طبقه‌بندی احساسات با استفاده از سیگنال‌های EEG براساس تبدیل موجک قابل تنظیم – Q

احساس عجیب و غریب‌ترین بخش انسان است. طبقه‌بندی احساس در سیستم‌های رابط مغز – کامپیوتر برای کمک به افراد معلول کاربرد دارد. برای تشخیص حالت عاطفی، سیگنال الکتروانسفالوگرام (‏EEG)‏نقش حیاتی ایفا می‌کند زیرا گذرخ فوری به هر وضعیت تغییر در مغز انسان را فراهم می‌کند. در اینجا، کاربرد تبدیل موجک قابل تنظیم ‏TQWT)‏ – Q (برای طبقه‌بندی سیگنال‌های EEG احساسات مختلف بررسی شده‌است. TQWT سیگنال EEG را به زیرباندها تجزیه می‌کند و ویژگی‌های حوزه زمان از زیرباندها استخراج می‌شوند. ویژگی‌های استخراج‌شده به عنوان ورودی طبقه‌بندی کننده ماشین یادگیری شدید برای طبقه‌بندی احساسات شاد، ترس، غمگین و آسوده استفاده می‌شوند. نتایج تجربی روش پیشنهادی، عملکرد طبقه‌بندی احساسات را در مقایسه با سایر روش‌های موجود بهتر نشان می‌دهد.

Emotion is a most instinctive feeling of a human. Emotion classification finds application in brain–computer interface systems for the assistance of disabled persons. To recognise the emotional state, electroencephalogram (EEG) signal plays a vital role because it provides immediate response to every state of change in the human brain. Here, the utility of tunable-Q wavelet transform (TQWT) is explored for the classification of different emotions EEG signals. TQWT decomposes EEG signal into subbands and time-domain features are extracted from subbands. The extracted features are used as an input to extreme learning machine classifier for the classification of happy, fear, sad, and relax emotions. Experimental results of the proposed method show better four emotions classification performance when compared with the other existing methods.