基于脑电信号的情绪识别-论文学习_脑电情绪识别

论文题目：《A review of EEG features for emotion recognition 》
论文题目：《EEG-Based Emotion Recognition Using Deep Learning Network with Principal Component Based Covariate Shift Adaptation》

对情绪的量化和建模

情绪有主要六种：高兴、悲伤、恐惧、惊讶、愤怒、厌恶。其他情绪可以由这六种组合。
维度模型：效价(情绪是积极还是消极)、唤醒度(情绪的强烈程度)、优势度(人能否控制)。

情绪识别的步骤

情绪诱发、信号采集、数据预处理、特征选择、利用机器学习算法进行分类、结果展示。

情绪识别的来源

面部表情、语言语调、姿势动作、生理信号等。
生理信号主要包括脑电、心电、肌电、皮肤温度。

脑电信号的特征

脑电信号是不具备各态历经性的非平稳随机信号，而且其背景噪声也很强，因此脑电信号的分析和处理一直是非常吸引人但又是具有相当难度的研究课题。小波变换和希尔伯特变换都可以对其进行时频分析处理，有文章表明希尔伯特变换更适合分析脑电信号。

论文内容

这篇文章围绕面向情绪识别的脑电特征, 从时域、频域、时频域和空间域4个方面介绍特征的定义、计算方法, 以及与情绪的联系, 在SEED, DREAMER和CAS-THU 3个公开的脑电–情绪数据集上评估和比较了各类脑电特征区分不同效价的能力, 并对未来的可行研究方向进行展望。

文中使用的数据库不具有中国的文化背景，缺少视听结合的数据，情绪分类不够丰富。如果能结合心理学和神经科学找出情绪产生的机理就很棒了。