(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111674867.1 (22)申请日 2021.12.31 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市钱塘新区白杨 街道2号大街1 158号 (72)发明人 朱莉　张建海　孔万增　戴玮辰　 李俊华　崔高超　 (51)Int.Cl. A61B 5/16(2006.01) A61B 5/369(2021.01) A61B 5/378(2021.01) A61B 5/38(2021.01) A61B 5/00(2006.01) G06F 3/01(2006.01) G06K 9/00(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于跨脑耦合关系计算的脑电情感识别方 法及脑机系统 (57)摘要 本发明专利的目的在于克服现有技术的不 足， 提供一种基于跨脑耦合关系计算的情感识别 在线脑机接口系统， 该系统支持多人同时使用， 提升在线识别的精度和稳定性， 实现对细粒度具 体情感的识别。 本发明基于跨脑耦合关系计算的 脑电情感识别方法， 具体步骤如下： 步骤一： 情感 刺激任务； 步骤二： 多人脑电同步采集； 步骤三、 数据预处理形成训练集； 步骤四、 打标签； 步骤 五、 脑电耦 合关系训练； 步骤六、 训练结果耦 合关 系特征计算验证。 本发明提供的跨脑融合关系计 算的情感识别方法通过脑电设备采集多名用户 的脑电数据， 并对跨脑耦合关系特征进行提取， 并在线计算细粒度具体情感的识别正确率， 可显 著提高情感识别正确率。 权利要求书2页 说明书6页 附图2页 CN 114469090 A 2022.05.13 CN 114469090 A 1.基于跨脑耦合关系计算的脑电情感识别方法， 其特 征在于， 包括以下步骤： 步骤一、 向m个训练人员提供多个情感诱发任务， m≥2； 该多个情感诱发任务包含所有 的n个细粒度情感类别， n≥4； 步骤二、 在各训练人员进行情感诱发任务的同时采集脑电信号， 获得训练人员在执行 每个情感诱发任务时的脑电信号； 并将所有脑电信号向主控电脑发出传递请求进程， 进行 同步传递， 一次脑电数据采集中， 每个训练人员均提取P个通道数据， m个训练者共计采集到 P*m个通道数据； 步骤三、 分别对步骤二采集到的各个训练人员的脑电数据进行预处理； 并对脑电信号 打上对应的情感类别标签， 形成训练集； 步骤四、 计算训练集中的各训练人员的脑电数据间的耦合关系矩阵， 得到各情感诱发 任务对应的训练用脑电耦合关系特 征； 步骤五、 用分类 器对带有标签的训练用脑电耦合关系特 征进行训练； 步骤六、 m个训练人员观看同一个情 感诱发刺激图片， 并执行步骤二、 步骤三和步骤四， 提取得到跨脑耦合关系特 征； 将跨脑脑电耦合关系特征导入步骤五训练好的分类器中进行分类判断， 获取m个训练 者感知到的情感类别。 2.根据权利要求1所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， 所 述的步骤一中， 每个情感诱发任务的任务提示时间0.5 s， 情感刺激播放时间为2s， 两个情感 诱发任务之间存在时间 间隔。 3.根据权利要求1所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， 所 述的步骤二中， 采用64电极的Neuroscan设备来获取脑电数据， 采样频率为1000Hz； 训练人 员脑电数据所使用的通道数P为14， 该14个通道分别为Neuroscan设备中的FP1、 FPZ、 FP2、 AF3、 AF4、 F 7、 F5、 F3、 F1、 FZ、 F2、 F4、 F6和F8。 4.根据权利要求1所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， 所 述的步骤三中的预处 理包括带通滤波、 共平均参 考和盲源分离； 带通滤波： 创建带通滤波器， 从选取的脑电数据中提取2 ‑50Hz频段的脑电成分； 共平均参考： 计算滤波后的14个通道脑电数据的平均值， 并将每个脑电通道的数据减 去该平均值； 盲源分离： 去除眼动和心电伪迹 。 5.根据权利要求1所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， 所 述的步骤四中， 脑电数据的耦合关系计算采用如下方法： 将m个训练者两两 之间， 形成m*(m ‑ 1)/2个训练人员对； 对每个训练人员对， 2P个通道数据进行不含自我配对的两两一组任意 配对， 得到P2个通道对； P2个通道对对 应的相位相干值 形成相位相干性耦合 特征矩阵， m*(m ‑ 1)/2个训练人员对形成m*(m ‑1)/2个耦合特 征矩阵。 6.根据权利要求1或5所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在 于， 所述的步骤四中， 脑电数据的耦合关系计算采用如下方法： 将m个被测者的脑电数据 组 织成1个张量， 该张量的维度为通道数(P) ×样本点(2 ×采样频率) ×训练人员(m)， 再进行 Tucker分解， 得到跨脑 脑电的耦合特 征。 7.根据权利要求1所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 114469090 A 2述的步骤五中所述的分类器采用包括四个卷积层、 四个池化层的深度卷积神经网络； 将脑 电耦合关系特 征输入到分类 器后， 进行分类， 输出 结果。 8.根据权利要求6所述的基于跨脑耦合关系计算的脑电情感识别方法， 其特征在于， Tucker分解的分解公式如下： 其中， 是原始的数据张量， 是核张量， 是模‑n因子矩阵， n ＝1,…N。 9.一种跨脑耦合关系计算的在线脑机接口系统适用于权利要求1所述的基于跨脑耦合 关系计算的脑电情感识别方法， 其特征在于， 包括： 主控中央处理单元P C1、 情感刺激呈现中 央处理单元PC2、 脑电采集中央处 理单元PC3、 中央处 理单元PC4； 中央处理单元PC1中包括： 多人脑电数据同步接收模块、 预处理模块、 耦合关系特征计 算模块、 分类识别模块和可视化模块； 多人脑电数据同步接收模块同步接受了多训练人员带有情感标签的脑电数据， 再传输 到给预处理模块进行 预处理； 特征计算模块对打上 标签的脑电数据进行耦合关系特 征的计算； 分类识别模块对耦合关系特征计算模块生成的特征进行训练， 并在训练后进行情 感类 别的识别， 再将识别结果显示到可视化模块上； 中央处理单元PC2向各训练人员提供情感诱发任务； 中央处理单元PC3和 PC4设置有打标签模块， 对采集到的脑电信号， 打上对应于PC2的情 感诱发任务标签。权　利　要　求　书 2/2 页 3 CN 114469090 A 3