CN105249963A - 基于样本熵的n400诱发电位测谎方法 - Google Patents

Abstract

本发明提供一种基于样本熵的N400诱发电位测谎方法，包括以下步骤：脑电信号提取与同步放大；脑电信号采集；脑电信号接收与同步存储；脑电信号预处理；脑电信号叠加平均；脑电信号样本熵特征值提取；说谎与否状态判断，结合样本熵度量N400诱发脑电信号的复杂度，反映其非线性特征，通过对数据的统计分析找到区别说谎与否的特征阈值，比较探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值与阈值的大小，判断是否说谎，克服了现有技术中利用诱发电位波形几何性质进行测谎判断的不足，使得本发明具有能够有效保证稳定的谎言识别正确率的优点。

Description

基于样本熵的N400诱发电位测谎方法

技术领域

本发明属于认知神经科学领域与信息技术领域的结合应用，涉及一种事件相关电位N400的测谎方法，具体是基于样本熵的N400诱发电位测谎方法。

背景技术

说谎作为一种心理现象，不只是出现于当今社会，从目前我们已知的历史档案中可以看出，在人类社会的早期就存在说谎的现象。虽然有不少谎言是善意的，但也存在很多危害国家安全、社会安全和公平正义的谎言。比如，在间谍犯罪、职务犯罪和刑事侦查中，罪犯为了隐瞒罪行、逃避法律的制裁而故意说谎。在案件的审理过程中，谎言对于案件的审理和罪行的判定会造成巨大影响。因此，如何准确有效地识别谎言，对于司法机关工作人员来说就显得尤为重要，研究谎言的检测方法具有重大的现实意义。

目前，国内外对于谎言的识别主要包括主观方法和客观方法。主观方法主要是通过察言观色的方式判断是否说谎。此方法主观性太强并且个体能够有意识地控制身心活动以掩盖说谎的事实，因而识别谎言的成功率往往很低。客观方法主要有多道生理记录仪、功能核磁共振成像(fMRI)、事件相关电位(ERP)等测量方法。早期的测谎研究主要使用多道生理记录仪，它主要通过测量被测者在被询问某些问题时所表现出的植物神经反应(呼吸频率、血压、皮肤电阻等生理指标)的变化来判断是否说谎。然而这种测谎方法很容易受到紧张、焦虑和恐惧等心理因素的影响，误报和漏报率高。例如，被测者尤其心理素质好、城府深者能够通过抑制这些生理反应逃避测谎检测。近年来，fMRI和ERP测谎技术已经发展起来。其中fMRI虽然具有较高的空间分辨率，但是时间分辨率低、设备价格高昂，而多通道ERP具有时空分辨率高、使用方便、成本低等优点，并且ERP是大脑皮层的电位活动，人们根本无法抑制大脑皮层的兴奋，所以ERP被认为是较客观、科学、实用的测量方法，ERP在国外已被广泛应用于犯罪心理生理测试及其他领域，如CIA、FBI、间谍及犯罪嫌疑人的甄别。

ERP测谎研究中主要涉及的诱发电位是P300和N400，P300是潜伏期为250ms～700ms的正向波,N400是潜伏期为200ms～500ms的负向波。1992年杨文俊等利用受试者熟悉和不熟悉的人物和照片为刺激，发现熟悉的人物和照片相对不熟悉的人物和照片产生更正向的P300波，以P300的波幅和波面积为特征进行测谎研究，取得了较好的实验结果。随后，周亮等在杨文俊研究的基础上为了更接近实际测谎首次通过模拟盗窃实验，同样取得了良好的实验结果。后来，赵敏、郑崇勋等人也通过P300幅值特征进行测谎，均得到了较好的识别率。南佛罗里达大学TimothyL.Boaz等(1991)验证了N400用于测谎的可行性，他们的研究发现，如果被试具有犯罪相关的知识，则呈现给被试包含犯罪知识的错误句子或词语时诱发的N400波形相比真实句子有显著差异，表现为更负向的偏转。在TimothyL.Boaz研究的基础上，圣托马斯大学MichaelHoulihan、西南大学ShenTu等采用N400进行测谎实验，发现欺骗条件下的波形比诚实条件下的波形更为负向。虽然这些测谎研究取得了一定的成绩，但是它们进行谎言识别主要是基于对诱发电位波形的几何性质分析(波幅、波面积、峰峰值等)，然而几何性质并不能有效的反映脑电信号的特征，这种测谎方法并不尽如人意，谎言检测效果不够理想和稳定。并且，基于P300的测谎还无法排除小概率刺激对测谎的影响，因为在以往的ERP研究中小概率刺激的呈现会诱发明显的P300，案件相关“探测刺激”的呈现也会诱发P300。

发明内容

本发明的目的在于克服上述现有技术中的不足，提出了一种基于样本熵的N400诱发电位测谎方法，结合样本熵度量N400诱发脑电信号的复杂度，反映其非线性特征，通过对数据的统计分析找到区别说谎与否的特征阈值，得到了较高的谎言识别率。

为达到上述目的，本发明采用以下技术方案：

基于样本熵的N400诱发电位测谎方法，包括以下步骤：

步骤一，脑电信号提取与同步放大：通过64导联脑电电极对被测者头部64个部位的脑电信号分别同时进行实时提取，且通过脑电信号放大器对64导联脑电电极所提取的64路脑电信号同步进行放大处理；根据64导联脑电电极中各导联脑电电极的布设位置相应对各导联脑电电极所提取的脑电信号进行编号；

步骤二，脑电信号采集：通过64导联脑电信号采集设备按照预先设定的采样频率对经脑电信号放大器放大后的64路脑电信号同步进行采集，并将所采集的64路脑电信号转换成对应编号的64路数字脑电信号Z_i(t)后同步传送至处理器，其中i＝1、2、3…64；

步骤三，脑电信号接收与同步存储：处理器将所接收到的64路数字脑电信号Z_i(t)分别对应存储至存储器内预先建立的存储单元内，且对各存储单元内所存储的上一个所采集信号进行替换，以对各存储单元内所存储信息进行实时更新；

步骤四，脑电信号预处理：对存储单元内的64路数字脑电信号Z_i(t)进行去除眼电伪迹和去除电压幅值超过±100uv的脑电信号伪迹操作，然后带通滤波；

步骤五，脑电信号叠加平均：对预处理之后的64路数字脑电信号Z_i(t)按照不同的刺激类型进行分段，每种刺激分段时间间隔为刺激出现前200ms到刺激出现后1000ms，获取每一段的多个采样点，然后将多个采样点进行叠加平均得出64路数字脑电信号Z_i(t)对应的ERP脑电信号数据和其中为探测刺激对应的ERP脑电信号数据、为无关刺激对应的ERP脑电信号数据；

步骤六，脑电信号样本熵特征值提取：利用样本熵算法计算探测刺激和无关刺激对应的ERP脑电信号数据的样本熵值，分别记为和接着计算探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值，记为

步骤七，说谎与否状态判断：将K_i值与预设的阈值T进行比较，小于T则判定没有说谎，大于等于T则判定说谎；阈值T为通过获取多组被测者接受到探测刺激和无关刺激时样本熵差值绝对值的平均值，以及探测刺激样本熵值、无关刺激样本熵值、样本熵差值绝对值在各导联处的数据分布特点，并对这些数据进行统计分析得到，阈值T为判断说谎与否的临界值。

进一步，所述预设的阈值T＝0.01。

进一步，所述样本熵的计算步骤如下：

1)探测刺激/无关刺激ERP脑电信号数据为x(1)，x(2)，…，x(N)共N个点；

2)按序号连续顺序组成一组m维矢量：从X_m(1)到X_m(N-m+1)，其中

X_m(i)＝[x(i)，x(i+1)，…x(i+m-1)](i＝1，2，…，N-m+1)；(1)

3)定义矢量X_m(i)和X_m(j)间的距离d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，即：d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，

d[X_m(i)，X_m(j)]＝max(|x(i+k)-x(j+k)|)，

i，j＝1，2，…，N-m+1；i≠j；k＝0，1，…，m-1；(2)

4)给定阈值r(r>0)，对每个i值统计d[X_m(i)，X_m(j)]小于r的数目(模版匹配数)并计算该数目与总矢量个数的比值，记作即

5)求其对于所有的i的平均值，用B^m(r)表示，即

$B^m\left(r\right)=\frac{1}{N-m+1}{\mathrm{\Σ}}_{i=1}^{N-m+1}{B}_i^m\left(r\right);---\left(4\right)$

6)将维数增加1，即组成m+1维矢量重复步骤(2)～(5)，并分别用和B^m+1(r)表示；

7)计算样本熵

SampEn(m，r，N)＝-ln[B^m+1(r)/B^m(r)]。

式中：SampEn(m，r，N)为样本熵估计值的表达式；m为嵌入维数；r为相似容限；N为数据序列长度。

进一步，所述采样频率为500Hz～20000Hz。

进一步，所述采样频率为1000Hz，每种刺激每一段得到1201个采样点，将1201个采样点进行叠加平均得出64路数字脑电信号Z_i(t)对应的ERP脑电信号数据和

