【技術實現步驟摘要】
本專利技術涉及腦機接口，尤其涉及結合腦機接口的實時情緒識別與調控方法及裝置。
技術介紹
1、隨著腦機接口(brain-computer?interface，bci)技術的快速發展，利用腦電圖(eeg)信號進行情緒識別和調控的研究受到了廣泛關注。傳統的情緒識別方法通常依賴于單一生物信號(如eeg信號)進行處理和分析，這種方法在處理復雜情境下的情緒識別時往往準確度不高，且難以實時響應用戶的情緒變化。此外，現有的情緒調控方法通常基于預設的固定策略，無法根據個體用戶的情緒歷史和實時狀態進行動態調整，從而導致調控效果不佳，用戶體驗較差。
2、目前，情緒識別主要依賴于簡單的時域或頻域分析方法，這些方法在面對多變的情緒狀態和復雜的環境背景時，存在響應速度慢、識別精度低的問題。特別是在多模態生物信號融合方面，現有技術通常難以有效整合來自不同來源的生物信號(如心率、皮膚電反應等)以提供更準確的情緒評估。此外，傳統的情緒調控裝置往往缺乏個性化調節功能，無法根據用戶的情緒歷史數據和實時情緒狀態進行自適應的調控，導致情緒調控的效果和用戶滿意度不高。
3、現有技術面臨的主要問題包括：(1)情緒識別的實時性和準確性不足，尤其是在復雜情境下難以有效識別用戶的情緒狀態；(2)缺乏個性化的情緒調控策略，無法根據用戶的歷史情緒數據和實時情緒狀態進行動態調整；(3)多模態生物信號融合技術不夠完善，難以綜合評估用戶的情緒狀態。
技術實現思路
1、本專利技術提出的基于腦機接口的實時情緒識別與調控方法
2、根據本專利技術實施例的結合腦機接口的實時情緒識別與調控方法及裝置，包括如下步驟：
3、s1、通過腦電圖傳感器實時采集用戶的腦電信號，獲取原始腦電數據；
4、s2、對原始腦電數據進行預處理，去除偽跡和噪聲，獲得處理后的腦電信號；
5、s3、采用時頻分析技術對s2腦電信號進行處理，提取與情緒狀態相關的時頻特征；
6、s4、將提取的時頻特征輸入經過訓練的長短時記憶網絡模型，進行時間序列分析，識別用戶的情緒狀態；
7、s5、根據s4識別的情緒狀態，結合用戶的歷史情緒數據和個體特征，動態調整情緒調控策略；
8、s6、通過多模態數據融合技術，將腦電信號與其他生物信號包括心率和皮膚電反應進行融合，綜合評估用戶的情緒狀態。
9、可選的，所述s1具體包括：
10、s11、通過安裝在用戶頭部的多通道腦電圖傳感器陣列實時采集多通道腦電信號，多通道腦電信號表示為x(t)，其中t為時間變量，x(t)為每一時刻的腦電電位；
11、s12、將采集到的多通道腦電信號進行帶通濾波處理，濾波范圍設定為05hz至45hz，去除工頻干擾和低頻漂移，濾波后的信號表示為xf(t)；
12、s13、對經過濾波處理的腦電信號xf(t)進行增益調整，統一信號幅度，調整后的信號表示為xa(t)；
13、s14、對增益調整后的信號xa(t)進行去偽跡處理，包括眼電偽跡、肌電偽跡，去偽跡后的信號表示為xc(t)，即得到最終的預處理后的腦電信號。
14、可選的，所述s2具體包括：
15、s21、將預處理后的腦電信號xc(t)劃分為多個固定長度的時間窗口，每個時間窗口的長度為tw，捕捉腦電信號的短時變化特征；
16、s22、對每個時間窗口內的腦電信號xc(t)進行快速傅里葉變換，得到時間窗口內的頻譜信息，頻譜表示為p(ω)，其中ω為頻率分量；
17、s23、對頻譜p(ω)進行特征選擇，提取與情緒狀態相關的特征頻帶中的能量特征，能量特征表示為eb，其中b為特征頻帶的編號；
18、s24、將提取的能量特征eb轉換為特征向量fb，并進行標準化處理，減小不同信號源之間的差異，標準化后的特征向量表示為fs；
19、s25、將標準化后的特征向量fs作為輸入數據，輸入至長短時記憶網絡模型中，進行時間序列分析并識別用戶的情緒狀態。
20、可選的，所述s3具體包括：
21、s31、將經過時頻分析提取的特征向量fs輸入至預先訓練的長短時記憶網絡模型中，用長短時記憶網絡模型處理時間序列數據，生成情緒預測序列y(t)，其中y(t)表示在時間t上的情緒狀態預測值；
22、s32、在長短時記憶網絡模型的輸入層，逐步處理輸入的特征向量fs，生成隱含狀態向量ht，其中ht表示在時間t上的中間情緒狀態：
23、ht＝σ(wh·fs+uh·ht-1+bh)；
