CN110866237B - 脑电的阈下姓名身份认证方法 - Google Patents

Abstract

本发明公开一种脑电的阈下姓名身份认证方法，本发明方法提出一种基于阈下姓名的范式，以提升脑电身份认证的安全性，范式以自己、熟人、陌生人和空白姓名为刺激，并测试了该方法的盲入侵、非盲入侵效果；特征选择阶段本发明提出了一种创新的特征选择方法可以有效挑选优质特征，基于瑞利熵(RQ)、低频分量(Frequency)、普适分量(Universal)(RFU)的3因子特征选择方法，最后还提出了计算量更小的警觉指数指标以预测优质电极。

Description

脑电的阈下姓名身份认证方法

技术领域

本发明属于脑电技术领域，特别涉及一种基于脑电信号的阈下身份认证技术。

背景技术

脑电是一种脑科学研究的重要方法，由于其自身的便携性、高时间分辨率、低成本等优势，被广泛应用于多种研究领域。脑电身份认证方式作为一种新兴的基于生物体证的个体识别方法，成为继指纹、面部、虹膜之后的另一研究热点。

脑电身份认证记录每个人独特的大脑活动模式，将传统身份认证的“what youhave”变为“what you think”。此外，基于脑电的身份认证方法还有三个主要优势，活体性、防胁迫性和拓展性。活体性是指人造样本和断肢不能通过认证，由于它们没有产生脑电波的能力。防胁迫性是指受威胁的用户会产生焦虑和恐惧的情绪，通过检测大脑的异常反应，系统可以使用保护性操作来维护账户安全。拓展性是指可以结合多种脑电身份认证方法，例如结合静息态、面部视觉刺激、听觉姓名刺激等，以增强系统的安全性。

视觉信息占我们日常感知中的重要部分，因此脑电身份认证经常使用快速序列视觉呈现((Rapid Serial Visual Presentation，RSVP)来诱发稳定的大脑反应。RSVP中常使用与用户自身相关的信息作为视觉刺激，自身相关的刺激可以激发更强烈的脑电信号，这源自于人类的自我意识。早期的研究发现自我相关信息需要更少注意资源。除了成年人，Denise R.Mandel的研究证实婴儿也具有自我意识，并且可以对自己姓名产生警觉。随着脑科学研究不断拓展，在核磁的自身姓名研究中，Christel Devue总结之前的研究成果，提出额叶和顶叶与自身面部识别的信息处理有关。

脑电身份认证中经常使用用户的自身姓名和人脸作为视觉刺激，但是姓名具有更高的辨识性和更快的理解速度，因此姓名视觉刺激具有更高的播放效率和更低的阅读难度，并且姓名视觉刺激相比人脸具有更强的时间迁移性，面部会随着年龄、发型、化妆、创伤而改变明显，而自身名字在不变化的情况下可以终身使用，不用多次注册扩充样本。

大量的实验研究了大脑对自身姓名的特异性反应。在1987年，IRA FISCHLER的研究发现大脑对assumed name、the subject’s own name、false name有差异性反应；I.Berlad在研究用户自身姓名和其他名词时发现，用户观察自己姓名的脑电P300成分幅值更大；Pawel Tacikowski的研究发现自己姓名不仅增强p300还缩短反应时间；KaoriTamura进行了多种特征域的大脑反应研究，脑电记录的自身姓名反应在时域、频域、时频域中均有明显特异性；最近的研究发现，大脑会对自身姓名信息进行优先处理。以上的研究结果都表明大脑对自身姓名会有更剧烈、敏感、优先的反应。

更多的研究在分析观察自己姓名的脑电特异性成分。在1996，Horst M.Müller观察到N1和P2幅度的显著性增强；在1997，Folmer R L记录到自己姓名激发的p3成分，并认为这与意识状态和对自身的认知有关；Makoto Miyakoshi的更细致的研究对比了SELF、FAMILIAR、UNFAMILIAR的大脑活动，作者认为可以通过N250和later time-course区分这三类姓名；最近的研究发现subject’s own name(自身姓名)negativity、MMN、P300成分都可以预测用户看到的名字类型。

研究人员发现用户自身姓名是一种具有很强稳定性和普适性的方法，用户自身姓名不仅在清醒状态下引起大脑强烈反应，在睡眠时也会产生特异性认知。研究人甚至发现对于微意识病人，大脑对于自身姓名也会有明显应答。

但是现有的视觉范式单次刺激的时间大多大于200ms，刺激呈现是用户可以察觉的阈上刺激(可以意识到)，对于受过训练的入侵者，通过自我暗示的方法可以有意识地模仿用户大脑反应，这类伪造的大脑反应模式会威胁系统安全，成为脑电身份认证的重要隐患。

发明内容

为解决上述技术问题，本发明提出一种脑电的阈下姓名身份认证方法，阈下姓名的刺激，获得的脑电信号作为身份认证，以提升脑电身份认证的安全性。

本发明采用的技术方案为：脑电的阈下姓名身份认证方法，包括：

S1、开启脑电采集设备并播放阈下姓名刺激范式，获得各导联对应的脑电信号；所述阈下姓名刺激范式中包括若干个大于0s且小于50s的姓名播放；

S2、对脑电信号进行预处理，去除伪迹，进行基线校正，使用切比雪夫滤波器进行0-30hz低通滤波；

S3、进行特征选择，将选出的特征作为身份认证的生物特征。

进一步地，步骤S1所述阈下姓名刺激范式包括若干个block，每个block包括若干个trial，每个trial包含一个阈下姓名的刺激播放，所述阈下姓名的刺激播放至少包括一个大于0s且小于50s的姓名播放。

更进一步地，总的姓名的刺激播放包括四种次数不等的播放类别，具体为：用户自己姓名、熟悉的人姓名、陌生人姓名以及空白；所述姓名的刺激播放在四种次数不等的播放类别中随机播放。

进一步地，相邻block之间间隔大于或等于10s。

进一步地，所述阈下姓名的刺激播放还包括：姓名播放前的十字注视点播放。

更进一步地，所述阈下姓名的刺激播放还包括：姓名播放后的掩蔽图播放。

进一步地，步骤S2包括，以姓名的刺激播放为0时刻，以0时刻前的脑电信号均值作为0时刻后的脑电信号的基线进行校正。

进一步地，步骤S3所述特征选取基于瑞利熵、低频分量、普适分量这3个因子特征；包括以下步骤：

S31、将经步骤S2处理后的脑电信号分成自身及他人两组，对每一组脑电信号在各通道中求该组脑电信号的时域均值，然后将该组脑电信号刺激播放后的数据均分为若干段，对每一段数据分别进行幅值求和；

S32、根据步骤S31计算的两组数据各段对应的幅值，计算瑞利商值、低频分量以及普适分量；

S33、根据步骤S32计算得到的瑞利商值、低频分量以及普适分量，计算两组数据各段对应的特征评价分数；

S34、根据两组数据各段对应的特征评价分数选取特征。

进一步地，步骤S2之后还包括采用警觉指数预测优质导联，将优质导联对应的脑电信号作为步骤S3的特征选择依据。

更进一步地，所述警觉指数为姓名刺激与空白刺激的脑电信号差值。

本发明的有益效果：本发明的脑电的阈下姓名身份认证方法具备以下优点：

1、使用阈下姓名刺激作为范式，每次姓名持续时间小于50s，可以使姓名刺激呈现处于意识边缘。由于刺激呈现时间极短，导致入侵者难以意识到姓名内容，只有对于用户自身姓名非常熟悉的个体才能激发大脑反应，阈下的姓名大大增加了入侵难度，使得入侵者更难有意识地伪造大脑活动来突破防护；

2、适用于此范式的基于瑞利熵(RQ，Rayleigh quotient)、低频分量(Frequency)、普适分量(Universal)(RFU)的特征选择方法，此方法可以选择利于单试次检测的通用模型特征，正确率结果表明，盲检测中(陌生姓名)此方法可以达到95.88％的正确率，非盲检测中(熟人姓名)此方法可以达到94.43％的正确率；

3、本发明的“警觉因子”不仅可以有效的衡量大脑激活程度，还可以在大大减少计算量的前提下预测优质导联。

附图说明

图1为本发明实施例提供的阈下姓名视觉刺激范式；

图2为本发明实施例提供的平均所有用户的各通道时域信号波形；

图3为本发明实施例提供的平均所有用户的各通道时频域能量分布；

图4为本发明实施例提供的平均所有用户的脑活动地形图；

图5为本发明实施例提供的RFU特征选择方法的特征数量与正确率；

图6为本发明实施例提供的盲测试和非盲测试的ROC曲线；

图7为本发明实施例提供的三种姓名刺激在各通道的的警觉指数；

图8为本发明实施例提供的RFU、意识指数、正确率的脑地形图；

其中，图8(a)为RFU与正确率均值的脑地形图，图8(b)为警觉指数与正确率均值的脑地形图；

图9为本发明实施例提供的各导联特征的RFU、警觉指数、正确率的均值；

图10为本发明实施例提供的RFU值前30个优质特征的时间段、导联分布。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

本发明的阈下姓名身份认证方法总共分为4个步骤：

步骤1、开启脑电采集设备并播放阈下姓名刺激范式；

步骤2、对脑电信号进行预处理，去除眼电、肌电等伪迹，进行基线校正，使用切比雪夫滤波器进行0-30hz低通滤波；

步骤3、为特征选择，进行时域特征计算和RFU值计算；将选出的优质特征作为身份认证的生物特征。

本实施例中，采集场地选择在封闭且安静的房间内进行，去掉用户的智能设备以减少电磁环境对采集过程中的信号干扰。用户全程靠坐在硬椅上，佩戴如图1所示电极分布的脑电采集帽，使用g.USBamp设备记录脑电信号，该设备为主动湿电极并选择16通道分别为图1所示的Fz、Cz、P3、Pz、P4、PO7、Oz、PO8、C3、C4、F3、F4、AF7、AF8、CP5、CP6(10-20系统)，每个通道对应一种导联，设备采样率为512hz，以右耳垂处的耳夹为参考，设置0.01-30hz的切比雪夫滤波。本实施例中将姓名刺激出现的瞬间作为0ms时刻，实验数据截取-200-800ms的脑电信号，以姓名刺激开始前的-200ms-0的脑电信号均值作为0-800ms脑电信号的基线进行校正，并将降采样到128hz。

本领域技术人员应注意，本实施例仅以佩戴如图1所示电极分布的脑电采集帽为例，针对Fz、Cz、P3、Pz、P4、PO7、Oz、PO8、C3、C4、F3、F4、AF7、AF8、CP5、CP6这16个通道采集到的数据进行具体分析，在实际应用中电极分布不仅限于本实施例所给出的这一种方式。

本实施例所述导联为电极在被试大脑头皮放置的位置，即本实施例中包括16种导联。

实验中使用Banq的XL2540显示器，该显示器刷新速率为240hz，分辨率为1920*1080，屏幕距离用户60cm。屏幕大小为54.4cm*30.8cm。刺激在视野中的角度为0.5371°宽*3.4336°长。

步骤1，对于阈下姓名刺激范式。本实施例采用Eprime-3软件播放刺激，如图1所示，本实施例提供一种阈下姓名刺激范式的具体实现方式：所述阈下姓名刺激范式由25个block组成，每个block包含20个trial，总共呈现了500次阈下姓名。相邻两个block之间有10秒的休息时间，如果用户疲劳还可以自由延长。每个RSVP的trial包含一个阈下姓名的刺激播放，该刺激播放至少包括20ms的姓名播放，本发明为了使得阈下姓名刺激范式更标准，在20ms的姓名播放前还包括1000ms的十字注视点，在20ms的姓名播放后还包括500ms的掩蔽图。每次姓名持续时间为20ms(眨眼速度的5倍)，可以使姓名刺激呈现处于意识边缘。

本实施例一个阈下姓名刺激范式总共包括500个姓名随机播放，其中有100个用户自己姓名、150个熟悉的人姓名、300个陌生人姓名、50个空白。实验中用户需要集中精力，并对计数自己姓名出现的次数。熟悉姓名需要用户填写家人、朋友等首先想到的名字。300个陌生姓名选自中华姓名库。空白刺激不呈现任何文字，展示的背景全黑的屏幕。

陌生姓名作为不具备先验知识的盲入侵攻击，而熟悉人的姓名作为具有先验信息的非盲入侵测试；

步骤2，脑电信号进行预处理，以右耳垂为参考，使用主成分分析(ICA)去伪迹，设置0.01-30hz的切比雪夫滤波。实验数据截取刺激时刻的-200-800ms的脑电信号，以刺激开始前的-200ms-0作为基线校正，并将降采样到128hz；

步骤3，基于RFU值的特征提取。在特征选择阶段，选择分离性好且稳定的优质特征十分重要。因此本发明提出了一种创新的基于瑞利熵(RQ)、低频分量(Frequency)、普适分量(Universal)(RFU)的3因子特征选择方法，本发明中命名为RFU特征选择方法。使用该方法选择适用于通用分类器的特征。

本发明的RFU特征选择分为两步，时域分段求和RFU值计算。

时域分段求和阶段，将经过滤波和基线校正的脑电数据分为自身、他人(陌生人+熟悉人)两组，并分别在16个通道中求这两组数据的0-800ms时域均值。均值计算后选择刺激播放后的0-800ms，将其均匀分为100ms无重叠的8段数据，并在各数据段内进行幅值求和，最后共得到8*16＝128个时域能量特征数据。

在RFU值计算中，定义

为用户观看自身姓名的脑电特征数据均值，

为用户观看他人姓名的脑电特征数据均值；j定义为通道号，本实施例中j＝1,2,…16；k定义为特征号，本实施例中k＝1,2,…8。Var为方差计算。

首先计算瑞利商值，其度量了两个类别的类内聚和类间距：

频域结果中，两类差异最大在于1-5hz的低频部分，将两个类别比值作为频域的衡量标准，其中fft为对时域信号做傅里叶变换。

基于脑电的身份认证方法成为身份安全领域的热点。研究人员不仅提升认证准确性，还开始防备有意识的入侵攻击。

本发明同样关注个体特征在设计通用分类器时，计算个体特征U_i,j,k与所有均值特征

的相关系数，用来衡量该特征的普适程度，i定义为用户号，本申请共对78名被试者进行了测试，则本实施例i＝1,2,…78。Cov为协方差计算：

总体的RFU计算式如下：

本发明提出的RFU特征选择方法从多角度对特征进行了评价，具体从三个角度衡量特征表现：瑞利商衡量了特征在时域的分类性能，低频分量显示了特征的频域分离程度，普适因子衡量了特征在每名用户的通用性。

根据计算得到的RFU特征评价分数从128维特征中选择优质的低维度特征作为身份认证的生物特征，具体的：从高到低进行特征的降序排列，优先选择特征评价分数高的特征进行分类。

本发明还提出一种使用警觉指数选择优质导联以降低计算量的方法，具体的：

本发明提出了警觉指数来定量地计算不同刺激对大脑的激活程度，警觉指数计算出现姓名的刺激(自身、熟人、陌生人)与空白刺激在300-800ms的脑电信号差值，并将差值取绝对值求和。300-800ms的脑电数据主要成分为P300，该成分被认为是事件诱发电位中与意识和高级认知相关，并且实验结果显示不同刺激在该时段的差异最大。

本发明的警觉指数不仅可以有效的衡量大脑激活程度，还可以使用各导联的警觉指数来预测优质导联。这种方法计算量很小并且预测准确率较高，警觉指数可以在数据分析前期估计各通道分类效果。

针对脑电身份认证的安全性问题，本发明使用阈下刺激呈现的方法来防止有意识的入侵攻击，阈下范式的播放时间短、刺激小，只有用户才能对自身姓名产生强烈的大脑反应。对于模仿用户大脑活动的入侵者，其很难注意到阈下的刺激内容并进行自我暗示。

本发明提出了3点创新，首先设计了基于阈下姓名的身份认证范式；其次结合阈下范式设计了RFU特征选择方法；最后提出了一种警觉指数的指标来快速预测优质导联。

本实施例从以下四个方面对本发明的技术效果进行说明：(1)阈下姓名刺激诱发的脑电信号波形分析

图2结果显示，时域信号幅度大体上：自己>熟人>陌生人(除了前额的AF7、AF8)，认为大脑响应程度也是这个排序。可以看出用户对自身姓名的反应是剧烈并有明显差异性的，在P200和P440的幅度差异性最大，尤其P440的幅度远远大于其余非自身姓名(除了AF7AF8)。如图2所示，可见不同阈下姓名诱发的脑电信号在各个导联上有明显差异，并且差异显示在多种脑电成分中。

熟人的反应模式介于自己和陌生人之间。从波形相似度来看，在0-300ms的熟人和自己的波形更接近，在300-800ms熟人和陌生人的幅度更接近。陌生人缺少P200和N270成分，其主要成分为P440。自己和熟人的姓名的P200和N270成分明显，在FZ CZ C3 C4 F3 F4电极记录明显，在po7、po8记录的是相反的N200和P270。自身姓名的P200潜伏期更长，我们认为在200和270的成分和预注意有关。自身姓名在P440后有更强的负性偏转，并在600-680ms出现正向偏转，在600ms后没有出现明显的负向偏转，并且大部分电极在600ms之前就趋于基线。我们认为N650也是大脑对自身识别的重要加工过程，属于意识的后期加工过程，在FZ p3 p4 po7 oz po8 f3 f4 af7 af8 cp5 cp6均出现。

图3为选择PZ通道进行瀑布图计算，通过时频图结果可以看出，主要的时频能量分布集中在时域的375-625ms，频域集中在2-5hz。大脑对于自身姓名的相应是显著区别于其余姓名刺激的。自身姓名的时频能量最大并且持续时间最长，并在460ms时能量达到最大值。熟人姓名的响应集中在425-575ms，但是能量强度远远低于对自身姓名的反应。三种姓名刺激中陌生人的反应最小，陌生姓名只在475-550ms有较小的能量。

通过脑地形图结果分析，200ms时刻在额叶出现信息的预加工，预加工阶段对不同姓名的大脑激活程度：自己>熟人>陌生>空白。300ms时刻的枕叶视觉区有明显活动，视觉区激活结果中自己姓名效果最明显。由于姓名刺激时间极短并且有掩蔽图，非自身姓名有一定概率没有进入视觉区，在视觉信息处理前就被大脑过滤掉了。三种阈下姓名刺激在400ms差别最大，自身姓名结果显示为多脑区联合的全脑启动，高电位区域延伸到左右前额叶，是大范围并且剧烈的响应。熟人和陌生人只有小范围的低幅度大脑反应。显示自己姓名是多脑区的大范围激活，此处差异最明显利于特征提取。在500ms时刻自身姓名在顶叶还有集中反应，而熟人和陌生人的电位已经基本恢复。600-800ms的负波显示，自身姓名具有更强的“回归性”，自身姓名在500ms时大脑活动还明显强于非自身姓名，但是600ms后自身姓名表现出更的负性，它最先达到0基线甚至有更低的电位。对于所有用户的空间平均信号结果如图4所示，自身姓名的大脑处理模式明显区别于熟人和陌生人。正确率随特征个数增加的曲线如图5所示，

(2)基于RFU特征选择方法的盲、非盲测试正确率结果分析

我们共提取了128个时域幅度特征，并依据RFU值将各特征进行降序排序，并按照排序依次添加特征，以计算特征个数与正确率的关系。如图5所示，为验证RFU方法的有效性，我们对比了随机选择的特征增加方式，并且对非盲和盲入侵都进行了测试。结果表明RFU特征选择方法的正确率一直优于随机选择特征，并且在少量特征时的优势更为明显。对比两种入侵测试，盲入侵的正确率一直优于非盲入侵测试，说明熟人姓名会对阈下的身份认证造成一定干扰，并且具备先验信息的入侵在一定程度上会威胁认证安全。观察曲线的上升趋势，我们认为当特征数大于40时的正确率上升缓慢，还会大量消耗运算资源，并且过多的特征会引起过拟合。

本申请共对78名被试者进行了测试，在单试次的盲入侵、非盲入侵平均正确率分别为95.88％，94.43％。图6的ROC的曲线展示了RFU方法的对于两种入侵测试的虚警率、漏警率，结果显示RFU的特征选择方法具有较好的分类效果。并且得出了一致的正确率结果，即盲入侵的检测结果优于非盲入侵。

(3)基于警觉指数的预测准确性与结果分析

警觉指数衡量的是P3成分的大小，以上结果也表明P440是不同姓名间差异最大的脑电成分。从图7统计均值可以看出，警觉指数：用户>熟人>陌生人。用户姓名的警觉指数远大于非自身姓名，熟人的警觉指数与陌生人十分接近，而用户的警觉指数是陌生姓名的两倍以上。

单个通道的警觉指数与统计结果也有相近的结论，在每个通道上都呈现了用户>熟人>陌生人的大脑响应特点。如图7所示，不同导联的三种姓名差异不同，自身姓名与熟人、陌生人姓名的差异趋势相似。对比各通道的警觉指数结果，自身姓名与非自身姓名在CZP3 PZ P4 C3的警觉指数差异性最大，即采用本发明的警觉指数选择优质导联为CZ P3 PZP4 C3，一般选择警觉指数从高到低的前三分之一对应的导联作为优质导联；然后基于优质导联的脑电信号进行RFU特征选取，较小了计算量的同时保证了预测准确度。

图8中我们将各个通道的RFU、警觉指数、正确率(ACC)均值呈现在脑地形图中，图8(a)为RFU与正确率均值的脑地形图，图8(b)为警觉指数与正确率均值的脑地形图；可以看出RFU、警觉指数、正确率(ACC)均值三者数值最大通道都集中在顶叶。结果表明警觉指数和正确率的地形图更加接近，它们在分布和幅值都具有更大的相似性。

图9中计算了各导联特征的RFU、警觉指数、正确率的均值，并综合考虑各项指数后选择了6个表现最佳的电极，即在RFU、警觉指数、正确率这三个评价指标中，三个评价值均位于前50％的导联为CZ、PZ、P3、P4、C3、C4，他们是围绕CZ和PZ电极对称分布的，其余电极距离它们越远正确率越低。三种指标的地形图和电极选择结果都与400ms的用户自身姓名的脑地形图相近，本实施例选择的最佳通道也在此范围内。我们认为这是由于P440是三种姓名差异最大的成分，此时的大脑时域特征幅度变化最大，RFU特征选择方法选择出了此类差异性最大的特征，这些特征也最能将三种姓名区分开来。从机理性分析，阈下范式的目的就是使得长时记忆的姓名(如自己姓名)可以被大脑敏感地捕捉并且充分响应。而对于熟人或陌生这类非自身姓名，大脑对此类非自身姓名刺激的敏感程度和警觉性低，大脑忽视这些非敏感刺激。非自身姓名的刺激只进入到初级意识处理阶段，掩蔽图会对其再次衰弱，导致非自身姓名最终没有进入顶叶和额叶。而自身姓名由于长时记忆和自我意识，自身姓名在进入视觉区后并没有停止，并继续传递至额叶和顶叶的神经网络并引起雪崩效应，其标志性结果就是全脑大范围的剧烈活动以及明显的P3成分。

探索特征的RFU、警觉指数和正确率的关系，表1中结果显示正确率随着RFU或警觉指数的增加而升高。警觉指数具有更好的准确率预测效果，其样本更加趋近线性分布，并且各个特征的警觉指数分布更均匀且具有差异性。同时警觉指数具有运算量更小的优势，其计算过程仅为简单的幅值求和，可以有效节约运算时间。

表1单个特征的RFU、警觉指数与正确率的线性回归

(4)优质特征统计分布结果分析

我们统计了RFU方法选择的30个优质特征的时间和通道统计分布。图10结果显示，这30个最佳特征都没有出现在400ms之前，前期分析有P200、N270的成分差异，但是三种姓名的主要差异为P3成分。最佳的特征选取时间段在500ms附近，87.5％的通道在此处都有优质特征，在500ms处的优质特征个数远大于其他时间。除了500ms的优质特征集中分布，600ms和800ms的时间位置也有较好的特征。前30特征的导联统计也符合上文的导联选择结果，优质特征集中分布在FZ、CZ、P3、P4、C3、C4、F4、CP6电极。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.脑电的阈下姓名身份认证方法，其特征在于，包括：

S1、开启脑电采集设备并播放阈下姓名刺激范式，获得各导联对应的脑电信号；步骤S1所述阈下姓名刺激范式包括若干个block，每个block包括若干个trial，每个trial包含一个阈下姓名的刺激播放，所述阈下姓名的刺激播放至少包括一个20ms的姓名播放；

S2、对脑电信号进行预处理，去除伪迹，进行基线校正，使用切比雪夫滤波器进行0-30hz低通滤波；

S3、进行特征选择，将选出的特征作为身份认证的生物特征；步骤S3所述的特征选择为基于瑞利熵、低频分量、普适分量这3个因子特征的RFU特征选择；包括以下步骤：

S31、将经步骤S2处理后的脑电信号分成自身及他人两组，对每一组脑电信号在各通道中求该组脑电信号的时域均值，然后将该组脑电信号刺激播放后的数据均分为若干段，对每一段数据分别进行幅值求和，得到各段对应的时域能量特征数据；

S32、根据步骤S31计算的两组数据各段对应的幅值，计算瑞利熵值、低频分量以及普适分量；

瑞利熵度量了两个类别的类内距和类间距，计算式为：

其中，

为用户观看自身姓名的时域能量特征数据，

为用户观看他人姓名的时域能量特征数据；j定义为通道号，k定义为特征号，Var为方差计算；

频域结果中，两类差异最大在于1-5hz的低频部分，将两个类别比值作为频域的衡量标准，低频分量计算式为：

其中，fft为对时域信号做傅里叶变换；

普适分量为

其通过计算个体特征U_i,j,k与

的相关系数来衡量，相关系数的计算式为

其中，i为用户号，Cov为协方差计算；

S33、根据步骤S32计算得到的瑞利熵值、低频分量以及普适分量，计算两组数据各段对应的特征评价分数RFU，RFU计算式为：

S34、根据两组数据各段对应的特征评价分数选取特征；

步骤S2后还包括采用警觉指数预测优质导联，基于优质导联对应的脑电信号进行步骤S3的RFU特征选择；所述警觉指数为姓名刺激与空白刺激的脑电信号差值。

2.根据权利要求1所述的脑电的阈下姓名身份认证方法，其特征在于，总的姓名的刺激播放包括四种次数不等的播放类别，具体为：用户自己姓名、熟悉的人姓名、陌生人姓名以及空白；所述姓名的刺激播放在四种次数不等的播放类别中随机播放。

3.根据权利要求2所述的脑电的阈下姓名身份认证方法，其特征在于，相邻block之间间隔大于或等于10s。

4.根据权利要求3所述的脑电的阈下姓名身份认证方法，其特征在于，所述阈下姓名的刺激播放还包括：姓名播放前的十字注视点播放。

5.根据权利要求4所述的脑电的阈下姓名身份认证方法，其特征在于，所述阈下姓名的刺激播放还包括：姓名播放后的掩蔽图播放。

6.根据权利要求5所述的脑电的阈下姓名身份认证方法，其特征在于，步骤S2包括，以姓名的刺激播放为0时刻，以0时刻前的脑电信号均值作为0时刻后的脑电信号的基线进行校正。

Images