بررسي ميزان تعيّن سيگنالهاي مغزي در احساسات مثبت، منفي و خنثي در منابع حاصل از الگوريتم ICA

Investigation of Positive, Negative and Neutral Emotion’s determinism through EEG signal processing in extracted component of ICA

در اين تحقيق به بررسي سيگنالهاي الكتروانسفالوگرام (EEG) در احساسات مثبت، منفي و خنثي پرداخته شده است. در اين پژوهش، فرض شده است كه مغز داراي منابع مستقل مختلفي در هنگام هر فعاليت احساسي بوده كه اين منابع توسط الگوريتم پردازش مولفه‌هاي مستقل(ICA) قابل مشاهده خواهند بود. براي غلبه بر مشكل نامشخص بودن ترتيب مولفه هاي استخراج شده در الگوريتم ICA، ابتدا با استفاده از آنتروپي شانون، اين منابع مرتب و سپس از روي اين منابع مرتب شده، ويژگي‌هاي بعد فراكتالي Katz و اولين محل كمينه شدن اطلاعات متقابل بر حسب تاخير(tau) به عنوان نمايش‌دهنده‌هاي تعيّن استخراج شده‌اند. نتايج نشان مي‌دهد كه ميزان تعيّن منابع مرتب شده داراي اختلاف معني‌داري در طول زمان و در سه حالت احساسي مثبت، منفي و خنثي است. ميزان تعيّن در حالت‌هاي احساسي خنثي، منفي و مثبت به ترتيب افزايش مي‌يابد.

In this study, electroencephalogram (EEG) signals have been analyzed in positive, negative and neutral emotions. Here it is supposed that the brain has different independent sources during an emotional activity which will be extractable by Independent Component Analysis (ICA) algorithm. For resolving the ill-poseness problem of extracted components by ICA algorithm, first these sources were sorted by Shannon entropy and then the features of Katz fractal dimension and the first local minimum of the mutual information based on the time delay (tau) have been extracted for representing determinism. The results show that the determinism ratio of the sorted sources has significant difference during the time in three emotional states: positive, negative and neutral. The determinism ratio increases in neutral, negative and positive emotional states, respectively.