本發(fā)明涉及情緒檢測(cè)技術(shù)，具體講,涉及基于p300字符拼寫任務(wù)的情緒識(shí)別方法。

背景技術(shù)：

情緒是人對(duì)客觀事物或情景(對(duì)外界或自身刺激)是否滿足自身愿望或需要而產(chǎn)生的態(tài)度體驗(yàn)，是人多種感覺、思想和行為反應(yīng)綜合產(chǎn)生的心理和生理狀態(tài)。情緒作為人腦的高級(jí)功能，屬于人類智能的重要部分，不同程度上影響人的學(xué)習(xí)、記憶與決策。對(duì)于情緒的檢測(cè)識(shí)別及調(diào)控一直是科學(xué)研究的熱點(diǎn)。

情緒識(shí)別是情感計(jì)算的重要組成部分，是計(jì)算科學(xué)與心理科學(xué)、認(rèn)知科學(xué)的結(jié)合，為探究人機(jī)交互的情感特點(diǎn)，提高人與計(jì)算機(jī)的和諧性的重要保證。鑒于情緒具有三種成分：主觀體驗(yàn)(及個(gè)體對(duì)不同情感狀態(tài)的自我感受)、外部表現(xiàn)(在情感狀態(tài)發(fā)生時(shí)身體各部分的動(dòng)作量化形式，即表情)和生理喚醒(情感產(chǎn)生的生理反應(yīng))。對(duì)于情緒的識(shí)別也相應(yīng)的有基于主觀體驗(yàn)的主觀報(bào)告法，包括情緒評(píng)定量表、自我測(cè)試問卷等，主觀報(bào)告法操作簡(jiǎn)單，但由于個(gè)體對(duì)量表的表述理解有偏差導(dǎo)致精度及可靠性不高；基于外部表現(xiàn)的外部行為測(cè)量法，即通過(guò)對(duì)面部表情、姿態(tài)表情及語(yǔ)調(diào)表情等外部行為信息與情緒間關(guān)系的分析，來(lái)識(shí)別不同情緒狀態(tài)，外部行為信號(hào)易受個(gè)人主觀意志控制，可以人為地進(jìn)行掩飾或偽裝，易出現(xiàn)錯(cuò)誤識(shí)別；基于生理喚醒的生理信號(hào)測(cè)量法，主要有皮質(zhì)醇水平、心率、血壓、呼吸、皮膚電活動(dòng)、掌汗、瞳孔直徑、事件相關(guān)電位和腦電等，生理信號(hào)由人的神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)支配，具有自發(fā)性，不可偽裝，很少受人的主觀意志控制，更能客觀、真實(shí)地反映人的情緒狀態(tài)。這些情緒識(shí)別的方法各有特點(diǎn)且可以自由組合。

腦-機(jī)接口(braincomputerinterface,bci)是一個(gè)在大腦和外圍設(shè)備之間傳遞信息，且不依賴于外圍神經(jīng)和肌肉組成的大腦正常輸出通路的通訊系統(tǒng)。隨著電子信息技術(shù)的快速發(fā)展，腦-機(jī)接口技術(shù)的應(yīng)用得到了極大拓展，不僅在神經(jīng)康復(fù)領(lǐng)域，在休閑娛樂、疾病診斷和檢測(cè)、人工智能和機(jī)器學(xué)習(xí)等領(lǐng)域也有較好的應(yīng)用前景。腦機(jī)交互，這種將人類的雙手徹底解放出來(lái)的新型通訊方式很可能帶來(lái)勞動(dòng)方式和勞動(dòng)關(guān)系的變革。但腦控過(guò)程中情緒的波動(dòng)會(huì)對(duì)腦機(jī)接口性能的穩(wěn)定性及可靠性產(chǎn)生影響，因此迫切需要在腦控過(guò)程中監(jiān)控識(shí)別情緒狀態(tài)，并對(duì)使用者進(jìn)行實(shí)時(shí)反饋。由于腦機(jī)接口使用過(guò)程中腦電的采集和處理時(shí)必須的，同時(shí)腦電信號(hào)具有時(shí)間分辨率高，實(shí)時(shí)性好的特點(diǎn)，因此可以利用腦電信號(hào)進(jìn)行腦機(jī)接口任務(wù)過(guò)程中的情緒識(shí)別。

