CN109766751A - 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 - Google Patents
基于频域编码的稳态视觉诱发脑电身份识别方法及系统 Download PDFInfo
- Publication number
- CN109766751A CN109766751A CN201811436522.0A CN201811436522A CN109766751A CN 109766751 A CN109766751 A CN 109766751A CN 201811436522 A CN201811436522 A CN 201811436522A CN 109766751 A CN109766751 A CN 109766751A
- Authority
- CN
- China
- Prior art keywords
- coding
- subject
- eeg signals
- stable state
- denoted
- 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
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明属于身份信息识别技术领域,公开了一种基于频域编码的稳态视觉诱发脑电身份识别方法及系统,以不同被测者在相同频率刺激下产生的差异性脑电波为依据,利用多个电极下脑电信号在基波与谐波上幅值间的差值关系与差值范围,提取脑电信号的特征,对其每个被测试者的脑电特征信息进行编码,编码完成后,当再次录入新的脑电信息编码时,将其与已录入编码比较,即可判断是否为提前录入的信息来源者,达到识别身份的目的。本发明频域编码提取的特征稳定、计算简单、特征明显,识别率相对较高,基于稳态视觉诱发脑电信号构建的身份识别系统更加的保密,不容易被复制伪造,相对于繁琐的处理,计算机的效率得到了明显的提升。
Description
技术领域
本发明属于身份信息识别技术领域,尤其涉及一种基于频域编码的稳态视觉诱发脑电身份识别方法及系统。
背景技术
目前,业内常用的现有技术是这样的:身份识别系统的研究开发对于社会生活和个人日常生活都非常重要,生物特征识别是一种根据人体自身所固有的生理特征和行为特征来识别身份的技术,即通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如手形、指纹、面部特征、虹膜、视网膜等)和行为特征(如笔迹、声音、步态)等来进行个人身份的鉴定生物特征识别有很多优点,比如直接取自于人体,不需要另外携带、记忆,也不会丢失、损坏。脑电信号通过大脑中神经元以电离子的形式传播信息而产生,是人体大脑皮层电信号的反应,是人类的一种基础生理特征,它附带着大脑神经元所表现出的大量生理信息。相比于其它生物特征,脑电在身份识别上具有以下独特的优点:①脑电信号难以伪造;②脑电的采集对人体无害;③对于人的普适性。
近年来,基于脑电信号的身份特征识别技术受到了越来越多研究人员的关注,并且进行了大量实践研究。针对脑电信号进行身份识别和认证研究有许多的方式,根据脑电信号的种类大致可以分为:基于静息电位的脑电识别、基于视觉诱发电位的脑电识别、基于运动想象的脑电识别、基于事件相关电位的脑电识别。
运动想象脑电就是想象某种肢体运动时的脑电模式。利用运动想象脑电数据进行身份识别具有一定的局限性。在采集脑电信号过程中,需要被试高度配合,并且给予被试的运动想象类型非常重要,不同的实验范式对被试的身份识别有较大的影响。事件相关电位(event-related potential,ERP)是一种特殊的诱发电位,是当人对客体进行认知加工(如注意、记忆、思维)时通过平均叠加从头颅表面记录到的大脑电位,它反映认知过程中大脑的神经电生理改变。在目前相关的实验研究中,基于事件相关电位的脑电识别得到了较高的准确率,但是在采集数据过程中需要被试配合执行额外的认知任务,因此不适用于存在认知功能障碍的被试。
视觉诱发电位(visual evoked potential,VEP)是指神经系统接受视觉刺激(如图形或闪光刺激)所产生的特定活动视觉诱发电位发生在特定的时间和部位,比较容易检测,适用于脑机接口。对被试要求低,只要被试视觉功能正常,就可以利用视觉诱发电位信号实现,并且被试无需训练或者只需要进行少量的训练。稳态视觉诱发脑电,是指使用固定的闪光或图形频率,对被试者进行视觉上的刺激,在一定时间后,采集被试者所产生的脑电信号。在脑电信号的频谱上,所使用的刺激频率,以及该频率的倍数所对应的幅值也会很高。我们将刺激频率及其倍数频率所产生的波分别称为基波(一次谐波),二次谐波(2倍的频率),三次谐波(3倍的频率)等。
基于稳态视觉诱发脑电的身份识别,则是在进行多次实验后,发现在多个电极上,每个被试者在相同频率刺激下产生的脑电信号,在频谱上的基波与谐波的幅值都不尽相同,具有差异性;而对于同一频率,同一个被试者而言,其在多次实验下,其基波与谐波幅值变化并不是很明显。这为稳态视觉诱发在身份识别上的应用提供了理论和实践基础。
综上所述,现有技术存在的问题是:
(1)运动想象在采集脑电信号过程中,需要被试高度配合,并且给予被试的运动想象类型非常重要,不同的实验范式对被试的身份识别有较大的影响。
(2)事件相关电位不适用于存在认知功能障碍的被试
(3)脑电信号信噪比低、特征不明显,现有方法处理脑电信号所需计算量大。
