摘 要：【目的】旨在設(shè)計和應(yīng)用一種基于腦電技術(shù)的情感分析系統(tǒng)，以實現(xiàn)對用戶情感狀態(tài)的準確識別，該系統(tǒng)將成為情感分析領(lǐng)域的一種精準可靠的工具?！痉椒ā吭撓到y(tǒng)依賴于高級信號處理技術(shù)和機器學習算法，通過監(jiān)測和解析腦電波與特定情感狀態(tài)之間的關(guān)聯(lián)，實現(xiàn)情感的實時監(jiān)測和分類。其中，數(shù)據(jù)采集模塊負責收集腦電信號，信號處理模塊負責信號的清洗和特征提取，情感識別模塊則負責分類算法判定用戶的情感狀態(tài)?！窘Y(jié)果】該系統(tǒng)可以準確地識別出用戶的情感狀態(tài)，并實現(xiàn)實時監(jiān)測和分類。各個功能模塊運行穩(wěn)定，整體性能達到了預(yù)期的效果?！窘Y(jié)論】基于腦電技術(shù)的情感分析系統(tǒng)在實驗中表現(xiàn)出了良好的效果和應(yīng)用前景，其精準的情感識別能力為醫(yī)療健康、用戶體驗優(yōu)化等領(lǐng)域提供了重要支持。未來，可進一步優(yōu)化系統(tǒng)的性能，拓展其在更加廣泛的領(lǐng)域中應(yīng)用，如心理健康輔助診斷等方面。

關(guān)鍵詞：腦電技術(shù)；情感分析；信號處理；機器學習

中圖分類號：TP391.4" " "文獻標志碼：A" " 文章編號：1003-5168（2024）20-0026-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.20.005

Design and Application of Emotion Analysis System Based on EEG Technology

Abstract：[Purposes] This study aims to design and apply an emotion analysis system based on Electroencephalography （EEG） technology to accurately identify user emotional states. The system provides a precise and reliable tool for the field of emotional analysis. [Methods] The system relies on advanced signal processing techniques and machine learning algorithms to monitor and analyze the correlation between EEG signals and specific emotional states， achieving real-time monitoring and classification of emotions. Key components include a data acquisition module responsible for collecting EEG signals， a signal processing module for cleaning and feature extraction， and an emotion recognition module using classification algorithms to determine user emotional states.[Findings] The system can accurately identify user emotional states and achieve real-time monitoring and classification. Each functional module operates stably， and the overall performance meets expectations.[Conclusions] The emotion analysis system based on EEG technology shows promising results and applications in experiments. Its precise emotion recognition capability provides significant support for medical health， user experience optimization， and beyond. Future research can further optimize the system's performance and expand its applications in broader fields， such as psychological health assistance diagnosis .

Keywords： EEG technology; sentiment analysis; signal processing; machine learning

0 引言

在當前人工智能和心理學交叉研究的領(lǐng)域，情感識別技術(shù)尤其是基于腦電波的情感分析系統(tǒng)成為研究的熱點。這種技術(shù)通過分析人的電活動，實時監(jiān)測和識別個體的情感狀態(tài)，在醫(yī)療健康、教育、市場營銷等多個領(lǐng)域有重要的應(yīng)用價值。隨著人工智能和機器學習的進步，基于腦電技術(shù)情感分析系統(tǒng)的精確度和效率不斷提高，使得腦電技術(shù)的應(yīng)用更廣泛。然而，實現(xiàn)這一技術(shù)的過程涉及復(fù)雜的系統(tǒng)設(shè)計和精細的功能實現(xiàn)，包括信號采集、處理算法的開發(fā)及用戶界面的設(shè)計。本研究將對腦電技術(shù)的情感分析系統(tǒng)的關(guān)鍵環(huán)節(jié)進行介紹，包括系統(tǒng)需求分析、系統(tǒng)架構(gòu)設(shè)計以及功能模塊的實現(xiàn)，旨在提供一個全面的技術(shù)概述，為未來的研究和應(yīng)用開拓方向。

