CN118035972A - 一种基于事件相关电位的脑信号身份认证方法 - Google Patents
一种基于事件相关电位的脑信号身份认证方法 Download PDFInfo
- Publication number
- CN118035972A CN118035972A CN202410447279.1A CN202410447279A CN118035972A CN 118035972 A CN118035972 A CN 118035972A CN 202410447279 A CN202410447279 A CN 202410447279A CN 118035972 A CN118035972 A CN 118035972A
- Authority
- CN
- China
- Prior art keywords
- erp
- signal
- brain
- follows
- representing
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000004044 response Effects 0.000 claims description 33
- 230000000763 evoking effect Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000007917 intracranial administration Methods 0.000 claims description 7
- 239000004480 active ingredient Substances 0.000 claims description 6
- 210000004761 scalp Anatomy 0.000 claims description 5
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001727 in vivo Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 5
- 230000000638 stimulation Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000036624 brainpower Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于事件相关电位的脑信号身份认证方法，属于身份认证技术领域。该方法包括以下步骤：S1、基于RSVP范式脑纹身份认证系统，构建基础信号模型；S2、采用空时均衡的方法，对背景噪声进行均衡处理；S3、对VEP成分和ERP源信号进行参数估计；S4、对目标信号进行检测；S5、RSVP脑信号身份认证范式。本发明采用上述的一种基于事件相关电位的脑信号身份认证方法，在区分用户和入侵者方面表现出了可靠性和有效性，可以使得ERP信号表现出个体内稳定性和个体间差异性，脑纹认证系统为脑纹的永久性和唯一性提供了初步的证据，为基于脑电信号的身份认证系统的未来发展奠定了基础。
Description
技术领域
本发明涉及身份认证技术领域，尤其涉及一种基于事件相关电位的脑信号身份认证方法。
背景技术
基于指纹、虹膜、语音或面部生物识别技术已被广泛应用于各种安全系统中。脑纹由于其抗胁迫、抗伪造和可撤销性，正在成为传统生物识别技术的一种新兴的替代品。攻击者几乎不可能通过模仿或胁迫用户来获得合法的脑纹。此外，如果一个人的指纹或DNA被破坏，他将终生无法使用这些生物识别技术。相反，用户可以根据不同的范式和刺激来撤销或者替换脑纹。这些优势使脑纹成为未来安全认证潜在的应用，在不断发展的生物特征安全领域提供了一个强大且适应性强的解决方案。
脑纹作为一种新兴的生物识别认证方法具有潜在的可行性。然而，要成为一个稳定而实用的认证系统，需要具备四个特征：普遍性、可收集性、唯一性和持久性。作为生命存在的生理标志，脑信号在每个人身上都存在，满足了普遍性的要求。同时，随着脑信号记录设备的发展，头皮脑电图（EEG）可以很容易地被检测到。然而，永久性和唯一性是脑指纹尚未被证实的特征。永久性指的脑纹能在个体内保持长期稳定，唯一性指的是脑纹在个体内部被唯一识别，人与人之间存在差异性。因此，本发明提供了一种基于事件相关电位的脑信号身份认证方法，来弥补上述技术缺陷。
发明内容