解决上述技术问题的难度和意义:本发明需要对于各类人群进行安全认证,因此不排除存在认知功能障碍的被试,即使该人员存在认知功能障碍,在本发明所述系统中进行认证时,也能依托于稳态视觉诱发产生稳定的脑电信号,进而将该脑电信号在基于频域编码的稳态视觉诱发脑电身份识别方法及系统中进行处理,最终可以认证该人员。脑电特征具有较低的信噪比,因此一种快速高效的处理脑电信号的方法提取脑电信息尤为重要,本发明就是要提出一种处理脑电特征的方法,该方法基于脑电信号在频域存在的关系进行编码,最终得到稳定的脑电特征,以及仅需很小的计算量。因此在使用本系统时可以高效快速的认证人员。
发明内容
针对现有技术存在的问题,本发明提供了一种基于频域编码的稳态视觉诱发脑电身份识别方法及系统。
本发明是这样实现的,一种基于频域编码的稳态视觉诱发脑电身份识别方法,所述基于频域编码的稳态视觉诱发脑电身份识别方法以不同被测者在相同频率刺激下产生的差异性脑电波为依据,利用多个电极下脑电信号在基波与谐波上幅值间的差值关系与差值范围,提取脑电信号的特征,从而对其每个被测试者的脑电特征信息进行编码,编码完成后,当再次录入新的脑电信息编码时,将其与已录入编码比较,即可判断是否为提前录入的信息来源者,从而达到识别身份的目的。
进一步,所述基于频域编码的稳态视觉诱发脑电身份识别方法包括以下步骤:
步骤1,视觉诱发及信号获取:被试者头戴Biosemi 64导电极帽,观看电脑屏幕上随机出现的6HZ、7.5HZ、8HZ和10HZ频率闪烁,实验中每个频率的实验次数相同。期间通过Biosemi设备记录下被试的脑电信号,记每种频率的实验次数为N。
本发明的另一目的在于对脑电信号进行高效率编码获取稳定脑电特征,从而从中在低信噪比脑电信号中提取有用信息。
步骤2,预处理:将采集到的脑电信号通过经验模式分解(EMD)处理,得到去噪后的脑电信号。分别记6HZ,7.5HZ,8HZ,10HZ的脑电信号为Ai,Bi,Ci,Di,i∈[1,N],记Wi=[Ai,Bi,Ci,Di],i∈[1,N]。
步骤3,基于稳态视觉诱发的身份信息编码:
(1)对得到的脑电信号进行傅里叶变换,得到信号的频谱特征,因为采集电极通道数为64,以下(2)-(5)仅对单一通道的脑电信号进行说明;
(2)分别从4个观测频率(6HZ,7.5HZ,8HZ,10HZ)对应的脑电信号频谱中,提取其主波,一次谐波与二次谐波的幅度值,分别记为(ai1,ai2,ai3),(bi1,bi2,bi3),(ci1,ci2,ci3),(di1,di2,di3),记wi=[ai1,ai2,ai3,bi1,bi2,bi3,ci1,ci2,ci3,di1,di2,di3],i∈[1,N];
(3)计算ai1-ai2,ai1-ai3,ai2-ai3,bi1-bi2,bi1-bi3,bi2-bi3......di2-di3的分别记为值si1,si2,si3……si12,将si1,si2,si3……si12放入一个列向量si=[si1,si2,si3……si12]T,i∈[1,N],之后根据sij定义xij的值为:
由式(1)可知,当sij≥0时,xij=1;当sij≤0时,xij=-1。记xi=[xi1,xi2,xi3……xi12]T,i∈[1,N];此时xi为1个列向量,元素值为1或者-1。
(4)令X=[x1,x2,x3……xN],则X为一个12*N的矩阵,分别统计X每一列中1与-1出现的次数,记为mj,tj,记M=[m1,m2,m3……m12],T=[t1,t2,t3……t12];
(5)设置参数α,β,根据式(2)得到M',T',M'=[m1',m'2,m'3……m′12],T'=[t1',t'2,t'3……t′12]:
之后判断m'j,t'j值,根据式(3)得到一个电极对应的最终编码结果Y,Y=[y1,y2,y3……y12]:
(6)PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为列表Y'=[Y1,Y2,Y3……Y10],最终将Y'作为被试固定的身份特征编码,并且统计Y'中1与-1出现的总次数,记为Ky。
步骤4,由步骤3中(3)得到si=[si1,si2,si3……si12]T,i∈[1,N],以下是对身份编码进行优化:
取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极中每一个电极所对应si按列进行拼接得到一个1*120的行向量记为si'=[siPO7,siPO3,...sik,...siO2],i∈[1,N],其中sik代表的是电极k所对应的si,如siPO7为电极PO7所对应si,再将拼接后的行向量s′i按i∈[1,N]进行行拼接得到矩阵S=[s′1,s'2,s'3……s'N]T,S应该为一个N*120的矩阵;
(1)的每一列进行从大到小排序,记为S'。根据步骤3中(6)最终得到的身份编码Y'来对S'的每一列取上限与下限,分别记为Smax=[smax1,smax2,smax3……smax120],Smin=[smin1,smin2,smin3……smin120],其取值方法为:
式中j∈[1,120],N为训练集的实验次数;
(2),根据式(5)对Smin,Smax进行一次过滤,得到4个频率下每个被试的脑电信号在频谱上,主波与一次,二次谐波两两之间幅值的差值范围信息:
步骤5,测试集脑电信号编码:再次采集脑电信息,命名为测试集,将测试集按照步骤1、步骤2、步骤3中(1)-(3)进行处理后,得到只存在1与-1的编码X,取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为向量X'=[Xi1,Xi2,Xi3……Xi10],i∈[1,N],将X′i作为被试所对应的身份编码。
