于小波分解重构δ、θ、α、β四种节律波;在分析比较小波特征(小波系数能量和小波熵)、近似熵和Hurst指数三种脑电特征情感识别效果的基础上,提出一种基于主成分分析(PCA)融合小波特征、近似熵和Hurst指数的脑电特征提取算法。本算法保留累积贡献率大于85%的主成分,并选择特征根差异较大的特征参数,基于支持向量机实现情感状态评估。结果表明,使用单一小波特征(小波系数能量和小波熵)、近似熵和Hurst指数特征量,情感识别的正确率均值分别是73.15%、50.00%和45.54%,而改进算法识别准确率均值在85%左右。基于改进算法情感识别的分类准确率比传统方法至少能提升12%,可为情感脑电特征提取以及辅助音乐治疗提供帮助。 展开更多
关键词 音乐情绪 小波变换 近似熵 HURST指数 主成分分析 特征融合
原文传递
面向心理压力评估的脑电信号多重分形去趋势波动分析方法研究 被引量:3
5
作者 李昕 孙小棋 +2 位作者 齐晓英 侯永捷 田彦秀 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2017年第2期180-187,共8页
本文基于多重分形去趋势波动分析方法(MFDFA)实现了对受试者心理压力状态的评估。研究针对不同心理压力状态下,脑电信号多重分形去趋势波动分析中最优分形阶数确定问题,重点分析了多重分形去趋势波动分析方法中的奇异指数、Hurst指数等... 本文基于多重分形去趋势波动分析方法(MFDFA)实现了对受试者心理压力状态的评估。研究针对不同心理压力状态下,脑电信号多重分形去趋势波动分析中最优分形阶数确定问题,重点分析了多重分形去趋势波动分析方法中的奇异指数、Hurst指数等参数与阶数的关系,进而确定最优分形阶数,实现了基于脑电信号多重分形去趋势波动分析的心理压力状态评估。试验采集了14名在校学生有/无心理压力状态下的脑电信号,分别比较了奇异指数、奇异维数、Hurst指数、质量指数与阶数关系,确定了最优分形阶数范围为[—5,5],实现了基于脑电信号β波多重分形去趋势波动分析方法的心理压力状态评估。研究结果表明,心理压力状态下,脑电信号的Hurst指数和质量指数大于无压力状态下,脑电信号的相应参数,随着阶数的变大,Hurst指数减小,趋近于定值,而质量指数增大,奇异值随阶数的变化幅度较明显。本文还比较了有/无心理压力状态下,脑电信号的峰值和奇异谱宽度,结果表明,不同心理压力状态下脑电信号多重分形谱特性不同,心理压力状态下,脑电信号的奇异谱宽度明显大于无压力状态下脑电信号的奇异谱宽度。本文研究结果说明,该方法可以有效地评估心理压力状态,为实现心理压力状态干预,提高心理健康等提供支持与帮助。 展开更多
关键词 脑电信号 多重分形去趋势波动分析 奇异谱宽度 奇异指数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部