基于p300字符拼寫的腦機(jī)接口是腦機(jī)接口的典型應(yīng)用和重要示例。p300是一種典型的利用事件相關(guān)電位(event-relatedpotentials，erp)內(nèi)源性成分，其幅值與刺激出現(xiàn)的可預(yù)測(cè)性相關(guān)，一般出現(xiàn)在事件發(fā)生后300ms左右而得名。erp是一種特殊的腦誘發(fā)電位，它通過(guò)賦予刺激以特殊的心理意義，利用多種或多個(gè)刺激所引發(fā)，反映了大腦認(rèn)知過(guò)程中的神經(jīng)電生理變化。20世紀(jì)60年代，針對(duì)情緒erp的研究開始興起，大量研究表明，與中性圖片相比，喚醒度高的情緒圖片能誘發(fā)更大的p300波幅；積極情緒刺激相對(duì)于中性和消極情緒刺激，會(huì)引發(fā)更大的p3b幅度。也有研究表明，消極情緒刺激在枕區(qū)誘發(fā)的p1(117ms)幅值比積極情緒刺激大，因此利用erp信號(hào)進(jìn)行情緒識(shí)別具有可行性。在p300字符拼寫任務(wù)執(zhí)行過(guò)程中，會(huì)產(chǎn)生的erp信號(hào)，用erp信號(hào)進(jìn)行情緒識(shí)別方便快捷，實(shí)時(shí)性好。

技術(shù)實(shí)現(xiàn)要素：

為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在提出一種檢測(cè)情緒狀態(tài)的新方法，進(jìn)行自動(dòng)情緒狀態(tài)檢測(cè)，可有效地進(jìn)行基于p300的腦機(jī)接口任務(wù)過(guò)程中的情緒識(shí)別，并獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。本發(fā)明采用的技術(shù)方案是，基于p300字符拼寫任務(wù)的情緒識(shí)別方法，首先通過(guò)觀看情緒圖片分別誘發(fā)出積極情緒、中性情緒和消極情緒三類情緒狀態(tài)，然后進(jìn)行基于p300的字符拼寫任務(wù)；同時(shí)采集eeg信號(hào)；經(jīng)過(guò)信號(hào)預(yù)處理后提取eeg信號(hào)中標(biāo)簽后700ms數(shù)據(jù)并降采樣到100hz作為特征，篩選出最佳可分時(shí)段并計(jì)算erp信號(hào)的n2，p3幅值，得到特征向量作為后續(xù)模式識(shí)別的輸入，從而進(jìn)行自動(dòng)情緒識(shí)別。

情緒誘發(fā)與字符拼寫任務(wù)

選取喚醒度匹配的誘發(fā)積極情緒、中性情緒、消極情緒的iaps圖片，當(dāng)iaps被應(yīng)用于不同文化、不同種族、不同國(guó)家時(shí)，其通用性仍然受到挑戰(zhàn)，因此實(shí)驗(yàn)前要進(jìn)行適用性的評(píng)估工作，即對(duì)三類情緒的圖片做喚醒度和愉悅度的評(píng)分，選取較高喚醒度的圖片作為情緒誘發(fā)素材；

以情緒圖片誘發(fā)出相應(yīng)情緒后，進(jìn)行基于p300的字符拼寫任務(wù)并對(duì)自己當(dāng)前的情緒狀態(tài)進(jìn)行主觀評(píng)定，字符拼寫界面為一個(gè)6*6的字符行列式，每拼寫一個(gè)字符需要10輪次的行列閃爍，每次閃爍相應(yīng)的行或列點(diǎn)亮100ms，變暗75ms，因此每拼寫一個(gè)字符需要(100+75)*12*10/1000＝21s；為了保證在字符拼寫任務(wù)期間，情緒狀態(tài)依然保持，采用每拼寫一次字符，誘發(fā)一次情緒的方式進(jìn)行實(shí)驗(yàn)，主觀評(píng)定是受試者對(duì)自己的愉悅度進(jìn)行評(píng)分，共分為1到9個(gè)等級(jí)，隨著等級(jí)增加，愉悅度升高，5為中性放松狀態(tài)。