1 情感分析系統(tǒng)的需求

在設(shè)計與研究基于腦電技術(shù)的情感分析系統(tǒng)時，對情感分析功能進行需求分析至關(guān)重要。情感分析是指通過對用戶的腦電波信號進行處理和分析，推斷用戶的情感狀態(tài)。這項功能的設(shè)計可以幫助人們更好地理解和識別他人的情感，提供情感分析報告，還能更深入地研究情感與腦電波之間的關(guān)系。首先，需要分析系統(tǒng)情感分析功能的基本要求。系統(tǒng)應(yīng)準確分析用戶的情感狀態(tài)，如喜、怒、哀、樂等，并將其與腦電波信號進行關(guān)聯(lián)［1］。為了實現(xiàn)這一目標，系統(tǒng)應(yīng)具備高度準確的算法和模型，能夠?qū)δX電波信號進行實時處理和分析。其次，系統(tǒng)應(yīng)具備多樣化的情感分類能力，能夠識別出多種不同情感狀態(tài)的用戶。這些情感狀態(tài)可能包括快樂、悲傷、憤怒、焦慮等，系統(tǒng)要能對不同用戶的情感狀態(tài)進行準確識別和分類。為了實現(xiàn)這一功能，系統(tǒng)應(yīng)具備較為精細的情感分類算法和模型，并能夠根據(jù)不同用戶的個體差異進行個性化的分析和識別［2］。再次，系統(tǒng)還應(yīng)具備對情感變化的敏感性和實時性。情感狀態(tài)是具有時效性的，因此需要系統(tǒng)能夠?qū)崟r地對用戶的情感進行監(jiān)測和分析，并及時反饋給用戶或相關(guān)人員。為了實現(xiàn)這一目標，系統(tǒng)應(yīng)能夠?qū)崟r采集、處理和分析用戶的腦電波信號，并能對用戶情感狀態(tài)的變化進行準確、快速識別。最后，系統(tǒng)還應(yīng)具備可視化和報告功能，能夠?qū)⑶楦蟹治鼋Y(jié)果以圖形或文本的形式展示給用戶或相關(guān)人員。這樣能夠幫助用戶更直觀地了解自己的情感狀態(tài)，并有助于進一步分析研究。此外，系統(tǒng)還可以提供個性化的建議和指導(dǎo)，幫助用戶更好地管理和調(diào)節(jié)自己的情感狀態(tài)［3］。

綜上所述，基于腦電技術(shù)的情感分析系統(tǒng)的設(shè)計與研究需要根據(jù)用戶的情感分析功能需求進行詳細分析，包括準確性、多樣性、實時性和可視化等方面的要求。這些功能的實現(xiàn)將為用戶提供全面且深入的情感分析體驗，對提升用戶的情感管理能力和研究情感與腦電波之間的關(guān)系具有重要意義。

2 情感分析系統(tǒng)設(shè)計

2.1 情感分析系統(tǒng)架構(gòu)設(shè)計

一個合理的系統(tǒng)架構(gòu)可以保證系統(tǒng)的性能和穩(wěn)定性，并能滿足用戶的需求。在基于腦電技術(shù)情感分析系統(tǒng)的設(shè)計中，系統(tǒng)架構(gòu)設(shè)計起到關(guān)鍵作用。該系統(tǒng)采用了前后端分離的架構(gòu)設(shè)計，具體如圖1所示。前端使用Vue2框架進行開發(fā)，主要負責用戶界面展示和用戶與系統(tǒng)的交互。利用VueRouter3進行路由管理，Vuex3進行狀態(tài)管理，ElementUI2作為UI組件庫，axios作為HTTP請求庫，實現(xiàn)前端頁面的動態(tài)展示和與后端的數(shù)據(jù)通信。后端使用Python語言進行編程，并選擇了Flask框架作為Web開發(fā)框架。Flask提供了一系列的工具和擴展，方便開發(fā)者進行Web應(yīng)用的快速開發(fā)和部署。為了持久化存儲用戶數(shù)據(jù)，系統(tǒng)使用了Flask-SQLAlchemy作為ORM（Object Relational Mapping）工具，對Mysql數(shù)據(jù)庫進行操作和管理。同時，為了提高系統(tǒng)的性能和并發(fā)能力，系統(tǒng)還使用了Flask-Redis作為緩存工具，將一些頻繁訪問的數(shù)據(jù)緩存在內(nèi)存中，減輕數(shù)據(jù)庫的壓力［4］。

