The present invention relates to a method of recognition of brain print based on frequency and space index. The invention mainly uses frequency and space index to calculate the characteristics of EEG signals, and realizes the recognition of different individuals through Fisher linear discrimination. The invention includes data acquisition, data preprocessing, frequency-space eigenvector calculation, frequency-space eigenvector dimensionality reduction and frequency-space eigenvector classification. The classification results show that the better classification results can be obtained by using spatial and frequency indices as biometric features, and the recognition of different individuals can be carried out effectively. Compared with traditional biometric features, the frequency-space feature based on EEG is more secure and covert, and it is a promising biometric modality.
【技术实现步骤摘要】
一种基于频空指标的脑纹识别方法
本专利技术属于生物特征识别领域中的脑电信号识别领域,具体涉及一种基于脑电信号频空指标进行分类的脑纹识别方法。
技术介绍
在个人信息安全愈加重要的当今社会,如何安全有效地进行身份识别已经成为一个重要话题。身份证和密码等传统的身份识别方法存在着容易被复制或伪造的风险。基于生物特征的识别技术如声纹识别、人脸识别、虹膜识别、DNA识别、指纹识别、视网膜识别和掌纹识别等在防伪和防攻破方面相比旧有的身份识别方法有了很大地提升,可以有效地解决传统身份识别中存在的这些问题,但仍然都存在着容易被篡改、被复制、被胁迫使用的缺点。随着硬件技术的进步和发展,脑电信号的采集也变得更为便利。于是,脑纹满足生物特征的基本条件,作为一种新型生物特征,在身份识别领域也开始占有了一席之地。宾汉顿大学SarahLaszlo课题组提出了脑纹这一新概念,是指大脑所产生的一种独一无二、具有可采集性和持久性的,并可用于身份识别、验证的脑电信号特征。它具有高隐蔽性、不可窃取性、不可仿制性以及必须活体等方面的独特优势。Paranjape等人采集了40名被试者处于静息态的脑电信号,并采用自回归模型计算脑电信号的二阶统计值,对被试的脑电数据进行特征提取,识别准确率在80%以上。Poulos等人采用脑电信号alpha节律的参数谱分析进行身份识别研究,用线性全极点模型去拟合到脑电信号频谱,适应了全极点模型的系数被选为特征,作为神经网络的输入向量,利用学习向量量化网络进行分类,分类准确率在72%~84%之间。Das等人利用快速视觉诱发脑电活动来分析视觉感知任务中的脑电数据,采用判别式 ...
【技术保护点】
1.一种基于频空指标的脑纹识别方法,其特征在于该方法包括以下步骤:步骤(1)、数据预处理:对C个类别的原始脑电信号均进行数据预处理,以减少伪迹的干扰,提高信噪比;步骤(2)、将时空域的信号变换到频空域:步骤(1)得到的脑电数据共有S个样本,一个样本包含有L个短序列,取一定时间间隔的步骤(1)预处理后的脑电数据作为一个短序列,则一个样本包含了L个长度为N的短序列;设定其中一个长度为N的短序列为x(n),采样值为x(0),x(1),…,x(N‑1),时间域的函数为f(x),将频率域的函数F(ω)表示为f(x)的积分形式:
【技术特征摘要】
1.一种基于频空指标的脑纹识别方法,其特征在于该方法包括以下步骤:步骤(1)、数据预处理:对C个类别的原始脑电信号均进行数据预处理,以减少伪迹的干扰,提高信噪比;步骤(2)、将时空域的信号变换到频空域:步骤(1)得到的脑电数据共有S个样本,一个样本包含有L个短序列,取一定时间间隔的步骤(1)预处理后的脑电数据作为一个短序列,则一个样本包含了L个长度为N的短序列;设定其中一个长度为N的短序列为x(n),采样值为x(0),x(1),…,x(N-1),时间域的函数为f(x),将频率域的函数F(ω)表示为f(x)的积分形式:其中i为虚数单位,ω为频率;由于采集到的脑电信号是数字信号,脑电信号x(n)的离散傅里叶变换(DFT)为X(k),由上式(1)进一步得到不同频率下的傅里叶变换幅值:其中N表示短序列长度,k是频率决定因子;由于傅里叶变换同时在实数域和虚数域上进行变换,取个点的幅值;设原始脑电信号的脑电通道数为m,将各个通道时空域上的信号转到频空域上,用一个的矩阵A表示:a(N/2)(m-1)表示第m个通道傅里叶变换后的值;接下来,将矩阵A数据拉直为一个行向量b:b=[a00,…,a0(m-1),a10,…,a1(m-1),...,a(N/2)0,…,a(N/2)(m-1)](4)由于一个样本含有L个短序列,其他短序列按照同样的方法进行操作,得到L个行向量b;将得到的L个行向量放置为矩阵B,矩阵B各列求平均,得到行向量c;将向量c作为脑纹识别一个样本的频空特征向量,同理可得其余样本的频空特征向量,脑电信号数据集共包含S个样本,则可以得到S个向量c;全部样本用一个S×D的样本矩阵X表示:X有S行数据,有D个特征维度,S表示C个类别的样本总量;步骤(3)、降维:将步骤(2)得到的频空特征用主成分分析方法构造另外一个特征空间V,然后将样本矩阵X在新的特征空间V上投影...
【专利技术属性】
技术研发人员:孔万增,范巧男,孔祥昊,刘建忠,
申请(专利权)人:杭州电子科技大学,福建中医药大学附属康复医院,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。