基于多尺度卷积核CNN的脑电情绪识别*

戴紫玉，马玉良，3*，高云园，3，佘青山，3，孟 明，3，张建海

(1.杭州电子科技大学智能控制与机器人研究所，浙江 杭州310018；2.杭州电子科技大学计算机学院，浙江 杭州310018；3.浙江省脑机协同智能重点实验室，浙江 杭州310018)

情绪是对一系列主观认知经验的通称，是多种感觉、思想和行为综合产生的心理和生理状态，在生活中扮演着非常重要的角色，情绪识别已经运用在检测机械员工损伤、视频游戏用户体验、协助医护人员评估患者健康等各行各业，围绕它的领域正在持续增长。传统的情绪识别主要是基于面部特征、肢体动作和语音的研究，这些外在特征容易伪装，并不能反应出真实的情绪，脑电信号可以反映大脑在加工情绪时所伴随的神经电生理活动，能够很好的弥补传统研究方法的缺陷。

传统的人工提取情感特征结合机器学习相关算法取得了较好的发展，传统的方法大都需要大量先验知识寻找脑电信号的特征，构建特征工程，而脑电信号容易受到噪声干扰，且不同被试之间的差异性，使得基于脑电信号人工特征选取耗费大量的时间和精力。近年来深度学习在脑电情绪识别分类方面的研究越来越多，并且取得了不错的成果。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合底层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。……