特征提取

首先將采集到的腦電信號(hào)進(jìn)行預(yù)處理，包括去工頻干擾、去基線、帶通濾波，降采樣到100hz，以及ica去眼電。然后將預(yù)處理后的信號(hào)進(jìn)行特征提?。?/p>

特征提取的方法流程是，首先檢測(cè)受試者對(duì)自己愉悅度的自主評(píng)分，評(píng)分為1到3視為處于消極情緒狀態(tài)，評(píng)分為4到6視為處于中性情緒狀態(tài)，評(píng)分為7到9視為處于積極情緒狀態(tài)，將數(shù)據(jù)分為三類情緒狀態(tài)下的字符拼寫數(shù)據(jù)段，每段數(shù)據(jù)為21s，共包含120個(gè)行列標(biāo)簽和1個(gè)目標(biāo)字符標(biāo)簽；針對(duì)每段數(shù)據(jù)，需要提取每個(gè)行列標(biāo)簽后700ms數(shù)據(jù),以及這700ms數(shù)據(jù)的n2、p3幅值；

1)erp信號(hào)的幅值，將某種情緒狀態(tài)下的標(biāo)簽后700ms數(shù)據(jù)進(jìn)行疊加平均，得到平均erp信號(hào)，平均erp信號(hào)包括p1、n1、p2、n2、p3成分，關(guān)注n2、p3成分，首先將平均erp信號(hào)的潛伏期確定下來(lái)，再計(jì)算出每個(gè)刺激erp信號(hào)的n2、p3的幅值，共有60導(dǎo)聯(lián)*2＝120維特征，記為特征向量v1，v2，…，v120；

2)截取標(biāo)簽后700ms的數(shù)據(jù)作為字符識(shí)別的特征，采樣頻率為100hz，每個(gè)導(dǎo)聯(lián)有700*100/1000＝70個(gè)數(shù)據(jù)點(diǎn)，當(dāng)前的腦電采集設(shè)備導(dǎo)聯(lián)數(shù)目較多，再加入與情緒相關(guān)的前額部分的導(dǎo)聯(lián)fp1、fp2，共選取了8個(gè)導(dǎo)聯(lián)，采用fisher比率找到可將不同情緒類型區(qū)分開的最佳可分性時(shí)段，進(jìn)行可分時(shí)段的自適應(yīng)跟蹤法計(jì)算。

可分時(shí)段自適應(yīng)跟蹤法

每拼寫一個(gè)字符，會(huì)產(chǎn)生120個(gè)erp信號(hào)，因此每一個(gè)導(dǎo)聯(lián)都有一個(gè)離散erp矩陣ik(n,t)，n為erp信號(hào)的個(gè)數(shù)，t為時(shí)間，首先計(jì)算每個(gè)導(dǎo)聯(lián)的erp信號(hào)矩陣的fisher比率，接下來(lái)利用迭代選擇法，以100ms作為窗長(zhǎng)，25ms作為重疊時(shí)長(zhǎng)，計(jì)算各個(gè)時(shí)間段的平均可分比率；可分比率最大的時(shí)段包含的三類情緒差異特征最多，選取可分比率最大的前三個(gè)時(shí)段作為模式識(shí)別的特征，具體算法如下：

計(jì)算fisher比率fr(t)的方法如公式(1)所示，其中，fr(t)為某一導(dǎo)聯(lián)的三類情緒的可分系數(shù)，它是類間即三類情緒類型之間的差異sb(t)與類內(nèi)即同一情緒類型差異sw(t)的比值，ik(n,t)為第k類情緒的第n個(gè)樣本在t時(shí)刻的erp值，mk(t)為第k類情緒所有樣本在t時(shí)刻的平均erp值，m(t)為所有類的所有樣本在t時(shí)刻的平均erp值，c代表類別數(shù),本發(fā)明中c＝3，nk是第k類中的樣本數(shù)；

