一种基于分层多尺度图神经网络的脑电情绪识别方法

本发明公开了一种基于分层多尺度图神经网络的脑电情绪识别方法，属于情感计算与生物电信号处理技术领域。本发明在传统图神经网络基础上进行结构性创新，构建了一个从局部到全局逐层特征增强的多尺度图网络模型，核心在于对图结构建模、特征融合机制和全局依赖捕捉能力三方面的优化提升。该模型采用局部图卷积结合随机游走归一化矩阵，增强电极间空间依赖建模；在中尺度层中引入虚拟脑区中心与SE通道注意力机制，有效提取跨脑区情绪特征；在全局层采用简化Transformer结构捕捉长距离跨时间步特征关系，最后结合扩散生成网络提升特征表达能力与鲁棒性。在保持模型轻量化的同时，实现了对EEG信号复杂情绪模式的高精度建模，显著提升了情绪识别的准确性、稳定性与跨受试者泛化能力，提供了一种适用于多源生理信号场景的高效情绪识别新方法。