Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)
i ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CƠNG NGHIỆP HỒNG TIẾN THÊM ỨNG DỤNG BIẾN ĐỔI WAVELET CHO TRÍCH CHỌN ĐẶC TRƯNG TÍN HIỆU ĐIỆN NÃO TRONG HỆ THỐNG NHẬN DẠNG CẢM XÚC LUẬN VĂN THẠC SĨ KỸ THUẬT Chuyên ngành: Kỹ thuật điện tử THÁI NGUYÊN 2018 ii LỜI CAM ĐOAN Tên là: Hoàng Tiến Thêm Sinh ngày: 06/07/1991 Học viên lớp cao học CK18_KTĐT - Trường Đại học kỹ thuật công nghiệp – Đại học Thái Nguyên Hiện công tác tại: Trường Cao đẳng Nghề số – Bộ Quốc Phòng Xin cam đoan: Đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não hệ thống nhận dạng cảm xúc” Thầy giáo TS Nguyễn Phương Huy hướng dẫn là cơng trình nghiên cứu riêng tơi Tất tài liệu tham khảo có nguồn gốc, xuất xứ rõ ràng Tác giả xin cam đoan tất nội dung luận văn nội dung đề cương và yêu cầu thầy giáo hướng dẫn Nếu sai hoàn toàn chịu trách nhiệm trước hội đồng khoa học và trước pháp luật Thái Nguyên, ngày 26 tháng 03 năm 2018 TÁC GIẢ LUẬN VĂN Hoàng Tiến Thêm iii LỜI CẢM ƠN Sau thời gian nghiên cứu và làm việc nghiêm túc, động viên, giúp đỡ và hướng dẫn tận tình Thầy giáo hướng dẫn TS Nguyễn Phương Huy, luận văn với đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não hệ thống nhận dạng cảm xúc” hoàn thành Tôi xin bày tỏ lòng biết ơn sâu sắc đến: Thầy giáo hướng dẫn TS Nguyễn Phương Huy tận tình dẫn, giúp đỡ hoàn thành luận văn này Khoa sau đại học, thầy, cô giáo Khoa Điện tử – Trường Đại học kỹ thuật công nghiệp – Đại học Thái Nguyên giúp đỡ trình học tập thực hiện luận văn Tôi xin chân thành cảm ơn bạn bè, đồng nghiệp và gia đình động viên, khích lệ, tạo điều kiện giúp đỡ tơi q trình học tập, thực hiện và hoàn thành luận văn này TÁC GIẢ LUẬN VĂN HOÀNG TIẾN THÊM iv MỤC LỤC Lời cam đoan i Lời cảm ơn iii Mục lục iv Danh mục từ viết tắt vi Danh mục bảng biểu vii Danh mục hình ảnh viii LỜI MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỜ VÀ CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU SÓNG ĐIỆN NÃO 1.1 Tởng quan tín hiệu điện não 1.1.1 Khái quát chung EEG 1.1.2 Thu nhận và đo đạc tín hiệu điện não EEG 1.2 Các dạng sóng điện não 10 1.2.1 Nguyên tắc phân tích sóng điện não 10 1.2.2 Phân biệt sóng điện não dựa vào tần số 11 1.3 Hệ thống nhận dạng cảm xúc dựa tín hiệu điện não 15 1.3.1 Nhận dạng cảm xúc dựa tín hiệu điện não 17 1.3.2 Các hướng tiếp cận nhận dạng cảm xúc dựa tín hiệu điện não 19 1.3.3 Một số phương pháp tiêu biểu trích chọn đặc trưng tín hiệu điện não 22 1.4 Giải pháp đề xuất nhận dạng cảm xúc 24 1.5 Kết luận 25 CHƯƠNG 2: TRÍCH CHỌN ĐẶC TRƯNG SÓNG ĐIỆN NÃO SỬ DỤNG BIẾN ĐỔI WAVELET 26 2.1 Tổng quan biến đổi wavelet 26 v 2.1.1 Biến đổi wavelet liên tục 27 2.1.2 Biến đổi wavelet rời rạc 30 2.2.3 Trích chọn đặc trưng áp dụng biến đổi wavelet rời rạc 33 2.2.4 Các họ Wavelet 44 2.2 Biến đổi wavelet rời rạc hệ thống nhận dạng cảm xúc 46 2.2.1 Vai trò DWT trình nhận dạng cảm xúc 46 