陳景霞,郝 為,張鵬偉,閔重丹,李玥辰

(陜西科技大學(xué) 電子信息與人工智能學(xué)院,陜西 西安 710021)

近年來,隨著深度學(xué)習(xí)、人工智能技術(shù)的發(fā)展,情感識別已經(jīng)成為人機交互和情感計算領(lǐng)域一個備受關(guān)注的研究熱點.情感識別是理解一個人所表達的情感類型的過程,開發(fā)高效、魯棒的人類情感識別算法,將對人機交互方式產(chǎn)生重大影響[1].在人機交互應(yīng)用程序中引入自動情感識別技術(shù),可以顯著提高用戶體驗的質(zhì)量,帶來更多感知情感的計算機交互界面,并且可以實現(xiàn)許多基于情緒感知、情緒調(diào)節(jié)的控制功能.腦電圖(electroencephalogram,簡稱EEG)是一種非侵入性腦成像技術(shù),依賴于頭皮的電極來測量大腦的電生理活動,其中包含了大量的生理、心理與病理信息.神經(jīng)生理學(xué)、心理學(xué)大量研究發(fā)現(xiàn):人類情感的產(chǎn)生及活動與大腦皮層的活動相關(guān)度很大,人類不同的認知和情感活動能夠誘發(fā)產(chǎn)生不同的EEG 信號,對其進行有效的特征提取與分類,可以達到情感腦-機接口控制的目的[2,3].與人類的面部表情、語音、心電、核磁等生理信號相比,EEG 信號由于其客觀性強、不易偽造、采集設(shè)備便攜、易于操作、成本低等優(yōu)點,正越來越多地被應(yīng)用到人類情感的識別中[4].

腦電圖信號的處理與識別具有極大的挑戰(zhàn)性.首先,EEG 信號具有很低的信噪比,容易受到多種噪聲的干擾.例如:敏感的記錄設(shè)備很容易受到周圍環(huán)境的干擾,而且肌肉活動、眼球運動或眨眼都可能帶來其他不必要的噪音;其次,人們往往只對特定大腦活動相關(guān)的EEG 信號感興趣,但是卻很難從背景中將這個信號分離出來.雖然EEG 信號在頭皮上空間分辨率較低,但它較高的時間分辨率(毫秒級)可以記錄緩慢或快速變化的大腦活動動態(tài)[5].因此,為了確定和提取EEG 信號中與特定大腦活動或情感相關(guān)的部分,需要復(fù)雜的EEG 信號分析與處理技術(shù),既要考慮EEG 信號空間的相關(guān)性,也要考慮時間上的相關(guān)性.

近年來,深度學(xué)習(xí)技術(shù)由于具有很強的端對端自學(xué)習(xí)復(fù)雜特征表示的能力,避免了大量手工特征提取,在計算機視覺、自動語音識別、自然語言處理和生物信息學(xué)等領(lǐng)域的識別任務(wù)中取得了巨大的成功[6-8].卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,簡稱CNN)是當(dāng)前識別圖像和視頻數(shù)據(jù)的最佳架構(gòu)的核心,這主要是因為它們能夠?qū)W習(xí)并提取對輸入數(shù)據(jù)的部分平移和變形具有魯棒性的特征表示[9].而循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,簡稱RNN)和長短時記憶網(wǎng)絡(luò)(LongShortTerm memory,簡稱LSTM)在許多涉及時間序列動力學(xué)的應(yīng)用中表現(xiàn)出了最先進的性能,如文本和語音識別[7]、信息抽取與語義分析[10]等.此外,文獻[11]中,Ng 等人將這兩種類型的網(wǎng)絡(luò)相結(jié)合用于視頻分類,并且取得了較好的效果.

隨著便攜式腦電采集技術(shù)和設(shè)備的出現(xiàn),大規(guī)模腦電數(shù)據(jù)變得更易獲取,CNN,RNN 和LSTM 等深度學(xué)習(xí)技術(shù)也越來越多地應(yīng)用于腦電圖時間序列的分類與識別中.Bashivan 等人[12]針對認知和精神負荷分類實驗中采集的EEG 數(shù)據(jù),提出了一種深度遞歸卷積神經(jīng)網(wǎng)絡(luò)R-CNN,從EEG 序列中學(xué)習(xí)那些對于時、空、頻這3 個維度的變化都不敏感的魯棒性特征,其分類錯誤率比他們之前采用的支持向量機和隨機森林的錯誤率降低了50%以上.Ryan 等人[13]采用基于LSTM 的深度循環(huán)神經(jīng)網(wǎng)絡(luò)來解釋認知相關(guān)腦電信號在時間上依賴性,從而顯著提高了跨天采集的EEG 特征的穩(wěn)定性,其被試內(nèi)的平均分類準確率達到93%.Dalin 等人[14]提出了一種深度卷積循環(huán)神經(jīng)網(wǎng)絡(luò)模型,通過有效地學(xué)習(xí)原始EEG 數(shù)據(jù)流時空相關(guān)特征表示,來準確地識別人類運動意圖,在MI-EEG 數(shù)據(jù)集上取得了98.3%的被試依賴的分類準確率,其性能均高于其他簡單分類器和別的基于深度學(xué)習(xí)的EEG 分類模型.Lawhern 等人[15]提出了一種沒有完全連接層的多層純卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用,該方法在基于P300 的oddball 識別任務(wù)、手指運動任務(wù)中運動相關(guān)皮層電位識別和運動想象中感官運動節(jié)律識別等范式中都取得了目前為止最好的性能.上述方法都為基于EEG 的情感識別提供了有益的參考.

Alhagry 等人[16]提出了一種基于LSTM 長短時記憶結(jié)構(gòu)的深度循環(huán)神經(jīng)網(wǎng)絡(luò),在DEAP 公開數(shù)據(jù)集上,喚 醒/效價/喜歡這3 個情感維度上依賴于被試的平均分類準確率分別達到85.65%,85.45%和87.99%,與傳統(tǒng)方法相比,該方法具有較高的平均精度.Soleymani 等人[17]提出利用LSTM-RNN 和連續(xù)條件隨機場(CCRF)算法,從被試的腦電信號和面部表情即時檢測被試觀看視頻時情感狀態(tài)的方法,取得了較好的效果.Salama 等人[18]采用一種三維卷積神經(jīng)網(wǎng)絡(luò)(3D-CNN),針對多通道腦電圖數(shù)據(jù)進行情緒識別,在效價和喚醒上的識別準確率分別為87.44%和88.49%.本文作者也曾采用深度CNN 模型[19],基于DEAP 數(shù)據(jù)集EEG 信號時域、頻域及其組合特征,端對端自學(xué)習(xí)這些特征的高層抽象表示,在效價和喚醒度上的分別取得了88.5%和86.7%的識別準確率.在文獻[20]中,我們還采用了一種基于注意力機制的多層雙向GRU(gated recurrent unit)模型對DEAP 數(shù)據(jù)集中連續(xù)的EEG 序列信號進行情感識別.實驗證明,該模型能夠有效降低EEG 序列長時非穩(wěn)定性對情感識別的影響.上述這些方法都在一定程度上提高了EEG 情感分類的性能,但是還沒有一種模型能夠有效地在空間、時間和頻域上同步學(xué)習(xí)腦電信號情感相關(guān)的判別性特征,進一步提高基于EEG 的情感識別的準確率和魯棒性仍然面臨較大的挑戰(zhàn).

