信息处理方法、信息处理装置和学习方法与流程

摘要: 本技术涉及信息处理方法、信息处理装置和学习方法,并且特别地,涉及使得能够准确执行情绪估计的信息处理方法、信息处理装置和学习方法。背景技术:1、当人的内部状态(例...
信息处理方法、信息处理装置和学习方法与流程

本技术涉及信息处理方法、信息处理装置和学习方法,并且特别地,涉及使得能够准确执行情绪估计的信息处理方法、信息处理装置和学习方法。

背景技术:

1、当人的内部状态(例如情绪)改变时,诸如脑电图(eeg)的生物响应被表现出来。通常,情绪估计系统使用测量设备来测量例如作为生物信号的eeg,从生物信号中提取特征,并通过将该特征输入由机器学习获得的情绪估计模型来估计用户的情绪。

2、然而,在将这种技术部署到在日常生活中或真实世界环境中使用的应用的情况下,源自eeg以外的源的信号(诸如肌电信号、眼电信号和身体运动)被叠加在生物信号上作为噪声,因此信号质量降低并且情绪估计的准确性恶化。在日常生活中或真实世界环境中使用的测量设备中,与皮肤接触的电极的数量受到限制,因此由一个电极测量的生物信号的质量的降低显著影响情绪估计的准确性。

3、相比之下,专利文献1描述了一种通过考虑生物信号的信号质量在基于从单个生物信号中提取的特征的情绪估计中提高情绪估计对噪声的鲁棒性的技术。

4、引用列表

5、专利文献

6、专利文献1:wo 2023/286313

技术实现思路

1、本发明要解决的问题

2、在大脑中,不仅在每个区域内而且通过区域之间的协调来进行信息交换。例如,一个处理不是仅在额叶区域内完成的,而通过额叶区域和颞叶区域之间的信息交换来执行处理。关于人类情绪,在大脑的左右额叶区域中执行与愉快和不愉快相关联的奖惩处理。因此,需要基于在左额叶区域处测量的生物信号与在右额叶区域处测量的生物信号之间的关系(诸如差异、相关性和互信息)来区分高唤醒愉快状态和高唤醒不愉快状态。

3、鉴于这些情况,做出了本技术,并且使得能够准确执行情绪估计。

4、问题的解决方案

5、根据本技术的第一方面的信息处理方法包括:基于包括在信号集中的、通过在多个通道中的每一个中测量用户的生物响应获得的多个生物信号,提取指示包括在信号集中的所述多个生物信号之间的关系的耦合特征;以及基于针对在一个样本内能够组合的每个信号集提取的耦合特征来估计用户的情绪。

6、根据本技术的第一方面的信息处理装置包括:特征提取单元,其基于包括在信号集中的、通过在多个通道中的每一个中测量用户的生物响应获得的多个生物信号,提取指示包括在信号集中的所述多个生物信号之间的关系的耦合特征;以及情绪估计单元,其基于针对在一个样本内能够组合的每个信号集提取的耦合特征来估计用户的情绪。

7、根据本技术的第二方面的学习方法包括:基于包括在信号集中的、通过在多个通道中的每一个中测量人的生物响应获得的多个生物信号,提取指示包括在信号集中的所述多个生物信号之间的关系的耦合特征;逐样本地确定信号质量;以及针对在样本内能够组合的每个信号集,使用所提取的耦合特征、逐样本的信号质量的确定结果以及指示与样本相关联的人的情绪的情绪标签来执行学习,以获得用于情绪的估计的模型参数。

8、在本技术的第一方面中,指示包括在信号集中的多个生物信号之间的关系的耦合特征是基于包括在信号集中的、通过在多个通道中的每一个中测量用户的生物响应获得的多个生物信号提取的,并且用户的情绪是基于针对在一个样本内能够组合的每个信号集提取的耦合特征估计的。

9、在本技术的第二方面中,指示包括在信号集中的多个生物信号之间的关系的耦合特征是基于包括在信号集中的、通过在多个通道中的每一个中测量人的生物响应获得的多个生物信号提取的,信号质量是逐样本地确定的,以及学习是针对在样本内能够组合的每个信号集使用所提取的耦合特征、逐样本的信号质量的确定结果以及指示与样本相关联的人的情绪的情绪标签来执行的,以及用于情绪的估计的模型参数被获得。

1.一种信息处理方法,包括:

2.根据权利要求1所述的信息处理方法,其中,

3.根据权利要求2所述的信息处理方法,其中,

4.根据权利要求3所述的信息处理方法,其中,信号质量的确定结果包括以下中的至少一个:通过对所述多个生物信号中的每个生物信号的信号质量进行量化而获得的信号质量得分、或者指示叠加在所述多个生物信号中的每个生物信号上的噪声的类型的噪声标签。

5.根据权利要求4所述的信息处理方法,其中,通过基于校正参数对要校正的时间处的耦合特征以及比要校正的时间早的时间处的耦合特征进行加权求和,来对耦合特征执行时间方向上的校正,或者,通过基于校正参数对在要校正的时间处测量的生物信号以及在更早时间处测量的生物信号进行加权求和,来对生物信号执行时间方向上的校正。

6.根据权利要求5所述的信息处理方法,其中,校正参数被确定为使得随着要校正的时间处的所述多个生物信号中的每个生物信号的信号质量得分越高,要校正的时间处的耦合特征或生物信号的权重越大,并且,随着要校正的时间处的所述多个生物信号中的每个生物信号的信号质量得分越低,更早时间处的耦合特征或生物信号的权重越大。

7.根据权利要求4所述的信息处理方法,其中,通过基于校正参数对要校正的信号集的耦合特征以及另一个信号集的耦合特征进行加权求和,来对耦合特征执行空间方向上的校正,或者,通过基于校正参数对要校正的生物信号以及另一个生物信号进行加权求和,来对生物信号执行空间方向上的校正。

8.根据权利要求7所述的信息处理方法,其中,校正参数被确定为使得随着要校正的信号集中包括的所述多个生物信号中的每个生物信号的信号质量得分或者要校正的生物信号的信号质量得分越低,所述另一个信号集的耦合特征的权重或者所述另一个生物信号的权重越大。

9.根据权利要求4所述的信息处理方法,其中,参考记录有与所述多个生物信号中的每个生物信号的信号质量得分对应的校正参数的表来确定校正参数。

10.根据权利要求9所述的信息处理方法,其中,基于叠加在所述多个生物信号中的每个生物信号上的噪声的类型是否相同来切换要参考的表。

11.根据权利要求1所述的信息处理方法,其中,

12.根据权利要求1所述的信息处理方法,其中,

13.根据权利要求1所述的信息处理方法,其中,所述多个生物信号至少包括通过在用户的头部的左区域中测量eeg获得的eeg信号以及通过在头部的右区域中测量eeg获得的eeg信号。

14.根据权利要求1所述的信息处理方法,其中,通过测量设备来获取所述多个生物信号,该测量设备设置有对应于多个通道的多个传感器使得能够在用户的头部上的多个位置处测量电位。

15.根据权利要求14所述的信息处理方法,其中,所述测量设备是头戴式显示器、头带、耳机、耳塞、眼镜和帽子中的任一种。

16.一种信息处理装置,包括:

17.一种学习方法,包括:

18.根据权利要求17所述的学习方法,其中,

19.根据权利要求18所述的学习方法,其中,逐样本地确定信号质量进一步包括:

20.根据权利要求17所述的学习方法,其中,