进一步，所述滤波频率为0Hz～400Hz。

所述滤波频率为0.1Hz～30Hz。

进一步，提取被测者头部脑电信号时，只提取与N400有关的11个电极F3、F1、Fz、F2、F4、FC1、FCz、FC2、C3、C1和Cz的脑电信号。

本发明与现有技术相比具有以下优点：

一，本发明结合样本熵度量N400诱发脑电信号的复杂度，反映其非线性特征，通过对数据的统计分析找到区别说谎与否的特征阈值，比较探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值与阈值的大小，判断是否说谎，由于考虑了脑电信号是非线性、非平稳的信号，利用样本熵这一非线性动力学参数作为特征值，将判断标准具体化，克服了现有技术中利用诱发电位波形几何性质进行测谎判断的不足，使得本发明具有能够有效保证稳定的谎言识别正确率的优点。

二，本发明的测谎方法准确度高，实现方便，检测速度快。

三，本发明提出了脑电信号测谎的新方法，找出了能准确表征说谎与否的特征参数。

附图说明

图1为本发明所采用基于样本熵的N400诱发电位测谎方法的流程框图

图2为本发明所采用检测系统的电路原理框图

图3为本发明64导联脑电电极的布设位置示意图

图4为刺激呈现流程图

图5为犯罪组被测者的ERP波形图

图6为犯罪组组被测者的样本熵值图

图7为对照组被测者的ERP波形图

图8为对照组被测者的样本熵值图

附图标记说明：

1-64导联脑电电极；2-脑电信号放大器；3-64导联脑电信号采集设备；4-处理器；5-参数设置单元；6-存储器；7-提示单元；8-显示器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图1对发明型进行详细描述：

步骤一，脑电信号的提取和同步放大：通过64导联脑电电极1对被测试者头部64个部位的脑电信号分别进行实时提取，且通过脑电信号放大器2对64导联脑电电极1所提取的64路脑电信号同步进行放大处理；通过64导联脑电电极对被测试者头部的脑电信号进行提取之前，根据64导联脑电电极1中各导联脑电电极的布设位置相应对各导联脑电电极所提取的脑电信号进行编号。64导联脑电电极1的编号顺序为1#：“FP1”；2#：“FPz”；3#：“FP2”；4#：“AF3”；5#：“AF4”；6#：“F7”；7#：“F5”；8#：“F3”；9#：“F1”；10#：“Fz”；11#：“F2”；12#：“F4”；13#：“F6”；14#：“F8”；15#：“FT7”；16#：“FC5”；17#：“FC3”；18#：“FC1”；19#：“FCz”；20#：“FC2”；21#：“FC4”；22#：“FC6”；23#：“FT8”；24#：“T7”；25#：“C5”；26#：“C3”；27#：“C1”；28#：“Cz”；29#：“C2”；30#：“C4”；31#：“C6”；32#：“T8”；33#：“TP7”；34#：“CP5”；35#：“CP3”；36#：“CP1”；37#：“CPz”；38#：“CP2”；39#：“CP4”；40#：“CP6”；41#：“TP8”；42#：“P7”；43#：“P5”；44#：“P3”；45#：“P1”；46#：“Pz”；47#：“P2”；48#：“P4”；49#：“P6”；50#：“P8”；51#：“PO7”；52#：“PO5”；53#：“PO3”；54#：“POz”；55#：“PO4”；56#：“PO6”；57#：“PO8”；58#：“CB1”；59#：“O1”；60#：“Oz”；61#：“O2”；62#：“CB2”；63#：“HEO”；64#：“VEO”；图3中M1和M2为贴在双耳乳突上的参考电极，VEOG和HEOG分别为垂直眼电和水平眼电。64导联脑电电极1的安放按国际脑电图学会标定的10-20电极导联定位标准，每个电极与临近电极离开10％或20％的距离。

步骤一中所述的脑电信号提取与同步放大之前，通过提示单元7查看每个电极与人脑部的连接是否正常，若不正常则需进行处理矫正，然后通过参数设置单元5对初始参数进行设定，所述初始参数包括采样频率、滤波频率、分析处理的各数字脑电信号的编号、样本熵算法的参数、判定说谎与否的阈值参数T进行设定，如图2所示。

