一种基于脑电快速语音呈现范式的身份识别方法技术

本发明专利技术公布了一种基于脑电快速语音呈现范式的身份识别方法，针对一些传统的身份识别和个体认证方法，像密码、PINs和射频卡等，本发明专利技术提出的身份识别方法能够克服认证凭证容易被遗忘，被偷窃或者遗失等缺点；同时考虑到视觉障碍人群，通过脑电视觉认证是不现实的，所以本发明专利技术提出的方法尤其适用于视觉有障碍的人群；通过采集受试者在语音刺激后的脑电数据，获得初始的脑电数据集D，但不能直接对数据集D进行特征提取，应该先对该数据集D进行去噪(低通滤波、相干平均、快速独立分量分析)获取预处理数据集D'；接着对数据集D'进行特征提取，获取训练特征集C；最后分类识别，来进行身份认证。

An identification method based on EEG fast speech presentation paradigm

The invention discloses an identification method based on EEG fast speech presentation paradigm. Aiming at some traditional identification and personal authentication methods, such as password, PINs and RF card, the identification method proposed by the invention can overcome the shortcomings of easily forgotten, stolen or lost certificates. To the visually impaired people, it is unrealistic to authenticate by brain TV sense, so the method proposed in the present invention is especially suitable for the visually impaired people; the initial EEG data set D can be obtained by collecting the EEG data of the subjects after speech stimulation, but the data set D can not be extracted directly, so the data should be extracted first. Set D is used to denoise (low pass filtering, coherence averaging, fast independent component analysis) to obtain the pre-processed data set D'. Then the data set D'is extracted to obtain the training feature set C. Finally, classification and identification are carried out to authenticate the identity.