本发明的另一目的在于利用已编码好的稳定的脑电特征信息建立基于频域编码的稳态视觉诱发脑电身份识别方法及系统,进行人员的认证。
步骤6,获取检测结果:
(1)将X′i与每个被试的身份编码Y'进行匹配,统计xij与yij相同的个数(j∈[1,12*10],i∈[1,N]),记为Kxi,则该脑电信号为被试z的概率p为:
pi=Kxi÷Ky 式(6)
式(6)中pi=[p′i1,p′i2,p′i3……p′iz]z∈(1,h)(h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号)。
(2)将步骤5中测试集算得的si1,si2,si3...si12记为s′i1,s′i2...s′i12,并记si'=[s′i1,s′i2...s′i12],i∈[1,N],取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极s′i组成S′i=[s′1,s'2,s'3……s'N],S′i应该为一个N*120的列表;对S′i中每个元素s′ij与sminj,smaxj进行比较,若sminj,smaxj为0则跳过比较,统计s′ij在[sminj,smaxj](j∈[1,120],i∈[1,N])范围内的个数,记为Ksi,则该脑电信号为被试者z的概率p′i为:
p′i=Ksi÷Ky 式(7)
式(7)中p′i=[p′i1,p′i2,p′i3...p′iz]z∈(1,h)(h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号)。
(1)分别对pi,p′i设定阈值,记为λ1,λ2,根据阈值对pi,p′i进行如下处理:
(2)最后将得到的pi,p′i相加,得到单次实验对应于每个被试者的概率pi”,取pi”中最大值所对应的被试者,作为该次分类检测最终的结果:
i→z z∈[1,h],p″iz=max[p″iz] 式(9)
其中h为被试者人数,i为测试集中对应的某次实验,z为被试者多对应的编号。
综上所述,本发明的优点及积极效果为:对被试要求低,只要被试视觉功能正常,就可以利用稳态视觉诱发电位信号实现,并且被试无需训练或者只需要进行少量的训练。本发明以不同被测者在相同频率刺激下产生的差异性脑电波为依据,利用多个电极下脑电信号在基波与谐波上幅值间的差值关系与差值范围,提取脑电信号的特征,从而对其每个被测试者的脑电特征信息进行编码,编码完成后,当再次录入新的脑电信息编码时,将其与已录入编码比较,即可判断是否是被测试者,从而达到识别身份的目的,现识别率达91.67%。使用本发明频域编码提取的特征稳定、计算简单、特征明显,识别率相对较高,基于稳态视觉诱发脑电信号构建的身份识别系统更加的保密,不容易被复制伪造,相对于繁琐的处理,计算机的效率得到了明显的提升。
附图说明
图1是本发明实施例提供的基于频域编码的稳态视觉诱发脑电身份识别方法及系统框图。
图2是本发明实施例提供的基于频域编码的稳态视觉诱发脑电身份识别方法流程图。
图3是本发明实施例提供的输入用户信息判别身份图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
过度引入部分:本发明构建了一个基于频域编码的稳态视觉诱发脑电身份识别方法及系统。系统框图见图1,系统分为前台和后台两部分。前台主要是由计算机、面板显示屏、Biosemi 64脑电采集设备构成。后台则是由一台计算机主机及面板显示屏构成。前台的所有装置都与后台的主机建立数据连接。
各装置的功能:前台计算机用于产生稳态诱发刺激,面板显示屏用于显示稳态视觉诱发脑电信号;Biosemi 64用来采集脑电信号;计算机主机用于收集脑电信号并且通过算法进行脑电信号的处理;后台面板显示屏通过接收计算机主机处理结果从而认证人员身份。
本发明的核心在于脑电信号编码的算法,该算法基于一种频域编码的稳态视觉诱发脑电特征。该算法基于已经采集好的脑电信号。
下面结合附图对本发明的应用原理作详细的描述。
如图2所示,本发明实施例1提供的基于频域编码的稳态视觉诱发脑电身份识别方法包括以下步骤:
步骤1.采集脑电信号,记录频率闪烁次数。
(1a)设置电脑屏幕上随机出现的6HZ,7.5HZ,8HZ,10HZ频率闪烁;
(1b)受试者佩戴电极帽,坐在椅子上平视距离其1m的显示器,电脑屏幕上随机出现的6HZ,7.5HZ,8HZ,10HZ频率闪烁,在屏幕上,先显示0.75秒的‘+’号,提示待测者准备开始测量,之后在电脑屏幕上随机出现某一固有随机频率的4秒闪烁,随后有5秒的休息时间,这9.75秒完成一次采样,以4次为一轮采样,以6轮采样为一组,一组耗时约4分钟;
采集受试者受刺激时的脑电信号;
(1c)记每个频率的闪烁次数为N。
步骤2,对脑电信号进行预处理:
(2a)去噪:将采集到的脑电信号通过经验模式分解(EMD)处理,得到去噪后的脑电信号。
(2b)分类:分别记6HZ,7.5HZ,8HZ,10HZ的脑电信号为Ai,Bi,Ci,Di,i∈[1,N],记Wi=[Ai,Bi,Ci,Di],i∈[1,N]。
步骤3,基于稳态视觉诱发的身份信息编码:
(1)对得到的脑电信号进行傅里叶变换,得到信号的频谱特征,因为采集电极通道数为64,以下(2)-(5)仅对单一通道的脑电信号进行说明;