本文提出一種新的腦電圖數(shù)據(jù)表示方法,將一維鏈式EEG 序列轉(zhuǎn)換成二維網(wǎng)狀矩陣序列,使矩陣結(jié)構(gòu)與EEG 電極位置的腦區(qū)分布相對應(yīng),以此來表示EEG 信號物理上多個相鄰電極之間的空間特征.再應(yīng)用滑動窗采樣的方法將二維矩陣序列分成一個個等長的時間片段,作為新的融合了EEG 時空相關(guān)性的數(shù)據(jù)表示.本文還提出了級聯(lián)卷積-循環(huán)神經(jīng)網(wǎng)絡(luò)(CASC_CNN_LSTM)與級聯(lián)卷積-卷積神經(jīng)網(wǎng)絡(luò)(CASC_CNN_CNN)這兩種深度學(xué)習(xí)模型,二者都通過CNN 卷積神經(jīng)網(wǎng)絡(luò)從轉(zhuǎn)換的二維網(wǎng)狀EEG 數(shù)據(jù)表示中捕獲物理上相鄰腦電信號之間的空間相關(guān)性,而前者通過LSTM 循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)EEG 數(shù)據(jù)流在時序上的依賴關(guān)系,后者則通過CNN 卷積神經(jīng)網(wǎng)絡(luò)挖掘局部時間與空間更深層的相關(guān)判別性特征,從而精確識別腦電信號中包含的情感類別.

1 本文提出的方法

1.1 二維EEG網(wǎng)狀特征轉(zhuǎn)換

基于EEG 的情感腦-機接口系統(tǒng)通常使用便攜式可穿戴的多通道電極帽采集EEG 信號,當(dāng)被試者觀看刺激視頻時,電極帽上的傳感器捕獲被試大腦頭皮電流的波動情況.本文提出的EEG 信號采集與特征轉(zhuǎn)換的總體流程如圖1 所示,其中,EEG 電極地圖顯示了一種BCI 常用電極帽上的電極位置分布.不同BCI 系統(tǒng)的腦電記錄通道數(shù)量不同,其電極的分布也有所不同.

Fig.1 EEG data acquisition and pre-processing process圖1 腦電數(shù)據(jù)采集和預(yù)處理流程

EEG 采集系統(tǒng)獲取的傳感器讀數(shù)表示一定采樣頻率下的腦電信號時間序列.通常,時間點t采集的原始 EEG 信號用一個一維數(shù)據(jù)向量表示,其中,n表示采集系統(tǒng)的通道總數(shù),表示第n個電極通 道在第t個時間點的讀數(shù).對于觀測時間段[t,t+N-1],共有N個一維這樣的數(shù)據(jù)向量,每一個向量都包含n個元素,對應(yīng)電極帽上第n個電極的讀數(shù).

從EEG 頭皮電極分布圖可以看出:每個電極在物理上都與多個電極相鄰,用于測量大腦某一區(qū)域的EEG 信號,而且不同的大腦區(qū)域?qū)?yīng)于不同的大腦活動.上述一維鏈式EEG 數(shù)據(jù)向量僅能表示兩個相鄰電極位置的相關(guān)性,因此,本文根據(jù)EEG 采集系統(tǒng)的電極空間位置關(guān)系,將獲取的一維原始腦電序列轉(zhuǎn)換為二維網(wǎng)狀矩陣序列.本文將32 通道一維EEG 數(shù)據(jù)向量Xt轉(zhuǎn)換成如下所示的二維網(wǎng)狀矩陣Yt:

其中,t表示某一具體的時間點,沒有使用的電極位置被置為0,在神經(jīng)網(wǎng)絡(luò)中不起作用.通過轉(zhuǎn)換,觀測時間段[t,t+N-1]內(nèi)的一維EEG 向量序列[Xt,Xt+1,…,Xt+N-1]被轉(zhuǎn)換成二維矩陣序列[Yt,Yt+1,…,Yt+N-1],其中,二維網(wǎng)狀矩陣的數(shù)量仍然是N.再通過Z-score 算法對該二維矩陣中的非零數(shù)據(jù)進行歸一化處理,這樣產(chǎn)生的二維網(wǎng)狀矩陣序列既包含了時間信息,又包含了該時間點相關(guān)大腦活動的空間信息.然后,如圖1 的最后一步所示,應(yīng)用滑動窗將二維網(wǎng)狀矩陣序列劃分為一個個單獨的片段Pj,作為融合了時空特征的一個EEG 樣本,每個片段具有固定長度(窗口大小),而且相鄰兩個片段之間不重疊,具體表示為Pj=[Yt,Yt+1,…,Yt+s-1].其中,s表示窗口的大小,即采樣點的個數(shù);j=1,2,…,q,q是觀測時間段被劃分成EEG 樣本片段的個數(shù).本文將進一步提出一種有效的混合深度學(xué)習(xí)模型,同時學(xué)習(xí)每個樣本的矩陣序列Pj在時間和空間上的相關(guān)性特征,并預(yù)測每個樣本片段被試對應(yīng)的情感類別.

1.2 Casc-CNN-LSTM級聯(lián)卷積循環(huán)神經(jīng)網(wǎng)絡(luò)模型

本文首先提出用來學(xué)習(xí)捕獲EEG 序列的空間和時間特征的Casc-CNN-LSTM 的模型結(jié)構(gòu),如圖2 所示.模型的輸入是經(jīng)過上述預(yù)處理的二維網(wǎng)狀矩陣序列(如樣本Pj),它是一個包含了空間和時間信息的三維數(shù)據(jù)結(jié)構(gòu).首先,采用CNN 網(wǎng)絡(luò)從每一個二維網(wǎng)狀矩陣中提取EEG 數(shù)據(jù)的空域特征;然后,將提取的空間特征序列輸入到LSTM 網(wǎng)絡(luò),進一步提取EEG 數(shù)據(jù)的時域特征;最后,通過一個全連接層接收LSTM 網(wǎng)絡(luò)最后一個時間點的輸出,得到的特征向量再輸入到一個softmax層進行最后的情感類別預(yù)測.