步骤二，脑电信号采集：通过64导联脑电信号采集设备3按照预先设定的采样频率对经脑电信号放大器2放大后的64路脑电信号同步进行采集，并将所采集的64路脑电信号转换为对应编号的64路数字脑电信号Z_i(t)后同步传送至处理器4，其中i＝1、2、3…64。

在本发明脑电信号采集步骤之前让犯罪组(说谎组)被测者进行一个模拟杀人犯罪，对照组(诚实组)不进行模拟杀人犯罪，然后将模拟杀人犯罪内容(杀人工具、时间、地点等)编制成案件相关语句。

在本发明脑电信号采集步骤中需要通过显示器8给被测者呈现案件相关语句刺激。在图4中开始0ms至500ms呈现准备提示符号“+”，接着刺激一呈现500ms随后黑屏800ms，刺激二和刺激三均呈现500ms之后黑屏800ms，“***”出现之后黑屏1000ms。每次语句刺激呈现结束后休息1500ms，探测刺激和无关刺激各呈现80次，顺序上随机排列。当语句刺激呈现过程中出现“***”时，需要被测者进行按键反应，按“1”表示知道，按“2”表示不知道。要求犯罪组被测者对探测刺激按“2”撒谎表示不知道，对无关刺激则诚实回答，对照组被测者均诚实回答。其中，刺激一为语境词语，刺激二为判断动词，刺激三为探测刺激或无关刺激。例如案件相关语句“杀人工具是匕首”，刺激一为“杀人工具”，刺激二为“是”，刺激三为探测刺激“匕首”，当把“匕首”换成“木棍”时即为无关刺激。

本发明中，采样频率为1000Hz。实际使用过程中，可以根据实际需要，将采样频率设在500Hz～20000Hz范围内进行相应调整。

步骤三，脑电信号接收与同步存储：脑电信号接收与同步存储：处理器将此时所接收到的64路数字脑电信号Z_i(t)分别对应存储至存储器6内预先建立的存储单元内，且对各存储单元内所存储的上一个所采集信号进行替换，以对各存储单元内所存储信息进行实时更新。

由于N400主要与视觉、语言加工及记忆有关，因此主要检测F3、F1、Fz、F2、F4、FC1、FCz、FC2、C3、C1、Cz这11个与视觉、语言加工及记忆有关的导联。

步骤四，脑电信号预处理：对存储单元内的64路数字脑电信号Z_i(t)进行去除眼电伪迹和去除脑电幅值超过±100uv的伪迹的操作，最后进行按照预先设定的频率进行带通滤波。

本发明中，滤波频率为0.1Hz～30Hz。实际使用过程中，可以根据实际需要，将滤波频率在0Hz～400Hz范围内进行相应调整。

步骤五，脑电信号叠加平均：对预处理之后的64路数字脑电信号Z_i(t)按照不同的刺激类型进行分段，分段时间间隔为探测/无关刺激出现前200ms到刺激出现后1000ms，即每一段能够得到1201个采样点，进行叠加平均得出64路数字脑电信号Z_i(t)对应的ERP脑电信号数据和其中为探测刺激对应的ERP脑电信号数据、为无关刺激对应的ERP脑电信号数据。

此时以一名犯罪组被测者和一名对照组被测者的一导联脑电信号为例，来展示诱发的ERP脑电信号波形图，详见图5和图7，其中图5为犯罪组被测者的ERP波形图，图7为对照组被测者的ERP波形图。通过对图5和图7进行比较发现，犯罪组被测者在虚线范围内无关刺激诱发的ERP波形产生了比探测刺激更负向的偏转，诱发出了明显的N400，而对照组没有诱发出明显的N400。

步骤六，脑电信号样本熵特征值提取：样本熵能够度量脑电信号的复杂度，熵值越高，脑电信号复杂度越高。利用样本熵算法计算探测刺激和无关刺激对应的ERP脑电信号数据的样本熵值，分别记为和接着计算探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值，记为

样本熵的计算步骤如下：

1)探测刺激/无关刺激ERP脑电信号数据为x(1)，x(2)，…，x(N)共N个点；

2)按序号连续顺序组成一组m维矢量：从X_m(1)到X_m(N-m+1)，其中

X_m(i)＝[x(i)，x(i+1)，…x(i+m-1)](i＝1，2，…，N-m+1)；(1)