【技术实现步骤摘要】
一种基于脑电快速语音呈现范式的身份识别方法
本专利技术属于机器学习和信息安全交叉领域，具体涉及对基于语音诱发的脑电波进行信号采集、信号预处理、特征提取、分类识别等操作，旨在保障用户登陆的安全性。
技术介绍
互联网的出现和普及给我们带来很大的便捷，但随着网络的快速发展，我们的一些身份信息则很容易泄露，给我们造成一定程度上的利益损失，由此可见，信息安全的保护和加强身份认证的措施是很有必要的。一些传统的身份识别和个体认证方法有：密码、PINs和射频卡，但上述这些方法各有缺点；密码容易被遗忘，PINs和射频卡则会被偷窃或者遗失，这些方法难以适应于安全系数要求很高的系统中，但自己的固有特征是绝不会被遗忘或丢失的，例如：人脸、虹膜、指纹、声音、脑电波等。因此，需要有一种基于人体固有特征的安全检测方法，来更加方便而安全的实现个体身份识别。个体的生物特征用于身份鉴别原则上需要满足以下条件：(1)普遍性，保证每位用户都能通过认证；(2)独特性，对某个用户的认证特征是特殊的，独一无二的；(3)可收集性，认证特征可以迅速的被收集；(4)稳定性，认证特征始终是一致的。常见的生物特征有指纹和声音，但随着时代的发展，一些独特和现代的生物测定方法是必要的，脑电波就是其中之一，脑电波有许多特殊的性质，如高时间分辨率，我们通过图像能看到脑波的实时动态；高独特性，个体的脑电波信号是稳定的和特别的，即个人脑波模式中小的内在差异，大的人际差异。
技术实现思路
本专利技术针对用户身份登陆中存在的安全隐患提出了基于快速语音呈现范式的脑电身份识别方法，主要针对老弱病残孕等行动不便的弱势群体，尤其是对于有视觉障碍的人群，有较好的适用性。本专利技术包含以下步骤：步骤1：针对听觉诱发这一应用场景，设计一种认证系统。步骤2：根据该认证系统，设计具体的实现步骤。步骤3：对采集的初始脑电数据进行预处理，获得去噪后的脑电数据集。步骤4：对预处理数据集进行特征提取。步骤5：使用朴素贝叶斯分类器进行学习和分类，从而完成认证登陆。进一步，上述设计认证系统，具体包括：A：基于听觉诱发的应用场景，设计一个基于脑电波听觉诱发的实验方案，包括注册系统、登陆系统和认证服务器系统三部分，具体如附图2所示。上述具体实现步骤包含：B：首先选择合适的脑电采集设备，本专利选择了64导符合国际脑电图学会标定的10-20法的EEG放大器，采样频率为1200Hz,引用参考电极为Fpz,16个通道的干电极进行信号采集：Fp1,Fm3,C3,P3,01,F7,T3,T5,Fp2,Fm4,C4,P4,02,F8,T4,T6。这里我们选用干电极而不采用湿电极，虽然湿电极相比干电极有更好的信号质量，但湿电极需要插入导电凝胶，并且需要配置30分钟，登陆完成之后，还需要清洗头发；因此，湿电极对于认证系统来说不是切实可行的，所以本专利技术中选择干电极进行实验操作。C：选取语音素材库，考虑到同音词会影响受试者的判断和脑电波波形的不一致，例如：大雨和大禹就是一对同音词汇，在认证中很容易给受试对象造成迷惑，所以我们选取素材库时，应尽量避免出现同音词汇，本专利中，我们选取大家日常中经常接触到的水果和蔬菜的语音来作为实验素材，每个素材的播放时间设为t1ms。D：受试对象佩戴脑电采集设备，闭上眼睛安静的坐在座位上，做好准备。E：第一阶段，受试者在素材库中选择一个语音来播放，系统将该语音素材作为目标素材，该语音会有间隔的播放，持续tms，间隔为t2ms，共播放p次。t＝p×(t1+t2)F：第二阶段，系统会自动随机在素材库中选取其他k个不同的素材，与受试者选取的1个素材组合在一起，在给受试者发出一个快速听觉呈现开始的语音信号后，开始快速听觉测试，系统会无时间间隔的随机播放这k+1个语音素材，持续t'ms，共播放p'次。G：第三阶段，为了能提高受试者在测试中的专注程度，要求受试者在快速听觉测试后，能够清楚的记住测试中听到的目标素材的数目，并且记录在系统中。H：为了能够获得足够多的训练样本数据，我们将上述EFG三个步骤重复三次，即总共进行四次操作；利用头戴设备采集第一阶段中目标语音刺激下的诱发电位，从而获得初始脑电数据集D。上述数据预处理步骤包含：I：初始采集到的脑电信号存在非平稳性且极易受到各种噪声干扰，特别是工频干扰，因此消除原声脑电数据中的噪声是进行脑电分析的一个重要前提，本专利中先使用了低通滤波器和相干平均，然后使用快速独立分量分析来进行多次去噪。J：低通滤波是一种过滤方式，规则为低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。由于脑电信号的频率一般不超过60Hz，因此，我们可以设置一个60Hz的低通滤波器来进行初步去噪。K：相干平均利用对齐叠加平均的原理，可获得倍信息增益。假设各次实际观测的信号xi(t)、去噪的脑电信号ei(t)和噪声信号Ni(t)的关系为：xi(t)＝ei(t)+Ni(t)i＝1,2,...,N.如果脑电信号ei(t)每次都是相同的确定性过程，而噪声信号Ni(t)是每次独立的非平稳过程，那么我们可以得出：在叠加n次后，脑电诱发电位值不变，而噪声信号近似为0，即:上式中e(t)为去噪的脑电信号集，Ni(t)为噪声信号，为n次观测信号的叠加平均；相干平均之后信噪比为：公式中，σ2表示各次观测信号方差，σ2/n表示n次叠加平均诱发响应方差，可见，信噪比提高了倍。L：假设有L个未知且统计独立的信号源构成一个列向量S(t)，设A是M×L维矩阵，一般称为混合矩阵。S(t)＝[s1(t),s2(t),...sL(t)]TZ(t)＝[z1(t),z2(t),...,zM(t)]T是由M个观测信号构成的列向量，它是独立信号源构成的列向量S(t)被混合矩阵A混合后所接收到的信号，矩阵形式如下：Z(t)＝AS(t),M≥L但在实际中，我们只知道观测信号Z(t),而混合矩阵A和独立信号源S(t)是未知的，快速独立分量分析能在混合矩阵A和独立信源S(t)未知的前提下，从观测信号Z(t)中分离出信源S(t)的各分量，即寻找一分解矩阵W对观测信号Z(t)进行分离：分离结果是对独立信号源S(t)的良好逼近。快速独立分量分析涉及三个组成部分：(1)对观测信号去均值，(2)随机信号的白化处理，(3)独立分量提取算法实现。信号去均值比较简单，使得观测信号均值为零即可；为了使快速独立分量分析算法收敛更快，获得更好的稳定性，还需要对观测信号进行白化处理，白化处理是将观测信号Z(t)进行线性变换，使白化后各分量互不相关，且为单位方差，即V为白化矩阵，为经白化处理过的观测信号。快速独立分量分析是从多维统计数据中寻找内在因子或成分，该方法与其他方法不同的是，它寻找的是既统计独立又非高斯的成分，它的最优判据有峭度和负熵，本专利技术选用负熵作为最优判据，但因为负熵计算起来很困难，故一般采用近似负熵法，公式如下：N(yi)＝k'[E(G(yi)-E(G(ygauss))]2上式中，k'为一常数，yi为待估计的一个源信号，ygauss为具有与yi相同方差的高斯变量，函数G是非二次函数，N(yi)为近似负熵。估算分离矩阵W、提取独立分量，设wi为分离矩阵W的一个列向量，待估计的一个源信号为带入近似负熵公式得：这样负熵判据可以理解为：试图寻找一个wi本文档来自技高网...