為了提取每一個二維網(wǎng)狀矩陣的空間特征,我們采用如圖2 所示的一個深度二維CNN 網(wǎng)絡(luò)進行空間特征學(xué)習(xí).如上所述,輸入模型的第j個EEG 片段用二維網(wǎng)狀矩陣序列Pj=[Yt,Yt+1,…,Yt+s-1]∈Rs×h×w表示,其中包含s個Yk(k=t,t+1,…,t+s-1)表示的二維網(wǎng)狀矩陣元素,其大小是h×w,h和w分別表示電極位置網(wǎng)狀矩陣的高和寬.將每一個網(wǎng)狀矩陣分別輸入到一個2D-CNN 網(wǎng)絡(luò),經(jīng)學(xué)習(xí)得到對應(yīng)的空間特征表示Zk(k=t,t+1,…,t+s-1):Zk=CNN2D(Yk),Zk∈Rl.Zk是一個包含l 個元素的一維特征向量.由此,輸入的EEG 矩陣序列被轉(zhuǎn)換成空間特征向量的序列:Cas-CNN:Pj→Qj,whereQj=[Zt,Zt+1,…,Zt+s-1]∈Rs×l.該2D-CNN 模型包含4 個卷積層,每層分別采用16,32,64,128 個大小都是3×3 的卷積核進行非填充的卷積操作,每一層都采用ReLu激活函數(shù)和Adam 優(yōu)化器,學(xué)習(xí)率取0.0005.經(jīng)過學(xué)習(xí),第1 個卷積層得到16 個7×7 的特征圖,第2 個卷積層得到32 個5×5 的特征圖,第3 個卷積層得到64 個3×3 的特征圖,第4 個卷積層得到128 個1×1 的特征圖.之后,應(yīng)用一個包含128 個神經(jīng)元的全連接層將128 個特征映射轉(zhuǎn)換成最終的空間特征表示Zk∈R128.在將2D-CNN 的輸出結(jié)果輸入RNN 網(wǎng)絡(luò)之前,這個全連接層是可選的.但是實驗發(fā)現(xiàn):添加這個全連接層,對于幫助模型收斂、提高整個框架的性能起著重要的作用.

通過對模型的精準性和時效性的雙重篩選,本文最終使用如圖2 所示的LSTM 單元構(gòu)建一個單層雙向RNN 模型,將空間特征表示序列Qj輸入到該RNN 模型,進一步計算EEG 片段時域的相關(guān)性特征.LSTM 是一種為了解決梯度消失和梯度爆炸問題而提出對RNN 隱含層改進后的神經(jīng)元結(jié)構(gòu).在雙向LSTM 中,順逆序傳播可以分別提取某一節(jié)點EEG 與其前后片段的關(guān)系,從而使該模型提取的特征更加客觀和準確.

Fig.2 Combination model Casc_CNN_LSTM圖2 Casc_CNN_LSTM 組合模型

該模型的每個傳播方向上都包含s個LSTM 單元,LSTM 單元在當(dāng)前時間點t處的隱狀態(tài)用ht表示,則ht-1表示前一個時間點t-1 處的隱狀態(tài).同一層前一個時間點的信息被傳到當(dāng)前時間點,以此類推影響到最后的輸出.本文使用LSTM 單元的隱狀態(tài)作為其輸出,正向LSTM 單元輸出的隱狀態(tài)序列為[ht,ht+1,…,ht+s-1],逆向LSTM 單元輸出的隱狀態(tài)序列為.由于我們感興趣的是大腦在整個樣本時間段內(nèi)的情感類別,所以分別從兩個方向上取LSTM 學(xué)習(xí)完整個窗口內(nèi)所有時間點后提取的最后一個時間點的輸出ht+s-1和.將ht+s-1和在描述特征向量大小的維度上進行拼接,記為Hj.而Hj作為整個RNN 網(wǎng)絡(luò)學(xué)習(xí)到的時序特征送入下一個 全連接層,如圖2 的最后階段所示.EEG 網(wǎng)狀矩陣序列Pj的時域特征Hj表示為

其中,i表示一個LSTM 單元的隱狀態(tài)的大小.最后,在全連接層之后,采用一個Softmax層產(chǎn)生最終每一類情感的概率預(yù)測值:Softmax:Cj=SoftMax(Hj),Cj∈Rk,其中,k表示模型最終要識別的情感類別數(shù).

總的來說,我們的框架首先將觀測時間段內(nèi)的EEG 數(shù)據(jù)流轉(zhuǎn)換、切分成二維的網(wǎng)狀矩陣序列片段,然后對每一個片段進行k類情感分類.每一個片段Pj包含s個已經(jīng)被轉(zhuǎn)換的二維網(wǎng)狀矩陣[Yt,Yt+1,…,Yt+s-1].在每一個片段內(nèi)部,應(yīng)用一個3 層2D-CNN 網(wǎng)絡(luò)對其中每一個網(wǎng)狀矩陣提取其空間特征,得到空間特征序列[zt,…,zt+s-1];隨后,應(yīng)用RNN 網(wǎng)絡(luò)對整個空間特征序列進行學(xué)習(xí),進而提取時域特征Hj;最后,使用Softmax分類器計算每一個片段k種情感的分類概率.原始EEG 記錄經(jīng)由Cas-CNN-RNN 模型處理的過程可以描述為Input(s×n)-Trans(s×h×w)-Conv(s×h×w×16)-Conv(s×h×w×32)-Conv(s×h×w×64)-Conv(s×h×w×128)-FC(l)-LSTM(s×2i)-FC(l)-Softmax(k).其中:Input(s×n)表示分段大小為s且包含n個通道數(shù)據(jù)的一維原始EEG 記錄序列,Trans(s×h×w)表示將一維EEG 記錄序列轉(zhuǎn)換為長度為s大小為h×w的網(wǎng)狀矩陣序列,Conv(s×h×w×m)表示一個卷積層從一個網(wǎng)狀矩陣學(xué)習(xí)得到m個特征映射,FC(l)表示具有l(wèi)個神經(jīng)元的全連接層,LSTM(s×2i)表示順逆兩個傳播方向分別具有s個LSTM 單元的隱含層學(xué)習(xí)得到大小為i的隱狀態(tài),Softmax(k)表示用于預(yù)測k個情感類別的Softmax層.