本发明的目的是提供一种基于事件相关电位的脑信号身份认证方法，在区分用户和入侵者方面表现出了可靠性和有效性，可以使得ERP信号表现出个体内稳定性和个体间差异性，脑纹认证系统为脑纹的永久性和唯一性提供了初步的证据，为基于脑电信号的身份认证系统的未来发展奠定了基础。
为实现上述目的，本发明提供了一种基于事件相关电位的脑信号身份认证方法，包括以下步骤：
S1、基于RSVP范式脑纹身份认证系统，构建基础信号模型；
S2、采用空时均衡的方法，对背景噪声进行均衡处理；
S3、对VEP成分和ERP源信号进行参数估计；
S4、对目标信号进行检测；
S5、RSVP脑信号身份认证范式。
优选的，步骤S1在RSVP任务中同时诱发出事件相关电位ERP和视觉诱发电位VEP成分；VEP是由出现的所有图像诱发，ERP由目标图像诱发，则构建以下模型：
（1）
其中，X为基础信号；表示由于目标刺激所诱发的事件相关脑电响应成分；/>表示由于快速序列视觉呈现所诱发的VEP响应，目标刺激与非目标刺激均可诱发；/>表示脑电背景噪声，/>分别表示脑电数据通道数以及试次长度。
优选的，引入表示在第/>时刻/>通道脑电背景噪声向量，满足如下特征：
（1）中每一个元素均服从高斯分布，且均值为0，/>；
（2）背景噪声存在空时相关性，满足宽平稳约束条件，最高相关阶次为，如下所示：
（2）
其中，为非零Hermitian矩阵，当脑电数据为实数时，满足。
优选的，建立一个假设模型，通过优化提取过程来抑制干扰分量/>和/>；/>遵循多元高斯分布的条件概率，如下所示：
（3）
其中，表示列向量化操作，/>表示列向量化背景噪声的协方差矩阵，如下所示：
（4）。
优选的，步骤S2对背景噪声进行均衡处理的具体过程如下：
S21、背景脑电信号构建MVAR模型，如下所示：
（5）
其中，表示MVAR模型系数，其阶次最高为/>；/>表示空时不相关的残差噪声，满足如下特征：
（6）
其中，表示残差噪声的空间自协方差矩阵；
S22、使用空时均衡器对背景噪声/>进行预处理，如下所示：
（7）
其中，表示空时均衡器的不同阶次，有/>；
S23、使用空时均衡器对脑电信号进行预处理，如下所示：
（8）
其中，为关于/>的传输矩阵，可以表示使用空时均衡器/>对原始脑电信号/>进行预处理的卷积过程；
S24、输出信号中，背景噪声成分/>为空时不相关噪声，如下所示：
（9）
S25、均衡后概率密度函数，如下所示：
（10）
优选的，在步骤S3参数估计中，VEP成分估计如下所示：
VEP成分由图像连续呈现的视觉刺激诱发，VEP成分与图像呈现时间存在严格相位锁定特征，任意图片呈现诱发的VEP成分均相同，出现时刻与图像启始时刻有关，具体如下：
（11）
其中，表示/>中VEP响应成分，/>表示经过空时均衡后单个图片呈现时所诱发的VEP响应，/>表示该诱发响应所持续的时间；/>为时间标记矩阵，是一种只包含0或1的Toeplitz矩阵，/>首行表示为试次内每帧图像呈现的启始时刻；
应用xDawn算法估计成份，如下所示：
（12）
采用最小二乘法估计成份，如下所示：
（13）
则成分估计，如下所示：
（14）
优选的，在步骤S3参数估计中，ERP源信号估计如下所示：
ERP成分由目标图片所诱发与被试者的认知活动相关，ERP成分与目标图像出现时间存在严格锁相特征，则ERP成分如下所示：
（15）
（16）
其中，表示单个目标图片呈现时颅内信源产生的ERP源响应，表示ERP源成分个数（/>），/>表示该诱发响应所持续的时间；/>，表示ERP响应从颅内传导到头皮表面的传导矩阵；/>表示/>中ERP响应成分；为Toeplitz形式的时间标记矩阵，/>首行元素表示为试次内目标图像呈现的启始时刻，首列除第一元素外，其余均为0；则均衡后EEG数据/>中所包含ERP的有效成分，如下所示：
（17）
其中，表示去除干扰成分后，均衡后EEG信号中所包含的与ERP有关的信号成分；
定义是矩阵/>的第一行，为目标刺激ERP响应的定标向量，其元素在目标图像出现的启始时刻取值为1，其余时刻取值为0，具体如下：
（18）
其中，为去除VEP干扰后，对包含有ERP诱发成分的脑电数据进行拼接的数据；其中/>表示kronecker积，/>表示目标刺激出现的次数；
使ERP有效成分信噪比最高，定义优化目标函数如下所示：
（19）
其中，表示能够使得目标ERP响应最大的投影方向；通过计算矩阵乘积的特征值和向量来求解，保留最大/>个特征值所对应的特征向量，构成投影矩阵/>，如下所示：
（20）
则可得：
（21）
（22）
其中，表示Moore-Penrose逆矩阵，有/>；
综上所述，ERP源信号估计如下所示：
（23）
优选的，在步骤S4目标信号检测中，信号通过时空均衡器，去除常数项和背景噪声协方差后，判决统计量简化为：
