基于MEMD-HHT与3D CNN的脑电情绪检测
信号处理
2022-06-03 v1
摘要
本研究将多元经验模态分解（MEMD）应用于多通道EEG，获得尺度对齐的本征模态函数（IMFs）作为情绪检测的输入特征。IMFs捕获与情绪变化相关的局部信号变异。在提取的IMFs中，高振荡者被发现对目标任务显著。由所选IMFs计算边际希尔伯特谱（MHS）。采用三维卷积神经网络（CNN）通过堆叠连续信号段上的多通道MHS构建的空-时-谱特征表示进行情绪检测。所提方法在公开DEAP数据库上评估。在效价与唤醒水平（高对低）的二分类中，准确率分别达89.25%与86.23%，显著优于先前报道的采用2D CNN和/或常规时域与频域特征的系统。
引用
@article{arxiv.2206.00918,
title = {MEMD-HHT based Emotion Detection from EEG using 3D CNN},
author = {Monira Islam and Tan Lee},
journal= {arXiv preprint arXiv:2206.00918},
year = {2022}
}
备注
Accepted in 44th International Engineering in Medicine and Biology Conference (EMBC 2022)