2.2.2 Các tham số đặc trưng DWT việc nhận dạng cảm xúc 47 2.3 Kết luận 48 CHƯƠNG 3: MÔ PHỎNG HỆ THỐNG 49 3.1 Xây dựng tḥt tốn trích chọn đặc trưng DWT xử lý tín hiệu sóng não 49 3.1.1 Tiền xử lý liệu 50 3.1.2 Xử lý tín hiệu điện não thành dạng sóng đặc trưng 55 3.1.3 Tính toán tham số đặc trưng ảnh hưởng tới việc nhận dạng cảm xúc 57 3.2 Thiết kế giao diện matlab guide 59 3.2.1 Matlab GUI 59 3.2.2 Thiết kế giao diện GUI cho việc xử lý tín hiệu EEG 60 3.2.3 Các bước thực hiện q trình phân tích DWT sử dụng giao diện thiết kế GUI 63 3.3 Kết luận 67 KẾT LUẬN VÀ ĐỀ NGHỊ 68 TÀI LIỆU THAM KHẢO 69 vi DANH MỤC TỪ VIẾT TẮT Từ cụm từ Từ tiếng Anh Từ tiếng Việt Cơ sở liệu CSDL Điện não đồ EEG Electroencephalogram EBGM Elastic Bunch Graph Matching Phương pháp đồ thị đàn hồi ER Emotion Recognition Nhận dạng cảm xúc ERS Emotion Recognition System Hệ thống nhận dạng cảm xúc LDA Linear Discriminant Analysis NN Neural Network PCA Principal Component Analysis SVM Support Vector Machine Phương pháp phân tích khác biệt tuyến tính Mạng Nơron Phương pháp phân tích thành phần Học máy vectơ hỗ trợ vii DANH MỤC BẢNG BIỂU Bảng Định nghĩa sóng EEG theo tần số 55 viii DANH MỤC HÌNH ẢNH Hình 1 Cấu tạo não người Hình Cấu trúc vỏ não Hình Dịng điện bên tế bào pyramidal lớn Hình Sóng Alpha[4] 12 Hình Sóng Beta 12 Hình Sóng Theta 13 Hình Sóng Delta 14 Hình Nhận dạng dạng sóng theo tần số 14 Hình Ứng dụng giao tiếp với máy tính 16 Hình 10 Ứng dụng tín hiệu điện não quân đội 17 Hình 11 Ứng dụng tín hiệu điện não nhận diện cảm xúc 18 Hình 12 Hệ thống nhận dạng cảm xúc 18 Hình 13 Thiết bị phần cưng Emotiv 19 Hình 14 Mơ hình cảm xúc Russuell 21 Hình 15 Thuật toán Higuchi Fractal Dimension 22 Hình 16 Một gái thử trải nghiệm sản phẩm đuôi mèo Shippo Hội chợ Trò chơi Tokyo 2012 24 Hình Không gian và không gian đa phân giải Khơng gian L2 biểu diễn tồn không gian Vj biểu diễn không gian con, Wj biểu diễn chi tiết 34 Hình 2 Thuật tốn hình chóp hay tḥt tốn mã hố băng con: (a) Q trình phân tích (b) Q trình tởng hợp 37 Hình Phân tích wavelet sử dụng ký hiệu toán tử 39 Hình Băng lọc hai kênh 40 Hình Các họ Wavelet (a) Haar (b) Daubechies4 (c) Coiflet1 (d) Symlet2 (e) Meyer (f) Morlet (g) Mexican Hat 45 Hình Hệ thống nhận dạng cảm xúc sử dụng EEG 46 Hình Sơ đồ q trình trích chọn đặc trưng sử dụng phép biến đổi DWT rời rạc 49 ix Hình Chuẩn độ: đỉnh nhọn chứng tỏ máy đủ độ nhạy để có khả ghi sóng có tần số cao và biên độ nhỏ, đoạn dốc xuống phải 2/3 tổng chiều cao.[4] 51 Hình 3 Các vị trí đặt điện cực ghi điện não 52 Hình Emotive Epoc Headset 54 Hình Mức phân tích tín hiệu EEG 55 Hình Giao diện GUI cho việc xử lý tín hiệu EEG 61 Hình Giao diện phần cài đặt 62 Hình Giao diện hiển thị đồ họa (Graph views) 62 Hình Giao diện hiển thị tham số Feature Extraction Parameters 63 Hình 10 Load sở liệu 64 Hình 11 Lựa chọn số mẫu 65 Hình 12 Lựa chọn mức phân tích DWT (level) 65 Hình 13 Lựa chọn họ Wavelet 66 Hình 14 Kết sau thực hiện q trình phân tích DWT 67 LỜI MỞ ĐẦU Nghiên cứu não người và đặc biệt liên quan đến ý nghĩ người vấn đề khó nhà khoa học thế giới nghiên cứu từ lâu đạt thành tựu khả quan Kết hợp với ngành khoa học máy tính, ngành khoa học Não-Máy biết đến với tên gọi Brain-Computer Interfaces (BCI) bước đầu có kết ấn tượng hiệu Trên thế giới, hiện nhóm nghiên cứu ngành BCI bắt đầu phát triển số lượng Trong nởi bật cơng ty Emotiv, cơng ty nghiên cứu chuyên sâu não người có sản phẩm thực tế thị trường với mũ Epoc thu nhận tín hiệu điện não và Emotiv SDK dùng để xử lý tín hiệu điện não Sản phẩm công ty ứng dụng nhiều lĩnh vực y tế, giải trí, an ninh quốc phòng,… và nhiều quốc gia Mỹ, Úc, Nhật Bản, Hàn Quốc… Trong Cộng đồng mã nguồn mở EEGLab cung cấp thiết kế phần cứng SDK dùng cho việc xử lý tín hiệu điện não ứng dụng rộng rãi nghiên cứu, ứng dụng vào thực tế.Tại Việt Nam có khơng nhiều cơng trình nghiên cứu não người, số nởi bật đề tài cấp “Điện Não Đồ” thầy Lê Tấn Hùng môn công nghệ phần mềm thuộc Viện CNTT&TT ĐH Bách Khoa Hà Nội đề xuất có kết nghiên cứu khả quan Tiếp đó, nhóm sinh viên MiMaS trường ĐH Bách Khoa tiếp tục phát triển thành sản phẩm thực tế Sản phẩm nhóm là “hệ thống chăm sóc hỗ trợ trẻ em bị khuyết tật” bao gồm phần cứng, phần mềm thu nhận xử lý tin hiệu điện não Hội tin học Việt Nam công ty Microsoft Việt Nam đáng giá cao sản phẩm khả ứng dụng vào thực tế ở Việt Nam thi ImagineCup 2009 Thực tế Việt Nam khơng có sản phẩm liên quan đến tín hiệu điện não ứng dụng ngoài máy điện não đồ nhập với giá cao từ vài trăm triệu đến hàng tỉ đồng từ nước bệnh viện Các nghiên cứu ngành BCI Việt Nam hạn chế và chưa có nhiều kết tốt 56 3.2.1.1 Chương trình matlab thực trình phân tích DWT cho hệ số chi tiết hệ số xấp xỉ được thực bởi command sau: waveletFunction = 'db4'; level =5; [C,L] = wavedec(X,level,waveletFunction); %% Calculation The Coificients Vectors cD1= detcoef(C,L,1); %NOISY 64:128 cD2= detcoef(C,L,2); %GAMMA 32:64 cD3= detcoef(C,L,3); %BETA cD4= detcoef(C,L,4); %ALPHA cD5= detcoef(C,L,5); %THETA cA5= appcoef(C,L,waveletFunction,5); %DELTA Trong cD1, cD2, cD3, cD4, cD5 là vec-tơ hệ số chi tiết, cA5 là vec-tơ hệ số xấp xỉ 3.2.1.2 Chương trình matlab thực trình tái hợp vec-tơ hệ số được thực bởi command sau: %%%% Calculation the Details Vectors D1= wrcoef('d', C,L,waveletFunction,1); %NOISY D2= wrcoef('d', C,L,waveletFunction,2); %GAMMA 32:64 D3= wrcoef('d', C,L,waveletFunction,3); %BETA D4= wrcoef('d', C,L,waveletFunction,4); %ALPHA D5= wrcoef('d', C,L,waveletFunction,5); %THETA A5= wrcoef('a', C,L,waveletFunction,5); %DELTA Trong D1, D2, D3, D4, D5 là vec-tơ tái hợp cD1, cD2, cD3, cD4, cD5 57 3.1.3 Tính tốn tham số đặc trưng ảnh hưởng tới việc nhận dạng cảm xúc 3.1.3.1 Tính giá trị trung bình (mean) Giá trị trung bình đặc trưng cho giá trị tập liệu, tính cho tín hiệu ở dạng sóng bản: Gramma, beta, alpha, theta, delta bởi công thức sau: X n Xi n i 1 Chương trình matlab tính giá trị mean cho tín hiệu từng điện cực dạng sóng sau: mean_DELTA = (sum(A5))/length(A5); mean_THETA = (sum(D5))/length(D5); mean_ALPHA = (sum(D4))/length(D4); mean_BETA = (sum(D3))/length(D3); mean_GAMMA = (sum(D2))/length(D2); Trong D1, D2, D3, D4, D5 là vec-tơ tái hợp cD1, cD2, cD3, cD4, cD5 3.1.3.2 Tính tốn giá trị cơng śt (power) tín hiệu Power là phép đo biên độ tín hiệu EEG và tính bởi công thức: Power X L( X ) Trong X là tập giá trị tín hiệu và L(x) là độ dài tín hiệu Chương trình matlab tính giá trị power cho tín hiệu từng điện cực dạng sóng sau: power_DELTA = (sum(A5.^2))/length(A5); power_THETA = (sum(D5.^2))/length(D5); power_ALPHA = (sum(D4.^2))/length(D4); power_BETA = (sum(D3.^2))/length(D3); power_GAMMA = (sum(D2.^2))/length(D2); Trong D1, D2, D3, D4, D5 là vec-tơ tái hợp cD1, cD2, cD3, cD4, cD5 58 3.1.3.3 Độ lệch chuẩn (Standard deviation) Giả sử X là biến ngẫu nhiên với giá trị trung bình là , độ lệch chuẩn X tính bởi cơng thức sau: N (X n ) x N 1 x n 1 Chương trình matlab tính giá trị Standard deviation cho tín hiệu từng điện cực dạng sóng sau: std_DELTA = (sum((A5-mean_DELTA).^2))/(length(A5)-1); std_THETA = (sum((D5-mean_THETA).^2))/(length(D5)-1); std_ALPHA = (sum((D4-mean_ALPHA).^2))/(length(D4)-1); std_BETA = (sum((D3-mean_BETA).^2))/(length(D3)-1); std_GAMMA = (sum((D2-mean_GAMMA).^2))/(length(D2)-1); 3.1.3.4 Arousal – Valance – Dominance Arousal: đặc trưng bởi cơng suất sóng beta cao và gắn kết thùy thái dương hoạt động yếu sóng alpha Các sóng Beta liên quan đến trạng thái tâm trí báo động kích thích, sóng alpha chiếm ưu thế trạng thái thư giãn Như vậy tỷ lệ beta / alpha là yếu tố hợp lý để trạng thái kích thích người (1): Valance: Thuỳ trán trước (F3 và F4) đóng vai trị quan trọng việc điều chỉnh cảm xúc và kinh nghiệm có ý thức Ngưng hoạt động mặt trái cho thấy cảm xúc tiêu cực, và thậm chí khơng hoạt động mặt trước bên phải cho thấy cảm xúc tích cực Vì vậy để xác định giá trị valance, chúng tơi so sánh mức kích hoạt hai bán cầu não (2) Ngoài ra, nghiên cứu khác chứng minh khác biệt bán cầu cho biết hướng động lực Và valence cảm xúc gắn liền với lãnh đạo tạo động lực, khác biệt bán cầu cho thấy trạng thái valance Valence F / F F 3/ F3 59 Dominance: Nó đặc trưng bởi gia tăng tỷ lệ hoạt động beta / alpha ở thùy trán và gia tăng hoạt tính beta ở thùy thái dương [22] Do ance ( FC6 / FC6) ( F8 / F8) ( P8 / P8) Như vậy, ngoài tham số đặc trưng (mean, Standard deviation, power), ta có thể tính tham số quan trọng khác (Arousal, Valance, Dominance) để phục vụ cho phân đoạn cuối (phân biệt trạng thái cảm xúc) Ưu điểm của việc sử dụng tham số Arousal, Valance, Dominance: là giảm biến đầu vào phân đoạn phân biệt trạng thái cảm xúc Chương trình matlab tính tốn tham số arousal – valance – dominance: % ************************************* % Arousal = (power_ALPHA_AF3 + power_ALPHA_AF4 + power_ALPHA_F3 + power_ALPHA_F4)/(power_BETA_AF3+ power_BETA_AF4+ POWER_BETA_F3+ POWER_BETA_F4); Valance = power_ALPHA_F4/ power_BETA_F4 - power_ALPHA_F3/ power_BETA_F3; Dominance = power_BETA_FC6/ power_ALPHA_FC6 + power_BETA_F8/ power_ALPHA_F8+ power_BETA_P8/ power_ALPHA_P8; 3.2 Thiết kế giao diện matlab guide 3.2.1 Matlab GUI GUI-là giao diện hình ảnh chương trình GUI bao gồm nút nhấn, hộp liệt kê, trượt, menu… chúng cung cấp cho người dùng sử dụng môi trường làm việc thân thiện để họ tập trung vào ứng dụng chương trình là tìm hiểu cách thức làm việc chương trình a) Khởi tạo GUI Để mở công cụ tạo GUI: File>>New>>GUI 60 cửa sổ lệnh matlab: command windows guide Khi lưu giao diện vừa tạo, Matlab tạo hai file có tên khác phần mở rộng: - File có phần mở rộng fig chứa nội dung giao diện - File có phần mở rộng m chứa đoạn mã liên quan đến giao diện Khi thiết kế thành phần nào Gui ta cần thiết lập thuộc tính cho thành phần Để thiết lập thuộc tính ta có thể chọn mục “Property Inspector” công cụ right-click vào đối tượng và chọn mục “Inspector Properties” Hai thuộc tính quan trọng mà ta cần xác lập là “String Property” và “Tag Property” - String property: dòng ký tự xuất hiện đối tượng - Tag property: tên đối tượng Khi click chuột vào đối tượng, Matlab gọi hàm tương ứng với đối tượng Tên hàm là tên đối tượng cộng với “_Callback” b) Các hàm thường dùng lập trình GUI Set : Thay đổi giá trị thuộc tính đối tượng giao diện set(handles.TextBox,‟String‟,str) Get : Truy xuất giá trị thuộc tính đối tượng giao diện get(handles.EditBox,‟String‟) Ngoài cịn có hàm axes, guide, num2str(), str2num()… 3.2.2 Thiết kế giao diện GUI cho việc xử lý tín hiệu EEG Giao diện tởng qt chương trình bao gồm: phần cài đặt (setting), hiển thị tín hiệu (graph views), và hiển thị tham số (parameters) Giao diện tởng qt chương trình thể hiện Hình 3.6 61 Hình Giao diện GUI cho việc xử lý tín hiệu EEG a) Giao diện phần cài đặt (Setting) Bao gồm phần tử (Hình 3.7): - Load data.mat: Cho phép người dùng có thể load sở liệu EEG để phục vụ cho việc phân tích tín hiệu sau này - Select Samples: Cho phép người dùng có thể lựa chọn mẫu để phân tích Ví dụ chọn mẫu số để phân tích - Select level: Cho phép người dùng lựa chọn mức phân tích, mức phân tích này phụ thuộc vào tần số lấy mẫu thiết bị Giả sử tần số lấy mẫu thiết bị là 128Hz, mà ta muốn phân tích sóng bản: Delta, beta, alpha, theta, gramma level cần lựa chọn là Với tần số lấy mẫu khác ta cần tính tốn lại level cần chọn (xem lại mục 3.1.2) - Select dB: là mục cho phép người dùng có thể lựa chọn kiểu phân tích Wavelet Trong luận văn này tập trung vào việc áp dụng họ Debuochies4 cho việc biến đổi wavelet rời rạc - Select Electrode: là mục cho phép người dùng có thể lựa chọn điện cực cần phân tích tín hiệu Trong luận văn tập trung vào việc phân tích điện cực có 62 ảnh hưởng mạnh tới q trình phân tích trạng thái cảm xúc: AF3, AF4, F3, F4, FC6, F8 P8 - DWT analysis: là mục dùng để phân tích tín hiệu sử dụng phép biến đổi wavelet rời rạc với cài đặt trước Hình Giao diện phần cài đặt b) Giao diện hiển thị dạng đồ thị (Graph views) Hình Giao diện hiển thị đồ họa (Graph views) Giao diện hiện thị dạng đồ thị bao gồm: Hiển thị dạng tín hiệu gốc (tín hiệu điện cực cần phân tích), đồ thị số 1, phía bên trái Hiển thị dạng sóng Gramma tín hiệu gốc cần phân tích, đồ thị số 2, bên trái 63 Hiển thị dạng sóng Beta tín hiệu gốc cần phân tích, đồ thị số 3, bên trái Hiển thị dạng sóng Alpha tín hiệu gốc cần phân tích, đồ thị số 4, phía bên phải Hiển thị dạng sóng Theta tín hiệu gốc cần phân tích, đồ thị số 5, bên phải Hiển thị dạng sóng Delta tín hiệu gốc cần phân tích, đồ thị số 6, bên phải c) Giao diện hiển thị tham số (Feature Extraction Parameters) Giao diện hiển thị tham số (Hình 3.9) bao gồm phần: Hình Giao diện hiển thị tham số Feature Extraction Parameters Hiển thị tham số: Arousal, Valance, Dominance tương ứng với tập mẫu (A-V-D parameters) Hiển thị tham số: Mean, Power, Standard deviation ứng với dạng sóng điện cực cần phân tích (Mean-Power-STD parameters) 3.2.3 Các bước thực trình phân tích DWT sử dụng giao diện thiết kế GUI Bước 1: Load sở liệu Dữ liệu chọn gồm 500 mẫu và lưu dạng file data.mat Cấu trúc liệu gồm tín hiệu thu đo bởi điện cực đánh nhãn sau: 64 "AF3, "F7", "F3", "FC5", "T7", "P7", "O1", "O2", "P8", "T8", "FC6", "F4", "F8", "AF4" Tuy nhiên, qua tham khảo điện cực AF3, AF4, F3, F4, FC6, F8 P8 mang thơng tin có sức ảnh hưởng mạnh tới trình nhận dạng cảm xúc, sở liệu lọc bỏ tín hiệu điện cực cịn lại Trên giao diện Matlab GUI thực hiện click vào biểu tượng Load data.mat Trên màn hình xuất hiện đường dẫn tới thư mục lưu trữ sở liệu Lựa chọn file có tên Alldata, vậy ta hoàn thành trình load sở liệu cho việc phân tích sau này (Hình 3.10) Hình 10 Load sở liệu Bước 2: Chọn số mẫu Giả sử tập sở liệu gồm mẫu (hoặc có thể nhiều hơn), mà ta muốn phân tích mẫu cần chọn “Sample1”, nếu muốn phân tích tập mẫu số chọn “Sample5” (Hình 3.11) 65 Hình 11 Lựa chọn số mẫu Bước 3: Lựa chọn mức phân tích Hình 12 Lựa chọn mức phân tích DWT (level) Trong phần Setting ta chọn vào Select Level Giả sử để thu dạng sóng tín hiệu vào cần mức phân tích là 5, ta chọn Xem Hình 3.12 Bước 4: Lựa chọn họ wavelet để phân tích 66 Trong mục Setting ta chọn vào ô Select dB (xem Hình 3.13) Trong luận văn này ta áp dụng họ Debuchies4 cho việc phân tích DWT Hình 13 Lựa chọn họ Wavelet Bước 5: Phân tích DWT Trong mục Setting ta kick chuột vào ô DWT analysis, tiếp đến ở mục Select Electrode ta lựa chọn điện cực cần phân tích Giả sử nếu ta chọn phân tích mẫu 1, với mức phân tích level = 5, họ wavelet debuchies4, và điện cực phân tích là AF3 Khi phân tích DWT ta kết Hình … bên Các tham số A-V-D parameters, và Mean-Power-STD parameters hiển thị ở mục Parameters (Hình 3.14) 67 Hình 14 Kết sau thực hiện trình phân tích DWT 3.3 Kết luận Như vậy ở Chương 3, giao diện phân tích tín hiệu EEG sử dụng MATLAB/GUI trình bày: Cách thức thiết kế giao diện (giao diện cài đặt, giao diện hiển thị đồ thị, giao diện hiển thị tham số), Cách sử dụng giao diện để phân tích tín hiệu EEG Kết q trình phân tích tín hiệu EEG là thông số (Arousal, Valance, Dominance, Mean, Power, Standard Deviation) có ảnh hưởng trực tiếp tới q trình phân tách (nhận dạng) cảm xúc Quá trình nhận dạng cảm xúc thực thi dựa sở tham số này ở chủ đề tiếp theo 68 KẾT LUẬN VÀ ĐỀ NGHỊ Đề tài có ý nghĩa nhằm nghiên cứu việc áp dụng kỹ thuật biến đởi wavelet cho việc trích chọn đặc trưng quan trọng tín hiệu sóng điện não Từ làm sở khoa học cho việc xây dựng hệ thống nhận dạng cảm xúc thực tế Nội dung luận văn trình bày cách đo đạc và thu nhận tín hiệu, dạng sóng điện não (nguyên tắc phân tích điện não đồ, phân biệt dạng sóng delta, beta, theta, alpha, gramma) Bên cạnh trình bày mối liên hệ tín hiệu sóng não và cảm xúc, số hướng tiếp cận nhận dạng cảm xúc áp dụng tín hiệu sóng não Từ đưa phương pháp đề xuất là sử dụng phương pháp biến đổi wavelet rời rạc để phân tích sóng điện não nhằm thu tham số quan trọng việc nhận dạng cảm xúc Xây dựng giao diện phân tích tín hiệu EEG sử dụng MATLAB/GUI trình bày: Cách thức thiết kế giao diện (giao diện cài đặt, giao diện hiển thị đồ thị, giao diện hiển thị tham số), cách sử dụng giao diện để phân tích tín hiệu EEG Kết q trình phân tích tín hiệu EEG là thơng số (Arousal, Valance, Dominance, Mean, Power, Standard Deviation) có ảnh hưởng trực tiếp tới trình phân tách (nhận dạng) cảm xúc Quá trình nhận dạng cảm xúc thực thi dựa sở tham số Hướng nghiên cứu: Xây dựng sở liệu thực tế cảm xúc cho từng vùng miền, dân tộc khác Việt Nam Từ đưa khác biệt tham số đặc trưng 69 TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt [1] Điện não đồ Lâm sàng, GS Pierre Jallon GS.TS Lê Quang Cường, Nxb Y học [2] Quách Tuấn Ngọc, “Xử lý tín hiệu số” Nhà xuất giáo dục, 1997 [3] Hà Quốc Trung, "Xử lý tín hiệu lọc số" Tập 1,2 Nhà xuất khoa học kỹ thuật, 1999 & 2001 Tài liệu tiếng Anh [4] H Zhang, S Zheng, and J Yuan, "A personalized TV guide system compliant with MHP," IEEE Trans Consumer Electronics, vol 51, no.2, May 2005, pp 731-737 [5] A Pentland and T Choudhury, "Face recognition for smart environments," IEEE Computer, vol 33, no 2, Feb 2000, pp 50-55 [6] K Ho An and M Jin Chung,"Cognitive Face Analysis System for Future Interactive TV," IEEE Transactions on Consumer Electronics, Vol 55, No 4, November 2009, pp 2271-2279 [7] J Wolpaw, N Birbaumer, D McFarland, G Pfurtscheller, and T Vaughan Braincomputer interfaces for communication and control Clinical Neurophysiology, 113:767791, 2002 [8] http://www.handimobility.orglblogl?p=4953 [9] K Crowley, A Sliney, I Pitt and D Murphy, "Evaluating a Brain-Computer Interface to Categorise Human Emotional Response", Advanced Learning Technologies (ICALT), 2010 IEEE lOth International Conference on 5-7 July 20lO Sousse, on pp 276 278 [10] E Haapalainen, S Kim, J F Forlizzi and A K Dey, "PsychoPhysiological Measures for Assessing Cognitive Load", Proceedings of the 12th ACM international conference on Ubiquitous computing ACM New York, USA 20lO, pp 30l-3lO [11] C Gani, N Birbaumer, and U Strehl "Long term effects after feedback of slow coritcal potentials and of theta beta-amplitudes in children with attention- 70 deficit/hyperactivity disorder" International Journal of Bioelectromagnetism, lO(4):209232, 2008 [12] P Ekman Are there basic emotions? Psychological Review, 99 (3).550-553 [l3] M B Arnold Emotion and personality, volume 1, pages lIB New York: Columbia University Press, 1960 [14] P Ekman Emotion in the human face, pages 39-55 New York: Cambridge University Press, 1983 [12] J A Russell A circumplex model of affect In Journal of Personality and Social Psychology, volume 39, pages 1161 1178, 1980 [15] T C Schneirla An evolutionary and developmental theory of biphasic processes underlying approach and withdrawal In M R Jones, editor, Nebraska symposium on motivation, pages 1-42 Lincoln, NE: University of Nebraska Press, 1959 [16] R Westermann, K Spies, G.Stahl, and FW Hesse Relative effectiveness of mood induction procedures: A meta analysis European Journal of Social Psychology, vol 26, 1996, p 557- 580 [17] R W Picard, J Healey, E V yzas Toward Machine Emotional Intelligence Analysis of Affective Physiological State IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 23 (2001) 1175-1191 [18] F Nasoz, c.L Lisetti, K Avarez, N Finkelstein Emotion Recognition from Physiological Signals for User Modeling of Affect In Proceedings of the 3rd Workshop on Affective and Attitude User Modeling, USA, June 2003 [19] J.J Gross, R.W Levenson Emotion elicitation using films Cognition and Emotion, Vol 9, (1995), 87-lO8 [20] C.A Estrada, A.M Isen, M J Young Positive affect influences creative problem solving and reported source of practice satisfaction in physicians Motivation and Emotion, Vol 18, (1994), 285-299 [21] http://www.mindbigdata.com/opendb/ [22] http://bnci-horizon-2020.eu/database/data-sets [23] https://sccn.ucsd.edu/eeglab/index.php ... đẳng Nghề số – Bộ Quốc Phòng Xin cam đoan: Đề tài ? ?Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não hệ thống nhận dạng cảm xúc? ?? Thầy giáo TS Nguyễn Phương Huy hướng dẫn là... đổi wavelet cho trích chọn đặc trưng tín hiệu điện não hệ thống nhận dạng cảm xúc? ?? làm đề tài nghiên cứu luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điện tử 3 Đối tượng luận văn. .. biểu trích chọn đặc trưng tín hiệu điện não 22 1.4 Giải pháp đề xuất nhận dạng cảm xúc 24 1.5 Kết luận 25 CHƯƠNG 2: TRÍCH CHỌN ĐẶC TRƯNG SÓNG ĐIỆN NÃO SỬ DỤNG