求得的fisher比率為各個(gè)導(dǎo)聯(lián)在各個(gè)時(shí)刻的值，由于各個(gè)導(dǎo)聯(lián)的最佳可分時(shí)段不同，需要針對(duì)導(dǎo)聯(lián)進(jìn)行時(shí)段篩選，采用迭代選擇法，以100ms作為窗長(zhǎng)，25ms作為重疊時(shí)長(zhǎng)，得到9個(gè)時(shí)段的平均fisher比率，即可分權(quán)重。

每個(gè)時(shí)段的可分權(quán)重f(i)計(jì)算方法如公式(2)所示，其中f(i)為第i個(gè)時(shí)段的平均fisher比率，ti為第i個(gè)時(shí)段內(nèi)包含的時(shí)刻值；

對(duì)每一導(dǎo)聯(lián)9個(gè)時(shí)段的可分權(quán)重進(jìn)行由高到低的排序，選擇前三個(gè)作為分類識(shí)別的特征，因此共有8導(dǎo)聯(lián)*300ms*100hz*/1000＝240維特征，記為特征向量v121，v122，…，v360。

模式識(shí)別

特征提取后，得到了360維特征向量(v1，v2，…，v360)，其中前120維v1，…，v120是erp信號(hào)的n2，p3幅值，后240維v121，…，v360是erp三個(gè)時(shí)段的數(shù)據(jù)，使用支持向量機(jī)svm(supportvectormachine)分類器對(duì)特征進(jìn)行識(shí)別，進(jìn)行情緒分類識(shí)別。

本發(fā)明的特點(diǎn)及有益效果是：

本發(fā)明解決了腦機(jī)接口使用過(guò)程中易受到情緒波動(dòng)影響的問題。以在腦機(jī)接口使用過(guò)程中產(chǎn)生的erp信號(hào)為特征輸入，更加簡(jiǎn)單快速的識(shí)別情緒并對(duì)用戶進(jìn)行提醒。與利用外周神經(jīng)生理信號(hào)進(jìn)行情緒識(shí)別相比，更加簡(jiǎn)單便攜，在基于p300的腦機(jī)接口中，因?yàn)樗捎玫奶卣髋c字符識(shí)別的特征相同，大大簡(jiǎn)化了運(yùn)算程序，實(shí)時(shí)性更強(qiáng)。為友好和諧的人機(jī)交互等提供了最核心的技術(shù)支持，給實(shí)際應(yīng)用帶來(lái)便捷，并且可應(yīng)用于多種工作場(chǎng)景。

附圖說(shuō)明：

圖1基于任務(wù)過(guò)程中erp信號(hào)的自動(dòng)情緒識(shí)別方法流程圖。

圖2基于任務(wù)過(guò)程中erp信號(hào)的自動(dòng)情緒識(shí)別的實(shí)驗(yàn)流程圖。

圖3基于任務(wù)過(guò)程中erp信號(hào)的自動(dòng)情緒識(shí)別的特征提取流程圖。

圖4可分時(shí)段自適應(yīng)跟蹤計(jì)算流程。

圖5迭代選擇可分時(shí)段示意圖。

具體實(shí)施方式

本發(fā)明提出了一種檢測(cè)情緒狀態(tài)的新方法。其技術(shù)流程是：記錄p300字符拼寫任務(wù)過(guò)程中的腦電信號(hào)(eeg)，疊加平均提取出erp信號(hào)，確定不同情緒狀態(tài)下erp信號(hào)n2、p3的潛伏期并計(jì)算其幅值，并采用可分時(shí)段的自適應(yīng)跟蹤法篩選出erp信號(hào)法的最佳可分時(shí)段，構(gòu)成特征矩陣，作為后續(xù)模式識(shí)別的輸入，從而進(jìn)行自動(dòng)情緒狀態(tài)檢測(cè)。

