基于深度森林脑电注意力识别研究.PDF

第26卷 第17期 电子设计工程 2018年9月 Vol.26 No.17 ElectronicDesignEngineering Sep.2018 基于深度森林的脑电注意力识别研究 陈群，薄华 （上海海事大学信息工程学院，上海201306 ） 摘要：针对脑电信号的注意力识别精度问题，本文应用深度森林的算法进行仿真研究。首先对原 始脑电信号通过小波分析进行预处理去噪，然后采用深度森林的方法进行分类识别。实验分别对 6位受试者在注意和非注意两种状态下的脑电信号进行分析，结果表明，对注意力状态识别的准确 率达到了95%以上，同时对通用数据库中清醒和睡眠两种状态下的脑电数据进行识别，也取得了 较高的识别率，结果证明了该算法对脑电信号注意力识别的准确率是可靠的。 关键词：注意力识别；脑电信号；小波分析；深度森林 中图分类号：TN911.7 文献标识码：A 文章编号：1674-6236（2018）17-0035-05 BasedondeepforestattentiontoidentifyresearchofEEG CHENQun，BOHua （CollegeofInformationEngineering，ShanghaiMaritimeUniversity，Shanghai201306，China） Abstract: WiththeaimtosolvetheattentionrecognitionaccuracyforEEGsignals，thealgorithmofdepth forestisusedtosimulatetheEEGsignalinthispaper.Firstly，theoriginalEEGsignalispreprocessedby waveletanalysis，andthenthemethodofdepthforestisusedtoclassifyandidentify.Throughdesign experiment，sixsubjectswerecollectedintheattentionandnon-attentionofthetwostatesoftheEEG signal，The experimental results showed that the accuracy of attention to the state of recognition to achievemorethan 95%.Atthesametime，theEEGdatawereidentifiedinboththeawakeandsleep statesofthegeneraldatabaseandtherecognitionrateishigh.Theresultshowsthatthealgorithm is reliablefortheaccuracyofEEGattentionrecognition. Keywords:attentionrecognition；EEGsignal；waveletanalysis；deepforest 脑电信号（ElectroEncephaloGram，EEG）产生于 （4~8 Hz）、α波段（8~15Hz）、β波段（12~30 Hz）和其 大脑皮层的神经活动，采用非侵入式的方式记录了 他波段（≥30Hz），把每个波段的能量或者功率谱作 从头皮采集到的大脑皮层信号，在一定程度上反应 为反馈信息。另一种是计算比率θ/β的比值得出大 了大脑活动状态。注意力缺陷障碍（Attention 脑注意水平状态，这种方法虽然原理简单，容易实 DeficitDisorderAAD）是一种常见的处于生理病变与 现，但是由于不同状态下大脑头皮的脑电能量水平 心理疾患重叠区的身心疾病，患者多为儿童及青少 比较接近，只以不同波段脑电的能量来分类识别，可 [1] 能会存在误判率较高等缺点。近些年深度学习发展火 年 ，通