在級聯(lián)結(jié)構(gòu)的2D-CNN 模型中,卷積層后面都沒有使用池化操作.雖然在CNN 體系結(jié)構(gòu)中,一個卷積層通常與一個池化層成對使用,但池化操作并不一定是必須的,池化操作是以犧牲一部分信息為代價來進行數(shù)據(jù)降維.然而在EEG 數(shù)據(jù)分析問題中,數(shù)據(jù)的維度比計算機視覺研究中使用的數(shù)據(jù)維度要小得多,為了不丟失有用的EEG 信息,本文沒有使用池化操作,而是直接將4 個卷積層進行了連接.

1.3 Casc-CNN-CNN級聯(lián)雙卷積神經(jīng)網(wǎng)絡(luò)模型

本文提出的用來挖掘更深層局部時空特征的Casc-CNN-CNN 模型結(jié)構(gòu)如圖3 所示.

Fig.3 Combination model Casc_CNN_CNN圖3 Casc_CNN_CNN 組合模型

模型的輸入同Casc-CNN-RNN 的輸入一樣,都是包含了空間和時間信息的三維數(shù)據(jù)結(jié)構(gòu).模型采用CNN 網(wǎng)絡(luò)從每一個二維網(wǎng)狀矩陣中提取EEG 數(shù)據(jù)的空域特征,然后將提取的空間特征按照時間順序重新排列,再次輸入一個CNN 網(wǎng)絡(luò),繼續(xù)提取EEG 數(shù)據(jù)深層局部時空特征,最后通過一個全連接層接收CNN 網(wǎng)絡(luò)的輸出,得到的特征向量再輸入到一個softmax層進行最后的情感類別預(yù)測.

Casc_CNN_CNN 與級聯(lián)模型Casc_CNN_LSTM 中的CNN 部分相同,將二維網(wǎng)狀矩陣序列Pj輸入進一個由4 個卷積層與一個全連接層組成的CNN 網(wǎng)絡(luò)中,并轉(zhuǎn)換成具有空間特征向量的序列Qj,whereQj=[Zt,Zt+1,…,Zt+s-1]∈Rs×l.其中,Zk(k=t,t+1,…,t+s-1):Zk=CNN2D(Yk),Zk∈Rl是一個包含l 個元素的經(jīng)過CNN 學(xué)習(xí)后的一維空間特征向量.將Qj整合成形如s×l的矩陣后,再次使用CNN(為區(qū)別于前文CNN,下將該網(wǎng)絡(luò)稱作CNNII)網(wǎng)絡(luò)提取原始EEG 的進階空間特征.式中s表示向量序列的長度,l表示每個序列所包含的元素個數(shù).CNNII 由兩個卷積層、兩個池化層、一個全連接層組成,兩個池化層分別連接在兩個卷積層后,將經(jīng)過第2 個池化層池化過的數(shù)據(jù)進行向量化處理后,接入一個神經(jīng)元數(shù)為512的全連接層,最終在全連接后接入Softmax層,產(chǎn)生最終每一類情感的概率預(yù)測值.兩個卷積層分別采用32 和64 個3×3 大小的卷積核進行有填充的卷積操作.兩個池化層都采用2×2 大小且步長為2 的Maxpooling 過濾器對卷積結(jié)果進行下采樣處理.卷積層和全連接層采用ReLu激活函數(shù)以及Adam 優(yōu)化器,學(xué)習(xí)率取0.000 1.

原始EEG 記錄經(jīng)由Cas-CNN-RNN 模型處理的過程可以描述為Input(s×n)-Trans(s×h×w)-Conv(s×h×w× 16)-Conv(s×h×w×32)-Conv(s×h×w×64)-Conv(s×h×w×128)-FC(l)-Cat(b)-Trans(s×h×w)-Conv(s×h×w×32)-Pooling(max,2)-Conv(s×h×w×64)-Pooling(max,2)-FC(l)-softmax(k).其中,Input(s×n)表示分段大小為s且包含n個通道數(shù)據(jù)的一維原始EEG 記錄序列,Trans(s×h×w)表示將一維EEG 記錄序列轉(zhuǎn)換為長度為s大小為h×w的網(wǎng)狀矩陣序列,Conv(s×h×w×m)表示一個卷積層從一個網(wǎng)狀矩陣學(xué)習(xí)得到m個特征映射,Cat(b)表示將b個向量按時間順序連接,Pool(max,2)表示使用步長為2,核為2×2 的最大池化層,FC(l)表示具有l(wèi)個神經(jīng)元的全連接層,Softmax(k)表示用于預(yù)測k個情感類別的softmax層.

2 實驗及結(jié)果分析

首先介紹實驗采用的DEAP 數(shù)據(jù)集及EEG 數(shù)據(jù)預(yù)處理與特征提取的方法,然后在效價維度上進行被試內(nèi)兩類情感的分類實驗,以BT,SVM 淺層分類器以及深度CNN 模型在1 秒EEG 片段上的分類性能為基準,同Cas- CNN-RNN 和Cas-CNN-CNN 模型的分類性能進行比較與分析.同時,通過對比實驗研究了時空信息對EEG 情感分類性能的影響.

2.1 數(shù)據(jù)集

本文基于公開的大規(guī)模EEG 情感數(shù)據(jù)集DEAP[21]驗證所提出的級聯(lián)和并行深度卷積循環(huán)神經(jīng)網(wǎng)絡(luò)模型的有效性.該數(shù)據(jù)集是由倫敦瑪麗皇后大學(xué)的相關(guān)研究團隊開發(fā)的包含EEG 等多種生理信號的大規(guī)模開源數(shù)據(jù)集,它記錄了32 個被試者觀看40 個時長約為1 分鐘的、帶有不同情感傾向的音樂視頻所誘發(fā)的腦電、心電、肌電等生理信號,之后,被試對所觀看的視頻在喚醒度、效價、喜好、優(yōu)勢度和熟悉度方面,使用1~9 的連續(xù)數(shù)值進行評價,評價值由小到大分別表示各項指標由負到正或由弱到強.40 個刺激視頻中包含20 個高效價/喚醒度刺激和20 個低效價/喚醒度刺激.本文取其中32 通道的EEG 信號,采樣頻率降至128Hz.為了消除直流噪聲、電源噪聲和其他偽跡,使用4Hz~45Hz 的帶通濾波器進行數(shù)據(jù)過濾,再采用盲源分離技術(shù)去除了眼電干擾,得到總時長為63s 的EEG 信號,包括觀看視頻的60s 和觀看前靜息態(tài)的3s.

