CN105769221A - 基于Lyapunov指数和关联维数的脑电测谎方法 - Google Patents
基于Lyapunov指数和关联维数的脑电测谎方法 Download PDFInfo
- Publication number
- CN105769221A CN105769221A CN201610206457.7A CN201610206457A CN105769221A CN 105769221 A CN105769221 A CN 105769221A CN 201610206457 A CN201610206457 A CN 201610206457A CN 105769221 A CN105769221 A CN 105769221A
- Authority
- CN
- China
- Prior art keywords
- eeg signals
- electrode
- judgment threshold
- lie
- correlation dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 210000004556 brain Anatomy 0.000 claims description 135
- 238000000034 method Methods 0.000 claims description 135
- 230000000638 stimulation Effects 0.000 claims description 87
- 230000005611 electricity Effects 0.000 claims description 54
- 238000005259 measurement Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 44
- 230000000763 evoking effect Effects 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000003340 mental effect Effects 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000739 chaotic effect Effects 0.000 description 5
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000004936 stimulating effect Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 238000011534 incubation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 241001139441 Metopion Species 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/164—Lie detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于Lyapunov指数和关联维数的脑电测谎方法，包括步骤：一、脑电测谎判断阈值设定：采用参数设置单元对脑电信号提取装置的脑电测谎判断阈值进行设定；脑电信号提取装置包括Pz电极；二、脑电信号采集：采用Pz电极对被测试者头部顶点的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对所述Pz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器；三、脑电信号分析处理，过程如下：脑电信号接收与同步存储、脑电信号特征提取、说谎与否判断和说谎与否判断结果输出。本发明方法步骤简单、设计合理且实现方便、使用效果好，能简单、快速对说谎状态进行准确检测。
Description
技术领域
本发明属于脑电信号处理技术领域，尤其是涉及一种基于Lyapunov指数和关联维数的脑电测谎方法。
背景技术
测谎技术作为司法审讯的一种辅助手段，对刑事案件事实的侦查和证明发挥着重要的作用，现已得到广泛应用。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。1912年，美国研制的多导测谎仪主要通过呼吸、脉搏、血压、皮肤电压等生理变化指标来判别谎言，由于上述参数易受主观因素的影响，使得检测结果难以保证准确无误，误报和漏报率高。1989年，Rosenfeld提出事件相关电位(ERP)的测谎改进方法，其原理是利用受试者接受与案情相关的刺激时产生的P300诱发电位的脑电波变化来判定谎情。
事件相关电位(ERP，event-relatedpotential)是一种特殊的脑诱发电位，通过有意地赋予刺激以特殊的心理意义，利用多个或多样的刺激所引起的脑电位，它反映了认知过程中大脑的神经电生理的变化，也被称为认知电位，也就是指当人们对某课题进行认知加工时，从头颅表面记录到的脑电位，也称为ERP脑电位，对应的脑电信号为ERP脑电信号。
事件相关电位(ERP)测谎研究中主要涉及的诱发电位是P300和N400，其中P300诱发电位的脑电波信号为250ms～700ms的正向波，N400诱发电位的脑电波信号为潜伏期为200ms～500ms的负向波。P300诱发电位的脑电波信号的典型特征是潜伏期、波幅和波面积。由于P300诱发电位是大脑在“无意识”过程中产生的，不会出现“把无当有”的情况，较科学有效地帮助警方侦破案件。随后，众多研究者对ERP测谎技术提出多种改进，如幅值差(即BAD方法)、线性相关系数(即BCD方法)、频谱估计值(即功率谱估计)、小波系数、脑网络结构等，上述处理方法主要以脑电信号的时域、频域特征参数为评价标准展开研究，如BAD方法和BCD方法这两种经典的信号分析处理方法，都利用单通道的P300诱发电位的脑电波信号幅值信息区分诚实和欺骗性反应。赵敏等提出的多通道幅值和受试者的反应时间相结合的方法以及DeyS提出的小波特征提取同样能有效地反映出欺骗和诚实之间的显著差异，并与BAD方法和BCD方法对比得到了较好的结果。但上述处理方法虽然提高了单次响应下诱发脑电信号的信噪比，并且直观地反映出了诚实和欺骗行为之间的差异，但是没有考虑到脑电信号的非线性和混沌特性，造成部分信息损失。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于Lyapunov指数和关联维数的脑电测谎方法，其方法步骤简单、设计合理且实现方便、使用效果好，能简单、快速对说谎状态进行准确检测。
为解决上述技术问题，本发明采用的技术方案是：一种基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：该方法包括以下步骤：
步骤一、脑电测谎判断阈值设定：采用与处理器连接的参数设置单元对脑电信号提取装置的脑电测谎判断阈值进行设定；
所述脑电信号提取装置包括Pz电极，所述Pz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部顶点的脑电电极；
所述脑电信号提取装置的脑电测谎判断阈值包括所述Pz电极的脑电测谎判断阈值，所述Pz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，其中LPz＝0.0015～0.0165，DPz＝0.6125～0.6775；
步骤二、脑电信号采集：测谎过程中，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Pz电极对被测试者头部顶点的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对所述Pz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器；
所述Pz电极提取的脑电信号记作Pz脑电信号，所述Pz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
本步骤中，采样时间为T且T＝t1+t2；其中，t1＝400ms～600ms；t2＝1200ms～1800ms；
步骤三、脑电信号分析处理，过程如下：
步骤301、脑电信号接收与同步存储：所述处理器将所接收到的脑电信号xPz(i)同步存储至存储器内；
所述存储器与处理器连接；
所述脑电信号xPz(i)包括N个采样周期内采集的Pz脑电信号，其中i为正整数且i＝1、2、3、…、N，f的单位为Hz，T的单位为ms；
步骤302、脑电信号特征提取：所述处理器调用最大Lyapunov指数计算模块计算得出脑电信号xPz(i)的最大Lyapunov指数LPz’，并且所述处理器调用时间序列关联维数计算模块计算得出脑电信号xPz(i)的关联维数DPz’；
步骤303、说谎与否判断：根据步骤302中得出的最大Lyapunov指数LPz’和关联维数DPz’，并结合步骤一中设定的Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，所述处理器调用差值比较模块对此时被测试者说谎与否进行判断：当LPz’＜LPz且DPz’＜DPz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；
