基于频率限定掩模因果分解的脑电信息流向特征提取方法

技术领域

本发明涉及情感计算和信息技术交叉技术领域，具体涉及基于频率限定掩模因果分解的脑电信息流向特征提取方法。

背景技术

随着人工智能技术快速发展，情感计算受到极大关注。情感在人类识别、学习、感知以及某种程度上对人类智能本身皆至关重要。情感计算有助于在营销、教育等方面了解人类情感需求。此外，通过情感计算可以更好地了解某些疾病机制，如抑郁症。当前，科学家已对多类型数据开展了情绪实验与分析，如语音信号、血压、脑电图（

由于情绪为大脑活动产物，脑电图可概括情绪本质，不可伪装。文献已通过事件相关电位、短期傅立叶变换、小波系数等数学方法对不同类型情绪状态的信息进行了研究。尽管这些方法很有用，其忽略了来自不同大脑区域的功能和结构连通性信息。神经元为构成情绪生成网络的基本单元，神经信号的耦合与传递被认为是支撑生理活动的关键，包括情绪。因此，相关性、相干性等方法被用于量化脑通道间的关系，从而构建脑网络。

因果关系是

CD

(1)任何因果关系都可以用源和目标之间的瞬时相位相关性量化。

(2)源自源目标中的相动力学与目标本身可分离。基于上述假设，如果当时间序列变量

其中，

另一方面，在跨频带进行分析前，使用线性滤波器将

由此可见，传统线性因果分析技术无法体现频率限定的非线性因果特征的分析技术难点。

发明内容

有鉴于此，本发明提供了基于频率限定掩模因果分解的脑电信息流向特征提取方法，该方法在区分情绪任务时具有显著组间差异性，对比

为达到上述目的，本发明的技术方案，包括如下步骤：

步骤1）通过不同的两个脑电通道采集原始脑电信号，采样频率设置为

步骤2）对信号

步骤3）利用

步骤4）利用步骤3）所得的瞬时相位耦合分别计算从

步骤5）重复步骤1）至步骤4），获得所有脑电通道两两间的因果流强度；以脑电通道作为节点，两两之间的因果流强度作为边，构建脑网络，结合受测者当前的情绪状态，获得脑网络属性与情绪状态的关系。

进一步地，步骤1）中，对原始脑电信号进行预处理，具体包括如下预处理步骤：

步骤101.使用盲源信号分离法，除眼电以及肌电的运动伪影。

步骤102.进行降采样统一多通道采样频率，对降采样后的脑电信号使用带通滤波器，去除工频噪声与无关频率分量。

进一步地，对信号

具体采用如下步骤：

步骤201.定义当前剩余信号

步骤202.生成一个掩模频率序列

f

步骤203.根据步进策略设计一个掩模信号

m

其中

步骤204.计算

当

步骤205.如果

进一步地，步骤3）利用

步骤301：信号

步骤302：在获得本征模函数之后，计算信号

Φ

Φ

瞬时相位差为ΔΦ

Coh(A

同时计算信号

进一步地，以信号

步骤3011：设计掩模信号

步骤3012：用经验模态分解

步骤3013：将两组本征模函数集合按照阶数对应取均值，以消除正负掩模信号造成的影响，得到

c(t)

对信号

进一步地，步骤4）利用步骤3）所得的瞬时相位耦合分别计算从

步骤401.计算集合

步骤402.按阶数计算每对

W

从

（8）/>

（9）

从

C(A

C(B

从

CF(A

如果

有益效果：

本发明提出了基于频率限定掩模因果分解的脑电信息流向特征提取方法，本发明使用掩模经验模态分解（

附图说明

图1为本发明提供的基于频率限定掩模因果分解的脑电信息流向特征提取方法流程图；

图2为本发明实施例提供的因果稳健性检验示例图；

图3为本发明实施例中，

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提出了基于频率限定掩模因果分解的脑电信息流向特征提取方法，其技术流程图如图1所示，详细过程如下：

步骤1）通过不同的两个脑电通道采集原始脑电信号，采样频率设置为

本发明实施例中，针对受测者进行情绪诱发，采集受测者的脑电信号，采样频率为

1.使用盲源信号分离法，如独立成分分析（

2.进行降采样统一多通道采样频率（如128

步骤2）对信号

本发明实施例中，以信号

具体采用如下步骤：

步骤201.定义当前剩余信号

步骤202.生成一个掩模频率序列

f

步骤203.根据步进策略设计一个掩模信号

m

其中

步骤204.计算

当

步骤205.如果

步骤3）利用

具体采用如下步骤：

步骤301：信号

本发明实施例中，以信号

步骤3011：设计掩模信号

步骤3012：用经验模态分解

步骤3013：将两组本征模函数集合按照阶数对应取均值，以消除正负掩模信号造成的影响，得到

c(t)

对信号

EMD

步骤302：在获得本征模函数之后，计算信号

希尔伯特变换（

c

Φ

c

Φ

瞬时相位差为ΔΦ

Coh(A

若两个信号强相关，则相位差将近似恒定，导致相位耦合趋近于1；反之，相位相干性趋于0。最初一经给定

步骤4）利用步骤3）所得的瞬时相位耦合分别计算从

移除对应目标频带分量的影响可以通过因果强度测量来量化，如图1中

具体步骤如下：

步骤401.计算集合

步骤402.按阶数计算每对

Wj

从

（8）

（9）

从

C(A

C(B

从

CF(A

如果

步骤5）重复步骤1）至步骤4），获得所有脑电通道两两间的因果流强度；以脑电通道作为节点，两两之间的因果流强度作为边，构建脑网络，结合受测者当前的情绪状态，获得脑网络属性与情绪状态的关系。

本发明利用得到的因果流强度来构建表征情绪的脑网络。因为在中央分布的10个通道对情感分类的贡献度较大,故选择了分布在前额叶（

FLMCD

图2中；其中在不同频段（4-8

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。