（24）
其中，检验统计量阈值参数由离线数据确定；当/>时，未知脑电样本属于合法客户，当/>时，EEG样本来自冒名顶替者。
因此，本发明采用上述一种基于事件相关电位的脑信号身份认证方法，在区分用户和入侵者方面表现出了可靠性和有效性，可以使得ERP信号表现出个体内稳定性和个体间差异性，脑纹认证系统为脑纹的永久性和唯一性提供了初步的证据，为基于脑电信号的身份认证系统的未来发展奠定了基础。
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是一种基于事件相关电位的脑信号身份认证方法的时间标记矩阵；
图2是一种基于事件相关电位的脑信号身份认证方法的RSVP脑纹身份认证系统；
图3是代表性用户Oz电极从0-600毫秒第7、80、200天的ERP信号；其中，（a）是用户S4 Oz电极的ERP信号，（b）是用户S10 Oz电极的ERP信号，（c）是用户S14 Oz电极的ERP信号；
图4是一种基于事件相关电位的脑信号身份认证方法的用户注册模板与登录、入侵之间的ERP相关系数；
图5是一种基于事件相关电位的脑信号身份认证方法的登录与非盲入侵之间ERP脑纹的ROC曲线。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
本发明提供了一套基于事件相关电位(ERP，event-related potential)的脑信号身份认证方法。在该系统中，脑电信号诱发采用10Hz的快速序列视觉呈现(RSVP，rapidserial visual presentation)刺激，以自我面孔作为刺激目标图像，采集目标面孔出现后的多导联脑电信号进行身份认证，单次身份认证过程仅3分钟。基于该RSVP刺激系统，本方法可以无监督地估计由此诱发的600毫秒ERP信号，并在这些多导联脑电信号中追溯有限个ERP源信号。这些的ERP脑电源信号被用作个人身份模板，也就是每个人的身份标识。在认证阶段，将未知脑电信号映射到合法用户拟合成的多元高斯模型中，通过与设定的阈值进行比较，来判断此次登录用户是合法者还是入侵者。
实施例
S1、基于RSVP范式脑纹身份认证系统，构建基础信号模型；
基于RSVP范式脑纹身份认证系统，在RSVP任务中会同时诱发出ERP和视觉诱发电位(VEP，Visual Evoked Potential)成分。VEP是由出现的所有图像诱发，而ERP由目标图像诱发，则构建以下模型：
（1）
其中，表示由于目标刺激所诱发的事件相关脑电响应成分，表示由于快速序列视觉呈现所诱发的VEP响应，目标刺激与非目标刺激均可诱发。/>表示脑电背景噪声，/>分别表示脑电数据通道数以及试次长度。
引入表示在第/>时刻/>通道脑电背景噪声向量，满足如下特征：
（1）中每一个元素均服从高斯分布，且均值为0，/>；
（2）背景噪声存在空时相关性，满足宽平稳约束条件，最高相关阶次为，如下所示：
（2）
其中，为非零Hermitian矩阵，当脑电数据为实数时，满足。
在信号检测任务中，和/>都是需要通过优化提取过程来抑制的干扰分量。基于这些假设，可以为认证任务建立一个假设模型/>：未知的EEG信号/>来自合法户。/>遵循多元高斯分布的条件概率为：
（3）
其中，表示列向量化操作，/>表示列向量化背景噪声的协方差矩阵，满足，
（4）。
由于，颅内ERP信号源相对稀疏，所有ERP成分少数几个信号源发出，并通过颅骨传导到头皮表面，公式（1）中的有效信源数通常小于脑电采集通道数，因此需要进一步优化以提取有用ERP源信号成分。
S2、采用空时均衡的方法，对背景噪声进行均衡处理；
S21、背景噪声为空时相关噪声假设下，可以采用空时均衡的方法抑制其对脑电信号检测的影响。对背景脑电信号构建MVAR模型，如下所示：
（5）
其中，表示MVAR模型系数，其阶次最高为/>。/>表示空时不相关的残差噪声(Residual noise)，满足如下特征：
（6）
其中，表示残差噪声的空间自协方差矩阵。
S22、使用空时均衡器对背景噪声/>进行预处理，以降低噪声空时相关性带来的影响，如下所示：
（7）
其中，表示空时均衡器的不同阶次，有/>。
S23、使用空时均衡器对脑电信号进行预处理，如下所示：
（8）
其中，为关于/>的传输矩阵，可以表示使用空时均衡器/>对原始脑电信号/>进行预处理的卷积过程。
S24、输出信号中，背景噪声成分/>可视为空时不相关噪声，如下所示：
（9）
令待测信号经过空时均衡预处理后，背景噪声可被视为空时不相关噪声，因此能极大简化概率模型估计的计算复杂度。
S25、均衡后概率密度函数，如下所示：
（10）
