Band-Specific Graph Learning for EEG-Based Emotion Recognition

Changchun Li

doi:10.1109/LSP.2026.3699586

Band-Specific Graph Learning for EEG-Based Emotion Recognition

2026-06-02

0

PRE

AI

DOI：10.1109/LSP.2026.3699586

原文链接

原文求助

摘要

En 中文

基于脑电图（EEG）的情绪识别因脑电图信号具有高时间分辨率而受到越来越多的关注。然而，基于EEG的情绪识别仍具挑战性，因为EEG信号本身表现出信噪比较低、非平稳性和显著的个体间变异性。此外，脑功能连接呈现明显的频带依赖特性，而许多现有的基于图的方法在频谱带之间使用共享或静态图，限制了其表征频带特异性通道间交互的能力。为解决这些问题，我们提出了BSGNet，一种用于基于EEG的情绪识别的频带特异性图学习框架。具体而言，BSGNet不假设统一的连接结构，而是学习一组频带特异性的通道邻接矩阵，以捕获与不同频带相关的功能交互。学习到的图进一步整合到STGCN骨干网络中，以联合捕获EEG通道间的空间依赖关系和情绪响应的时序动态。在两个公开的EEG情绪识别数据集上的实验结果表明，BSGNet相较于代表性的深度学习和基于图的方法取得了更优的平均性能，支持了频带特异性连接建模对于EEG表示学习的有效性。

Keyword:

Brain–computer interface

electroencephalography

emotion recognition

graph convolutional neural networks

Band-Specific Graph Learning for EEG-Based Emotion Recognition

摘要

期刊

机构

引用论文