fa طبقه بندی هیجانات به کمک تحلیل طیف مرتبۀ بالای سیگنال مغزی تخصصي Special پژوهشي اصیل Research <div style="text-align: justify;"><span style="font-size:12px;"><strong>هدف</strong>: هیجانات نقش مهمی در زندگی انسان ایفا م یکنند. دینامیک سیستم اعصاب مرکزی، متناسب با حالات روانی انسان از جمله هیجانات دستخوش تغییرات می شوند؛ بنابراین با تحلیل سیگنال های مغزی می توان وضعیت سیستم اعصاب را آشکار کرد.<br> <strong>روش</strong>: خواص جالب طیف های مرتبه بالا (HOS) در استخراج اطلاعات فاز سیگنال، استفاده از این طیف ها را در زمینه پردازش سیگنال، خصوصاً سیگنال مغزی (EEG) مطرح کرده است. در این مقاله، برای نخستین بار مقادیر دو طیفی و دو هم دوسی به عنوان دو نمونه از پرکاربردترین توابع HOS به منظور ارزیابی تغییرات EEG در حالت هیجان برای تفکیک سه حالت آرامش، تحریک مثبت و تحریک منفی بکار رفته است. در این تحقیق از داده موجود در اینترفیس که براساس زیر مجموع های از تصاویر IAPS است، استفاده شده است. با استفاده از ویژگی های استخراجی از صفحه دو فرکانسی و آزمون Hinich ، ویژگی هایی برای هر کانال ثبت استخراج شده است. تابع تفکیک بهینه از ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان استفاده شده است.<br> <strong>یافته ها</strong>: نتایج نشان می دهند، بیشترین تغییرات سیگنال EEG در حالت هیجان مربوط به نواحی فرکانسی می باشد. نتایج نشان می دهند، سه حالت هیجانی با درصد صحت تفکیک متوسط %52 از یکدیگر تشخیص داده شده اند.<br> <strong>نتیجه گیری</strong>: نتایج بدست آمده، مشابه تحقیق دیگر قبلی در این زمینه می باشد و بهبود جزئی در نتایج حاصل شده است. نتایج کیفی و شهودی این تحقیق، نیز تفاوت بین سه حالت هیجانی را نشان می دهند. بنابراین طیف های مرتبه بالا از جمله روشهای مفید در بازنمایی رفتار مغز در حالات هیجانی است.</span></div> <div style="text-align: justify;"><span style="font-size:12px;"><strong>Objective</strong>: Emotions play an important role in human life. Electroencephalogram (EEG) is the reflection of brain activity and is widely used in clinical diagnoses and biomedical researches. This paper proposes an emotion recognition system based on EEG signals.<br> <strong>Method</strong>: The visual-induction-based acquisition protocol has been designed for acquiring the EEG signals under three emotional states (calm-neutral, positive-excited and negative-excited) for participants. After preprocessing the signals, higher order spectra (HOS) are employed to extract the many features required for classifying human emotions. In this paper, for the first time, two values are used, such as bispectrum and bicoherence, in order to evaluate the EEG changes in the excited state. In this work, we used genetic algorithm and support vector machines (SVM) for classifying the emotions.<br> <strong>Results</strong>: The results show that, most EEG signal variations correlated with beta frequency band. Hence, with selected HOS-based features, we achieve average accuracy of 52% for three Categories.<br> <strong>Conclusion</strong>: The results confirm the possibility of using HOS-based features in assessing human emotions from EEG signals. In comparison to other works, they did not show any significant difference in accuracy.HOSis auseful method in representation of emotional states of thebrain.</span></div> سیگنال مغزی, طی فهای مرتبه بالا, هیجان,دوطیفی, دو هم دوسی. Electroencephalogram (EEG), Higher Order Spectra, Emotion, Bispectrum, Bicoherence 23 34 http://icssjournal.ir/browse.php?a_code=A-10-2-460&slc_lang=fa&sid=1 Abed Hosseini عابد حسینی Hosseyni@kiaeee.org 10031947532846002212 10031947532846002212 Yes Electrical Engineering, Faculty Member, Department of Electrical Engineering and Biomedical Engineering, Shahrood Branch, Islamic Azad University, Shahrood, Iran. تخصصی مهندسی برق کنترل، عضو هیأت علمی گروه مهندسی برق و مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد شاهرود، شاهرود، ایران.