在系統(tǒng)的整體架構(gòu)中，數(shù)據(jù)流動的方式主要有兩種：HTTP請求和WebSocket。當用戶在前端發(fā)起請求時，前端通過axios庫向后端發(fā)送HTTP請求，后端在接收到請求后進行處理，并將相應(yīng)的數(shù)據(jù)以HTTP響應(yīng)的形式返回給前端。此外，為了支持實時數(shù)據(jù)的傳輸和展示，系統(tǒng)還使用了WebSocket技術(shù)。前端采用WebSocket技術(shù)與后端進行長連接，實時接收并展示腦電信號數(shù)據(jù)。

為了提高系統(tǒng)的可擴展性和容錯性，系統(tǒng)采用了Docker部署方式。Docker是一種開源的容器化平臺，可以將應(yīng)用程序和其依賴項打包在一個獨立的容器中，提供了快速部署、可移植性和可擴展性。使用Docker可以簡化系統(tǒng)的部署過程，減少不同環(huán)境下的配置問題，提高系統(tǒng)的穩(wěn)定性和可靠性。

綜上所述，基于腦電技術(shù)情感分析系統(tǒng)的系統(tǒng)架構(gòu)設(shè)計采用了前后端分離的架構(gòu)方式，其中前端使用Vue2框架進行開發(fā)，后端使用Flask框架進行開發(fā)，并結(jié)合了Flask-SQLAl chemy和Flask-Redis來進行數(shù)據(jù)存儲和緩存。系統(tǒng)通過HTTP請求和WebSocket技術(shù)實現(xiàn)前后端的數(shù)據(jù)通信，并使用Docker進行部署，以提高系統(tǒng)的可擴展性和容錯性。這一合理的系統(tǒng)架構(gòu)設(shè)計可以為基于腦電技術(shù)情感分析系統(tǒng)的開發(fā)和運行提供良好的基礎(chǔ)［5］。

2.2 情感分析流程設(shè)計

情感分析時序流程設(shè)計的目的是以視覺化的方式細致展現(xiàn)情感分析的過程及各環(huán)節(jié)的時序關(guān)系。情感分析流程設(shè)計如圖2所示。首先，確定起點，即腦電數(shù)據(jù)的采集，通常由用戶通過穿戴設(shè)備完成；其次，進入數(shù)據(jù)預(yù)處理階段，包括去噪、濾波和放大信號等步驟，每個步驟的順序和時間長度應(yīng)清晰表示；再次，特征提取環(huán)節(jié)接收預(yù)處理后的數(shù)據(jù)，進行波形分析，提取頻域和時域特征；然后，特征數(shù)據(jù)送入機器學習模型進行情感識別，該模型基于訓(xùn)練數(shù)據(jù)進行情感狀態(tài)的分類；最后，情感狀態(tài)結(jié)果輸出到用戶界面，完成整個流程。在進行設(shè)計時應(yīng)注意流程圖的清晰度與簡潔性，確保每個步驟的邏輯關(guān)系、依賴性和并行處理能力能夠準確、無歧義地呈現(xiàn)，同時注重于系統(tǒng)中潛在的性能瓶頸和優(yōu)化空間。

綜上所述，圖2能夠清楚地指導(dǎo)技術(shù)人員理解和實施整個分析流程。整個過程的時序圖清晰地展示了從數(shù)據(jù)采集到情感輸出的連續(xù)步驟，是理解系統(tǒng)操作和功能實現(xiàn)的關(guān)鍵工具。

3 情感分析系統(tǒng)實現(xiàn)

3.1 情感分析功能模塊前端實現(xiàn)

在情感分析功能模塊的前端實現(xiàn)中，采用現(xiàn)代Web技術(shù)棧來構(gòu)建用戶交互界面。Vue2框架作為核心，配合VueRouter3和Vuex3，提供了靈活的路由管理和狀態(tài)管理機制，而axios庫則處理異步HTTP請求，與后端服務(wù)進行交互。ElementUI2作為UI組件庫，不僅豐富了界面元素，也加快了開發(fā)速度，提高了用戶體驗。

