我院张晓丹副教授团队的研究成果“Lightweight CNN-CBAM-BiLSTM EEG emotion recognition based on multiband DE features”发表在中科院二区期刊《Biomedical Signal Processing and Control》(IF=4.9)。该成果第一作者为研究生王舒仪，指导老师为张晓丹副教授。

该论文第一作者王舒仪同学为控制科学与工程专业2023级研究生，为我校推免硕士研究生，自本科以来积极加入到导师课题组，参与“基于脑电信号情绪识别”课题研究。经过系统的理论学习和实践锻炼，奠定了扎实的信号处理与检测的理论基础，积累了丰富的学科竞赛与科研项目经验，并继续进行博士深造。

此项成果充分体现了电子信息学院在推动智能信息处理在脑机接口、人机互动以及医疗健康领域的应用，系统培养具备算法创新与生物信息学交叉应用能力新工科人才的扎实成果。学院今后将继续完善科研平台建设，引入前沿技术资源，支持更多学生在学术探索与工程实践中发挥所长、实现突破。

成果简介：基于脑电信号的情绪识别在情感计算、人机交互与智能医疗等领域具有重要应用价值。现有的深度学习模型常面临参数量大、计算复杂、调参困难等挑战。为此，本研究提出一种轻量级融合注意力机制的深度学习模型LC-CBAMB-Net。该模型以多频带微分熵作为特征输入，结合轻量化卷积神经网络提取空间特征，通过CBAM注意力机制动态增强通道与空间关键信息，并利用双向长短时记忆网络捕捉信号时序依赖关系，从而实现高效、精准的情绪状态分类。研究在DEAP、SEED和Feeling Emotion三个公共数据集上进行测试，模型在效价-唤醒度二分类及三分类任务中均取得优异性能，显著优于现有多种方法。该研究不仅为脑电情绪识别提供了一种高精度、轻量化的解决方案，也为基于注意力和时序建模的多模态信号处理提供了新思路。（撰写：纪超，审核：张蕾）

图 1 LC-CBAMB-Net模型框架