S3、对VEP成分和ERP源信号进行参数估计；
S3.1 VEP成分估计；
VEP成分主要由图像连续呈现的视觉刺激诱发，无论呈现图片是否为目标图片，都会诱发VEP成分。VEP成分与图像呈现时间存在严格相位锁定特征。假设任意图片呈现诱发的VEP成分均相同，出现时刻与图像启始时刻有关，具体如下：
（11）
其中，表示/>中VEP响应成分，/>表示经过空时均衡后单个图片呈现时所诱发的VEP响应，/>表示该诱发响应所持续的时间。为时间标记矩阵，是一种只包含0或1的Toeplitz矩阵。/>首行表示为试次内每帧图像呈现的启始时刻，如图1所示，斜线部分元素为1，其余元素为0。当时图像呈现间隔大于等于/>的持续时间时，/>等于/>的平移复制；当时图像呈现间隔小于的持续时间时，/>可视为不同延迟VEP波形的线性叠加。
应用xDawn算法估计成份，如下所示：
（12）
采用最小二乘法估计，如下所示：
（13）
则成分估计，如下所示：
（14）
S3.2 ERP源信号估计；
ERP成分由目标图片所诱发 与被试者的认知活动相关。被试者需要全程保持较高的专注力参与实验。当目标图像出现时，被试者脑电信号中会出现与目标图像相关的ERP成分。假设这种ERP成分为一种确定信号，与目标图像出现时间存在严格锁相特征，则ERP成分如下所示：
（15）
（16）
其中，表示单个目标图片呈现时颅内信源产生的ERP源响应，表示ERP源成分个数（/>），/>表示该诱发响应所持续的时间。/>，表示ERP响应从颅内传导到头皮表面的传导矩阵。/>表示/>中ERP响应成分。，与/>类似，也为Toeplitz形式的时间标记矩阵。/>首行元素表示为试次内目标图像呈现的启始时刻，首列除第一元素外，其余均为0。可以求得均衡后EEG数据/>中所包含ERP的有效成分
（17）
其中，表示去除干扰成分后，均衡后EEG信号中所包含的与ERP有关的信号成分。/>可视为由多个试次脑电数据平均而得，因此其噪声成分已经被显著抑制。但由于ERP源成分个数/>，因此/>中依然包含着少量结构化噪声源所产生干扰。
定义是矩阵/>的第一行，为目标刺激ERP响应的定标向量，其元素在目标图像出现的启始时刻取值为1，其余时刻取值为0，具体如下：
（18）
其中，为去除VEP干扰后，对包含有ERP诱发成分的脑电数据进行拼接的数据。其中/>表示kronecker积，/>表示目标刺激出现的次数。/>含有ERP成分外，也包含有比较强的随机噪声干扰成分。
为了使ERP有效成分信噪比最高，定义优化目标函数如下所示：
（19）
其中，表示能够使得目标ERP响应最大的投影方向。通过计算矩阵乘积的特征值和向量来求解。保留最大/>个特征值所对应的特征向量，构成投影矩阵/>，如下所示：
（20）
则可得：
（21）
（22）
其中，表示Moore-Penrose逆矩阵，有/>。
综上所述，ERP源信号估计如下所示：
（23）
S4、对目标信号进行检测；
信号通过时空均衡器后，背景噪声可以被认为是空时不相关噪声，这大大简化了概率模型估计的计算复杂度。去除常数项和背景噪声协方差后，判决统计量简化为：
（24）
其中，检验统计量阈值参数有离线数据确定。当/>时，认为未知脑电样本属于合法客户；当/>时，认为EEG样本来自冒名顶替者。
S5、RSVP脑信号身份认证范式；
基于该RSVP身份认证系统，其中包括注册和登录过程。在注册过程中，注册用户需要上传一些自己的照片，这些注册用户者被视为合法客户。然后，该系统自动为每个用户生成RSVP刺激。使用的目标图像是用户自己的照片，而非目标图像是使用GAN网络生成的世界上不存在的人。目标图片和非目标图片的选择、位置和数量是随机的。参与者被要求在不采取任何其他行动的情况下，在脑海中计算目标图片的数量。
如图2所示，首先输入用户名，选择登录或注册，然后观看RSVP刺激。所有刺激图像均以黑白形式呈现，并以10Hz的频率呈现在RSVP刺激器中。每个RSVP序列持续20秒，由200张图片组成，其中4-6张是随机呈现的合法用户本人的目标照片，其余为非目标图像。两个相邻序列是5秒的休息期，目标照片不会出现在每个序列的第1和最后1秒中。为了防止视觉残留，所有图片在屏幕中心的10像素范围内随机移动，整个过程大约持续3分钟。在完成整个过程后，系统会及时判断并反馈出他是合法用户还是攻击者。
ERP最主要的成分是P300，指的是刺激后300毫秒左右出现的正峰，通常与认知加工和注意力分配有关，是所有个体ERP中最明显的成分。