項目初始化后，通過Vue實例的創(chuàng)建，路由和狀態(tài)管理被配置和激活，確保應(yīng)用的單頁面功能和響應(yīng)性。ElementUI2組件庫為開發(fā)者提供預(yù)設(shè)的樣式和行為，簡化了復(fù)雜組件的實現(xiàn)過程。

在用戶上傳腦電數(shù)據(jù)的功能實現(xiàn)中，使用了ElementUI的el-upload組件。這個組件允許用戶通過簡潔的操作上傳文件，并通過設(shè)置：action屬性指定后端處理上傳的URL。通過：headers屬性，可以發(fā)送額外的HTTP頭信息，如認證令牌。上傳流程由before-upload鉤子函數(shù)管理，其驗證文件類型，確保用戶上傳的是正確格式的csv文件。一旦上傳成功，on-success回調(diào)函數(shù)被觸發(fā)，處理后端的響應(yīng)數(shù)據(jù)，on-error則處理任何上傳錯誤。通過el-upload組件，可以設(shè)置上傳文件的url、headers等參數(shù)，并通過before-upload鉤子函數(shù)進行文件類型的判斷，保證只能上傳csv格式的文件。在上傳成功和失敗的回調(diào)函數(shù)中，可以根據(jù)后端返回的數(shù)據(jù)進行相應(yīng)的處理，如更新狀態(tài)、展示提示信息等。

通過以上方式，成功實現(xiàn)了情感分析功能模塊的前端部分。用戶可方便地上傳腦電數(shù)據(jù)文件，進行情感分析，并獲得相應(yīng)的結(jié)果和反饋。同時，界面友好且響應(yīng)式的設(shè)計，使用戶能夠在不同設(shè)備上都獲得流暢的使用體驗。

3.2 情感分析功能模塊后端實現(xiàn)

情感分析功能模塊的后端實現(xiàn)是整個腦電技術(shù)情感分析系統(tǒng)的核心，負責處理和分析由前端收集的腦電數(shù)據(jù)，并確定用戶的情感狀態(tài)。以Python語言和Flask框架為基礎(chǔ)，后端結(jié)合Flask-SQLAlchemy和Flask-Redis，構(gòu)建了一個強大且高效的服務(wù)端應(yīng)用。

該系統(tǒng)后端設(shè)置了一個接口用于接收前端上傳的腦電數(shù)據(jù)。利用Flask的請求處理能力，以JSON格式接收數(shù)據(jù)，并執(zhí)行必要的預(yù)處理步驟，如數(shù)據(jù)清洗和過濾，以確保數(shù)據(jù)質(zhì)量。

一旦數(shù)據(jù)被清洗和驗證，后端加載預(yù)訓(xùn)練的情感分析模型，通常是一個機器學習或深度學習模型，這個模型已經(jīng)被訓(xùn)練用來識別和分類不同的情感狀態(tài)。通過對新收集的數(shù)據(jù)進行分析，模型將預(yù)測出對應(yīng)的情感標簽。情感分析完成后，結(jié)果可以存儲在數(shù)據(jù)庫中，便于后續(xù)的查詢和統(tǒng)計分析。Flask-SQLAlchemy提供了一個方便的ORM框架來處理與數(shù)據(jù)庫的所有交互。此外，利用Flask-Redis，分析結(jié)果也可以被緩存，這樣可以提高系統(tǒng)響應(yīng)速度，尤其是在處理頻繁查詢時。

在后端的每個步驟中，都考慮到了系統(tǒng)性能和擴展性。這不僅保證了數(shù)據(jù)的快速處理，還保證了系統(tǒng)能夠輕松應(yīng)對可能的高并發(fā)請求。此外，通過Flask提供的開發(fā)友好特性，可以保持代碼的可讀性和可維護性，從而簡化了未來可能的升級和擴展工作。