步骤304、说谎与否判断结果输出：所述处理器将步骤303中作出的说谎与否判断结果输出。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：302中进行脑电信号特征提取之前，还需对脑电信号xPz(i)进行预处理；
对脑电信号xPz(i)进行预处理时，先对脑电信号xPz(i)进行去除眼电伪迹处理，再对去除眼电伪迹处理后的脑电信号xPz(i)进行滤波处理。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤一中进行脑电测谎判断阈值设定时，过程如下：
步骤101、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，均按照步骤二中所述的方法进行脑电信号采集；
步骤102、将赋予多次探测刺激时脑电信号采集设备(3)采集的多个脑电信号xPz(i)进行叠加平均，得到探测刺激下的脑电信号XPz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XPz(i)的最大Lyapunov指数LPzM和关联维数DPzM；
同时，将赋予多次无关刺激时脑电信号采集设备(3)采集的多个脑电信号xPz(i)进行叠加平均，得到无关刺激下的脑电信号X’Pz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Pz(i)的最大Lyapunov指数LPzm和关联维数DPzm；
步骤103、根据公式和公式计算得出Lyapunov指数判断阈值LPz和关联维数判断阈值DPz。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤二中所述的t1＝500ms，t2＝1500ms。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤一中所述脑电信号检测装置还包括Cz电极；所述Cz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部中央点的脑电电极；
所述脑电信号提取装置的脑电测谎判断阈值还包括所述Cz电极的脑电测谎判断阈值，所述Cz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，其中LCz＝0.0072～0.0177，DCz＝0.5175～0.5725；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器；
所述Cz电极提取的脑电信号记作Cz脑电信号，所述Cz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器还需将所接收到的脑电信号xCz(i)同步存储至存储器内；
所述脑电信号xCz(i)包括N个采样周期内采集的Cz脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器还需调用最大Lyapunov指数计算模块计算得出脑电信号xCz(i)的最大Lyapunov指数LCz’，并且所述处理器还需调用时间序列关联维数计算模块计算得出脑电信号xCz(i)的关联维数DCz’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据步骤302中得出的最大Lyapunov指数LCz’和关联维数DCz’，并结合步骤一中设定的Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，所述处理器调用差值比较模块对此时被测试者说谎与否进行判断：当LCz’＜LCz且DCz’＜DCz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xCz(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果一致时，进入步骤304；否则，所述处理器输出本次测谎无效。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤一中对所述Cz电极的脑电测谎判断阈值进行设定时，过程如下：
步骤A1、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器；
步骤A2、将赋予多次探测刺激时脑电信号采集设备采集的多个脑电信号xCz(i)进行叠加平均，得到探测刺激下的脑电信号XCz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XCz(i)的最大Lyapunov指数LCzM和关联维数DCzM；
同时，将赋予多次无关刺激时脑电信号采集设备采集的多个脑电信号xCz(i)进行叠加平均，得到无关刺激下的脑电信号X’Cz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Cz(i)的最大Lyapunov指数LCzm和关联维数DCzm；
步骤A3、根据公式和公式计算得出Lyapunov指数判断阈值LCz和关联维数判断阈值DCz。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤一中所述脑电信号检测装置还包括辅助测试用脑电电极；所述辅助测试用脑电电极的数量至少为两个且其数量不大于13个；所述辅助测试用脑电电极为按照国际标准“10/20”电极安放方法布设在F3、F4、C4、O2、T8、P7、P8、Fz、Cz、FC1、FC2、CP2或FC5点的脑电电极；
步骤一中所述脑电信号提取装置的脑电测谎判断阈值还包括各辅助测试用脑电电极的脑电测谎判断阈值，所述辅助测试用脑电电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LAs和关联维数判断阈值DAs；
其中，布设在F3点的脑电电极的Lyapunov指数判断阈值LAs＝-0.014～0.0034且其关联维数判断阈值DAs＝0.47～0.53；
布设在F4点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0432～0.0863且其关联维数判断阈值DAs＝0.4675～0.4875；
布设在C4点的脑电电极的Lyapunov指数判断阈值LAs＝0.0047～0.0303且其关联维数判断阈值DAs＝0.5725～0.5975；
布设在O2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.011～-0.005且其关联维数判断阈值DAs＝0.665～0.795；
布设在T8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0517～-0.0152且其关联维数判断阈值DAs＝0.5075～0.5425；
布设在P7点的脑电电极的Lyapunov指数判断阈值LAs＝-0.003～0.003且其关联维数判断阈值DAs＝0.78～0.8；
布设在P8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0088～0.0038且其关联维数判断阈值DAs＝0.635～0.765；
布设在Fz点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0218～0.0048且其关联维数判断阈值DAs＝0.4775～0.5125；
布设在Cz点的脑电电极的Lyapunov指数判断阈值LAs＝0.0072～0.0177且其关联维数判断阈值DAs＝0.5175～0.5725；
布设在FC1点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0158～0.0068且其关联维数判断阈值DAs＝0.455～0.525；
布设在FC2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0105～0.0105且其关联维数判断阈值DAs＝0.47～0.53；
布设在CP2点的脑电电极的Lyapunov指数判断阈值LAs＝0.0137～0.0253且其关联维数判断阈值DAs＝0.62～0.66；
布设在FC5点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0063～-0.0007且其关联维数判断阈值DAs＝0.495～0.545；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用各辅助测试用脑电电极对被测试者头部对应部位的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对各辅助测试用脑电电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器；
所述辅助测试用脑电电极提取的脑电信号记作As脑电信号，所述As脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器还需将所接收到的各脑电信号xAs(i)同步存储至存储器内；