【技术保护点】
1.一种基于脑电快速语音呈现范式的身份识别方法，其特征在于，包括如下步骤：步骤1)：采集受试者在语音刺激后的脑电数据，获得初始脑电数据集D；步骤2)：对初始脑电数据集D进行预处理，从脑电实际观测信号中去除噪声信号，获得去噪的脑电信号，通过设置60Hz的低通滤波器、相干平均和快速独立分量分析方法来进行加强去噪；步骤3)：结合决策树和小波包分解来完成特征提取操作，获得能够进行身份识别的多个特征属性；步骤4)：通过朴素贝叶斯分类器，采用“属性条件独立性假设”，对已知的类别，假设所有类别的属性相互独立，进而估计后验概率；步骤5)：根据朴素贝叶斯分类器计算所得的概率结果，系统来判断用户是否有登入的权限。

【技术特征摘要】
2017.08.01 CN 20171065027341.一种基于脑电快速语音呈现范式的身份识别方法，其特征在于，包括如下步骤：步骤1)：采集受试者在语音刺激后的脑电数据，获得初始脑电数据集D；步骤2)：对初始脑电数据集D进行预处理，从脑电实际观测信号中去除噪声信号，获得去噪的脑电信号，通过设置60Hz的低通滤波器、相干平均和快速独立分量分析方法来进行加强去噪；步骤3)：结合决策树和小波包分解来完成特征提取操作，获得能够进行身份识别的多个特征属性；步骤4)：通过朴素贝叶斯分类器，采用“属性条件独立性假设”，对已知的类别，假设所有类别的属性相互独立，进而估计后验概率；步骤5)：根据朴素贝叶斯分类器计算所得的概率结果，系统来判断用户是否有登入的权限。2.根据权利要求1所述的方法，其特征是，步骤2)中对脑电数据预处理的方法有低通滤波和相干平均，低通滤波是设置一个频带为60Hz的滤波器，频率高于60Hz的信号不能通过；相干平均计算过程...

【专利技术属性】
技术研发人员：黄海平，胡林康，朱毅凯，杜安明，何凡，陈明阳，诸葛徐凯，潘华宇，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32