基于EEG信号的情感分析系统的设计与实现
人机交互
2024-05-28 v1
摘要
传统脑机系统复杂且昂贵，情感分类算法缺乏对脑电图（EEG）信号不同通道之间内在关系的表征。仍有提升准确率的空间。为降低EEG的研究门槛并发挥多通道EEG中所蕴含丰富信息的作用，我们提出并实现了一个简单易用的脑机系统，用于对四种情感进行分类：快乐、悲伤、忧伤和宁静。该系统利用卷积注意力机制与全预激活残差块的融合，称为注意力-卷积基于预激活残差网络（ACPA-ResNet）。在硬件采集和预处理阶段，我们采用ADS1299集成芯片作为模拟前端，并利用ESP32微控制器进行初始EEG信号处理。数据通过UDP协议无线传输至PC进行进一步预处理。在情感分析阶段，ACPA-ResNet被设计为自动从EEG信号中提取并学习特征，从而通过学习时频域特征实现对情感状态的准确分类。ACPA-ResNet在残差网络基础上引入注意力机制，自适应地为每个通道分配不同的权重。这使其能够在空间和通道维度上关注更有意义的EEG信号，同时避免深层网络架构中梯度离散和爆炸的问题。通过对16名受试者的测试，我们的系统演示了稳定的EEG信号采集和传输。该新型网络显著提升了情感识别的准确率，实现了95.1%的情感分类平均准确率。
关键词
引用
@article{arxiv.2405.16121,
title = {Design and Implementation of an Emotion Analysis System Based on EEG Signals},
author = {Zhang Yutian and Huang Shan and Zhang Jianing and Fan Ci'en},
journal= {arXiv preprint arXiv:2405.16121},
year = {2024}
}