每个所述脑电信号xAs(i)包括N个采样周期内同一个所述辅助测试用脑电电极采集的As脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器还需调用最大Lyapunov指数计算模块分别计算得出各脑电信号xAs(i)的最大Lyapunov指数LAs’，并且所述处理器还需调用时间序列关联维数计算模块计算分别得出各脑电信号xAs(i)的关联维数DAs’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据各脑电信号xAs(i)分别进行说谎与否判断；
其中，对任一个脑电信号xAs(i)进行说谎与否判断时，根据步骤302中得出的该脑电信号xAs(i)的最大Lyapunov指数LAs’和关联维数DAs’，所述处理器调用差值比较模块对此时被测试者说谎与否进行判断：当该脑电信号xAs(i)的最大Lyapunov指数LAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的最大Lyapunov指数LAs且该脑电信号xAs(i)的关联维数DAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的关联维数DAs时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xAs(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果均一致时，进入步骤304；否则，所述处理器输出本次测谎无效。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤303中所述处理器调用最大Lyapunov指数计算模块对当前分析处理周期内所采集脑电信号xPz(i)的最大Lyapunov指数LPz’进行计算时，当前分析处理周期内所采集脑电信号xPz(i)为当前待处理信号，所述当前待处理信号记作x(i)；
对当前待处理信号x(i)的最大Lyapunov指数进行计算时，过程如下：
步骤30311、重构相空间：先调用C-C算法模块计算得出当前待处理信号x(i)的嵌入维数m和时间延迟τ，再对长度为N的脑电信号xPz(i)重构相空间，获得m维相空间；
步骤30312、最大Lyapunov指数计算：调用小数据量法模块计算得出当前待处理信号x(i)的最大Lyapunov指数。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤302中所述时间序列关联维数计算模块为G-P算法模块。
上述基于Lyapunov指数和关联维数的脑电测谎方法，其特征是：步骤一中所述脑电信号提取装置为32导联脑电电极或64导联脑电电极。
本发明与现有技术相比具有以下优点：
1、所采用的脑电测谎系统结构简单、设计合理且接线方便，投入成本较低。
2、所采用的特征提取方法设计合理，所提取的特征参数包括最大Lyapunov指数和关联维数，其中最大Lyapunov指数从宏观上表征脑电信号的非线性和混沌特性，关联维数从微观上表征脑电信号的非线性和混沌特性，将最大Lyapunov指数与关联维数相结合能全面且综合反映脑电信号的复杂性，能真实且全面反映所分析脑电信号的特征，能克服传统特征提取方法中仅重点考虑脑电信号的线性特征造成部分关键信息损失的缺陷，从而确保测谎检测结果的准确性。
3、所采用的脑电测谎方法步骤简单、设计合理且实现方便，主要包括脑电测谎判断阈值设定、脑电信号采集和脑电信号分析处理三个步骤，由数据处理设备自动完成，同步性好，在脑电信号采集的同时能及时、快速得出测谎结果。
4、脑电测谎判断阈值设定方法步骤简单、实现方便且所设定脑电测谎判断阈值准确性好，通过常规的ERP实验方法进行有效利用，能直接得出与被测试者相适应的脑电测谎判断阈值，该脑电测谎判断阈值具有适应性，根据各被测试者的脑电信号分析处理结果进行确定，因而能准确反映个体差异，使得测谎结果更加准确，针对性更强。
5、脑电测谎方法灵活，既能根据一个单一脑电电极(具体是Pz电极)所提取脑电信号的分析处理结果直接得出测谎结果，数据处理过程简单，所选用的Pz电极合理，该Pz电极对应的分析处理结果能准确、明显反映被测试者的说谎状态；并且，本发明在Pz电极的基础上，也能结合一个或多个辅助测试用脑电电极所提取脑电信号的分析处理结果进行综合判断后得出测谎结果，从而避免单一电极分析处理结果的片面性和不准确性，进一步提高测谎结果的准确性。
6、使用效果好且实用价值高，推广应用前景广泛，本发明考虑到脑电信号的非线性和混沌特性，能有效保证测谎结果的准确性。
综上所述，本发明方法步骤简单、设计合理且实现方便、使用效果好，能简单、快速对说谎状态进行准确检测。。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所采用脑电测谎系统的电路原理框图。
图2为采用本发明进行脑电测谎时的方法流程框图。
图3为本发明32导联脑电电极的布设位置示意图。
图4为本发明64导联脑电电极的布设位置示意图。
图5为本发明ERP实验时探测刺激和无关刺激下所提取最大Lyapunov指数的对比示意图。
图6为本发明ERP实验时探测刺激和无关刺激下所提取关联维数的对比示意图。
附图标记说明:
1—处理器；2—参数设置单元；3—脑电信号采集设备；
4—存储器；5—报警单元；6—显示器；
7—计时电路；8—脑电信号提取装置；9—脑电信号放大器。
具体实施方式
如图2所示的一种基于Lyapunov指数和关联维数的脑电测谎方法，包括以下步骤：
步骤一、脑电测谎判断阈值设定：采用与处理器1连接的参数设置单元2对脑电信号提取装置8的脑电测谎判断阈值进行设定，详见图1；
所述脑电信号提取装置8包括Pz电极，所述Pz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部顶点的脑电电极；
所述脑电信号提取装置8的脑电测谎判断阈值包括所述Pz电极的脑电测谎判断阈值，所述Pz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，其中LPz和DPz均为常数，LPz＝0.0015～0.0165，DPz＝0.6125～0.6775；
步骤二、脑电信号采集：测谎过程中，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Pz电极对被测试者头部顶点的脑电信号进行实时提取，并通过脑电信号采集设备3按照预先设定的采样频率f对所述Pz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器1；
所述Pz电极提取的脑电信号记作Pz脑电信号，所述Pz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
本步骤中，采样时间为T且T＝t1+t2；其中，t1＝400ms～600ms；t2＝1200ms～1800ms；
步骤三、脑电信号分析处理，过程如下：
步骤301、脑电信号接收与同步存储：所述处理器1将所接收到的脑电信号xPz(i)同步存储至存储器4内；
所述存储器4与处理器1连接；
所述脑电信号xPz(i)包括N个采样周期内采集的Pz脑电信号，其中i为正整数且i＝1、2、3、…、N，f的单位为Hz，T的单位为ms；
步骤302、脑电信号特征提取：所述处理器1调用最大Lyapunov指数计算模块计算得出脑电信号xPz(i)的最大Lyapunov指数LPz’，并且所述处理器1调用时间序列关联维数计算模块计算得出脑电信号xPz(i)的关联维数DPz’；
步骤303、说谎与否判断：根据步骤302中得出的最大Lyapunov指数LPz’和关联维数DPz’，并结合步骤一中设定的Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，所述处理器1调用差值比较模块对此时被测试者说谎与否进行判断：当LPz’＜LPz且DPz’＜DPz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；
步骤304、说谎与否判断结果输出：所述处理器1将步骤303中作出的说谎与否判断结果输出。
根据本领域公知常识，事件相关电位(ERP，event-relatedpotential)是一种特殊的脑诱发电位，通过有意地赋予刺激以特殊的心理意义，利用多个或多样的刺激所引起的脑电位，它反映了认知过程中大脑的神经电生理的变化，也被称为认知电位，也就是指当人们对某课题进行认知加工时，从头颅表面记录到的脑电位，也称为ERP脑电位，对应的脑电信号为ERP脑电信号。其中，赋予刺激指的是对被测试者赋予一次刺激。此处，对被测试者赋予刺激指的是对被测试者进行一次测谎提问。因而，步骤二中所述的对被测试者赋予刺激指的是引起事件相关电位的刺激，具体是对被测试者进行一次提问。
本实施例中，所述处理器1与报警单元5连接，所述报警单元5由处理器1进行控制。并且，所述处理器1分别与显示器6和计时电路7连接。
同时，所述脑电信号提取装置8与脑电信号采集设备3之间接有脑电信号放大器9，通过脑电信号放大器9对脑电信号提取装置8所提取的脑电信号进行放大处理。
本实施例中，所述报警单元5为声光报警装置。如图1所示，所述处理器1、参数设置单元2、存储器4、脑电信号放大器9、脑电信号采集设备3、报警单元5、显示器6和计时电路7组成脑电测谎系统。