本發(fā)明的主旨是提出一種檢測(cè)情緒狀態(tài)的新方法。通過(guò)記錄p300字符拼寫任務(wù)過(guò)程中的腦電信號(hào)(eeg)，提取出erp信號(hào)，對(duì)不同情緒狀態(tài)下的erp信號(hào)的幅值計(jì)算，并利用可分時(shí)段自適應(yīng)追蹤的方法篩選出erp信號(hào)的最佳可分時(shí)段，得到特征向量，作為后續(xù)模式識(shí)別的輸入，從而進(jìn)行自動(dòng)情緒狀態(tài)檢測(cè)。該項(xiàng)發(fā)明可有效地進(jìn)行基于p300的腦機(jī)接口任務(wù)過(guò)程中的情緒識(shí)別，并獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。

基于任務(wù)過(guò)程中erp信號(hào)的自動(dòng)情緒識(shí)別方法流程圖如圖2所示。情緒識(shí)別的整個(gè)流程為：首先通過(guò)觀看情緒圖片分別誘發(fā)出積極情緒、中性情緒和消極情緒三類情緒狀態(tài)，然后進(jìn)行基于p300的字符拼寫任務(wù)，同時(shí)采集eeg信號(hào)，經(jīng)過(guò)信號(hào)預(yù)處理后提取eeg信號(hào)中標(biāo)簽后700ms數(shù)據(jù)并降采樣到100hz作為特征，篩選出最佳可分時(shí)段并計(jì)算erp信號(hào)的n2，p3幅值，得到特征向量作為后續(xù)模式識(shí)別的輸入，從而進(jìn)行自動(dòng)情緒識(shí)別。

1情緒誘發(fā)與字符拼寫任務(wù)

選取喚醒度匹配的誘發(fā)積極情緒、中性情緒、消極情緒的iaps圖片，當(dāng)iaps被應(yīng)用于不同文化、不同種族、不同國(guó)家時(shí)，其通用性仍然受到挑戰(zhàn)，因此實(shí)驗(yàn)前要進(jìn)行適用性的評(píng)估工作，即對(duì)三類情緒的圖片做喚醒度和愉悅度的評(píng)分。選取較高喚醒度的圖片作為情緒誘發(fā)素材。

以情緒圖片誘發(fā)出相應(yīng)情緒后，進(jìn)行基于p300的字符拼寫任務(wù)并對(duì)自己當(dāng)前的情緒狀態(tài)進(jìn)行主觀評(píng)定。字符拼寫界面為一個(gè)6*6的字符行列式，每拼寫一個(gè)字符需要10輪次的行列閃爍，每次閃爍相應(yīng)的行或列點(diǎn)亮100ms，變暗75ms，因此每拼寫一個(gè)字符需要(100+75)*12*10/1000＝21s。為了保證在字符拼寫任務(wù)期間，情緒狀態(tài)依然保持，采用每拼寫一次字符，誘發(fā)一次情緒的方式進(jìn)行實(shí)驗(yàn)。主觀評(píng)定是受試者對(duì)自己的愉悅度進(jìn)行評(píng)分，共分為1到9個(gè)等級(jí)，隨著等級(jí)增加，愉悅度升高，5為中性放松狀態(tài)。具體實(shí)驗(yàn)流程圖如圖3所示。

2信號(hào)采集

腦電信號(hào)(eeg)包含大量的生理信息，是對(duì)大腦電生理活動(dòng)的最直接的反映，經(jīng)過(guò)分析處理后，可對(duì)情緒進(jìn)行分類識(shí)別。相對(duì)于其他生理參數(shù)，情緒腦電反應(yīng)敏感快速，時(shí)間分辨率高、功能特異性強(qiáng)、情緒識(shí)別正確率相對(duì)較高，所以近年來(lái)通過(guò)腦電信號(hào)進(jìn)行情緒識(shí)別的研究備受關(guān)注。erp信號(hào)具有毫秒級(jí)的分辨率，是評(píng)估情感認(rèn)知等大腦高級(jí)功能的重要工具。在基于p300的字符拼寫任務(wù)中，也是以erp信號(hào)為特征進(jìn)行分類識(shí)別，從而確定用戶要拼寫的字符。本方法采用的情緒識(shí)別的特征與字符拼寫任務(wù)的特征相同，大大簡(jiǎn)化了計(jì)算過(guò)程，減少數(shù)據(jù)處理的時(shí)間，更有利于實(shí)現(xiàn)實(shí)時(shí)化。

