一种基于深度学习的脑电情绪识别方法

本发明适用于脑电情绪识别技术领域，提供了一种基于深度学习的脑电情绪识别方法，包括：首先对脑电信号进行预处理，包括去除基线噪声、标准化、带通滤波及信号分割；然后建立深度学习模型，所述深度学习模型依次包含自动编码器、动态图卷积神经网络、Transformer和分类器；接着利用交叉熵损失函数结合正则化训练深度学习模型；最后基于训练好的模型对预处理后的脑电信号进行情绪识别并输出结果。本发明通过融合多种深度学习模型，实现脑电信号中动态空间特征与长程时间依赖特征的协同提取。本发明大幅提高了脑电情绪识别的准确率，为抑郁症评估、情感障碍治疗等人机交互领域提供了更可靠、高效的情绪识别技术支撑。