2.2 數(shù)據(jù)預(yù)處理與特征提取

本文提取了每個視頻誘發(fā)的60s 的EEG 序列做進一步分析.為了校正與刺激無關(guān)的信號隨時間的變化,將觀看視頻之前3s 的EEG 信號作為基線,從60s 實驗信號中去除基線,得到刺激相關(guān)的序列變化.以1s 為窗長對每個序列進行不重疊分段,每次實驗得到60 個片段,則每個被試40 次實驗的EEG 片段(也稱樣本)總數(shù)為40×60=2400 個,每個片段包含128 個采樣點(即窗口大小為128),每個采樣點包含32 個EEG 通道的數(shù)據(jù),簡稱RAW 特征,其維度大小表示為2400×128×32.實驗觀察發(fā)現(xiàn),使用大于或小于128 的窗口分段都會降低組合模型的性能,這也許與人類大腦情感活動的周期長度有關(guān).再對分段以后的EEG 數(shù)據(jù)按通道進行歸一化,得到每個被試時域上的NORM 特征.

神經(jīng)科學(xué)和心理學(xué)的研究表明,EEG 信號在delta(1Hz~4Hz),theta(4Hz~8Hz),alpha(8Hz~13Hz),beta(13Hz~ 30Hz)和gamma(30Hz 以上)這5 個頻段上包含大量與情緒等心理活動密切相關(guān)的節(jié)律信息[22].作者之前的研 究[19]也發(fā)現(xiàn),EEG 信號在4Hz~45Hz 頻帶上的功率譜密度(power spectral density,簡稱PSD)特征在2D-CNN 網(wǎng)絡(luò)上的分類性能明顯優(yōu)于時域上的RAW 特征和NORM 特征.這也許是因為PSD 頻域特征的提取需要在較大連續(xù)采樣周期內(nèi)進行,而情感腦電任務(wù)也是一種相對長時的大腦活動,所以頻域特征能夠捕獲更多情感相關(guān)的大腦動態(tài).因此,本文在NORM 特征基礎(chǔ)上,在4Hz~45Hz 頻帶上,利用快速傅立葉算法,在1s 的EEG 片段的每個通道上使用0.5s 的Hamming 窗無重疊地滑動提取64 個PSD 特征,每個被試40 次實驗,共提取PSD 特征的維度是2400×64×32.

接下來處理每個EEG 樣本的標簽,基于被試對每個視頻在1~9 范圍內(nèi)的評價值,以中位數(shù)5 作為閾值,將效價和喚醒度上的評價值劃分為兩類:在某個維度上解決2 分類問題時,大于5 代表高類或正性指標,用1 表示;小于或等于5 代表低類或負性指標,用0 表示.再對數(shù)據(jù)和標簽做均衡化處理,使兩類中每一類EEG 數(shù)據(jù)和標簽數(shù)量相同.

接著,根據(jù)DEAP 數(shù)據(jù)集的腦電電極分布,按照公式(1)將每個EEG 樣本的一維鏈式向量序列轉(zhuǎn)換成大小為9×9 的二維網(wǎng)狀矩陣序列.轉(zhuǎn)換以后,EEG 樣本包含了豐富的空間、時間與頻域上的信息,數(shù)據(jù)和標簽的維度見表1.然后,使用每個被試的所有EEG 樣本構(gòu)建被試內(nèi)交叉驗證集,即:每次隨機從2 類各取80%的EEG 數(shù)據(jù)和標簽來訓(xùn)練模型,其余20%的樣本來驗證訓(xùn)練模型,以此方法為每個被試構(gòu)建40 重交叉驗證數(shù)據(jù)集.

Table 1 Formats of segmented 1D and 2D EEG data and labelsof each subject表1 每個被試分段以后1D 與2D 的EEG 數(shù)據(jù)及標簽格式

2.3 基準模型

接下來簡要介紹EEG 情感識別方面目前比較先進的方法和基準模型,所有這些模型都基于與本文相同的數(shù)據(jù)集DEAP.

? Alhagry 等人[16]采用一種基于LSTM 長短時記憶結(jié)構(gòu)的深度循環(huán)神經(jīng)網(wǎng)絡(luò),在DEAP 數(shù)據(jù)集的喚醒/效價/喜歡這個維度上進行了被試內(nèi)兩類情感分類,3 個維度上二分類的平均分類準確率分別達到了85.65%,85.45%和87.99%;

? 本文作者在文獻[19]中提出的使用淺層機器學(xué)習(xí)模型BT(BaggingTree)對DEAP 數(shù)據(jù)集EEG 信號的PSD 特征在效價上和喚醒度上進行被試內(nèi)兩類情感分類的準確率分別達到了86.31%和86.18%;

? Salama 等人[18]采用一種三維卷積神經(jīng)網(wǎng)絡(luò)(3D-CNN),針對多通道腦電圖數(shù)據(jù)進行情感識別,在效價和喚醒度上的被試內(nèi)兩類情感識別準確率分別為87.44%和88.49%;

? 本文作者也曾采用深度2D-CNN 模型,基于DEAP 數(shù)據(jù)集EEG 的時域與頻域組合特征,端對端自學(xué)習(xí)這些特征的高層抽象表示,在效價和喚醒度上進行被試內(nèi)兩類情感識別的準確率分別達到了88.53%和86.67%[19].

除了上述最新的方法外,為了增加實驗結(jié)果的可信度,本文作者對文獻[17]中提出的2D-CNN 模型加以改進,輸入將時頻組合特征變?yōu)榉侄蔚逆準絇SD 特征,深度學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)以及超參數(shù)配置則同Casc_CNN_CNN中的第2 個CNN 一致,都是兩組卷積池化層后接一個具有512 個神經(jīng)元的全連接層和一個Softmax輸出層.其中,兩個卷積層分別采用3×3 大小的32 和64 個卷積核進行有填充的卷積操作,池化層依然采用步長為2 的2×2大小的過濾器對卷積結(jié)果進行降維處理.

為了深入探究混合模型與單一模型在分類性能上的優(yōu)劣,本文還設(shè)計了用于對比實驗的BiLSTM(64)模型.該模型也采用分段的鏈式PSD 特征作為輸入,網(wǎng)絡(luò)結(jié)構(gòu)同Casc_CNN_LSTM 中的LSTM 網(wǎng)絡(luò)一致,采用雙向LSTM 單元進行時域特征提取.其中,正向(順序)、逆向(倒序)LSTM 單元的隱單元個數(shù)(隱狀態(tài)長度)均為64.將雙向網(wǎng)絡(luò)各自傳播盡頭的兩個單元的隱狀態(tài)在特征個數(shù)維度上進行連接后,接入一個具有128 個神經(jīng)元的全連接神經(jīng)網(wǎng)絡(luò),最終接入Softmax層產(chǎn)生預(yù)測值.