3特征提取

首先將采集到的腦電信號(hào)進(jìn)行預(yù)處理，包括去工頻干擾、去基線、帶通濾波，降采樣到100hz，以及ica去眼電等。然后將預(yù)處理后的信號(hào)進(jìn)行特征提取。

特征提取的方法流程如圖4所示。由于是要對(duì)三類情緒狀態(tài)進(jìn)行識(shí)別，因此首先系統(tǒng)檢測(cè)受試者對(duì)自己愉悅度的自主評(píng)分，評(píng)分為1到3視為處于消極情緒狀態(tài)，評(píng)分為4到6視為處于中性情緒狀態(tài)，評(píng)分為7到9視為處于積極情緒狀態(tài)。將數(shù)據(jù)分為三類情緒狀態(tài)下的字符拼寫數(shù)據(jù)段，每段數(shù)據(jù)為21s，共包含120個(gè)行列標(biāo)簽和1個(gè)目標(biāo)字符標(biāo)簽；針對(duì)每段數(shù)據(jù)，需要提取每個(gè)行列標(biāo)簽后700ms數(shù)據(jù),以及這700ms數(shù)據(jù)的n2、p3幅值。

3)erp信號(hào)的幅值。將某種情緒狀態(tài)下的標(biāo)簽后700ms數(shù)據(jù)進(jìn)行疊加平均，得到平均erp信號(hào)。平均erp信號(hào)包括p1(刺激以后100ms左右的出現(xiàn)的正向波)、n1(刺激以后100ms左右的出現(xiàn)的負(fù)向波)、p2(刺激以后200ms左右出現(xiàn)的負(fù)向波)、n2(刺激以后200ms左右出現(xiàn)的正向波)、p3成分，其中p1、n1、p2為erps的外源性或生理性成分，受刺激物理特性影響；n2、p3為erps的內(nèi)源性或心理性成分，不受刺激物理特性的影響，與被試的精神狀態(tài)和注意力有關(guān)。因此我們關(guān)注n2、p3成分，首先將平均erp信號(hào)的潛伏期確定下來(lái)，再計(jì)算出每個(gè)刺激erp信號(hào)的n2、p3的幅值，共有60導(dǎo)聯(lián)*2＝120維特征，記為特征向量v1，v2，…，v120。erp成分命名特點(diǎn)：以潛伏期進(jìn)行命名，例如該成分為潛伏期為100ms正向波，命名為p100或p1，該成分為潛伏期為200ms的負(fù)波，則命名為n2。

4)截取標(biāo)簽后700ms的數(shù)據(jù)作為字符識(shí)別的特征，采樣頻率為100hz，每個(gè)導(dǎo)聯(lián)有700*100/1000＝70個(gè)數(shù)據(jù)點(diǎn)，當(dāng)前的腦電采集設(shè)備導(dǎo)聯(lián)數(shù)目較多，我們參考了之前研究中的導(dǎo)聯(lián)選擇fz、cz、pz、oz、po7、po8，又加入了與情緒相關(guān)的前額部分的導(dǎo)聯(lián)fp1、fp2，共選取了8個(gè)導(dǎo)聯(lián)。由于用戶的最佳可分性時(shí)段不同，為了在不影響情緒識(shí)別結(jié)果的基礎(chǔ)上提高運(yùn)算速度，采用了fisher比率找到可將不同情緒類型區(qū)分開的最佳可分性時(shí)段?？煞謺r(shí)段的自適應(yīng)跟蹤法計(jì)算過(guò)程如圖5所示。