24、其中，ht表示當前時間t的中間情緒狀態，ht-1表示前一時刻的中間情緒狀態，wh和uh是將輸入特征向量fs和前一時刻中間情緒狀態ht-1轉換為當前中間情緒狀態ht的權重參數，bh為調整模型輸出的偏置量，σ是激活函數，更好地擬合復雜情緒模式；
25、s33、通過長短時記憶網絡模型的輸出層，將隱含狀態向量ht轉換為最終的情緒預測值y(t)：
26、y(t)＝σ(wy·ht+by)；
27、其中，y(t)表示在時間t上的情緒狀態預測值，wy是將隱含狀態向量ht映射為情緒預測值的權重參數，by是調整情緒預測輸出的偏置量，σ是輸出層的激活函數，使輸出的情緒預測值在合理范圍內變化；
28、s34、對長短時記憶網絡模型的輸出進行后處理，包括平滑和歸一化處理，得到最終的情緒狀態預測值ys(t)，ys(t)表示在時間t上經過標準化后的情緒狀態預測值。
29、可選的，所述s4具體包括：
30、s41、基于步驟s3生成的情緒狀態預測值y(t)，獲取用戶在時間t時刻的當前情緒狀態；
31、s42、檢索系統中存儲的用戶歷史情緒數據，表示為h(t)，其中h(t)是用戶在之前時刻t′＜t的情緒狀態；
32、s43、將當前情緒狀態預測值y(t)與歷史情緒數據h(t)進行對比，從而確定當前情緒變化的趨勢，表示為t(t)：
33、t(t)＝y(t)-h(t)；
34、其中，t(t)表示時間t上情緒狀態的變化量，反映用戶當前情緒相對于歷史情緒的變化趨勢；
35、s44、根據情緒變化趨勢t(t)和用戶的個體特征數據pu包括年齡、性別、情緒敏感度，動態調整情緒調控策略c(t)，其中c(t)表示在時間t上的調控策略：
36、c(t)＝f(t(t)，pu)；
37、其中，函數f表示根據情緒變化趨勢和用戶特征對調控策略進行優化的過程；
38、s45、情緒調控策略c(t)包括調整以下參數，神經反饋參數nf表示神經反饋的強度和頻率，腦部刺激參數sb表示腦部刺激的電流強度和刺激模式，感官反饋參數sf表示感官反饋的類型和強度；
39、s46、將調整后本文檔來自技高網...
【技術保護點】
1.結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，包括如下步驟：
2.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S1具體包括：
3.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S2具體包括：
4.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S3具體包括：
5.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S4具體包括：
6.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S5具體包括：
7.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述S6具體包括：
8.基于腦機接口的實時情緒識別與調控裝置，其特征在于，該裝置包括如下模塊：
9.情緒調控執行模塊，根據情緒調控策略C(t)調節神經反饋Nf、腦部刺激Sb和感官反饋Sf的參數，執行情緒調控措施，引導用戶的情緒狀態向目標狀態G
...【技術特征摘要】
1.結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，包括如下步驟：
2.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述s1具體包括：
3.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述s2具體包括：
4.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，所述s3具體包括：
5.根據權利要求1所述的結合腦機接口的實時情緒識別與調控方法及裝置，其特征在于，...
【專利技術屬性】
技術研發人員：陳俏，李嘯川，
申請(專利權)人：湖南勞動人事職業學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。