本文研究的神經(jīng)網(wǎng)絡(luò)均采用TensorFlow 框架,并基于NvidiaTitanXPascalGPU,以完全監(jiān)督的方式從頭開始訓(xùn)練實現(xiàn).采用基于Adam 更新規(guī)則的隨機梯度下降法,最小化模型的交叉熵損失函數(shù).

2.4 實驗結(jié)果

本節(jié)展示本文所提出的級聯(lián)組合模型的總體性能,并系統(tǒng)分析EEG 空間和時間上下文信息對實驗結(jié)果的影響.并通過NORM 特征和PSD 特征在效價和喚醒度兩個維度上二分類計算的精度,對本文提出的模型以及特征表示方法進行深入的探究.

2.4.1 效價維度上的實驗結(jié)果與分析

本文提出的級聯(lián)組合模型以及各種基準模型的整體實驗性能見表2.觀察發(fā)現(xiàn):以二維網(wǎng)狀PSD 特征為輸入的Casc_CNN_LSTM 和Casc_CNN_CNN 分別取得了93.15%和92.37%的準確率,兩種組合模型均優(yōu)于幾種基準模型和最新方法的分類性能.這表明上下文空間和時間信息對于提升EEG 情感分類識別性能非常關(guān)鍵.實驗中,我們還嘗試使用了較大或較小的滑動窗進行EEG 數(shù)據(jù)分段,結(jié)果都會導(dǎo)致組合模型性能明顯下降.在不同范圍內(nèi)通過改變滑動窗口大小,可以使模型適應(yīng)不同類型的EEG 信號分類,體現(xiàn)該方法具有較好的靈活性.而且與以往的研究相比,該模型對原始數(shù)據(jù)的預(yù)處理較少,更適合于BCI 等實時應(yīng)用.

Table 2 Comparison of the accuracy of two types of emotion classification in the valence dimension between the benchmark model and the cascade hybrid model表2 基準模型與級聯(lián)混合模型在效價上進行兩類情感分類準確率的比較

除此以外,我們發(fā)現(xiàn):基于文獻[19]中2D-CNN 模型改進的2D-CNN-V2 模型,分類準確率相較之前高出了1.63%.原因一方面是輸入特征的變化,正如第2.2 節(jié)中所述,由于頻域特征能夠捕獲更多情感相關(guān)的大腦動態(tài),PSD 特征相較于NORM 特征在情感分類任務(wù)中的準確率更高,而PSD 與NORM 的混合特征雖然擴充了數(shù)據(jù)量,并在一定程度上提升了模型的泛化能力,但對于情感分類任務(wù)而言,混合特征的準確率低于單一的PSD 特征;另一方面是由于改進后的卷積神經(jīng)網(wǎng)絡(luò)更加復(fù)雜,卷積層中卷積核的個數(shù)由4 個上升為32 個,提取了更多的空間信息,從而提升了模型的性能.

以PSD 特征為輸入的BILSTM(64)模型的分類準確率達到了89.81%,低出2D-CNN-V2 模型僅有0.35%的差距.這說明無論是在時域還是空域上,針對DEAP 數(shù)據(jù)集,單一模型在不同維度上的情感分類任務(wù)精度相差不大.而2D-CNN-V2 模型相較于Casc-CNN-CNN 模型準確率降低了2.21%,BiLSTM(64)模型相較于Casc-CNN- LSTM 模型準確率降低了3.34%,這說明單一模型在不同維度上的表現(xiàn)都不如混合模型.

與文獻[16,18,19]中最新的方法相比,本文提出的Casc-CNN-CNN 模型比Alhagr 等人[16]提出的LSTM 模型的性能高出6.92%,比Chen 等人[19]提出的BT 淺層分類器的性能高出6.06%,比Salama 等人[18]提出的3D-CNN模型和Chen 等人[19]提出2D-CNN 模型的性能分別高出4.93%和3.84%.Casc-CNN-LSTM 模型也比Alhagr 等人[16]提出的LSTM 模型的性能高出7.7%,比Chen 等人[19]提出的BT 淺層分類器的性能高出了6.84%,比Salama等人[18]提出的3D-CNN 模型和Chen 等人[19]提出2D-CNN 模型的性能分別高出5.71%和4.62%,性能提升都比較顯著.這表明本文提出的二維網(wǎng)狀PSD 特征相較于一維鏈式特征包含了更多的時空上下文信息,而且本文提出的兩種混合深度神經(jīng)網(wǎng)絡(luò)相較淺層機器學(xué)習(xí)算法和單一神經(jīng)網(wǎng)絡(luò)模型在深層時空特征聯(lián)合學(xué)習(xí)上具有明顯的優(yōu)越性.

本文提出的以二維網(wǎng)狀PSD 特征為輸入Casc_CNN_CNN 模型的測試集平均分類準確率達到了92.37%,32名被試者詳細的預(yù)測精度如圖4 所示.

Fig.4 Statistics chart of Casc_CNN_CNN model test set classification accuracy results圖4 Casc_CNN_CNN 模型測試集分類精度結(jié)果統(tǒng)計圖

第18 名被試者的分類準確率達到了97.19%,為所有被試者中最高.圖5 為其訓(xùn)練過程曲線,下方曲線表示訓(xùn)練平均誤差loss,上方曲線表示訓(xùn)練準確率acc.

Fig.5 Casc_CNN_CNN model sub18 training process diagram圖5 Casc_CNN_CNN 模型sub18 訓(xùn)練過程示意圖

通過觀察圖5 可以得知:訓(xùn)練過程中,隨著迭代次數(shù)iteration 的增加,平均誤差loss 雖然出現(xiàn)過3 次驟然上升后又急速下降的情況,但整體依然呈現(xiàn)下降并不斷向零趨近的態(tài)勢;訓(xùn)練準確率acc 整體上向1 趨近,最終在0.99 附近達到收斂.Iteration 從0 增至3500 期間,loss 初始值從0.7 附近開始,隨著iteration 的變大而以螺旋梯度下降的方式不斷向0 逼近.而acc 以將近每iteration 增加1.86×10-4的速度,以螺旋梯度上升的方式,從0.3 升至0.95.在這一過程中,acc 的增速在iteration 等于1800~2500 左右出現(xiàn)過3 次幅度較大的減小.隨著acc 曲線斜率的降低,loss 值雖然不斷減小,但其下降趨勢也逐步放緩.本文作者分析認為,該現(xiàn)象的出現(xiàn)有兩個原因:一是由于超參數(shù)batch_size 設(shè)置偏小,在模型較為復(fù)雜的情況下,每輪迭代需要更新的參數(shù)較多,如果輸入數(shù)據(jù)不足,則會導(dǎo)致loss 函數(shù)震蕩而不收斂的情況;二是由于超參數(shù)learning rate 設(shè)置的偏大,雖然在訓(xùn)練開始時模型的性能得到了快速的提升,但隨著iteration 的增加,模型難以快速找到最優(yōu)解,從而導(dǎo)致了loss 震蕩而不收斂情況的出現(xiàn).而當(dāng)?shù)?600、4200、5500 輪左右時,模型都出現(xiàn)了loss 突然增大和acc 突然減小的情況,但作者認為,這是由于學(xué)習(xí)過程中的梯度并不是目標函數(shù)最優(yōu)方向所導(dǎo)致的正常現(xiàn)象.而隨著iteration 的繼續(xù)增加,兩條曲線都趨于平穩(wěn),斜率也逐漸收斂至0.最終,作者以acc 在4000 輪內(nèi)無增長作為模型終止訓(xùn)練的條件.訓(xùn)練終止后,將測試集數(shù)據(jù)放進該模型中進行分類預(yù)測,記錄預(yù)測結(jié)果并繪制成如圖4 所示柱狀圖.

