基于脑电信号的情绪识别方法、装置、设备以及存储介质

本发明涉及信号处理，特别涉及是一种基于脑电信号的情绪识别方法、装置、设备以及存储介质。

背景技术：

1、情绪在人们的生活中有着非常重要的作用，它影响着我们思考和对事物的判断。脑机接口(brain computer interface，bci)是情绪识别中一个新的研究领域。情感bci一种对人的情绪进行识别或调控的bci。脑电图是情感bci使用最广泛的一种生理信号认知科学和临床医学的研究发现，脑电活动与情绪、认知密切相关。例如，脑电中的alpha频段和theta频段与脑力劳动或记忆负荷相关。类似地，临床医学的相关研究发现，静息态前额叶alpha频段脑电活动的不对称性与抑郁症程度相关。基于这些生理现象和脑电信号特征，研究者可以利用信号处理技术和深度学习算法分析脑电信号，提取与情绪和认知相关的特征，从而对人的内部状态进行检测。

2、由于人与人之间在情绪的表现上存在着很大的差异化，并且表现不同人的情绪的脑电数据也存在着特异性，目前通常采用图卷积神经网络用以进行脑电信号的情绪识别，然而，传统的图卷积神经网络比较简单、灵活性较差而且包含较多的冗余信息，难以进行脑电信号的准确、高效的情绪识别。

技术实现思路

1、基于此，本发明的目的在于，提供一种基于脑电信号的情绪识别方法、装置、设备以及存储介质，通过对待识别用户的脑电信号进行多个维度的特征提取，充分考虑了脑电信号中与情绪识别相关联的特征信息，对提取到的多个维度的信号特征数据进行特征融合，获得脑电信号特征融合数据，结合图嵌入以及注意力提取方法，提取脑电信息特征融合数据中的关键特征信息，用以进行情绪识别，提高了对脑电信号的情绪识别的准确性。

2、第一方面，本申请实施例提供了一种基于脑电信号的情绪识别方法，包括以下步骤：

3、获得待识别用户的脑电信号以及预设的情绪识别模型，其中，所述情绪识别模型包括特征提取模块、特征融合模块、图注意力模块以及识别模块；

4、将所述脑电信号输入至所述特征提取模块中，对所述脑电信号进行特征提取，获得脑电信号特征提取数据，其中，所述脑电信号特征提取数据包括若干个类型的信号特征数据；

5、将所述脑电信号特征提取数据输入至所述特征融合模块中，对若干个类型的信号特征数据进行特征融合，获得脑电信号特征融合数据；

6、将所述脑电信号特征融合数据输入至所述图注意力模块中进行图注意力特征提取，获得图注意力特征数据；

7、将所述图注意力特征数据输入至所述识别模块中进行情绪识别，获得预测情绪识别概率数据，根据所述预测情绪识别概率数据，获得最大维度的预测情绪识别概率向量对应的情绪极性，作为所述待识别用户的情绪识别结果。

8、第二方面，本申请实施例提供了一种基于脑电信号的情绪识别装置，包括：

9、数据获得模块，用于获得待识别用户的脑电信号以及预设的情绪识别模型，其中，所述情绪识别模型包括特征提取模块、特征融合模块、图注意力模块以及识别模块；

10、脑电信号特征提取模块，用于将所述脑电信号输入至所述特征提取模块中，对所述脑电信号进行特征提取，获得脑电信号特征提取数据，其中，所述脑电信号特征提取数据包括若干个类型的信号特征数据；

11、脑电信号特征融合模块，用于将所述脑电信号特征提取数据输入至所述特征融合模块中，对若干个类型的信号特征数据进行特征融合，获得脑电信号特征融合数据；

12、脑电信号图注意力特征提取模块，用于将所述脑电信号特征融合数据输入至所述图注意力模块中进行图注意力特征提取，获得图注意力特征数据；

13、情绪识别模块，用于将所述图注意力特征数据输入至所述识别模块中进行情绪识别，获得预测情绪识别概率数据，根据所述预测情绪识别概率数据，获得最大维度的预测情绪识别概率向量对应的情绪极性，作为所述待识别用户的情绪识别结果。

14、第三方面，本申请实施例提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于脑电信号的情绪识别方法的步骤。

15、第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于脑电信号的情绪识别方法的步骤。

16、在本申请实施例中，提供一种基于脑电信号的情绪识别方法、装置、设备以及存储介质，通过对待识别用户的脑电信号进行多个维度的特征提取，充分考虑了脑电信号中与情绪识别相关联的特征信息，对提取到的多个维度的信号特征数据进行特征融合，获得脑电信号特征融合数据，结合图嵌入以及注意力提取方法，提取脑电信息特征融合数据中的关键特征信息，用以进行情绪识别，提高了对脑电信号的情绪识别的准确性。

17、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种基于脑电信号的情绪识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于脑电信号的情绪识别方法，其特征在于：所述信号特征数据包括微分熵特征数据；

3.根据权利要求2所述的基于脑电信号的情绪识别方法，其特征在于：所述信号特征数据包括时域特征数据以及频域特征数据；

4.根据权利要求3所述的基于脑电信号的情绪识别方法，其特征在于，所述将所述脑电信号特征提取数据输入至所述特征融合模块中，对若干个类型的信号特征数据进行特征融合，获得脑电信号特征融合数据，包括步骤：

5.根据权利要求1或4所述的基于脑电信号的情绪识别方法，其特征在于：所述图注意力模块包括卷积池化网络、图组织网络以及图注意力提取网络，所述卷积池化网络包括若干个依次相连的卷积池化层；

6.根据权利要求5所述的基于脑电信号的情绪识别方法，其特征在于，所述将若干个所述特征向量矩阵分别输入至所述图组织网络中进行图嵌入，获得若干个所述特征向量矩阵对应的边集合矩阵，包括步骤：

7.根据权利要求6所述的基于脑电信号的情绪识别方法，其特征在于：所述注意力提取网络包括若干个与所述边集合矩阵的边数相应的图注意力神经单元；

8.根据权利要求6所述的基于脑电信号的情绪识别方法，其特征在于，还包括步骤：

9.一种基于脑电信号的情绪识别装置，其特征在于，包括：

10.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于脑电信号的情绪识别方法的步骤。

技术总结本发明涉及信号处理技术领域，特别涉及一种基于脑电信号的情绪识别方法、装置、设备以及存储介质，通过对待识别用户的脑电信号进行多个维度的特征提取，充分考虑了脑电信号中与情绪识别相关联的特征信息，对提取到的多个维度的信号特征数据进行特征融合，获得脑电信号特征融合数据，结合图嵌入以及注意力提取方法，提取脑电信息特征融合数据中的关键特征信息，用以进行情绪识别，提高了对脑电信号的情绪识别的准确性。技术研发人员：邱丽娜,钟良泉,潘家辉受保护的技术使用者：华南师范大学技术研发日：技术公布日：2024/10/17