基于DLKA和EEGNet的多模态情绪识别方法

本发明公开了一种基于DLKA和EEGNet的多模态情绪识别方法，包括以下步骤：对EEG信号进行特征提取并进行预处理；构建DLKA‑EEGNet模型，采用DLKA‑EEGNet模型提取脑电图特征；对EOG信号进行特征提取，并将EOG信号与EEG信号进行多模态特征融合；将融合后的特征输入到深度学习模型中进行情绪识别。本发明通过引入DLKA与EEGNet相结合的模型，提出了一种全新的多模态情绪识别方法，DLKA模块采用可变换大核卷积策略，能在自适应调整感受野的同时，降低参数量，减少计算复杂度，DLKA模块同时加强深度卷积网络对EEG信号的全局信息挖掘，从而提高情感识别模型的鲁棒性和准确性。