Reconocimiento del estado emocional mediante señales eeg

• Rubén Marco ^[1] ; Eduardo Iáñez ^[1] ; Mario Ortiz ^[1] ; José M. Azorín ^[1]
  1. [1] Universidad Miguel Hernández de Elche

     Universidad Miguel Hernández de Elche

     Elche, España

     
• Localización: XXXIX Jornadas de Automática: actas. Badajoz, 5-7 de septiembre de 2018 / coord. por Inés Tejado Balsera, Emiliano Pérez Hernández, Antonio José Calderón Godoy, Isaías González Pérez, Pilar Merchán García, Jesús Salvador Lozano Rogado, Santiago Salamanca Miño, Blas Manuel Vinagre Jara, 2018, ISBN 978-84-9749-756-5, págs. 21-27
• Idioma: español
• Títulos paralelos:
  • Emotional state recognition through eeg signals
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se ha desarrollado un sistema BMI para reconocer el estado emocional de los sujetos mediante señales EEG. Se han definido tres estados emocionales diferentes: agradable, neutro y desagradable. Se ha diseñado un protocolo experimental que muestra a 5 sujetos diversas imágenes de cada uno de los estados planteados. Tras preprocesar las señales registradas se han obtenidos sus características en el dominio de la frecuencia para posteriormente aplicar un clasificador SVM mediante validación cruzada para obtener los resultados. Se han evaluado 5 configuraciones de electrodos y dos tamaños de ventana de procesamiento. Los resultados obtenidos muestran que las señales registradas en las regiones próximas a las temporales son representativas del estado emocional y que la distinción entre estados agradables y neutros resulta más sencilla que el resto de clasificaciones, alcanzándose un porcentaje de acierto medio del 76% al respecto.

  • English

    In this work, a BMI system has been developed to recognize the emotional state of the users through EEG signals. Three different emotional states have been de ned (pleasant, neutral and unpleasant), as well as an experimental design to register them in 5 individuals, consisting on the visualization of distinct types of images for each of these states. After the register, the signals acquired have been ltered and a their features have been extracted in the frequency domain to apply a SVM classifier through cross validation, obtaining the results. 5 con gurations of electrodes and two sizes of processing windows have been evaluated. The results show that signals registered near to temporal lobes are representative of the emotional state and that the distinction between pleasant and neutral states is easier than the rest of classi cations, reaching an average success rate of 76%.