【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种基于脑电波的情绪识别方法、装置及电子设备。
技术介绍
1、脑电波是由大脑神经元活动产生的电信号，并且，根据电信号的频率大小可以被划分为δ波（频率范围为：0.5-4 hz）、θ波（频率范围为：4-8 hz）、α波（频率范围为：8-13hz）、β波（频率范围为：13-30 hz）和γ波（频率范围为：>30 hz）。每种脑电波频率对应特定的心理状态或意识活动，其中，α波对应目标对象处于平和状态，即放松程度较高。
2、故而，通过脑电信号中的α波的强弱的识别，可以实现针对目标对象是否处于平和状态的判别。例如，如果脑电信号中的α波较强，则可以确定目标对象处于平和状态；如果脑电信号中的α波较弱，则可以确定目标对象未处于平和状态。
3、然而，采用上述基于脑电波的情绪识别方式，仅依据脑电信号中的α波的强弱，判别目标对象是否处于平和状态，可能导致情绪识别结果不够准确，即情绪识别的准确性较低。
技术实现思路
1、本申请实施例提供了一种基于脑电波的情绪识别方法、装置及电子设备，用以准确地判别目标对象的平和状态，从而提高情绪识别的准确性。
2、第一方面，本申请实施例提供了一种基于脑电波的情绪识别方法，所述方法包括：
3、对目标对象的脑电信号进行功率谱密度估计，获得脑电信号的功率谱密度；功率谱密度表征脑电信号在频域中的功率分布；
4、基于功率谱密度确定的脑电信号中α波、θ波和β波分别对应的频段能量，获得目标对象的放
5、基于基于α波、θ波和β波分别对应的频段范围，以及舒曼波共振的第一谐波和第二谐波分别对应的频段能量，获得第一谐波和第二谐波对应的舒曼共振能量指数；舒曼共振能量指数表征舒曼波对目标对象的大脑的影响程度；
6、基于放松度和舒曼共振能量指数，确定脑电信号对应的情绪识别结果。
7、在一种可选的实施例中，对目标对象的脑电信号进行功率谱密度估计，获得功率谱密度之前，还包括：
8、获取在预设的多个脑电信号采集区域，采集到的目标对象的原始信号，并对原始信号进行预处理，获得预处理后的原始信号；
9、针对预处理后的原始信号依次进行伪迹去除和重参考处理，获得脑电信号。
10、在一种可选的实施例中，针对预处理后的原始信号依次进行伪迹去除和重参考处理，获得脑电信号，包括：
11、对预处理后的原始信号依次进行盲源分离和伪影去除处理，获得伪迹去除后的原始信号；
12、对伪迹去除后的原始信号进行重参考处理，获得脑电信号。
13、在一种可选的实施例中，基于α波、θ波和β波分别对应的频段范围，以及舒曼共振的第一谐波和第二谐波分别对应的频段能量，获得第一谐波和第二谐波对应的舒曼共振能量指数，包括：
14、基于针对第一谐波和第二谐波分别设置的频段范围，确定第一谐波和第二谐波分别对应的频段能量；
15、基于第一谐波和第二谐波分别对应的频段范围，以及α波、θ波和β波分别对应的频段范围，确定α波、θ波和β波分别对应的子频段范围；
16、基于α波、θ波和β波分别对应的子频段范围，以及功率谱密度，确定α波、θ波和β波分别对应的子频段能量；
17、基于α波、θ波和β波分别对应的子频段能量，以及第一谐波和第二谐波分别对应的频段能量，获得舒曼共振能量指数。
18、在一种可选的实施例中，α波对应的子频段范围与θ波对应的子频段范围的总和包含第一谐波对应的频段范围，β波对应的子频段范围包含第二谐波对应的频段范围。
19、在一种可选的实施例中，基于α波、θ波和β波分别对应的子频段能量，以及第一谐波和第二谐波分别对应的频段能量，获得舒曼共振能量指数，包括：
20、将第一谐波对应的频段能量，与α波对应的子频段能量和θ波分别对应的子频段能量的能量总和的比值，作为第一能量比值；
21、将第二谐波对应的频段能量与β波对应的子频段能量的比值，作为第二能量比值；
22、基于第一能量比值和第二能量比值，获得舒曼共振能量指数。
23、在一种可选的实施例中，所述方法还包括：
24、确定α波、θ波和β波分别对应的频段能量的变异系数；
25、则基于放松度和舒曼共振能量指数，确定脑电信号对应的情绪识别结果，进一步包括：
26、基于α波、θ波和β波分别对应的变异系数、放松度和舒曼共振能量指数，确定情绪识别结果。
27、在一种可选的实施例中，基于α波、θ波和β波分别对应的变异系数、放松度和舒曼共振能量指数，确定情绪识别结果，包括：
28、将α波、θ波和β波分别对应的变异系数、放松度和舒曼共振能量指数输入到预先训练好的情绪识别模型中，获得多种识别结果分别对应的预测概率；