本实施例中，302中进行脑电信号特征提取之前，还需对当前分析处理周期内所采集脑电信号xPz(i)进行预处理；
对当前分析处理周期内所采集脑电信号xPz(i)进行预处理时，先对脑电信号xPz(i)进行去除眼电伪迹处理，再对去除眼电伪迹处理后的脑电信号xPz(i)进行滤波处理。
本实施例中，步骤304中进行说谎与否判断结果输出时，通过所述报警单元5同步进行报警提示。
本实施例中，步骤一中进行脑电测谎判断阈值设定时，过程如下：
步骤101、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，均按照步骤二中所述的方法进行脑电信号采集；
步骤102、将赋予多次探测刺激时脑电信号采集设备3采集的多个脑电信号xPz(i)进行叠加平均，得到探测刺激下的脑电信号XPz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XPz(i)的最大Lyapunov指数LPzM和关联维数DPzM；
同时，将赋予多次无关刺激时脑电信号采集设备3采集的多个脑电信号xPz(i)进行叠加平均，得到无关刺激下的脑电信号X’Pz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Pz(i)的最大Lyapunov指数LPzm和关联维数DPzm，详见图5和图6；
步骤103、根据公式和公式计算得出Lyapunov指数判断阈值LPz和关联维数判断阈值DPz。
其中，ERP实验方法为事件相关电位实验方法，并且对被测试者随机赋予三种刺激，按照常规的新异刺激Oddball范式进行刺激。其中，Oddball范式是诱发P300等与刺激概率有关的ERP成分时常用的经典实验范式。
研究显示，自传体信息更容易诱发出相对明显的事件相关电位P300波即诱发电位为P300的脑电信号。此时，ERP实验中分别采用被测试者的家乡和无关城市作为测试信息，以“你知道XX吗？”的形式出现，刺激序列的编排和出现依据典型的新异刺激Oddball范式，包括三种刺激信息。其中被试的家乡作为探测刺激，即要求故意隐瞒并否认的项；另选5个对被试无特殊意义的城市名称作为无关刺激，问题“你知道北京吗？”作为靶刺激，要求被测试者对无关刺激和靶刺激做诚实回答。
上述七个刺激随机出现160次，其中无关刺激112次即出现概率为70％，探测刺激和靶刺激均为24次即出现概率为15％，每个刺激显示1.5s，相邻两个刺激的时间间隔为2s。被测试者按照实验要求，对随机出现的刺激问题判断后进行回答。每一次赋予刺激过程中，均按照步骤二中所述的方法进行脑电信号采集。
本实施例中，步骤二中所述的t1＝500ms，t2＝1500ms。
实际使用时，可根据具体需要，对t1和t2的取值大小进行相应调整。
其中，步骤二中所述的“在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内”，指的是从赋予刺激前500ms至赋予刺激后1500ms这2000ms时间段内进行脑电信号采集。
步骤102中所述的“叠加平均”指的是“求和后取平均值”。
本实施例中，步骤二中进行脑电信号采集时，采样频率f为1kHz。
本实施例中，步骤一中所述脑电信号检测装置还包括Cz电极；所述Cz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部中央点的脑电电极；
所述脑电信号提取装置8的脑电测谎判断阈值还包括所述Cz电极的脑电测谎判断阈值，所述Cz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，其中LCz和DCz均为常数，LCz＝0.0072～0.0177，DCz＝0.5175～0.5725；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备3按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器1；
所述Cz电极提取的脑电信号记作Cz脑电信号，所述Cz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器1还需将所接收到的脑电信号xCz(i)同步存储至存储器4内；
所述脑电信号xCz(i)包括N个采样周期内采集的Cz脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器1还需调用最大Lyapunov指数计算模块计算得出脑电信号xCz(i)的最大Lyapunov指数LCz’，并且所述处理器1还需调用时间序列关联维数计算模块计算得出脑电信号xCz(i)的关联维数DCz’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据步骤302中得出的最大Lyapunov指数LCz’和关联维数DCz’，并结合步骤一中设定的Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，所述处理器1调用差值比较模块对此时被测试者说谎与否进行判断：当LCz’＜LCz且DCz’＜DCz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xCz(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果一致时，进入步骤304；否则，所述处理器1输出本次测谎无效。
本实施例中，步骤一中对所述Cz电极的脑电测谎判断阈值进行设定时，过程如下：
步骤A1、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备3按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器1；
步骤A2、将赋予多次探测刺激时脑电信号采集设备3采集的多个脑电信号xCz(i)进行叠加平均，得到探测刺激下的脑电信号XCz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XCz(i)的最大Lyapunov指数LCzM和关联维数DCzM；
同时，将赋予多次无关刺激时脑电信号采集设备3采集的多个脑电信号xCz(i)进行叠加平均，得到无关刺激下的脑电信号X’Cz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Cz(i)的最大Lyapunov指数LCzm和关联维数DCzm，详见图5和图6；
步骤A3、根据公式和公式计算得出Lyapunov指数判断阈值LCz和关联维数判断阈值DCz。
其中，所述Cz电极的脑电测谎判断阈值的设定方法与所述Pz电极的脑电测谎判断阈值的设定方法相同。步骤A2中所述的“叠加平均”指的是“求和后取平均值”。
实际使用时，步骤一中所述脑电信号检测装置还包括辅助测试用脑电电极；所述辅助测试用脑电电极的数量至少为两个且其数量不大于13个；所述辅助测试用脑电电极为按照国际标准“10/20”电极安放方法布设在F3、F4、C4、O2、T8、P7、P8、Fz、Cz、FC1、FC2、CP2或FC5点的脑电电极；
步骤一中所述脑电信号提取装置8的脑电测谎判断阈值还包括各辅助测试用脑电电极的脑电测谎判断阈值，所述辅助测试用脑电电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LAs和关联维数判断阈值DAs；其中，各辅助测试用脑电电极的Lyapunov指数判断阈值LAs和关联维数判断阈值DAs均为常数；
其中，布设在F3点的脑电电极的Lyapunov指数判断阈值LAs＝-0.014～0.0034且其关联维数判断阈值DAs＝0.47～0.53；
布设在F4点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0432～0.0863且其关联维数判断阈值DAs＝0.4675～0.4875；
布设在C4点的脑电电极的Lyapunov指数判断阈值LAs＝0.0047～0.0303且其关联维数判断阈值DAs＝0.5725～0.5975；
布设在O2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.011～-0.005且其关联维数判断阈值DAs＝0.665～0.795；
布设在T8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0517～-0.0152且其关联维数判断阈值DAs＝0.5075～0.5425；
布设在P7点的脑电电极的Lyapunov指数判断阈值LAs＝-0.003～0.003且其关联维数判断阈值DAs＝0.78～0.8；
布设在P8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0088～0.0038且其关联维数判断阈值DAs＝0.635～0.765；
布设在Fz点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0218～0.0048且其关联维数判断阈值DAs＝0.4775～0.5125；
布设在Cz点的脑电电极的Lyapunov指数判断阈值LAs＝0.0072～0.0177且其关联维数判断阈值DAs＝0.5175～0.5725；
布设在FC1点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0158～0.0068且其关联维数判断阈值DAs＝0.455～0.525；
布设在FC2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0105～0.0105且其关联维数判断阈值DAs＝0.47～0.53；
布设在CP2点的脑电电极的Lyapunov指数判断阈值LAs＝0.0137～0.0253且其关联维数判断阈值DAs＝0.62～0.66；
布设在FC5点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0063～-0.0007且其关联维数判断阈值DAs＝0.495～0.545；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用各辅助测试用脑电电极对被测试者头部对应部位的脑电信号进行实时提取，并通过脑电信号采集设备3按照预先设定的采样频率f对各辅助测试用脑电电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器1；
所述辅助测试用脑电电极提取的脑电信号记作As脑电信号，所述As脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器1还需将所接收到的各脑电信号xAs(i)同步存储至存储器4内；
每个所述脑电信号xAs(i)包括N个采样周期内同一个所述辅助测试用脑电电极采集的As脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器1还需调用最大Lyapunov指数计算模块分别计算得出各脑电信号xAs(i)的最大Lyapunov指数LAs’，并且所述处理器1还需调用时间序列关联维数计算模块计算分别得出各脑电信号xAs(i)的关联维数DAs’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据各脑电信号xAs(i)分别进行说谎与否判断；
其中，对任一个脑电信号xAs(i)进行说谎与否判断时，根据步骤302中得出的该脑电信号xAs(i)的最大Lyapunov指数LAs’和关联维数DAs’，所述处理器1调用差值比较模块对此时被测试者说谎与否进行判断：当该脑电信号xAs(i)的最大Lyapunov指数LAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的最大Lyapunov指数LAs且该脑电信号xAs(i)的关联维数DAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的关联维数DAs时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xAs(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果均一致时，进入步骤304；否则，所述处理器1输出本次测谎无效。
实际使用时，通过将根据辅助测试用脑电电极提取脑电信号的说谎与否判断结果与根据脑电信号xPz(i)判断得出的说谎与否判断结果进行一致性判断，弥补仅根据脑电信号xPz(i)判断得出的说谎与否判断结果的片面性，确保说谎与否判断结果的准确性。
并且，所述辅助测试用脑电电极的脑电测谎判断阈值的设定方法与所述Pz电极的脑电测谎判断阈值的设定方法相同。
对任一个所述辅助测试用脑电电极的脑电测谎判断阈值进行设定时，过程如下：
步骤B1、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述As电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备3按照预先设定的采样频率f对所述As电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器1；
步骤B2、将赋予多次探测刺激时脑电信号采集设备3采集的多个脑电信号xAs(i)进行叠加平均，得到探测刺激下的脑电信号XAs(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XAs(i)的最大Lyapunov指数LAsM和关联维数DAsM；
同时，将赋予多次无关刺激时脑电信号采集设备3采集的多个脑电信号xAs(i)进行叠加平均，得到无关刺激下的脑电信号X’As(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’As(i)的最大Lyapunov指数LAsm和关联维数DAsm，详见图5和图6；
步骤B3、根据公式和公式计算得出Lyapunov指数判断阈值LAs和关联维数判断阈值DAs。
步骤B2中所述的“叠加平均”指的是“求和后取平均值”。
其中，所述F3电极为按照国际标准“10/20”电极安放方法布设在被测试者头部左额的脑电电极；
所述F4电极为按照国际标准“10/20”电极安放方法布设在被测试者头部右额的脑电电极；
所述C4电极为按照国际标准“10/20”电极安放方法布设在被测试者头部右中央的脑电电极；
所述O2电极为按照国际标准“10/20”电极安放方法布设在被测试者头部右枕的脑电电极；
所述T8电极为按照国际标准“10/20”电极安放方法布设在被测试者头部右颞中的脑电电极；
所述P7电极为按照国际标准“10/20”电极安放方法布设在被测试者头部左后颞的脑电电极；
所述P8电极为按照国际标准“10/20”电极安放方法布设在被测试者头部右后颞的脑电电极；
所述Fz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部额中点的脑电电极；
所述Cz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部中央点的脑电电极。
本实施例中，步骤303中所述处理器1调用最大Lyapunov指数计算模块对当前分析处理周期内所采集脑电信号xPz(i)的最大Lyapunov指数LPz’进行计算时，当前分析处理周期内所采集脑电信号xPz(i)为当前待处理信号，所述当前待处理信号记作x(i)；
对当前待处理信号x(i)的最大Lyapunov指数进行计算时，过程如下：
步骤30311、重构相空间：先调用C-C算法模块计算得出当前待处理信号x(i)的嵌入维数m和时间延迟τ，再对长度为N的脑电信号xPz(i)重构相空间，获得m维相空间；
步骤30312、最大Lyapunov指数计算：调用小数据量法模块计算得出当前待处理信号x(i)的最大Lyapunov指数。
其中，所述小数据量法模块的具体计算过程，详见2005年武汉大学出版社出版的《混沌时间序列分析及其应用》一书，第四章Lyapunov指数的数值计算方法中第5节小数据量方法及其改进，作者吕金虎。
所述C-C算法的具体计算过程，详见2005年武汉大学出版社出版的《混沌时间序列分析及其应用》一书，第三章时间序列的重构相空间中第4节C-C方法，作者吕金虎。
实际进行数据处理时，对当前待处理信号x(i)的最大Lyapunov指数进行计算时，过程如下：
本实施例中，步骤30311中所获得的m维相空间Xj＝(xj,xj+τ,...,xj+(m-1)τ)，j为正整数且j＝1、2、3、…、M，M＝(m-1)τ；
所述的m维相空间Xj中包括m个点，m维相空间Xj中第h个点记作点xh，其中xh＝xj+(h-1)τ，h为正整数且h＝1、2、3、…、m；
本实施例中，步骤30312中调用小数据量法模块对当前待处理信号x(i)的最大Lyapunov指数进行计算时，先找出步骤30311中所述m维相空间Xj中各点的最邻近点；其中，点xh的最邻近点记作xh'，h'为正整数且h'＝1、2、3、…、m，h'≠h且|h-h'|>P，P为对当前待处理信号x(i)进行快速傅里叶变换计算得出的平均周期；再根据步骤30312中找出的所述m维相空间Xj中各点的最邻近点，对步骤30311中所述m维相空间Xj中各点的s个离散时间步后的距离分别进行计算；其中，点xh的s个离散时间步后的距离记作dh(s)，dh(s)＝|Xh+s-Xh'+s|，其中s为正整数且s＝1、2、3、…、min(M-h,M-h')；然后，相对于每个s，求出所有h的lndh(s)的平均值y(s)；其中，Q为非零dh(s)的个数；最后，按照最小二乘法对步骤30314中求出的所有h的lndh(s)的平均值y(s)进行处理，获得回归直线；所获得回归直线的斜率为当前待处理信号x(i)的最大Lyapunov指数。
本实施例中，步骤302中所述时间序列关联维数计算模块为G-P算法模块。
其中，G-P算法模块的具体计算过程，详见朱华、姬翠翠编著、2011年科学出版社出版的《分形理论及其应用》一书，第2章分形维数中2.6.1关联维数的定义和计算方法。
实际使用时，步骤一中所述脑电信号提取装置8为32导联脑电电极或64导联脑电电极。
本实施例中，步骤一中所述脑电信号提取装置8为32导联脑电电极，32导联脑电电极中各脑电电极的布设位置详见图3。
所述32导联脑电电极中的32个脑电电极分别布设在被测试者头部的FP1、FP2、F7、F8、F3、F4、Fz、T7、T8、C3、C4、Cz、P3、P4、Pz、P7、P8、O1、Oz、O2、FC1、FC2、CP1、CP2、FC5、FC6、CP5、CP6、M1、M2、HEO和VEO点。其中，各导联的阻抗均小于5kΩ。
其中，64导联脑电电极中各脑电电极的布设位置详见图4，64导联脑电电极中的64个脑电电极分别布设在被测试者头部的FP1、FPz、FP2、AF3、AF4、F7、F5、F3、F1、Fz、F2、F4、F6、F8、FT7、FC5、FC3、FC1、FCz、FC2、FC4、FC6、FT8、T7、C5、C3、C1、Cz、C2、C4、C6、T8、TP7、CP5、CP3、CP1、CPz、CP2、CP4、CP6、TP8、P7、P5、P3、P1、Pz、P2、P4、P6、P8、PO7、PO5、PO3、POz、PO4、PO6、PO8、CB1、O1、Oz、O2、CB2、HEO(即“HEOG”)和VEO(即“VEOG”)点。
图3和图4中，“VEOG”表示垂直眼电，“HEOG”表示水平眼电。M1和M2点为双侧乳突位置。
实际使用时，所述脑电信号提取装置8也可以仅采用Pz脑电电极，投入成本低，经济实用。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (10)
1.一种基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：该方法包括以下步骤：
步骤一、脑电测谎判断阈值设定：采用与处理器(1)连接的参数设置单元(2)对脑电信号提取装置(8)的脑电测谎判断阈值进行设定；
所述脑电信号提取装置(8)包括Pz电极，所述Pz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部顶点的脑电电极；
所述脑电信号提取装置(8)的脑电测谎判断阈值包括所述Pz电极的脑电测谎判断阈值，所述Pz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，其中LPz＝0.0015～0.0165，DPz＝0.6125～0.6775；
步骤二、脑电信号采集：测谎过程中，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Pz电极对被测试者头部顶点的脑电信号进行实时提取，并通过脑电信号采集设备(3)按照预先设定的采样频率f对所述Pz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器(1)；
所述Pz电极提取的脑电信号记作Pz脑电信号，所述Pz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
本步骤中，采样时间为T且T＝t1+t2；其中，t1＝400ms～600ms；t2＝1200ms～1800ms；
步骤三、脑电信号分析处理，过程如下：
步骤301、脑电信号接收与同步存储：所述处理器(1)将所接收到的脑电信号xPz(i)同步存储至存储器(4)内；
所述存储器(4)与处理器(1)连接；
所述脑电信号xPz(i)包括N个采样周期内采集的Pz脑电信号，其中i为正整数且i＝1、2、3、…、N，f的单位为Hz，T的单位为ms；
步骤302、脑电信号特征提取：所述处理器(1)调用最大Lyapunov指数计算模块计算得出脑电信号xPz(i)的最大Lyapunov指数LPz’，并且所述处理器(1)调用时间序列关联维数计算模块计算得出脑电信号xPz(i)的关联维数DPz’；
步骤303、说谎与否判断：根据步骤302中得出的最大Lyapunov指数LPz’和关联维数DPz’，并结合步骤一中设定的Lyapunov指数判断阈值LPz和关联维数判断阈值DPz，所述处理器(1)调用差值比较模块对此时被测试者说谎与否进行判断：当LPz’＜LPz且DPz’＜DPz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；
步骤304、说谎与否判断结果输出：所述处理器(1)将步骤303中作出的说谎与否判断结果输出。
2.按照权利要求1所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：302中进行脑电信号特征提取之前，还需对脑电信号xPz(i)进行预处理；
对脑电信号xPz(i)进行预处理时，先对脑电信号xPz(i)进行去除眼电伪迹处理，再对去除眼电伪迹处理后的脑电信号xPz(i)进行滤波处理。
3.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤一中进行脑电测谎判断阈值设定时，过程如下：
步骤101、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，均按照步骤二中所述的方法进行脑电信号采集；
步骤102、将赋予多次探测刺激时脑电信号采集设备(3)采集的多个脑电信号xPz(i)进行叠加平均，得到探测刺激下的脑电信号XPz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XPz(i)的最大Lyapunov指数LPzM和关联维数DPzM；
同时，将赋予多次无关刺激时脑电信号采集设备(3)采集的多个脑电信号xPz(i)进行叠加平均，得到无关刺激下的脑电信号X’Pz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Pz(i)的最大Lyapunov指数LPzm和关联维数DPzm；
步骤103、根据公式和公式计算得出Lyapunov指数判断阈值LPz和关联维数判断阈值DPz。
4.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤二中所述的t1＝500ms，t2＝1500ms。
5.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤一中所述脑电信号检测装置还包括Cz电极；所述Cz电极为按照国际标准“10/20”电极安放方法布设在被测试者头部中央点的脑电电极；
所述脑电信号提取装置(8)的脑电测谎判断阈值还包括所述Cz电极的脑电测谎判断阈值，所述Cz电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，其中LCz＝0.0072～0.0177，DCz＝0.5175～0.5725；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备(3)按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器(1)；
所述Cz电极提取的脑电信号记作Cz脑电信号，所述Cz脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器(1)还需将所接收到的脑电信号xCz(i)同步存储至存储器(4)内；
所述脑电信号xCz(i)包括N个采样周期内采集的Cz脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器(1)还需调用最大Lyapunov指数计算模块计算得出脑电信号xCz(i)的最大Lyapunov指数LCz’，并且所述处理器(1)还需调用时间序列关联维数计算模块计算得出脑电信号xCz(i)的关联维数DCz’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据步骤302中得出的最大Lyapunov指数LCz’和关联维数DCz’，并结合步骤一中设定的Lyapunov指数判断阈值LCz和关联维数判断阈值DCz，所述处理器(1)调用差值比较模块对此时被测试者说谎与否进行判断：当LCz’＜LCz且DCz’＜DCz时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xCz(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据脑电信号xCz(i)判断得出的说谎与否判断结果一致时，进入步骤304；否则，所述处理器(1)输出本次测谎无效。
6.按照权利要求5所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤一中对所述Cz电极的脑电测谎判断阈值进行设定时，过程如下：
步骤A1、按照常规的ERP实验方法，对被测试者随机赋予三种刺激，三种刺激分别为探测刺激、无关刺激和靶刺激；三种刺激的测试次数均为多次，其中无关刺激出现的概率为70％，探测刺激和靶刺激出现的概率均为15％；
对被测试者赋予任一种刺激时，在对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用所述Cz电极对被测试者头部中央点的脑电信号进行实时提取，并通过脑电信号采集设备(3)按照预先设定的采样频率f对所述Cz电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器(1)；
步骤A2、将赋予多次探测刺激时脑电信号采集设备(3)采集的多个脑电信号xCz(i)进行叠加平均，得到探测刺激下的脑电信号XCz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号XCz(i)的最大Lyapunov指数LCzM和关联维数DCzM；
同时，将赋予多次无关刺激时脑电信号采集设备(3)采集的多个脑电信号xCz(i)进行叠加平均，得到无关刺激下的脑电信号X’Cz(i)，再按照步骤301至步骤302中所述的方法计算得出脑电信号X’Cz(i)的最大Lyapunov指数LCzm和关联维数DCzm；
步骤A3、根据公式和公式计算得出Lyapunov指数判断阈值LCz和关联维数判断阈值DCz。
7.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤一中所述脑电信号检测装置还包括辅助测试用脑电电极；所述辅助测试用脑电电极的数量至少为两个且其数量不大于13个；所述辅助测试用脑电电极为按照国际标准“10/20”电极安放方法布设在F3、F4、C4、O2、T8、P7、P8、Fz、Cz、FC1、FC2、CP2或FC5点的脑电电极；
步骤一中所述脑电信号提取装置(8)的脑电测谎判断阈值还包括各辅助测试用脑电电极的脑电测谎判断阈值，所述辅助测试用脑电电极的脑电测谎判断阈值包括Lyapunov指数判断阈值LAs和关联维数判断阈值DAs；
其中，布设在F3点的脑电电极的Lyapunov指数判断阈值LAs＝-0.014～0.0034且其关联维数判断阈值DAs＝0.47～0.53；
布设在F4点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0432～0.0863且其关联维数判断阈值DAs＝0.4675～0.4875；
布设在C4点的脑电电极的Lyapunov指数判断阈值LAs＝0.0047～0.0303且其关联维数判断阈值DAs＝0.5725～0.5975；
布设在O2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.011～-0.005且其关联维数判断阈值DAs＝0.665～0.795；
布设在T8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0517～-0.0152且其关联维数判断阈值DAs＝0.5075～0.5425；
布设在P7点的脑电电极的Lyapunov指数判断阈值LAs＝-0.003～0.003且其关联维数判断阈值DAs＝0.78～0.8；
布设在P8点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0088～0.0038且其关联维数判断阈值DAs＝0.635～0.765；
布设在Fz点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0218～0.0048且其关联维数判断阈值DAs＝0.4775～0.5125；
布设在Cz点的脑电电极的Lyapunov指数判断阈值LAs＝0.0072～0.0177且其关联维数判断阈值DAs＝0.5175～0.5725；
布设在FC1点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0158～0.0068且其关联维数判断阈值DAs＝0.455～0.525；
布设在FC2点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0105～0.0105且其关联维数判断阈值DAs＝0.47～0.53；
布设在CP2点的脑电电极的Lyapunov指数判断阈值LAs＝0.0137～0.0253且其关联维数判断阈值DAs＝0.62～0.66；
布设在FC5点的脑电电极的Lyapunov指数判断阈值LAs＝-0.0063～-0.0007且其关联维数判断阈值DAs＝0.495～0.545；
步骤二中进行脑电信号采集时，对被测试者赋予刺激前的时间段t1内和对被测试者赋予刺激后的时间段t2内，均采用各辅助测试用脑电电极对被测试者头部对应部位的脑电信号进行实时提取，并通过脑电信号采集设备(3)按照预先设定的采样频率f对各辅助测试用脑电电极提取的脑电信号同步进行采集且将所采集的脑电信号同步传送至处理器(1)；
所述辅助测试用脑电电极提取的脑电信号记作As脑电信号，所述As脑电信号为因赋予刺激诱发的诱发脑电信号且其诱发电位为事件相关电位，所述事件相关电位为P300；
步骤三中进行脑电信号分析处理，过程如下：
步骤301中进行脑电信号接收与同步存储时，所述处理器(1)还需将所接收到的各脑电信号xAs(i)同步存储至存储器(4)内；
每个所述脑电信号xAs(i)包括N个采样周期内同一个所述辅助测试用脑电电极采集的As脑电信号；
步骤302中进行脑电信号特征提取时，所述处理器(1)还需调用最大Lyapunov指数计算模块分别计算得出各脑电信号xAs(i)的最大Lyapunov指数LAs’，并且所述处理器(1)还需调用时间序列关联维数计算模块计算分别得出各脑电信号xAs(i)的关联维数DAs’；
步骤303中得出的说谎与否判断结果为根据脑电信号xPz(i)判断得出的说谎与否判断结果；
步骤303中完成说谎与否判断后，还需根据各脑电信号xAs(i)分别进行说谎与否判断；
其中，对任一个脑电信号xAs(i)进行说谎与否判断时，根据步骤302中得出的该脑电信号xAs(i)的最大Lyapunov指数LAs’和关联维数DAs’，所述处理器(1)调用差值比较模块对此时被测试者说谎与否进行判断：当该脑电信号xAs(i)的最大Lyapunov指数LAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的最大Lyapunov指数LAs且该脑电信号xAs(i)的关联维数DAs’小于步骤一中设定的与该脑电信号xAs(i)对应的辅助测试用脑电电极的关联维数DAs时，判断为此时被测试者没有说谎；否则，判断为此时被测试者说谎；此时，所得出的说谎与否判断结果为根据脑电信号xAs(i)判断得出的说谎与否判断结果；
步骤304中进行说谎与否判断结果输出之前，还需判断根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果是否一致：当根据脑电信号xPz(i)判断得出的说谎与否判断结果和根据各脑电信号xAs(i)判断得出的说谎与否判断结果均一致时，进入步骤304；否则，所述处理器(1)输出本次测谎无效。
8.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤303中所述处理器(1)调用最大Lyapunov指数计算模块对当前分析处理周期内所采集脑电信号xPz(i)的最大Lyapunov指数LPz’进行计算时，当前分析处理周期内所采集脑电信号xPz(i)为当前待处理信号，所述当前待处理信号记作x(i)；
对当前待处理信号x(i)的最大Lyapunov指数进行计算时，过程如下：
步骤30311、重构相空间：先调用C-C算法模块计算得出当前待处理信号x(i)的嵌入维数m和时间延迟τ，再对长度为N的脑电信号xPz(i)重构相空间，获得m维相空间；
步骤30312、最大Lyapunov指数计算：调用小数据量法模块计算得出当前待处理信号x(i)的最大Lyapunov指数。
9.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤302中所述时间序列关联维数计算模块为G-P算法模块。
10.按照权利要求1或2所述的基于Lyapunov指数和关联维数的脑电测谎方法，其特征在于：步骤一中所述脑电信号提取装置(8)为32导联脑电电极或64导联脑电电极。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610206457.7A CN105769221B (zh) | 2016-04-05 | 2016-04-05 | 基于Lyapunov指数和关联维数的脑电测谎方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610206457.7A CN105769221B (zh) | 2016-04-05 | 2016-04-05 | 基于Lyapunov指数和关联维数的脑电测谎方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105769221A true CN105769221A (zh) | 2016-07-20 |
| CN105769221B CN105769221B (zh) | 2018-06-12 |
Family
ID=56394665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610206457.7A Expired - Fee Related CN105769221B (zh) | 2016-04-05 | 2016-04-05 | 基于Lyapunov指数和关联维数的脑电测谎方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105769221B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107942136A (zh) * | 2016-10-13 | 2018-04-20 | 霍斯特·西德勒两合公司 | 电气测量系统及其工作方法 |