3)定义矢量X_m(i)和X_m(j)间的距离d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，即：d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，

d[X_m(i)，X_m(j)]＝max(|x(i+k)-x(j+k)|)，

i，j＝1，2，…，N-m+1；i≠j；k＝0，1，…，m-1；(2)

4)给定阈值r(r>0)，对每个i值统计d[X_m(i)，X_m(j)]小于r的数目(模版匹配数)并计算该数目与总矢量个数的比值，记作即

5)求其对于所有的i的平均值，用B^m(r)表示，即

$B^m\left(r\right)=\frac{1}{N-m+1}{\mathrm{\Σ}}_{i=1}^{N-m+1}{B}_i^m\left(r\right).---\left(4\right)$

6)将维数增加1，即组成m+1维矢量重复步骤(2)～(5)，并分别用和B^m+1(r)表示。

7)计算样本熵

SampEn(m，r，N)＝-ln[B^m+1(r)/B^m(r)]，(7)

式中：SampEn(m，r，N)为样本熵估计值的表达式；m为嵌入维数；r为相似容限；N为数据序列长度。一般情况下，当m取1或2，r取0.1倍～0.25倍原始数据的标准差时，计算得到的样本熵具有较好的统计特性。本发明中样本熵算法中取m＝2，r＝0.15STD，STD为数据序列的标准差。

此时以一名犯罪组被测者和一名对照组被测者的11导联样本熵为例，来展示探测刺激和无关刺激诱发的ERP脑电信号的样本熵值，详见图6和图8，其中图6为犯罪组被测者的样本熵值图，图8为对照组被测者的样本熵值图。通过对图6和图8的探测刺激和无关刺激的样本熵值进行比较发现，犯罪组被测者的探测刺激熵值显著大于无关组被试，而对照组被试无关刺激、探测刺激熵值几乎没有差异。这主要是因为犯罪组被测者脑海里有关于犯罪信息的记忆，被测者在接受到外界的探测刺激也即犯罪信息时，激活了犯罪组被测者脑海里的犯罪记忆，犯罪情景重现提高了大脑皮层的兴奋度，从而提高了脑电信号的复杂度。当出现无关刺激时，由于被测者没有无关刺激的记忆，不存在记忆的激活和犯罪情景重现，大脑皮层的兴奋度没有增加，因而脑电信号复杂度相对也低。对于对照组被测者来说，脑海里没有关于犯罪信息的记忆，不会存在记忆激活和犯罪情景重现，因而探测刺激和无关刺激对于他们来说没有任何区别，表现出来就是探测刺激与无关刺激的样本熵值基本一致、波动不大。结合实验获取的19组数据的样本熵差值绝对值的平均值以及探测刺激样本熵值、无关刺激样本熵值、样本熵差值绝对值在各导联处的数据分布特点，并对这些数据进行统计分析，得出样本熵差值绝对值为0.01时能很好的区分说谎者与诚实者，最终选取样本熵值差的绝对值T＝0.01作为判断说谎与否的阈值。

步骤七，说谎与否状态判断：将K_i值与预设的阈值T＝0.01进行比较，小于T则判定没有说谎，大于等于T则判定说谎。

实际操作过程中，可通过参数设置单元5对判定阈值T进行具体设定。在基于样本熵的特征提取过程中，产生了相应的特征参数(包括探测刺激样本熵值、无关刺激样本熵值、探测刺激无关刺激熵值差的绝对值)，这些特征参数是判别被测者说谎与否的关键。如表1和表2分别列出了犯罪组被测者和对照组被测者在F3、Fz、FC2三个导联处的特征参数：

表1犯罪组被测者的特征参数

表2对照组被测者的特征参数

结合表1和表2可见，犯罪组被测者的探测刺激与无关刺激样本熵值差的绝对值K_i较大，对照组被测者的探测刺激与无关刺激样本熵值差的绝对值K_i较小。由此可见，探测刺激和无关刺激的样本熵值差的绝对值K_i能敏感的反映被测者是否说谎。

步骤八，测谎结果输出：处理器将步骤七中所作出的说谎与否状态判断结果输出。

Claims (8)

1.基于样本熵的N400诱发电位测谎方法，其特征在于包括以下步骤：

步骤一，脑电信号提取与同步放大：通过64导联脑电电极(1)对被测者头部64个部位的脑电信号分别同时进行实时提取，且通过脑电信号放大器(2)对64导联脑电电极(1)所提取的64路脑电信号同步进行放大处理；根据64导联脑电电极(1)中各导联脑电电极的布设位置相应对各导联脑电电极所提取的脑电信号进行编号；