29、基于多种识别结果分别对应的预测概率，确定情绪识别结果。
30、第二方面，本申请实施例还提供了一种基于脑电波的情绪识别装置，所述装置包括：
31、信号估计模块，用于对目标对象的脑电信号进行功率谱密度估计，获得脑电信号的功率谱密度；功率谱密度表征脑电信号在频域中的功率分布；
32、第一处理模块，用于基于功率谱密度确定的脑电信号中α波、θ波和β波分别对应的频段能量，获得目标对象的放松度；
33、第二处理模块，用于基于α波、θ波和β波分别对应的频段范围，以及舒曼共振的第一谐波和第二谐波分别对应的频段能量，获得第一谐波和第二谐波对应的舒曼共振能量指数；舒曼共振能量指数表征舒曼波对目标对象的大脑的影响程度；
34、情绪识别模块，用于基于放松度和舒曼共振能量指数，确定脑电信号对应的情绪识别结果。
35、在一种可选的实施例中，在对目标对象的脑电信号进行功率谱密度估计，获得功率谱密度之前，信号估计模块还用于：
36、获取在预设的多个脑电信号采集区域，采集到的目标对象的原始信号，并对原始信号进行预处理，获得预处理后的原始信号；
37、针对预处理后的原始信号依次进行伪迹去除和重参考处理，获得脑电信号。
38、在一种可选的实施例中，在针对预处理后的原始信号依次进行伪迹去除和重参考处理，获得脑电信号时，信号估计模块具体用于：
39、对预处理后的原始信号依次进行盲源分离和伪影去除处理，获得伪迹去除后的原始信号；
40、对伪迹去除后的原始信号进行重参考处理，获得脑电信号。
41、在一种可选的实施例中，在基于α波、θ波和β波分别对应的频段范围，以及舒曼共振的第一谐波和第二谐波分别对应的频段能量，获得第一谐波和第二谐波对应的舒曼共振能量指数时，第一处理模块具体用于：
42、基于针对第一谐波和第二谐波分别设置的频段范围，确定第一谐波和第二谐波分别对应的频段能量；
43、基于第一谐波和第二谐波分别对应的频段范围，以及α波、本文档来自技高网...
【技术保护点】
1.一种基于脑电波的情绪识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述对目标对象的脑电信号进行功率谱密度估计，获得功率谱密度之前，还包括：
3.如权利要求2所述的方法，其特征在于，针对所述预处理后的原始信号依次进行伪迹去除和重参考处理，获得所述脑电信号，包括：
4.如权利要求1-3中任一项所述的方法，其特征在于，所述基于所述α波、所述θ波和所述β波分别对应的频段范围，以及舒曼共振的第一谐波和第二谐波分别对应的频段能量，获得所述第一谐波和所述第二谐波对应的舒曼共振能量指数，包括：
5.如权利要求4所述的方法，其特征在于，所述α波对应的子频段范围与所述θ波对应的子频段范围的总和包含所述第一谐波对应的频段范围，所述β波对应的子频段范围包含所述第二谐波对应的频段范围。
6.如权利要求4所述的方法，其特征在于，所述基于所述α波、所述θ波和所述β波分别对应的子频段能量，以及所述第一谐波和所述第二谐波分别对应的频段能量，获得所述舒曼共振能量指数，包括：
7.如权利要求1-3中任一项所述的方法，其
8.如权利要求7所述的方法，其特征在于，所述基于所述α波、所述θ波和所述β波分别对应的变异系数、所述放松度和所述舒曼共振能量指数，确定所述情绪识别结果，包括：
9.一种基于脑电波的情绪识别装置，其特征在于，包括：
10.一种电子设备，包括：
...【技术特征摘要】
1.一种基于脑电波的情绪识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述对目标对象的脑电信号进行功率谱密度估计，获得功率谱密度之前，还包括：
3.如权利要求2所述的方法，其特征在于，针对所述预处理后的原始信号依次进行伪迹去除和重参考处理，获得所述脑电信号，包括：
4.如权利要求1-3中任一项所述的方法，其特征在于，所述基于所述α波、所述θ波和所述β波分别对应的频段范围，以及舒曼共振的第一谐波和第二谐波分别对应的频段能量，获得所述第一谐波和所述第二谐波对应的舒曼共振能量指数，包括：
5.如权利要求4所述的方法，其特征在于，所述α波对应的子频段范围与所述θ波对应的子频段范围...
【专利技术属性】
技术研发人员：董嘉诚，毛占伟，谭艳勇，
申请(专利权)人：深圳市倍轻松科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。