本文提出的以二維網(wǎng)狀PSD 特征為輸入的Casc_CNN_LSTM 模型的測試集平均分類準確率達到了93.15%,32 名被試者詳細的預(yù)測精度如圖6 所示.

Fig.6 Statistics chart of Casc_CNN_LSTM model test set classification accuracy results圖6 Casc_CNN_LSTM 模型測試集分類精度結(jié)果統(tǒng)計圖

觀察圖4 和圖6 不難發(fā)現(xiàn):在Casc_CNN_CNN 和Casc_CNN_LSTM 兩種模型上,效價情感分類精度的前三名是相同的第18、第22、第27 這3 名被試.可見:兩種混合模型性能總體上具有一致性和穩(wěn)定性,也表明該3個被試的二維網(wǎng)狀PSD 特征中被挖掘到的情感相關(guān)的空間、時間判別性信息較少.第27 名被試者的分類準確率達到了97.28%,為所有被試者中最高.圖7 為其訓(xùn)練過程曲線,下方曲線表示訓(xùn)練平均誤差loss,上方曲線表示訓(xùn)練準確率acc.

Fig.7 Casc_CNN_LSTM model sub27 training process diagram圖7 Casc_CNN_LSTM 模型sub27 訓(xùn)練過程示意圖

通過觀察上圖可以得知:訓(xùn)練過程中,平均誤差loss 在逐步降低并收斂的同時,訓(xùn)練準確率acc 也逐步收斂于1.迭代次數(shù)iteration 從0 至3500 期間,loss 呈現(xiàn)螺旋梯度下降的態(tài)勢,該時期內(nèi)的acc 以螺旋梯度上升的態(tài)勢從0.32 提升至0.94 附近.而當(dāng)iteration 從3500 增至7000 期間,loss 和acc 均在一定幅度內(nèi)發(fā)生震蕩.但在迭代7000 次之后,acc 和loss 雖依然有所波動,但相較之前震幅明顯變小.最終,loss 曲線逐漸收斂于0,acc曲線逐漸收斂于1.iteration 從0 增至3500 期間,acc 增幅為0.62,增速約為每iteration 增長1.774×10-4;而iteration 從 3500 增至7000 的震蕩期,acc 增幅為僅為0.05,增速約為每iteration 增長1.429×10-5,衰減達到了91.945%.這也是由于超參數(shù)learningrate 設(shè)置偏大,模型的梯度難以按照預(yù)想的方式下降,而最終表現(xiàn)為loss 曲線的震蕩.訓(xùn)練終止后,將測試集數(shù)據(jù)放進該模型中進行分類預(yù)測,預(yù)測結(jié)果如圖6 所示.

為了進一步探究二維網(wǎng)狀EEG 時空特征表示方法的普適性以及CASC_CNN_CNN 和CASC_CNN_LSTM模型的通用性,作者以變換特征類別、變換EEG 維度為實驗方法,以模型進行二分類計算的準確率為衡量標準,對本文所提出的特征表示方法以及模型的性能進行研究.為了保證對比實驗的客觀性和有效性,除PSD 特征之外,作者還選擇了應(yīng)用范圍廣泛算法原理清晰的NORM 特征(提取方法如第2.2 節(jié)中所述,數(shù)據(jù)格式見表1)在效價和喚醒度兩個維度上進行二分類計算.每個特征在每個維度上分別使用 2D-CNN-V2,BILSTM(64),CASC-CNN-CNN,CASC-CNN-LSTM 這4 種模型進行情感分類計算.效價維度上的計算結(jié)果見表3.

Table 3 Comparison of the accuracy of NORM features between two types of emotion classification in the valence dimension表3 效價維度上NORM 和PSD 特征兩類情感分類準確率的比較

在效價維度上,以2D-NORM 特征作為輸入的CASC-CNN-CNN,CASC-CNN-LSTM 模型的分類精度為62.39%,55.21%,比以鏈式 NORM 特征作為輸入的 2D-CNN-V2,BILSTM(64)模型的 55.2%,50.7%分別高出7.19%和4.51%.效價維度上的NORM 特征經(jīng)過維度轉(zhuǎn)換后,分類精度平均提高了5.85%.而當(dāng)兩個級聯(lián)模型以2D-PSD 特征作為輸入時,分類準確率分別達到了92.37%和93.15%,比以鏈式PSD 特征作為輸入的2D-CNN- V2,BILSTM(64)模型的90.16%,89.81%分別高出2.21%和3.34%.效價維度上的PSD 特征經(jīng)過維度轉(zhuǎn)換后,分類精度平均提高了2.775%.效價維度上的NORM 特征在兩類情感計算任務(wù)中4 種模型的平均分類精度僅有55.875%,而PSD 特征4 種模型的平均分類精度則達到了91.37%.

就平均分類精度而言,PSD 特征相較NORM 特征高出了35.495%.但就特征結(jié)構(gòu)的改變對特征可分性的影響而言,NORM 特征則比PSD 特征高出3.075%.該組實驗可以證明:級聯(lián)模型比單一模型的分類能力更強,二維網(wǎng)狀特征比一維鏈式特征的可分性更高.并且就特征的維度轉(zhuǎn)換對于特征數(shù)據(jù)可分性的提升而言,NORM 特征相較于PSD 特征的提升幅度更大.