本发明记录了15名用户注册后200天内的脑电信号，如图3所示，选择具有代表性的三个用户S4、S10和S14对比说明。在200天内，个体P300的潜伏期和峰值保持相对稳定，并没有出现太大的波动。相比之下，（a）中用户S4的ERP信号最为稳定，主要成分潜伏期最短，出现时期较早；而（b）中用户S10则在第200天出现了一些变化；（c）中用户S14在500毫秒处有一个明显的负峰值；用户S4和用户S14的P300振幅较高，而S10成分的ERP信号能量一直较低。所以，每个用户之间存在差异，其他导联通道也存在各种个体差异，这些差异确保了脑指纹作为生物识别认证的独特性。
在此期间，该发明模拟了380次非盲入侵和171次盲入侵实验，攻击者试图模仿受害者绕过身份验证机制。非盲入侵指的是攻击者知道被攻击人的面孔，并且能成功诱发出ERP信号。
如图4所示，登录和入侵之间的ERP源信号相关系数与注册模板进行了比较。可以看出，用户登录的相关系数通常高于冒充者入侵。此外，用户登录相关系数分布较为集中，大部分在0.7以上，只有少数异常值。另一方面，对于380次非盲目入侵尝试，相关系数表现出高度分散的分布。绝大多数非盲侵入性脑电图与合法用户模板不一致，表明人类ERP信号存在显着的个体差异。盲入侵由于不可能诱发入侵者的ERP成分，所不可能成功。这些非盲入侵初步验证了脑纹的唯一性，也验证了所提方法的有效性。
如图5所示，ROC曲线表示召回率和误报率之间的权衡关系，显示了用户登录和非盲入侵之间ERP脑电的ROC曲线。在身份认证中，重点关注虚警率，因为入侵者的成功入侵会带来更大的麻烦。决策阈值在图中标记，表示在离线实验中消除虚警率的最小值。在该阈值下，所有入侵尝试都被拒绝，用户登录成功率为0.81。在所有入侵尝试和200天的用户登录过程中，脑纹认证系统在区分用户和入侵者方面表现出了可靠性和有效性，结果表明所提方法可以使得ERP信号表现出个体内稳定性和个体间差异性。
因此，本发明采用上述一种基于事件相关电位的脑信号身份认证方法，在区分用户和入侵者方面表现出了可靠性和有效性，可以使得ERP信号表现出个体内稳定性和个体间差异性，脑纹认证系统为脑纹的永久性和唯一性提供了初步的证据，为基于脑电信号的身份认证系统的未来发展奠定了基础。
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于事件相关电位的脑信号身份认证方法，其特征在于，包括以下步骤：
S1、基于RSVP范式脑纹身份认证系统，构建基础信号模型；
S2、采用空时均衡的方法，对背景噪声进行均衡处理；
S3、对VEP成分和ERP源信号进行参数估计；
S4、对目标信号进行检测；
S5、RSVP脑信号身份认证范式。
2.根据权利要求1所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，步骤S1在RSVP任务中同时诱发出事件相关电位ERP和视觉诱发电位VEP成分；VEP是由出现的所有图像诱发，ERP由目标图像诱发，则构建以下模型：
（1）
其中，X为基础信号；表示由于目标刺激所诱发的事件相关脑电响应成分；表示由于快速序列视觉呈现所诱发的VEP响应，目标刺激与非目标刺激均可诱发；/>表示脑电背景噪声，/>分别表示脑电数据通道数以及试次长度。
3.根据权利要求2所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，引入表示在第/>时刻/>通道脑电背景噪声向量/>，满足如下特征：
（1）中每一个元素均服从高斯分布，且均值为0，/>；
（2）背景噪声存在空时相关性，满足宽平稳约束条件，最高相关阶次为，如下所示：
（2）
其中，为非零Hermitian矩阵，当脑电数据为实数时，满足。
4.根据权利要求3所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，建立一个假设模型，通过优化提取过程来抑制干扰分量/>和/>；/>遵循多元高斯分布的条件概率，如下所示：
（3）
其中，表示列向量化操作，/>表示列向量化背景噪声的协方差矩阵，如下所示：
（4）。
5.根据权利要求1所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，步骤S2对背景噪声进行均衡处理的具体过程如下：
S21、背景脑电信号构建MVAR模型，如下所示：
（5）
其中，表示MVAR模型系数，其阶次最高为/>；/>表示空时不相关的残差噪声，满足如下特征：
（6）
其中，表示残差噪声的空间自协方差矩阵；
S22、使用空时均衡器对背景噪声/>进行预处理，如下所示：
（7）
其中，表示空时均衡器的不同阶次，有/>；
S23、使用空时均衡器对脑电信号进行预处理，如下所示：
（8）
其中，为关于/>的传输矩阵，可以表示使用空时均衡器/>对原始脑电信号/>进行预处理的卷积过程；
S24、输出信号中，背景噪声成分/>为空时不相关噪声，如下所示：
（9）
S25、均衡后概率密度函数，如下所示：
（10）。
6.根据权利要求1所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，在步骤S3参数估计中，VEP成分估计如下所示：
VEP成分由图像连续呈现的视觉刺激诱发，VEP成分与图像呈现时间存在严格相位锁定特征，任意图片呈现诱发的VEP成分均相同，出现时刻与图像启始时刻有关，具体如下：
（11）
其中，表示/>中VEP响应成分，/>表示经过空时均衡后单个图片呈现时所诱发的VEP响应，/>表示该诱发响应所持续的时间；为时间标记矩阵，是一种只包含0或1的Toeplitz矩阵，/>首行表示为试次内每帧图像呈现的启始时刻；
应用xDawn算法估计成份，如下所示：
（12）
采用最小二乘法估计成份，如下所示：
（13）
则成分估计，如下所示：
（14）。
7.根据权利要求1所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，在步骤S3参数估计中，ERP源信号估计如下所示：
ERP成分由目标图片所诱发与被试者的认知活动相关，ERP成分与目标图像出现时间存在严格锁相特征，则ERP成分如下所示：
（15）
（16）
其中，表示单个目标图片呈现时颅内信源产生的ERP源响应，/>表示ERP源成分个数（/>），/>表示该诱发响应所持续的时间；/>，表示ERP响应从颅内传导到头皮表面的传导矩阵；/>表示/>中ERP响应成分；为Toeplitz形式的时间标记矩阵，/>首行元素表示为试次内目标图像呈现的启始时刻，首列除第一元素外，其余均为0；则均衡后EEG数据/>中所包含ERP的有效成分，如下所示：
（17）
其中，表示去除干扰成分后，均衡后EEG信号中所包含的与ERP有关的信号成分；
定义是矩阵/>的第一行，为目标刺激ERP响应的定标向量，其元素在目标图像出现的启始时刻取值为1，其余时刻取值为0，具体如下：
（18）
其中，为去除VEP干扰后，对包含有ERP诱发成分的脑电数据进行拼接的数据；其中/>表示kronecker积，/>表示目标刺激出现的次数；
使ERP有效成分信噪比最高，定义优化目标函数如下所示：
（19）
其中，表示能够使得目标ERP响应最大的投影方向；通过计算矩阵乘积的特征值和向量来求解，保留最大/>个特征值所对应的特征向量，构成投影矩阵/>，如下所示：
（20）
则可得：
（21）
（22）
其中，表示Moore-Penrose逆矩阵，有/>；
综上所述，ERP源信号估计如下所示：
（23）。
8.根据权利要求1所述的一种基于事件相关电位的脑信号身份认证方法，其特征在于，在步骤S4目标信号检测中，信号通过时空均衡器，去除常数项和背景噪声协方差后，判决统计量简化为：
（24）
其中，检验统计量阈值参数由离线数据确定；当/>时，未知脑电样本属于合法客户，当/>时，EEG样本来自冒名顶替者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410447279.1A CN118035972B (zh) | 2024-04-15 | 2024-04-15 | 一种基于事件相关电位的脑信号身份认证方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410447279.1A CN118035972B (zh) | 2024-04-15 | 2024-04-15 | 一种基于事件相关电位的脑信号身份认证方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118035972A true CN118035972A (zh) | 2024-05-14 |
| CN118035972B CN118035972B (zh) | 2024-08-06 |
Family
ID=91000765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410447279.1A Active CN118035972B (zh) | 2024-04-15 | 2024-04-15 | 一种基于事件相关电位的脑信号身份认证方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118035972B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101828921A (zh) * | 2010-06-13 | 2010-09-15 | 天津大学 | 基于视觉诱发脑电vep的身份识别方法 |
| US20140020089A1 (en) * | 2012-07-13 | 2014-01-16 | II Remo Peter Perini | Access Control System using Stimulus Evoked Cognitive Response |
| US9489732B1 (en) * | 2010-12-21 | 2016-11-08 | Hrl Laboratories, Llc | Visual attention distractor insertion for improved EEG RSVP target stimuli detection |
| CN110866237A (zh) * | 2019-12-09 | 2020-03-06 | 电子科技大学 | 脑电的阈下姓名身份认证方法 |
| CN111653005A (zh) * | 2020-04-09 | 2020-09-11 | 中国人民解放军战略支援部队信息工程大学 | 基于脑电信号的身份认证方法、保险箱解锁方法及系统 |
| CN113918912A (zh) * | 2021-10-11 | 2022-01-11 | 深圳壹账通智能科技有限公司 | 一种基于脑纹识别的身份认证方法、系统、设备及介质 |
-
2024
- 2024-04-15 CN CN202410447279.1A patent/CN118035972B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101828921A (zh) * | 2010-06-13 | 2010-09-15 | 天津大学 | 基于视觉诱发脑电vep的身份识别方法 |
| US9489732B1 (en) * | 2010-12-21 | 2016-11-08 | Hrl Laboratories, Llc | Visual attention distractor insertion for improved EEG RSVP target stimuli detection |
| US20140020089A1 (en) * | 2012-07-13 | 2014-01-16 | II Remo Peter Perini | Access Control System using Stimulus Evoked Cognitive Response |
| CN110866237A (zh) * | 2019-12-09 | 2020-03-06 | 电子科技大学 | 脑电的阈下姓名身份认证方法 |
| CN111653005A (zh) * | 2020-04-09 | 2020-09-11 | 中国人民解放军战略支援部队信息工程大学 | 基于脑电信号的身份认证方法、保险箱解锁方法及系统 |
| CN113918912A (zh) * | 2021-10-11 | 2022-01-11 | 深圳壹账通智能科技有限公司 | 一种基于脑纹识别的身份认证方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 巫群健: "基于视觉诱发脑电信号的身份认证技术研究", 中国优秀硕士学位论文全文数据库, 15 December 2018 (2018-12-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118035972B (zh) | 2024-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Muaaz et al. | Smartphone-based gait recognition: From authentication to imitation | |
| US9646261B2 (en) | Enabling continuous or instantaneous identity recognition of a large group of people based on physiological biometric signals obtained from members of a small group of people | |
| US10878072B2 (en) | Systems and methods for biometric identity and authentication | |
| Jayarathne et al. | BrainID: Development of an EEG-based biometric authentication system | |
| TWI686721B (zh) | 登錄方法及裝置和電子設備 | |
| Marcel et al. | Person authentication using brainwaves (EEG) and maximum a posteriori model adaptation | |
| Abdullah et al. | Analysis of effective channel placement for an EEG-based biometric system | |
| WO2017201972A1 (zh) | 基于脑电信号的身份识别的方法和装置 | |
| Su et al. | A biometric-based covert warning system using EEG | |
| CN106503517B (zh) | 一种基于虚拟现实头盔脑纹采集的安全认证系统 | |
| KR20180061819A (ko) | 다중 생체 인증 장치 또는 다중 생체 인증 시스템, 그리고 이를 사용한 다중 생체 인증 방법 | |
| Li et al. | Video is all you need: Attacking PPG-based biometric authentication | |
| EP2139389A1 (en) | Method for filtering out artefacts of deep brain stimulation | |
| Mukai et al. | Introduction of fractal dimension feature and reduction of calculation amount in person authentication using evoked EEG by ultrasound | |
| Seha et al. | A new approach for EEG-based biometric authentication using auditory stimulation | |
| CN118035972B (zh) | 一种基于事件相关电位的脑信号身份认证方法 | |
| CN112511313B (zh) | 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法 | |
| Liu et al. | Human acoustic fingerprints: A novel biometric modality for mobile security | |
| Rathi et al. | Authentication framework for security application developed using a pictorial P300 speller | |
| Thomas et al. | EEG-based biometrie authentication using self-referential visual stimuli | |
| CN109784027B (zh) | 基于双重脑电信号特征的身份验证方法 | |
| Rathi et al. | Brain signatures perspective for high-security authentication | |
| Bhutra et al. | Privacy-preserving ECG based active authentication (PPEA2) for IoT devices | |
| Pham | EEG-based person authentication for security systems | |
| Bui et al. | Electrocardiogram (ECG) biometric for robust identification and secure communication |
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 |