步骤二，脑电信号采集：通过64导联脑电信号采集设备(3)按照预先设定的采样频率对经脑电信号放大器(2)放大后的64路脑电信号同步进行采集，并将所采集的64路脑电信号转换成对应编号的64路数字脑电信号Z_i(t)后同步传送至处理器(4)，其中i＝1、2、3…64；

步骤三，脑电信号接收与同步存储：处理器(4)将所接收到的64路数字脑电信号Z_i(t)分别对应存储至存储器(6)内预先建立的存储单元内，且对各存储单元内所存储的上一个所采集信号进行替换，以对各存储单元内所存储信息进行实时更新；

步骤四，脑电信号预处理：对存储单元内的64路数字脑电信号Z_i(t)进行去除眼电伪迹和去除电压幅值超过±100uv的脑电信号伪迹操作，然后带通滤波；

步骤五，脑电信号叠加平均：对预处理之后的64路数字脑电信号Z_i(t)按照不同的刺激类型进行分段，每种刺激分段时间间隔为刺激出现前200ms到刺激出现后1000ms，获取每一段的多个采样点，然后将多个采样点进行叠加平均得出64路数字脑电信号Z_i(t)对应的ERP脑电信号数据和其中为探测刺激对应的ERP脑电信号数据、为无关刺激对应的ERP脑电信号数据；

步骤六，脑电信号样本熵特征值提取：利用样本熵算法计算探测刺激和无关刺激对应的ERP脑电信号数据的样本熵值，分别记为和接着计算探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值，记为

步骤七，说谎与否状态判断：将K_i值与预设的阈值T进行比较，小于T则判定没有说谎，大于等于T则判定说谎；阈值T为通过获取多组被测者接受到探测刺激和无关刺激时样本熵差值绝对值的平均值，以及探测刺激样本熵值、无关刺激样本熵值、样本熵差值绝对值在各导联处的数据分布特点，并对这些数据进行统计分析得到，阈值T为判断说谎与否的临界值。

2.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：所述预设的阈值T＝0.01。

3.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于，所述样本熵的计算步骤如下：

1)探测刺激/无关刺激ERP脑电信号数据为x(1)，x(2)，…，x(N)共N个点；

2)按序号连续顺序组成一组m维矢量：从X_m(1)到X_m(N-m+1)，其中

X_m(i)＝[x(i)，x(i+1)，…x(i+m-1)](i＝1，2，…，N-m+1)；(1)

3)定义矢量X_m(i)和X_m(j)间的距离d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，即：d[X_m(i)，X_m(j)]为两者对应元素中差值最大的一个，

d[X_m(i)，X_m(j)]＝max(|x(i+k)-x(j+k)|)，

i，j＝1，2，…，N-m+1；i≠j；k＝0，1，…，m-1；(2)

4)给定阈值r(r>0)，对每个i值统计d[X_m(i)，X_m(j)]小于r的数目(模版匹配数)并计算该数目与总矢量个数的比值，记作即

$B_i^m\left(r\right)=\frac{1}{N-m}\{d\&lsqb;X_m\left(i\right)-X_m(j)\&rsqb;\}<r$ 的数目，i≠j}；(3)

5)求其对于所有的i的平均值，用B^m(r)表示，即

$B^m\left(r\right)=\frac{1}{N-m+1}{\&Sigma;}_{i=1}^{N-m+1}{B}_i^m\left(r\right);---\left(4\right)$

6)将维数增加1，即组成m+1维矢量重复步骤(2)～(5)，并分别用和B^m+1(r)表示；

7)计算样本熵

SampEn(m，r，N)＝-ln[B^m+1(r)/B^m(r)]

式中：SampEn(m，r，N)为样本熵估计值的表达式；m为嵌入维数；r为相似容限；N为数据序列长度。

4.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：所述采样频率为500Hz～20000Hz。

5.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：所述采样频率为1000Hz，每种刺激每一段得到1201个采样点，将1201个采样点进行叠加平均得出64路数字脑电信号Z_i(t)对应的ERP脑电信号数据和

6.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：所述滤波频率为0Hz～400Hz。

7.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：所述滤波频率为0.1Hz～30Hz。

8.根据权利要求1所述的基于样本熵的N400诱发电位测谎方法，其特征在于：提取被测者头部脑电信号时，只提取与N400有关的11个电极F3、F1、Fz、F2、F4、FC1、FCz、FC2、C3、C1和Cz的脑电信号。