一种基于动态域不变表征解耦与重组的跨被试脑电情绪识别方法

本发明公开了一种基于动态域不变表征解耦与重组的跨被试脑电情绪识别方法及系统，属于人工智能技术领域。本发明提出了一种跨被试脑电情绪识别的非个性化解耦与重组框架，旨在通过动态解耦得到的复杂脑电信号表征，将情绪相关的个体内不变特征和跨被试个体间不变特征分离，进而在保证情绪分类性能的同时消除个体差异。具体而言，本发明包括使用MATLAB和Python MNE库进行原始EEG数据分析和预处理；通过多通道的频谱空间自注意机制模块，提取EEG信号的频谱与空间特征，结合自注意和交叉注意机制强化情绪特征的捕捉；采用基于类别原型的联合分布对齐方法，优化解耦后的特征分布，使得被试内不变特征和被试间不变特征在情绪分类中更具区分度；通过线性网络对优化后的解耦特征进行重组，协调两者进行更充分的情绪表征提取，并通过多层感知机进行情绪分类。本发明方法在多个数据集上取得了优异的跨被试情绪识别性能，能有效提高脑电信号在跨被试场景下的情绪识别率。