| CN110192880A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号格兰杰因果的测谎方法 |
| CN110192877A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号偏度的测谎方法 |
| CN114533066A (zh) * | 2022-04-28 | 2022-05-27 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1314130A (zh) * | 2001-02-27 | 2001-09-26 | 中国人民解放军第一军医大学第一附属医院 | 事件相关电位测谎仪 |
| JP2002017686A (ja) * | 2000-07-07 | 2002-01-22 | Canon Inc | 生体信号解析方法及び装置 |
| CN1883384A (zh) * | 2006-06-22 | 2006-12-27 | 复旦大学 | 一种脑电信号伪迹成分的自动识别和去除方法 |
| CN101732110A (zh) * | 2009-11-19 | 2010-06-16 | 杭州电子科技大学 | 用于手部动作识别的脑电和肌电信号混沌特征融合方法 |
| US20100292594A1 (en) * | 2009-05-15 | 2010-11-18 | Nanjing University | Lie detection method and system |
| CN105249963A (zh) * | 2015-11-16 | 2016-01-20 | 陕西师范大学 | 基于样本熵的n400诱发电位测谎方法 |
-
2016
- 2016-04-05 CN CN201610206457.7A patent/CN105769221B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002017686A (ja) * | 2000-07-07 | 2002-01-22 | Canon Inc | 生体信号解析方法及び装置 |
| CN1314130A (zh) * | 2001-02-27 | 2001-09-26 | 中国人民解放军第一军医大学第一附属医院 | 事件相关电位测谎仪 |
| CN1883384A (zh) * | 2006-06-22 | 2006-12-27 | 复旦大学 | 一种脑电信号伪迹成分的自动识别和去除方法 |
| US20100292594A1 (en) * | 2009-05-15 | 2010-11-18 | Nanjing University | Lie detection method and system |
| CN101732110A (zh) * | 2009-11-19 | 2010-06-16 | 杭州电子科技大学 | 用于手部动作识别的脑电和肌电信号混沌特征融合方法 |
| CN105249963A (zh) * | 2015-11-16 | 2016-01-20 | 陕西师范大学 | 基于样本熵的n400诱发电位测谎方法 |
Non-Patent Citations (4)
| Title |
|---|
| F.SHAYEGHA等: "A model-based method for computation of correlation dimension, Lyapunov exponents andsynchronization from depth-EEG signals", 《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》 * |
| 卜令章等: "事件相关电位测谎技术原理探析", 《心理技术与应用》 * |
| 周杰: "混沌时间序列分析在脑电信号处理中的应用", 《东北大学硕士学位论文》 * |
| 常文文等: "基于P300 幅值几何差和脑网络特征的测谎方法研究", 《仪器仪表学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107942136A (zh) * | 2016-10-13 | 2018-04-20 | 霍斯特·西德勒两合公司 | 电气测量系统及其工作方法 |
| CN107942136B (zh) * | 2016-10-13 | 2021-07-13 | 霍斯特·西德勒两合公司 | 电气测量系统及其工作方法 |
| CN110192880A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号格兰杰因果的测谎方法 |
| CN110192877A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号偏度的测谎方法 |
| CN114533066A (zh) * | 2022-04-28 | 2022-05-27 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
| CN114533066B (zh) * | 2022-04-28 | 2022-08-19 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105769221B (zh) | 2018-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105615879B (zh) | 基于多重分形消除趋势波动分析的脑电测谎方法 | |
| CN105769221B (zh) | 基于Lyapunov指数和关联维数的脑电测谎方法 | |
| CN105852885B (zh) | 基于改进超限学习机的n400诱发电位测谎方法 | |
| CN105249963B (zh) | 基于样本熵的n400诱发电位测谎方法 | |
| CN103399639B (zh) | 基于ssvep和p300联合脑机接口方法及装置 | |
| CN108498106A (zh) | 基于多重分形消除趋势波动分析的cnv脑电测谎方法 | |
| CN108236464A (zh) | 基于脑电信号的特征提取方法及其检测提取系统 | |
| GB2456375A (en) | Distinguishing maternal and foetal electrocardiograph signals using independent component analysis of waveforms from abdominal electrodes | |
| CN104173064B (zh) | 基于心率变异分析的测谎方法及测谎装置 | |
| CN108742660A (zh) | 一种基于可穿戴设备的情绪识别方法 | |
| CN110321783A (zh) | 一种基于1d卷积神经网络的meg棘波检测方法及系统 | |
| CN109497997A (zh) | 基于多数据采集的癫痫发作检测设备及预警系统 | |
| CN104571504B (zh) | 一种基于想象动作的在线脑‑机接口方法 | |
| Xie et al. | Bidirectional recurrent neural network and convolutional neural network (BiRCNN) for ECG beat classification | |
| CN108309329A (zh) | 一种基于脑网络分析的cnv脑电测谎方法 | |
| CN107072584A (zh) | 用于探测诱发响应信号的系统、方法和设备 | |
| Hou et al. | Neural correlates of familiarity and conceptual fluency in a recognition test with ancient pictographic characters | |
| CN111248928A (zh) | 压力识别方法及装置 | |
| CN108670277A (zh) | 精神压力监测方法 | |
| CN108670245A (zh) | 一种心电信号检测方法及系统 | |
| CN114081505A (zh) | 基于皮尔逊相关系数和卷积神经网络的脑电信号识别方法 | |
| Dey et al. | Chinese-chi and Kundalini yoga meditations effects on the autonomic nervous system: comparative study | |
| Muaremi et al. | Monitor pilgrims: prayer activity recognition using wearable sensors | |
| CN201200409Y (zh) | 带有视觉刺激检测功能的测谎系统 | |
| CN107550486A (zh) | 一种利用去除qrs波形后的体表心电预测房颤发生的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180612 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |