CN111046369A - 基于双脑脑机接口系统的在线身份认证方法 - Google Patents
基于双脑脑机接口系统的在线身份认证方法 Download PDFInfo
- Publication number
- CN111046369A CN111046369A CN202010172856.2A CN202010172856A CN111046369A CN 111046369 A CN111046369 A CN 111046369A CN 202010172856 A CN202010172856 A CN 202010172856A CN 111046369 A CN111046369 A CN 111046369A
- Authority
- CN
- China
- Prior art keywords
- matrix
- identity authentication
- data set
- electroencephalogram
- signal
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Neurosurgery (AREA)
- Human Computer Interaction (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
技术领域
本发明属于机器学习和信息安全交叉领域,具体涉及一种基于双脑脑机接口系统的在线身份认证方法,旨在保障用户身份认证的安全性。
背景技术
脑机接口(brain-computer interface, BCI)是在大脑与外部设备之间建立的直接的交流通道。以往的研究证明,基于脑电图(electroencephalorgraph, EEG)的脑机接口是严重运动失能患者与外界通信的有效手段,近年来,BCI技术在走出实验室应用于日常生活中取得巨大进展。为提高脑机接口系统(BCIs)性能,研究人员通常通过设计、改善算法或融合多种EEG来提高正确率和信息传输速率。目前大部分脑机接口是单被试使用的脑机接口,即一名被试控制一套脑机接口设备。然而随着时代的发展,得益于计算能力的提高,在线处理多名被试EEG逐渐成为一种可能。
多人协作脑机接口,即在同一脑机接口系统内同时采集处理多名被试的EEG与外界设备建立交流控制通道。相对于单被试脑机接口系统,多人协作脑机接口系统性能易受多种因素影响,例如设备成本、实验协作范式、系统结构、信号处理融合算法等方面。当前对多人协作脑机接口系统的研究还比较少,开展这方面的研究有助于促进脑机接口技术的发展。
发明内容
本发明的主要目的在于提供了一种基于双脑脑机接口系统的在线身份认证方法,该方法通过便携式脑电设备采集用户的脑电信号数据,经过处理分析之后,将得到的脑电数据用于在线的身份认证,相对于单被试的情况,双脑的认证技术提高了身份认证的安全性。
基于双脑脑机接口系统的在线身份认证方法,其特征在于:在线身份认证方法包括如下步骤:
步骤1,脑电数据集的离线建模;
步骤1-1,两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前,保持注意力集中,根据运动想象提示信息进行想象,采集到初始脑电数据集A;
步骤1-4,将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类,识别出用户的想象动作,如想象物件A或想象物件B,为后续在线身份认证做准备;
步骤2,被试用户的在线测试步骤;每次根据两名被试用户的运动想象识别结果控制初始鼠标点上下左右移动,当初始鼠标点与目标鼠标点位置重合时身份即得到验证。
进一步地,步骤1-1中两名离线数据建模被试用户同时根据提示信息采集脑电数据用于后续的分析处理。
进一步地,步骤1-2中,脑电信号数据包括delta频段(1~4Hz)、theta频段(4~8Hz)、alpha频段(8~12Hz)、beta 频段(18~26Hz)和gamma频段(36~44Hz)等5个频段数据,对应使用的带通滤波器的频率为1Hz~44Hz。
进一步地,步骤1-2中使用改进的独立分量分析对脑电数据集进行预处理,具体过程为:
经白化处理后,观测信号A变为具有单位方差的信号向量,且中各信号分量相互正
交,令为矩阵W的某一列向量,其对应于S中的一分量为,利用改进的自适应梯度下降
法实现从观测信号中分离出某一独立分量,每提取出一个独立分量,要从观测信号中
减去这一独立分量,如此重复,直至所有的独立分量完全分离,得到预处理后的脑电数据集。
进一步地,步骤1脑电数据集的离线建模过程,过程在于离线运动想象数据采集时,协同模块按照预设的实验周期控制两个显示器同步显示相同的提示信息,始终确保两名用户同步看到显示模块提供的提示信息,信号处理模块同步处理脑电数据。
进一步地,步骤2被试用户的在线测试阶段,协同模块按照预设的实验周期,控制显示模块显示鼠标与目标的位置、信号处理模块实时处理脑电信息、接收脑电信号的分类结果并将分类结果用于控制鼠标移动。
进一步地,步骤2被试用户的在线测试阶段,根据识别出来的物件A状态量0和物件B状态量1,采用二进制编码的形式制定成00、01、10、11四种形式的编码格式,依次分别对应鼠标移动的上(00)、下(01)、左(10)、右(11)四种移动方向,并根据目标位置想象鼠标的运动方向从而控制鼠标移动,直到目标位置与鼠标位置重合,身份即得到认证。
进一步地,步骤2被试用户的在线测试阶段,初始化i=0。若两名被试用户第一次身份认证没有成功,则将i加1,并判断当前i的值,若i<=3,则进入下一次身份认证;否则退出。
与现有技术相比,本发明的有益效果为:
(1)本发明基于脑电信号的身份认证,比起普通的指纹、虹膜、面部特征的身份认证,具有更高的安全性。
(2)本发明相较于单被试用户的脑机接口的身份认证,采用双脑脑机接口的新模式,不仅新颖,而且提高了安全性。
(3)本发明采用分布式系统结构,方便部署并且利于降低负荷,在现有技术条件下易于实验。
附图说明
图1为本发明实施例中的基于双脑脑机接口的在线身份认证方法的流程图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
基于双脑脑机接口系统的在线身份认证方法,参阅图1,包括如下步骤:
步骤1,脑电数据集的离线建模。
步骤1-1,两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前,保持注意力集中,根据运动想象提示信息进行想象,采集到初始脑电数据集A。两名离线数据建模被试用户同时根据提示信息采集脑电数据用于后续的分析处理。
脑电信号数据包括delta频段(1~4Hz)、theta频段(4~8Hz)、alpha频段(8~12Hz)、beta 频段(18~26Hz)和gamma频段(36~44Hz)等5个频段数据,对应使用的带通滤波器的频率为1Hz~44Hz。
使用改进的独立分量分析对脑电数据集进行预处理,具体过程为:
经白化处理后,观测信号A变为具有单位方差的信号向量,且中各信号分量相
互正交,令为矩阵W的某一列向量,其对应于S中的一分量为,利用改进的自适应梯度
下降法实现从观测信号中分离出某一独立分量,改进的自适应梯度下降法实现从观测
信号中分离出某一独立分量,具体步骤如下:
步骤1-3中,获取特征提取后的脑电数据集D的具体过程为:
从上式可以看出,变换后原协方差矩阵的特征值满足和等于1,即在第1类信号的方差
值最大的情况下其余所有模式信号方差值最小。因此,可以选择中前m个最大的特征值
所对应的特征向量来设计第1类模式的空间滤波器,此类模式下的投影方向可以表示
为:
同样可以得到其余各类想象任务模式下的投影方向。将样
本X向第j类模式下的投影方向投影,可以得到滤波信号。X在各个投影方
向得到的滤波信号可以组合构成新的信号,其中,即新信
号具有M个分量。最后,分别对Z中每个分量的方差进行规范化和取对数计算
步骤1-4,将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类,识别出用户的想象动作,如想象物件A或想象物件B,为后续在线身份认证做准备。具体过程为:
支持向量机通过使用非线性映射(核函数)将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,并基于结构风险最小化理论在特征空间中建构最优分割超平面。
对线性可分训练样本:,其中,表示特征向量;是类别标号。寻找最优分类面使2类样本正确分开间隔最大,需满足约束条件:,其中,为分类面的投影向量;b为分类阈值。此时,分类函数
为:。对于非线性问题,只需在最优分类超平面中采用适当的核函数,就
可以实现某一非线性变换后的线性分类,将问题从原空间变换到一个高维的特征空间,此
时相应的判别函数式为,其中,M为支持向量的个数,
为拉格朗日乘子,为核函数。
步骤2,被试用户的在线测试步骤;每次根据两名被试用户的运动想象识别结果控制初始鼠标点上下左右移动,当初始鼠标点与目标鼠标点位置重合时身份即得到验证。
步骤1脑电数据集的离线建模过程,过程在于离线运动想象数据采集时,协同模块按照预设的实验周期控制两个显示器同步显示相同的提示信息,始终确保两名用户同步看到显示模块提供的提示信息,信号处理模块同步处理脑电数据。
步骤2被试用户的在线测试阶段,协同模块按照预设的实验周期,控制显示模块显示鼠标与目标的位置、信号处理模块实时处理脑电信息、接收脑电信号的分类结果并将分类结果用于控制鼠标移动。
步骤2被试用户的在线测试阶段,根据识别出来的物件A状态量0和物件B状态量1,采用二进制编码的形式制定成00、01、10、11四种形式的编码格式,依次分别对应鼠标移动的上(00)、下(01)、左(10)、右(11)四种移动方向,并根据目标位置想象鼠标的运动方向从而控制鼠标移动,直到目标位置与鼠标位置重合,身份即得到认证。
步骤2被试用户的在线测试阶段,初始化i=0。若两名被试用户第一次身份认证没有成功,则将i加1,并判断当前i的值,若i<=3,则进入下一次身份认证;否则退出。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (9)
1.基于双脑脑机接口系统的在线身份认证方法,其特征在于:所述在线身份认证方法包括如下步骤:
步骤1,脑电数据集的离线建模;
步骤1-1,两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前,保持注意力集中,根据运动想象提示信息进行想象,采集到初始脑电数据集A;
步骤1-4,将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类,识别出用户的想象动作,如想象物件A或想象物件B,为后续在线身份认证做准备;
步骤2,被试用户的在线测试步骤;每次根据两名被试用户的运动想象识别结果控制初始鼠标点上下左右移动,当初始鼠标点与目标鼠标点位置重合时身份即得到验证。
2.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤1-1中两名离线数据建模被试用户同时根据提示信息采集脑电数据用于后续的分析处理。
3.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤1-2中,所述脑电信号数据包括 1~4Hz 的delta 频段、4~8Hz的theta 频段、8~12Hz的alpha 频段、18~26Hz的beta 频段和 36~44Hz的gamma 频段5个频段数据,对应使用的带通滤波器的频率为1Hz~44Hz。
4.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤1-2中使用改进的独立分量分析对所述脑电数据集进行预处理,具体过程为:
6.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤1脑电数据集的离线建模过程,所述过程在于离线运动想象数据采集时,设置协同模块按照预设的实验周期控制两个显示器同步显示相同的提示信息,始终确保两名用户同步看到显示模块提供的提示信息,信号处理模块同步处理脑电数据。
7.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤2被试用户的在线测试阶段,设置协同模块按照预设的实验周期,控制显示模块显示鼠标与目标的位置、信号处理模块实时处理脑电信息、接收脑电信号的分类结果并将分类结果用于控制鼠标移动。
8.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤2被试用户的在线测试阶段,根据识别出来的物件A状态量0和物件B状态量1,采用二进制编码的形式制定成00、01、10、11四种形式的编码格式,依次分别对应鼠标移动的上(00)、下(01)、左(10)、右(11)四种移动方向,并根据目标位置想象鼠标的运动方向从而控制鼠标移动,直到目标位置与鼠标位置重合,身份即得到认证。
9.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法,其特征在于:步骤2被试用户的在线测试阶段,初始化i=0;若两名被试用户第一次身份认证没有成功,则将i加1,并判断当前i的值,若i<=3,则进入下一次身份认证;否则退出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172856.2A CN111046369A (zh) | 2020-03-13 | 2020-03-13 | 基于双脑脑机接口系统的在线身份认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172856.2A CN111046369A (zh) | 2020-03-13 | 2020-03-13 | 基于双脑脑机接口系统的在线身份认证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111046369A true CN111046369A (zh) | 2020-04-21 |
Family
ID=70231152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010172856.2A Pending CN111046369A (zh) | 2020-03-13 | 2020-03-13 | 基于双脑脑机接口系统的在线身份认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112433617A (zh) * | 2020-12-11 | 2021-03-02 | 中国人民解放军国防科技大学 | 一种两人协同的p300-bci目标决策系统及方法 |
CN113095226A (zh) * | 2021-04-13 | 2021-07-09 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
CN101716079A (zh) * | 2009-12-23 | 2010-06-02 | 江西蓝天学院 | 基于多特征算法的脑纹身份识别认证方法 |
CN107196809A (zh) * | 2017-07-07 | 2017-09-22 | 南京邮电大学 | 基于脑电特征的身份认证方法及认证系统 |
CN108446635A (zh) * | 2018-03-19 | 2018-08-24 | 西北大学 | 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法 |
CN108959891A (zh) * | 2018-07-19 | 2018-12-07 | 南京邮电大学 | 基于秘密共享的脑电身份认证方法 |
CN109521873A (zh) * | 2018-10-26 | 2019-03-26 | 蓝色传感(北京)科技有限公司 | 基于协作式脑机接口控制系统及信号协作方法 |
-
2020
- 2020-03-13 CN CN202010172856.2A patent/CN111046369A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
CN101716079A (zh) * | 2009-12-23 | 2010-06-02 | 江西蓝天学院 | 基于多特征算法的脑纹身份识别认证方法 |
CN107196809A (zh) * | 2017-07-07 | 2017-09-22 | 南京邮电大学 | 基于脑电特征的身份认证方法及认证系统 |
CN108446635A (zh) * | 2018-03-19 | 2018-08-24 | 西北大学 | 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法 |
CN108959891A (zh) * | 2018-07-19 | 2018-12-07 | 南京邮电大学 | 基于秘密共享的脑电身份认证方法 |
CN109521873A (zh) * | 2018-10-26 | 2019-03-26 | 蓝色传感(北京)科技有限公司 | 基于协作式脑机接口控制系统及信号协作方法 |
Non-Patent Citations (1)
Title |
---|
徐彬锋: "基于事件相关电位的心理测试系统设计及算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112433617A (zh) * | 2020-12-11 | 2021-03-02 | 中国人民解放军国防科技大学 | 一种两人协同的p300-bci目标决策系统及方法 |
CN112433617B (zh) * | 2020-12-11 | 2022-06-14 | 中国人民解放军国防科技大学 | 一种两人协同的p300-bci目标决策系统及方法 |
CN113095226A (zh) * | 2021-04-13 | 2021-07-09 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
CN113095226B (zh) * | 2021-04-13 | 2022-07-22 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Robust support matrix machine for single trial EEG classification | |
Lan et al. | Domain adaptation techniques for EEG-based emotion recognition: a comparative study on two public datasets | |
CN111265212A (zh) | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 | |
Zhang et al. | Optimum spatio-spectral filtering network for brain–computer interface | |
CN111680620B (zh) | 基于d-s证据理论的人机交互意图识别方法 | |
Wu et al. | Finger-vein pattern identification using SVM and neural network technique | |
Qi et al. | RSTFC: A novel algorithm for spatio-temporal filtering and classification of single-trial EEG | |
Bzdok et al. | Semi-supervised factored logistic regression for high-dimensional neuroimaging data | |
CN108937968B (zh) | 基于独立分量分析的情感脑电信号的导联选择方法 | |
Kawanabe et al. | Robust common spatial filters with a maxmin approach | |
Zhang et al. | Clustering linear discriminant analysis for MEG-based brain computer interfaces | |
CN111046369A (zh) | 基于双脑脑机接口系统的在线身份认证方法 | |
KR100345245B1 (ko) | 조명 변화, 얼굴 표정 변화 등에 독립적인 얼굴 인식 방법 | |
CN111582082B (zh) | 基于可解释聚类模型的二分类运动想象脑电信号识别方法 | |
Xiao et al. | 2D quaternion sparse discriminant analysis | |
Gao et al. | Double stage transfer learning for brain–computer interfaces | |
Tang et al. | Research on extraction and classification of EEG features for multi-class motor imagery | |
Lu et al. | A temporal convolution network solution for EEG motor imagery classification | |
Jaha et al. | Color face recognition using quaternion pca | |
Sun et al. | An optimal kernel feature extractor and its application to EEG signal classification | |
Delorme et al. | Comparing results of algorithms implementing blind source separation of EEG data | |
Georgiadis et al. | Using discriminative lasso to detect a graph Fourier transform (GFT) subspace for robust decoding in motor imagery BCI | |
Alhakeem et al. | Session to session transfer learning method using independent component analysis with regularized common spatial patterns for EEG-MI signals | |
CN114587384A (zh) | 一种结合低秩表示与流形学习的运动想象脑电信号特征提取方法 | |
CN113780162A (zh) | 一种结合多时段多频段csp算法的运动想象脑电解码方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200421 |