(2)分别从4个观测频率(6HZ,7.5HZ,8HZ,10HZ)对应的脑电信号频谱中,提取其主波,一次谐波与二次谐波的幅度值,分别记为(ai1,ai2,ai3),(bi1,bi2,bi3),(ci1,ci2,ci3),(di1,di2,di3),记wi=[ai1,ai2,ai3,bi1,bi2,bi3,ci1,ci2,ci3,di1,di2,di3],i∈[1,N];
(3)计算ai1-ai2,ai1-ai3,ai2-ai3,bi1-bi2,bi1-bi3,bi2-bi3......di2-di3的分别记为值si1,si2,si3……si12,将si1,si2,si3……si12放入一个列向量si=[si1,si2,si3……si12]T,i∈[1,N],之后根据sij定义xij的值为:
由式(1)可知,当sij≥0时,xij=1;当sij≤0时,xij=-1。记xi=[xi1,xi2,xi3……xi12]T,i∈[1,N];此时xi为1个列向量,元素值为1或者-1。
(4)令X=[x1,x2,x3……xN],则X为一个12*N的矩阵,分别统计X每一列中1与-1出现的次数,记为mj,tj,记M=[m1,m2,m3……m12],T=[t1,t2,t3……t12];
(5)设置参数α,β,根据式(2)得到M',T',M'=[m′1,m'2,m'3……m′12],T'=[t′1,t'2,t'3……t′12]:
之后判断m'j,t'j值,根据式(3)得到一个电极对应的最终编码结果Y,Y=[y1,y2,y3……y12]:
(6)PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为列表Y'=[Y1,Y2,Y3……Y10],最终将Y'作为被试固定的身份特征编码,并且统计Y'中1与-1出现的总次数,记为Ky。
步骤4,由步骤3中(3)得到si=[si1,si2,si3……si12]T,i∈[1,N],以下是对身份编码进行优化:
取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极中每一个电极所对应si按列进行拼接得到一个1*120的行向量记为s′i=[siPO7,siPO3,...sik,...siO2],i∈[1,N],其中sik代表的是电极k所对应的si,如siPO7为电极PO7所对应si,再将拼接后的行向量s′i按i∈[1,N]进行行拼接得到矩阵S=[s′1,s'2,s'3……s'N]T,S应该为一个N*120的矩阵;
(1)的每一列进行从大到小排序,记为S'。根据步骤3中(6)最终得到的身份编码Y'来对S'的每一列取上限与下限,分别记为Smax=[smax1,smax2,smax3……smax120],Smin=[smin1,smin2,smin3……smin120],其取值方法为:
式中j∈[1,120],N为训练集的实验次数;
(2),根据式(5)对Smin,Smax进行一次过滤,得到4个频率下每个被试的脑电信号在频谱上,主波与一次,二次谐波两两之间幅值的差值范围信息:
步骤5,测试集脑电信号编码:再次采集脑电信息,命名为测试集,将测试集按照步骤1、步骤2、步骤3中(1)-(3)进行处理后,得到只存在1与-1的编码X,取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为向量X'=[Xi1,Xi2,Xi3……Xi10],i∈[1,N],将X′i作为被试所对应的身份编码。
参照图3,以下是对身份识别系统进行测试:
步骤6,获取检测结果:
(1)将X′i与每个被试的身份编码Y'进行匹配,统计xij与yij相同的个数(j∈[1,12*10],i∈[1,N]),记为Kxi,则该脑电信号为被试z的概率p为:
pi=Kxi÷Ky 式(6)
式(6)中pi=[p′i1,p′i2,p′i3……p′iz]z∈(1,h)(h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号)。
(2)将步骤5中测试集算得的si1,si2,si3...si12记为s′i1,s′i2...s′i12,并记s′i=[s′i1,s′i2...s′i12],i∈[1,N],取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极s′i组成S′i=[s′1,s'2,s'3……s'N],Si'应该为一个N*120的列表;对S′i中每个元素s′ij与sminj,smaxj进行比较,若sminj,smaxj为0则跳过比较,统计s′ij在[sminj,smaxj](j∈[1,120],i∈[1,N])范围内的个数,记为Ksi,则该脑电信号为被试者z的概率p′i为:
p′i=Ksi÷Ky 式(7)
式(7)中p′i=[p′i1,p′i2,p′i3...p′iz]z∈(1,h)(h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号)。
(3)分别对pi,p′i设定阈值,记为λ1,λ2,根据阈值对pi,p′i进行如下处理:
(4)最后将得到的pi,pi'相加,得到单次实验对应于每个被试者的概率pi”,取pi”中最大值所对应的被试者,作为该次分类检测最终的结果:
i→z z∈[1,h],p″iz=max[p″iz] 式(9)
其中h为被试者人数,i为测试集中对应的某次实验,z为被试者多对应的编号。
具体实施例2:
S1:系统信息录入:需要录入信息的人员佩戴电极帽,坐在椅子上平视距离其1m的显示器,采集该人员脑电信号。
S2:将所采集的脑电信号用基于频域编码的稳态视觉诱发脑电身份识别方法进行处理。
S3:对已处理脑电信号录入基于频域编码的稳态视觉诱发脑电身份识别方法及系统。
S4:被认证人员佩戴电极帽,坐在椅子上平视距离其1m的显示器,采集该人员脑电信号。
S5:将所采集的脑电信号用基于频域编码的稳态视觉诱发脑电身份识别方法进行处理。
S6:对已经进行编码的脑电信号与现已存入基于频域编码的稳态视觉诱发脑电身份识别方法及系统中的已有编码进行对比找到该人员的身份信息。
S7:将所找到的对应人员的身份信息输出到前面板显示屏上。
S8:系统信息修改:如需向系统中增加人员仅需重复步骤S1-S3即可、如需删除该系统人员信息仅需删除系统中该人员对应的编码即可、如需修改该系统中已录入人员的编码信息仅需删除已有信息并对该人员进行步骤S1-S3即可。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于频域编码的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于频域编码的稳态视觉诱发脑电身份识别方法以不同被测者在相同频率刺激下产生的差异性脑电波为依据,利用多个电极下脑电信号在基波与谐波上幅值间的差值关系与差值范围,提取脑电信号的特征,对其每个被测试者的脑电特征信息进行编码,编码完成后,当再次录入新的脑电信息编码时,将其与已录入编码比较,即可判断是否为提前录入的信息来源者,达到识别身份的目的。
2.如权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于频域编码的稳态视觉诱发脑电身份识别方法包括以下步骤:
步骤1,视觉诱发及信号获取:被试者头戴Biosemi 64导电极帽,观看电脑屏幕上随机出现的6HZ、7.5HZ、8HZ和10HZ频率闪烁,实验中每个频率的实验次数相同。期间通过Biosemi设备记录下被试的脑电信号,记每种频率的实验次数为N;
步骤2,预处理:将采集到的脑电信号通过经验模式分解EMD处理,得到去噪后的脑电信号。分别记6HZ,7.5HZ,8HZ,10HZ的脑电信号为Ai,Bi,Ci,Di,i∈[1,N],记Wi=[Ai,Bi,Ci,Di],i∈[1,N];
步骤3,基于稳态视觉诱发的身份信息编码:
(1)对得到的脑电信号进行傅里叶变换,得到信号的频谱特征,因为采集电极通道数为64,以下(2)-(5)仅对单一通道的脑电信号进行说明;
(2)分别从4个观测频率(6HZ,7.5HZ,8HZ,10HZ)对应的脑电信号频谱中,提取其主波,一次谐波与二次谐波的幅度值,分别记为(ai1,ai2,ai3),(bi1,bi2,bi3),(ci1,ci2,ci3),(di1,di2,di3),记wi=[ai1,ai2,ai3,bi1,bi2,bi3,ci1,ci2,ci3,di1,di2,di3],i∈[1,N];
(3)计算ai1-ai2,ai1-ai3,ai2-ai3,bi1-bi2,bi1-bi3,bi2-bi3......di2-di3的分别记为值si1,si2,si3……si12,将si1,si2,si3……si12放入一个列向量si=[si1,si2,si3……si12]T,i∈[1,N],之后根据sij定义xij的值为:
由式(1)可知,当sij≥0时,xij=1;当sij≤0时,xij=-1。记xi=[xi1,xi2,xi3……xi12]T,i∈[1,N];此时xi为1个列向量,元素值为1或者-1;
(4)令X=[x1,x2,x3……xN],则X为一个12*N的矩阵,分别统计X每一列中1与-1出现的次数,记为mj,tj,记M=[m1,m2,m3……m12],T=[t1,t2,t3……t12];
(5)设置参数α,β,根据式(2)得到M',T',M'=[m′1,m'2,m'3……m′12],T'=[t′1,t'2,t'3……t′12]:
之后判断m'j,t'j值,根据式(3)得到一个电极对应的最终编码结果Y,Y=[y1,y2,y3……y12]:
(6)PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为列表Y'=[Y1,Y2,Y3……Y10],最终将Y'作为被试固定的身份特征编码,并且统计Y'中1与-1出现的总次数,记为Ky;
步骤4,由步骤3中(3)得到si=[si1,si2,si3……si12]T,i∈[1,N],以下是对身份编码进行优化:
取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极中每一个电极所对应si按列进行拼接得到一个1*120的行向量记为s′i=[siPO7,siPO3,...sik,...siO2],i∈[1,N],其中sik代表的是电极k所对应的si,如siPO7为电极PO7所对应si,再将拼接后的行向量s′i按i∈[1,N]进行行拼接得到矩阵S=[s′1,s'2,s'3……s'N]T,S应该为一个N*120的矩阵;
(1)的每一列进行从大到小排序,记为S'。根据步骤3中(6)最终得到的身份编码Y'来对S'的每一列取上限与下限,分别记为Smax=[smax1,smax2,smax3……smax120],Smin=[smin1,smin2,smin3……smin120],其取值方法为:
式中j∈[1,120],N为训练集的实验次数;
(2),根据式(5)对Smin,Smax进行一次过滤,得到4个频率下每个被试的脑电信号在频谱上,主波与一次,二次谐波两两之间幅值的差值范围信息:
步骤5,测试集脑电信号编码:再次采集脑电信息,命名为测试集,将测试集按照步骤1、步骤2、步骤3中(1)-(3)进行处理后,得到只存在1与-1的编码X,取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极的编码,记为向量X'=[Xi1,Xi2,Xi3……Xi10],i∈[1,N],将X′i作为被试所对应的身份编码;
步骤6,获取检测结果:
(1)将X′i与每个被试的身份编码Y'进行匹配,统计xij与yij相同的个数(j∈[1,12*10],i∈[1,N]),记为Kxi,则该脑电信号为被试z的概率p为:
pi=Kxi÷Ky 式(6)
式(6)中pi=[p′i1,p′i2,p′i3……p′iz]z∈(1,h),h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号;
(2)将步骤5中测试集算得的si1,si2,si3...si12记为s′i1,s′i2...s′i12,并记s′i=[s′i1,s′i2...s′i12],i∈[1,N],取PO7,PO3,O1,LZ,OZ,P10,P8,P08,PO4,O2十个电极s′i组成S′i=[s′1,s'2,s'3……s'N],S′i应该为一个N*120的列表;对S′i中每个元素s′ij与sminj,smaxj进行比较,若sminj,smaxj为0则跳过比较,统计s′ij在[sminj,smaxj](j∈[1,120],i∈[1,N])范围内的个数,记为Ksi,则该脑电信号为被试者z的概率p′i为:
p′i=Ksi÷Ky 式(7)
式(7)中p′i=[p′i1,p′i2,p′i3...p′iz]z∈(1,h),h为被试者人数,i为测试集所对应的某次实验,z为被试者多对应的编号;
(3)分别对pi,p′i设定阈值,记为λ1,λ2,根据阈值对pi,p′i进行如下处理:
(4)最后将得到的pi,p′i相加,得到单次实验对应于每个被试者的概率pi″,取pi″中最大值所对应的被试者,作为该次分类检测最终的结果:
i→z z∈[1,h],p″iz=max[p″iz] 式(9)
其中h为被试者人数,i为测试集中对应的某次实验,z为被试者多对应的编号。
3.根据权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法及系统,其特征在于:所述步骤2中的EMD去噪处理,其去噪过程为:
(1)通过EMD分解将原信号分为IMF1,IMF2......IMF7;
(2)去掉IMF1,IMF2,IMF3三个高频噪声,以及IMF7一个低频噪声,最后去噪后信号为:
X=IMF4+IMF5+IMF6 式(10)。
4.根据权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法及系统,其特征在于:所述步骤2中对于多次实验Ai,Bi,Ci,Di,i∈[1,N]中i的确定是以做实验的顺序进行排列的,即A1对应的是实验时6HZ第一次出现时采集的信号,A2为第二次出现时采集的信号,以此类推。
5.根据权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法及系统,其特征在于:所述步骤3,(5)中参数α,β的设置最好在[0.6,1]范围内,旨在找出每个被试者多次实验下脑电信号的相似表现特征。
6.根据权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法及系统,其特征在于:所述步骤3,(6)中10个电极的选择均为对稳态视觉诱发刺激反应较强的一些电极。
7.根据权利要求1所述的基于频域编码的稳态视觉诱发脑电身份识别方法及系统,其特征在于:所述步骤6,(5)中阈值λ1,λ2的选择,最好在[0.6,0.9]范围内,旨在去除两个条件中,仅满足一方的条件而带来的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811436522.0A CN109766751B (zh) | 2018-11-28 | 2018-11-28 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811436522.0A CN109766751B (zh) | 2018-11-28 | 2018-11-28 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109766751A true CN109766751A (zh) | 2019-05-17 |
CN109766751B CN109766751B (zh) | 2022-02-01 |
Family
ID=66450320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811436522.0A Active CN109766751B (zh) | 2018-11-28 | 2018-11-28 | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109766751B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031057A (zh) * | 2019-12-21 | 2020-04-17 | 北京理工大学 | 一种基于刺激信号诱发脑电波的信息传输方法 |
CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
CN112434623A (zh) * | 2020-11-27 | 2021-03-02 | 四川大学 | 基于脑网络连通性的个体识别方法、系统及存储介质 |
CN113343798A (zh) * | 2021-05-25 | 2021-09-03 | 中电云脑(天津)科技有限公司 | 一种脑机接口分类模型的训练方法、装置、设备及介质 |
CN117828372A (zh) * | 2024-03-04 | 2024-04-05 | 深圳水母智脑科技有限公司 | 身份识别方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699226A (zh) * | 2013-12-18 | 2014-04-02 | 天津大学 | 一种基于多信息融合的三模态串行脑-机接口方法 |
CN106445101A (zh) * | 2015-08-07 | 2017-02-22 | 飞比特公司 | 识别用户的方法和系统 |
CN106618561A (zh) * | 2016-12-27 | 2017-05-10 | 深圳职业技术学院 | 残障人士运动状态下脑电信号的高鲁棒解析方法 |
CN107437011A (zh) * | 2016-05-26 | 2017-12-05 | 华为技术有限公司 | 基于脑电信号的身份识别的方法和装置 |
US20180049896A1 (en) * | 2016-08-17 | 2018-02-22 | Teledyne Scientific & Imaging, Llc | System and method for noninvasive identification of cognitive and behavioral goals |
CN108415564A (zh) * | 2018-02-26 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子装置、设备控制方法及相关产品 |
-
2018
- 2018-11-28 CN CN201811436522.0A patent/CN109766751B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699226A (zh) * | 2013-12-18 | 2014-04-02 | 天津大学 | 一种基于多信息融合的三模态串行脑-机接口方法 |
CN106445101A (zh) * | 2015-08-07 | 2017-02-22 | 飞比特公司 | 识别用户的方法和系统 |
CN107437011A (zh) * | 2016-05-26 | 2017-12-05 | 华为技术有限公司 | 基于脑电信号的身份识别的方法和装置 |
US20180049896A1 (en) * | 2016-08-17 | 2018-02-22 | Teledyne Scientific & Imaging, Llc | System and method for noninvasive identification of cognitive and behavioral goals |
CN106618561A (zh) * | 2016-12-27 | 2017-05-10 | 深圳职业技术学院 | 残障人士运动状态下脑电信号的高鲁棒解析方法 |
CN108415564A (zh) * | 2018-02-26 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子装置、设备控制方法及相关产品 |
Non-Patent Citations (2)
Title |
---|
PATEL V ET AL: "《Biometrics Based on Hand Synergies and Their Neural Representations》", 《IEEE》 * |
彭俊浩: "《基于事件诱发脑电信号的身份识别算法的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031057A (zh) * | 2019-12-21 | 2020-04-17 | 北京理工大学 | 一种基于刺激信号诱发脑电波的信息传输方法 |
CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
CN111329474B (zh) * | 2020-03-04 | 2021-05-28 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
CN112434623A (zh) * | 2020-11-27 | 2021-03-02 | 四川大学 | 基于脑网络连通性的个体识别方法、系统及存储介质 |
CN113343798A (zh) * | 2021-05-25 | 2021-09-03 | 中电云脑(天津)科技有限公司 | 一种脑机接口分类模型的训练方法、装置、设备及介质 |
CN117828372A (zh) * | 2024-03-04 | 2024-04-05 | 深圳水母智脑科技有限公司 | 身份识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109766751B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766751A (zh) | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 | |
