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 tơi là: Hồng Tiến Thêm Sinh ngày: 06/07/1991 Học viên lớp cao học CK18_KTĐT - Trường Đại học ky 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 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 yêu cầu thầy giáo hướng dẫn Nếu sai tơi hồn tồn chịu trách nhiệm trước hội đồng khoa học 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 làm việc nghiêm túc, động viên, giúp đỡ 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” hồn thành Tơi xin bày tỏ lòng biết ơn sâu sắc đến: Thầy giáo hướng dẫn TS Nguyễn Phương Huy tận tình dẫn, giúp đỡ tơi hồn thành ḷn văn này Khoa sau đại học, thầy, cô giáo Khoa Điện tư – Trường Đại học ky 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 gia đình động viên, khích lệ, tạo điều kiện giúp đỡ tơi q trình học tập, thực hiện 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 tư viết tắt vi Danh mục bảng biêu vii Danh mục hình ảnh viii LỜI MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỜ VÀ CÁC PHƯƠNG PHÁP XƯ LY TÍN HIỆU SONG ĐIỆN NÃO 1.1 Tởng quan tín hiệu điện não 1.1.1 Khái quát chung EEG 1.1.2 Thu nhận 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 SƯ 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 q 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 PHONG HỆ THỐNG 49 3.1 Xây dựng tḥt tốn trích chọn đặc trưng DWT xư ly tín hiệu sóng não 49 3.1.1 Tiền xư ly liệu 50 3.1.2 Xư ly tín hiệu điện não thành dạng sóng đặc trưng 55 3.1.3 Tính tốn tham số đặc trưng ảnh hương 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 xư ly tín hiệu EEG 60 3.2.3 Các bước thực hiện q trình phân tích DWT sư 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 TƯ VIẾT TẮT Từ cụm từ Từ tiếng Anh Từ tiếng Việt Cơ sơ liệu CSDL EEG Electroencephalogram Điện não đồ 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 viiiv DANH MỤC HÌNH ẢNH Hình 1 Cấu tạo não người Hình Cấu trúc vỏ não Hình Dòng 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 dung 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 thư trải nghiệm sản phẩm đuôi mèo Shippo Hội chợ Trò chơi Tokyo 2012 24 Hình Không gian không gian đa phân giải Khơng gian L2 biêu diễn tồn khơng gian Vj biêu diễn không gian con, Wj biêu diễn chi tiết 34 Hình 2 Tḥt 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 sư dung ky hiệu tốn tư 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 sư dung EEG 46 Hình Sơ đồ q trình trích chọn đặc trưng sư dung phép biến đổi DWT rời rạc 49 ix Hình Chuẩn độ: đỉnh nhọn chứng tỏ máy đủ độ nhạy đê có khả ghi sóng có tần số cao 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 xư ly 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 sơ 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 đặc biệt liên quan đến y nghĩ người vấn đề khó nhà khoa học thế giới nghiên cứu tư 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 triên số lượng Trong nổi bật công ty Emotiv, công ty nghiên cứu chuyên sâu não người có sản phẩm thực tế thị trường với mũ Epoc thu nhận tín hiệu điện não Emotiv SDK dùng đê xư ly tín hiệu điện não Sản phẩm công ty ứng dung nhiều lĩnh vực y tế, giải trí, an ninh quốc phòng,… nhiều quốc gia Mỹ, Úc, Nhật Bản, Hàn Quốc… Trong Cộng đồng mã nguồn mơ EEGLab cung cấp thiết kế phần cứng SDK dùng cho việc xư ly tín hiệu điện não ứng dung rộng rãi nghiên cứu, ứng dung vào thực tế.Tại Việt Nam có khơng nhiều cơng trình nghiên cứu não người, số nổi 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 triên thành sản phẩm thực tế Sản phẩm nhóm “hệ thống chăm sóc hỗ trợ trẻ em bị khuyết tật” bao gồm phần cứng, phần mềm thu nhận xư ly tin hiệu điện não Hội tin học Việt Nam công ty Microsoft Việt Nam đáng giá cao sản phẩm khả ứng dung vào thực tế Việt Nam thi ImagineCup 2009 Thực tế Việt Nam khơng có sản phẩm liên quan đến tín hiệu điện não ứng dung máy điện não đồ nhập với giá cao tư vài trăm triệu đến hàng tỉ đồng tư nước bệnh viện Các nghiên cứu ngành BCI Việt Nam hạn chế chưa có nhiều kết tốt 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 dạng sóng bản: Gramma, beta, alpha, theta, delta bởi cơng thức sau: X  ni n X 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 vec-tơ tái hợp cD1, cD2, cD3, cD4, cD5 3.1.3.2 Tính tốn giá trị cơng śt (power) tín hiệu Power phép đo biên độ tín hiệu EEG tính bơi cơng thức: Power   X L( X ) Trong X tập giá trị tín hiệu L(x) 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 vec-tơ tái hợp cD1, cD2, cD3, cD4, cD5 3.1.3.3 Đô lệch chuẩn (Standard deviation) Giả sư X biến ngẫu nhiên với giá trị trung bình  , độ lệch chuẩn X tính bơi công thức sau:    N (    X n  N   n1 ) x 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 bơi cơng suất sóng beta cao 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 yếu tố hợp ly đê trạng thái kích thích người (1): Valance: Thuỳ trán trước (F3 F4) đóng vai trò quan trọng việc điều chỉnh cảm xúc kinh nghiệm có y thức Ngưng hoạt động mặt trái cho thấy cảm xúc tiêu cực, thậm chí khơng hoạt động mặt trước bên phải cho thấy cảm xúc tích cực Vì vậy đê 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   F3 /  F3 Dominance: Nó đặc trưng bơi gia tăng tỷ lệ hoạt động beta / alpha thùy trán gia tăng hoạt tính beta thùy thái dương [22] Do ance  ( FC6 /  FC6)  ( F8 /  F8)  ( P8 /  P8) Như vậy, tham số đặc trưng (mean, Standard deviation, power), ta có thê tính tham số quan trọng khác (Arousal, Valance, Dominance) đê phuc vu cho phân đoạn cuối (phân biệt trạng thái cảm xúc) Ưu điểm của việc sử dụng tham số Arousal, Valance, Dominance: 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 sư dụng môi trường làm việc thân thiện đê họ tập trung vào ứng dụng chương trình tìm hiểu cách thức làm việc chương trình a) Khởi tạo GUI Đê mơ công cu tạo GUI: File>>New>>GUI cửa sổ lệnh matlab: command windows  guide Khi lưu giao diện vừa tạo, Matlab tạo hai file có tên khác phần mơ rộng: - File có phần mơ rộng fig chứa nội dung giao diện - File có phần mơ rộng m chứa đoạn mã liên quan đến giao diện Khi thiết kế thành phần Gui ta cần thiết lập thuộc tính cho thành phần Đê thiết lập thuộc tính ta có thê chọn mục “Property Inspector” công cu right-click vào đối tượng chọn muc “Inspector Properties” Hai thuộc tính quan trọng mà ta cần xác lập “String Property” “Tag Property” - String property: dòng ky 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 tên đối tượng cộng với “_Callback” b) Các hàm thường dung lập trinh GUI Set : Thay đởi 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‟) Ngồi 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), hiên thị tín hiệu (graph views), hiên thị tham số (parameters) Giao diện tởng qt chương trình thê hiện Hình 3.6 Hình Giao diện GUI cho việc xư ly tín hiệu EEG a) Giao diện phần cài đặt (Setting) Bao gồm phần tư (Hình 3.7): - Load data.mat: Cho phép người dùng có thê load sơ liệu EEG đê phuc vu cho việc phân tích tín hiệu sau này - Select Samples: Cho phép người dùng có thê lựa chọn mẫu đê phân tích Ví du chọn mẫu số đê phân tích - Select level: Cho phép người dùng lựa chọn mức phân tích, mức phân tích này phu thuộc vào tần số lấy mẫu thiết bị Giả sư tần số lấy mẫu thiết bị 128Hz, mà ta muốn phân tích sóng bản: Delta, beta, alpha, theta, gramma level cần lựa chọn Với tần số lấy mẫu khác ta cần tính tốn lại level cần chọn (xem lại muc 3.1.2) - Select dB: muc cho phép người dùng có thê lựa chọn kiêu phân tích Wavelet Trong luận văn này tập trung vào việc áp dung họ Debuochies4 cho việc biến đổi wavelet rời rạc - Select Electrode: muc cho phép người dùng có thê lựa chọn điện cực cần phân tích tín hiệu Trong luận văn tập trung vào việc phân tích điện cực có ảnh hương mạnh tới q trình phân tích trạng thái cảm xúc: AF3, AF4, F3, F4, FC6, F8 P8 - DWT analysis: mục dùng đê phân tích tín hiệu sư dụng phép biến đởi wavelet rời rạc với cài đặt trước Hình Giao diện phần cài đặt b) Giao diện hiển thị dạng thị (Graph views) Hình Giao diện hiển thị đồ họa (Graph views) Giao diện hiện thị dạng đồ thị bao gồm:  Hiên thị dạng tín hiệu gốc (tín hiệu điện cực cần phân tích), đồ thị số 1, phía bên trái  Hiên thị dạng sóng Gramma tín hiệu gốc cần phân tích, đồ thị số 2, bên trái  Hiên thị dạng sóng Beta tín hiệu gốc cần phân tích, đồ thị số 3, bên trái  Hiên thị dạng sóng Alpha tín hiệu gốc cần phân tích, đồ thị số 4, phía bên phải  Hiên thị dạng sóng Theta tín hiệu gốc cần phân tích, đồ thị số 5, bên phải  Hiên 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 hiên thị tham số (Hình 3.9) bao gồm phần: Hình Giao diện hiển thị tham số Feature Extraction Parameters  Hiên thị tham số: Arousal, Valance, Dominance tương ứng với tập mẫu (A-V-D parameters)  Hiên 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 trinh phân tích DWT sử dụng giao diện thiết kế GUI Bước 1: Load sơ liệu Dữ liệu chọn gồm 500 mẫu lưu dạng file data.mat Cấu trúc liệu gồm tín hiệu thu đo bởi điện cực đánh nhãn sau: "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 hương mạnh tới q trình nhận dạng cảm xúc, sơ liệu lọc bỏ tín hiệu điện cực lại Trên giao diện Matlab GUI thực hiện click vào biêu tượng Load data.mat Trên màn hình xuất hiện đường dẫn tới thư muc lưu trữ sơ liệu Lựa chọn file có tên Alldata, vậy ta hồn thành q trình load sơ liệu cho việc phân tích sau này (Hình 3.10) Hình 10 Load sơ liệu Bước 2: Chọn số mẫu Giả sư tập sơ liệu gồm mẫu (hoặc có thê nhiều hơn), mà ta muốn phân tích mẫu cần chọn “Sample1”, nếu muốn phân tích tập mẫu số chọn “Sample5” (Hình 3.11) 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 ô Select Level Giả sư đê thu dạng sóng tín hiệu vào cần mức phân tích 5, ta chọn Xem Hình 3.12 Bước 4: Lựa chọn họ wavelet đê phân tích Trong muc Setting ta chọn vào 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 mục Select Electrode ta lựa chọn điện cực cần phân tích Giả sư nếu ta chọn phân tích mẫu 1, với mức phân tích level = 5, họ wavelet debuchies4, điện cực phân tích AF3 Khi phân tích DWT ta kết Hình … bên Các tham số A-V-D parameters, Mean-Power-STD parameters hiên thị muc Parameters (Hình 3.14) Hình 14 Kết sau thực hiện trình phân tích DWT 3.3 Kết luận Như vậy Chương 3, giao diện phân tích tín hiệu EEG sư dung MATLAB/GUI trình bày: Cách thức thiết kế giao diện (giao diện cài đặt, giao diện hiên thị đồ thị, giao diện hiên thị tham số), Cách sư dung giao diện đê phân tích tín hiệu EEG Kết q trình phân tích tín hiệu EEG thông số (Arousal, Valance, Dominance, Mean, Power, Standard Deviation) có ảnh hương trực tiếp tới trình phân tách (nhận dạng) cảm xúc Quá trình nhận dạng cảm xúc thực thi dựa sơ tham số này chủ đề tiếp theo KẾT LUẬN VÀ ĐỀ NGHỊ Đề tài có y nghĩa nhằm nghiên cứu việc áp dung ky thuật biến đởi wavelet cho việc trích chọn đặc trưng quan trọng tín hiệu sóng điện não Tư làm sơ khoa học cho việc xây dựng hệ thống nhận dạng cảm xúc thực tế Nội dung luận văn trình bày cách đo đạc 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 cảm xúc, số hướng tiếp cận nhận dạng cảm xúc áp dung tín hiệu sóng não Tư đưa phương pháp đề xuất sư dung phương pháp biến đổi wavelet rời rạc đê 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 sư dung MATLAB/GUI trình bày: Cách thức thiết kế giao diện (giao diện cài đặt, giao diện hiên thị đồ thị, giao diện hiên thị tham số), cách sư dung giao diện đê phân tích tín hiệu EEG Kết q trình phân tích tín hiệu EEG thơng số (Arousal, Valance, Dominance, Mean, Power, Standard Deviation) có ảnh hương trực tiếp tới trình phân tách (nhận dạng) cảm xúc Quá trình nhận dạng cảm xúc thực thi dựa sơ tham số Hướng nghiên cứu: Xây dựng sơ liệu thực tế cảm xúc cho từng vùng miền, dân tộc khác Việt Nam Tư đưa khác biệt tham số đặc trưng 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, “Xư ly tín hiệu số” Nhà xuất giáo duc, 1997 [3] Hà Quốc Trung, "Xư ly tín hiệu lọc số" Tập 1,2 Nhà xuất khoa học ky 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 Brain- computer 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- 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 cơng... nhận dạng cảm xúc khác nhau, chủ yếu tồn nhiều mơ hình cảm xúc khác Các mơ hình tượng trưng cho phát hiện đặc điểm nhận dạng cảm xúc khác Tiêu biêu nhóm nhận dạng cảm xúc dựa mơ hình cảm xúc. .. tơi KS Hồng Tiến Thêm lựa chọn đề tài Ứng dụng biến 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