情感分析的后端實現(xiàn)可分為以下四步：①數(shù)據(jù)接收與預(yù)處理。后端需要接收前端傳遞過來的腦電數(shù)據(jù)。在Flask框架中，定義一個接口用于接收數(shù)據(jù)，并使用JSON格式進行數(shù)據(jù)傳輸。接收到數(shù)據(jù)后，進行預(yù)處理，包括數(shù)據(jù)清洗、過濾無效數(shù)據(jù)等操作。②情感分析模型加載。在情感分析功能模塊中，需要加載訓(xùn)練好的情感分析模型。通過加載模型，可以對接收到的腦電數(shù)據(jù)進行情感分類。③情感分析。在接收到預(yù)處理后的數(shù)據(jù)后，將其輸入到情感分析模型中進行情感分類。情感分析模型將根據(jù)輸入的特征，對每一條腦電數(shù)據(jù)進行情緒分類，并返回情感標簽。④ 數(shù)據(jù)存儲與緩存。在情感分類后，可以選擇將其存儲到數(shù)據(jù)庫中，以便后續(xù)分析。同時，為了提高系統(tǒng)響應(yīng)速度，可以將情感分類結(jié)果存儲到緩存中。通過以上步驟，完成了情感分析功能模塊的后端實現(xiàn)。后端通過接收并處理前端傳遞的腦電數(shù)據(jù)，使用加載的情感分析模型對數(shù)據(jù)進行情感分類。最后，將分類結(jié)果存儲到數(shù)據(jù)庫和緩存中，以便進一步使用和展示。

通過以上方式，成功實現(xiàn)了情感分析功能模塊的后端部分。通過該模塊，可以對腦電數(shù)據(jù)進行情感分析，并將結(jié)果返回給前端展示，為用戶提供更加智能化的情感分析服務(wù)。

4 情感分析系統(tǒng)應(yīng)用

情感分析系統(tǒng)的開發(fā)助力了基于腦電信號反映人情感的應(yīng)用，利用此系統(tǒng)進一步進行開發(fā)，研究基于腦電情感檢測技術(shù)的人群心理服務(wù)應(yīng)用，具體如圖3所示。本研究中的項目依托廣東省大學生攀登計劃“壹心愈見”項目，聚焦與人的心理健康問題，瞄準市場痛點，利用腦電科技進行快速與科學化的腦波分析，通過分析結(jié)果識別人群心理情況，相較傳統(tǒng)心理咨詢更為現(xiàn)代化與便捷化。然后根據(jù)情感分析結(jié)果得知人們的心理癥狀所在，開展精準化與個性化心理健康治療服務(wù)，保障生活。

5 結(jié)語

腦電技術(shù)情感分析系統(tǒng)旨在通過分析腦電波活動來解讀和分類人類的情感狀態(tài)。該系統(tǒng)的開發(fā)集中于三個核心部分：情感功能系統(tǒng)分析、系統(tǒng)架構(gòu)設(shè)計、情感分析功能模塊的實現(xiàn)。每個部分都是確保系統(tǒng)整體性能和精確度的關(guān)鍵。該系統(tǒng)將復(fù)雜的神經(jīng)科學研究轉(zhuǎn)化為可應(yīng)用的技術(shù)，為用戶提供了一個直觀、易用、科學的情感分析工具。這種集成化的解決方案對于心理健康、消費者行為分析、人機交互設(shè)計等領(lǐng)域具有重大的潛在應(yīng)用價值。未來，隨著技術(shù)的不斷進步和優(yōu)化，基于腦電技術(shù)情感分析系統(tǒng)將有望更廣泛地服務(wù)于社會各個層面，開拓情感智能化分析的新時代。

參考文獻：

［1］王鳳，焦凱強，郭茂田.基于晚期正電位的腦電情緒識別［J］.科學技術(shù)與工程， 2016，16（35）：147-151.

［2］高佳，王蔚.基于稀疏貝葉斯網(wǎng)絡(luò)的情緒腦電的有效性腦網(wǎng)絡(luò)研究［J］.生物醫(yī)學工程學雜志， 2015，32（5）：945-951.

［3］李錦瑤，杜肖兵，朱志亮，等.腦電情緒識別的深度學習研究綜述［J］.軟件學報， 2023，34（1）：255-276.

［4］何群，李冉冉，付子豪，等.基于改進MEDA算法的腦電情緒識別［J］.儀器儀表學報， 2021，42（12）：157-166.

［5］陳波，鄧麗，蔡船，等.基于情緒腦電的交互原型方案評價研究［J］.包裝工程， 2017，38（10）：110-114.