可分時(shí)段自適應(yīng)跟蹤法

以一個(gè)字符的拼寫為例，每拼寫一個(gè)字符，會(huì)產(chǎn)生120個(gè)erp信號(hào)，因此每一個(gè)導(dǎo)聯(lián)都有一個(gè)離散erp矩陣ik(n,t)，n為erp信號(hào)的個(gè)數(shù)，t為時(shí)間。首先計(jì)算每個(gè)導(dǎo)聯(lián)的erp信號(hào)矩陣的fisher比率，接下來(lái)利用迭代選擇法，以100ms作為窗長(zhǎng)，25ms作為重疊時(shí)長(zhǎng)，計(jì)算各個(gè)時(shí)間段的平均可分比率?？煞直嚷首畲蟮臅r(shí)段包含的三類情緒差異特征最多，選取可分比率最大的前三個(gè)時(shí)段作為模式識(shí)別的特征。具體算法如下。

計(jì)算fisher比率fr(t)的方法如公式(1)所示。其中，fr(t)為某一導(dǎo)聯(lián)的三類情緒的可分系數(shù)，它是類間(不同模式之間，在本發(fā)明是指三類情緒類型之間)差異sb(t)與類內(nèi)(同一模式內(nèi)，在本發(fā)明是指同一情緒類型)差異sw(t)的比值。ik(n,t)為第k類情緒的第n個(gè)樣本在t時(shí)刻的erp值，mk(t)為第k類情緒所有樣本在t時(shí)刻的平均erp值，m(t)為所有類的所有樣本在t時(shí)刻的平均erp值，c代表類別數(shù),本發(fā)明中c＝3，nk是第k類中的樣本數(shù)。

求得的fisher比率為各個(gè)導(dǎo)聯(lián)在各個(gè)時(shí)刻的值，由于各個(gè)導(dǎo)聯(lián)的最佳可分時(shí)段不同，需要針對(duì)導(dǎo)聯(lián)進(jìn)行時(shí)段篩選。采用迭代選擇法，以100ms作為窗長(zhǎng)，25ms作為重疊時(shí)長(zhǎng)，可得到9個(gè)時(shí)段的平均fisher比率，即可分權(quán)重。

每個(gè)時(shí)段的可分權(quán)重f(i)計(jì)算方法如公式(2)所示。其中f(i)為第i個(gè)時(shí)段的平均fisher比率，ti為第i個(gè)時(shí)段內(nèi)包含的時(shí)刻值。

對(duì)每一導(dǎo)聯(lián)9個(gè)時(shí)段的可分權(quán)重進(jìn)行由高到低的排序，選擇前三個(gè)作為分類識(shí)別的特征。因此共有8導(dǎo)聯(lián)*300ms*100hz*/1000＝240維特征，記為特征向量v121，v122，…，v360。

4模式識(shí)別

特征提取后，得到了360維特征向量(v1，v2，…，v360)，其中前120維v1，…，v120是erp信號(hào)的n2，p3幅值，后240維v121，…，v360是erp三個(gè)時(shí)段的數(shù)據(jù)。由于樣本數(shù)據(jù)集偏小，使用支持向量機(jī)(supportvectormachine，svm)分類器對(duì)特征進(jìn)行識(shí)別，進(jìn)行情緒分類識(shí)別。

本發(fā)明的主旨是提出一種基于p300的字符拼寫任務(wù)的情緒識(shí)別方法，以任務(wù)過(guò)程中產(chǎn)生的erp信號(hào)作為特征輸入，從而準(zhǔn)確、客觀、簡(jiǎn)便的進(jìn)行情緒識(shí)別。該項(xiàng)發(fā)明可有效地提高腦機(jī)接口使用過(guò)程中情緒識(shí)別的準(zhǔn)確性和簡(jiǎn)便性，并獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。最佳實(shí)施方案擬采用專利轉(zhuǎn)讓、技術(shù)合作或產(chǎn)品開發(fā)。由于該技術(shù)操作簡(jiǎn)單，敏感性強(qiáng)，基于該技術(shù)開發(fā)的產(chǎn)品可應(yīng)用于人機(jī)交互、腦機(jī)接口等多種場(chǎng)景等。