Wilaiprasitporn et al. | Affective EEG-based person identification using the deep learning approach | |
Abo-Zahhad et al. | A new multi-level approach to EEG based human authentication using eye blinking | |
CN109784023B (zh) | 基于深度学习的稳态视觉诱发脑电身份识别方法及系统 | |
Abo-Zahhad et al. | A novel biometric approach for human identification and verification using eye blinking signal | |
Bashar et al. | Human identification from brain EEG signals using advanced machine learning method EEG-based biometrics | |
CN111329474B (zh) | 基于深度学习的脑电身份识别方法、系统及信息更新方法 | |
Piciucco et al. | Steady-state visual evoked potentials for EEG-based biometric identification | |
Alyasseri et al. | The effects of EEG feature extraction using multi-wavelet decomposition for mental tasks classification | |
Wu et al. | Anti-deception: reliable EEG-based biometrics with real-time capability from the neural response of face rapid serial visual presentation | |
CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
Yeom et al. | EEG-based person authentication using face stimuli | |
Hu et al. | A real-time electroencephalogram (EEG) based individual identification interface for mobile security in ubiquitous environment | |
Thomas et al. | Online biometric authentication using subject-specific band power features of EEG | |
CN111616702A (zh) | 一种基于认知负荷增强的测谎分析系统 | |
Kong et al. | Personal identification based on brain networks of EEG signals | |
Almehmadi et al. | The state of the art in electroencephalogram and access control | |
CN109144238A (zh) | 一种基于眼电编码的人机交互系统及其交互方法 | |
Wang et al. | DE-CNN: An Improved Identity Recognition Algorithm Based on the Emotional Electroencephalography. | |
Khan et al. | EEG based aptitude detection system for stress regulation in health care workers | |
Kang et al. | EEG feature selection and the use of Lyapunov exponents for EEG-based biometrics | |
CN115686208A (zh) | 基于eeg的音乐诱发情绪识别方法及系统 | |
CN114897071A (zh) | 基于单通道脑电的身份识别方法及装置 | |
Thomas et al. | EEG-based biometrie authentication using self-referential visual stimuli | |
Tsai et al. | An individual specific electroencephalography signal pattern verification model based on machine learning and convolutional neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |