A Study on Emotion Classification using 4-Channel EEG Signals

4채널 뇌파 신호를 이용한 감정 분류에 관한 연구

This study describes an emotion classification method using two different feature parameters of four-channel EEG signals. One of the parameters is linear prediction coefficients based on AR modelling. Another one is cross-correlation coefficients on frequencies of ${\theta}$, ${\alpha}$, ${\beta}$ bands of FFT spectra. Using the linear predictor coefficients and the cross-correlation coefficients of frequencies, the emotion classification test for four emotions, such as anger, sad, joy, and relaxation is performed with an artificial neural network. The results of the two parameters showed that the linear prediction coefficients have produced the better results for emotion classification than the cross-correlation coefficients of FFT spectra.

본 연구에서는 뇌파를 AR모델로 모델링하여 선형예측계수를 특징 파라미터로 이용할 때와 뇌파의 주파수 대역별 상호상관계수를 이용할 때의 감정상태 분류 성능을 비교해 보고자 하였다. 이를 위하여 분노, 슬픔, 기쁨, 안정의 4가지 감정상태에 따른 뇌파를 4개 채널로부터 수집하여 선형예측계수와 ${\theta}$, ${\alpha}$, ${\beta}$ 대역의 주파수 영역에서의 상호상관계수를 추출하여 이들을 특징 파라미터로 한 감정상태 분류 실험을 수행함으로써 두 방법의 감정상태 분류 성능을 비교하였고, 패턴 분류기로는 신경회로망을 이용하였다. 감정 분류 실험 결과 뇌파의 특징 파라미터로서 선형예측계수를 이용한 결과가 상호상관계수를 이용할 때보다 성능이 월등히 좋은 것을 알 수 있었다.