2.4.2 喚醒度維度上的實驗結(jié)果與分析

為了更加全面地探究二維網(wǎng)狀EEG 時空特征表示方法的普適性,同時為了增強實驗間的可對比性,結(jié)合DEAP 數(shù)據(jù)集的特點,作者選擇在喚醒度維度(arousal)上同樣對NORM 和PSD 特征進行4 種模型的腦電分類計算.特征提取、特征結(jié)構(gòu)轉(zhuǎn)換方法及分類所用模型和模型結(jié)構(gòu)同上文所述完全相同,具體實驗結(jié)果見表4.

Table 4 Comparison of the accuracy of NORM &PSD features between two types of emotion classification in the arousal dimension表4 喚醒度維度上NORM 和PSD 特征兩類情感分類準確率的比較

在喚醒度維度上,以2D-NORM 特征作為輸入的CASC-CNN-CNN,CASC-CNN-LSTM 模型的分類精度為57.64%,56.63%,比以鏈式NORM 特征作為輸入的2D-CNN-V2,BILSTM(64)模型的53.95%,49.57%分別高出3.69%和7.06%.喚醒度維度上的NORM 特征經(jīng)過維度轉(zhuǎn)換后,分類精度平均提高了5.375%.而當(dāng)兩個級聯(lián)模型以2D-PSD 特征作為輸入時,分類準確率分別達到了91.02%和92.84%,比以鏈式PSD 特征作為輸入的2D-CNN- V2,BILSTM(64)模型的88.51%,88.89%分別高出2.51%和3.95%.喚醒度維度上的PSD 特征經(jīng)過維度轉(zhuǎn)換后,分類精度平均提高了3.23%.就特征結(jié)構(gòu)的改變對特征可分性的影響而言,喚醒度維度下,NORM 特征依然比PSD特征高出2.145%.

結(jié)合表3、表4 可以發(fā)現(xiàn):效價維度上NORM 特征經(jīng)過結(jié)構(gòu)轉(zhuǎn)換后,其分類精度提升了5.85%;而在喚醒度維度上,NORM 特征經(jīng)過轉(zhuǎn)換后提升的精度值為5.375%.二者僅相差0.475%.而效價和喚醒度維度上的PSD 特征經(jīng)過轉(zhuǎn)換后提升的分類精度分別為2.775%和3.23%,兩者的差值也僅為0.455%.

以上實驗說明:在效價和喚醒度維度上,NORM 特征和PSD 特征數(shù)據(jù)由一維鏈式結(jié)構(gòu)轉(zhuǎn)變?yōu)槎S網(wǎng)狀結(jié)構(gòu)后,特征的可分性都會得到提升;并且特征結(jié)構(gòu)的轉(zhuǎn)換對于只包含時域信息的NORM 特征的影響大于包含時頻信息的PSD 特征的影響;同時,對于NORM 特征和PSD 特征而言,當(dāng)其分別處于效價和喚醒度維度上時,一維到二維的特征結(jié)構(gòu)變化為其分類精度帶來的提高大致相同.

2.5 時間與空間信息對模型性能的影響

我們還比較了兩種級聯(lián)組合神經(jīng)網(wǎng)絡(luò)與其他幾種基準神經(jīng)網(wǎng)絡(luò)的性能,來研究分析空間與時間信息對EEG 情感識別的影響.通過比較Casc-CNN-CNN 與2D-CNN 發(fā)現(xiàn),Casc-CNN-CNN 的總體性能優(yōu)于2D-CNN.這表明提取二維網(wǎng)狀物理相鄰傳感器上的腦電信號比簡單的一維鏈式腦電信號能更有效地捕獲EEG 的空間相關(guān)性,這更有助于識別人類大腦的情感模式.從表2 可見:Casc-CNN-CNN 模型的性能又明顯優(yōu)于3D-CNN 與LSTM 模型的性能,比3D-CNN 模型在效價上的分類性能提高了4.63%,比LSTM 模型的性能提高了6.92%,表現(xiàn)出了顯著的持續(xù)提升趨勢.

而我們的Casc-CNN-LSTM 級聯(lián)組合模型在對每一個采樣點的二維網(wǎng)狀數(shù)據(jù)進行空間特征學(xué)習(xí)后,利用LSTM 提取進一步學(xué)習(xí)一個EEG 樣本內(nèi)連續(xù)采樣點之間的全局時間動態(tài),因此在效價上的分類性能進一步提高.然而,當(dāng)使用單純的LSTM 模型只考慮時間相關(guān)性時,其識別率下降到85.45%,與組合模型的93.15%相差7.7%,這說明時空特征的結(jié)合對腦電信號的準確分析是至關(guān)重要的.我們提出的級聯(lián)卷積遞歸組合模型的識別率達到93%以上,表明這種特征融合方法具有很強的時空表示能力,時空融合特征明顯增強了腦電信號情感識別的準確性.

3 總 結(jié)

本文首先提出一種新的基于網(wǎng)狀序列的EEG 時空特征表示方法,將每一個采樣點上原始的一維鏈式通道信息轉(zhuǎn)換成二維網(wǎng)狀空間信息,該網(wǎng)狀結(jié)構(gòu)與EEG 電極位置的腦區(qū)分布相對應(yīng),以此更好地表示EEG 信號物理上多個相鄰電極之間的空間相關(guān)性.再應(yīng)用滑動窗將二維網(wǎng)狀序列切分成一個個等長的時間片段,作為新的融合了EEG 時空相關(guān)性的數(shù)據(jù)表示.本文還提出兩種用于EEG 情感識別的端對端、可訓(xùn)練的混合深度神經(jīng)網(wǎng)絡(luò)模型:通過CNN 網(wǎng)絡(luò),從轉(zhuǎn)換的EEG 時空數(shù)據(jù)表示中捕獲物理上相鄰電極之間數(shù)據(jù)的空間相關(guān)性;通過LSTM網(wǎng)絡(luò),學(xué)習(xí)EEG 數(shù)據(jù)流在時序上的依賴關(guān)系.采用大規(guī)模數(shù)據(jù)集DEAP 中32 名被試在效價和喚醒度上兩類EEG數(shù)據(jù),來評估我們提出的EEG 時空特征表示方法及混合深度學(xué)習(xí)模型的性能.實驗結(jié)果表明:兩種級聯(lián)混合深度學(xué)習(xí)模型在效價上兩類情感的識別的平均準確率分別達到了93.15%和92.37%,均明顯優(yōu)于目前最先進的方法,表明本文提出的方法能夠利用混合神經(jīng)網(wǎng)絡(luò)有效地聯(lián)合學(xué)習(xí)腦電信號在空間與時間上的相關(guān)性,進一步提高EEG 情感識別的準確率和魯棒性,可以有效地應(yīng)用到基于EEG 的情感分類與識別相關(guān)應(yīng)用當(dāng)中.