The invention belongs to the field of identity information recognition technology, and discloses a method and system of steady-state visual evoked EEG identity recognition based on deep learning; acquisition of EEG signals; denoising: the collected EEG signals are processed by EMD to obtain denoised EEG signals; extraction data are divided into three samples, and the brain in frequency domain is obtained by fast Fourier transform of each sample data. Electrical data; Band-pass filtering; Sampling and post-processing the filtered signal at 2048Hz frequency; Constructing a deep network for training; Identity recognition: the purpose of identifying the subjects. The invention is suitable for brain-computer interface equipment with steady-state visual induction. With the increase of the input personnel in the system, the training data will increase. Based on the characteristics of depth network, the recognition accuracy of the system will tend to be stable with high recognition rate.
【技术实现步骤摘要】
基于深度学习的稳态视觉诱发脑电身份识别方法及系统
本专利技术属于身份信息识别
,尤其涉及一种基于深度学习的稳态视觉诱发脑电身份识别方法及系统。
技术介绍
目前,业内常用的现有技术是这样的:身份识别系统的研究开发对于社会生活和个人日常生活都非常重要,生物特征识别是一种根据人体自身所固有的生理特征和行为特征来识别身份的技术,即通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如手形、指纹、面部特征、虹膜、视网膜等)和行为特征(如笔迹、声音、步态)等来进行个人身份的鉴定生物特征识别有很多优点,比如直接取自于人体,不需要另外携带、记忆,也不会丢失、损坏。脑电信号通过大脑中神经元以电离子的形式传播信息而产生,是人体大脑皮层电信号的反应,是人类的一种基础生理特征,它附带着大脑神经元所表现出的大量生理信息。相比于其它生物特征,脑电在身份识别上具有以下独特的优点:①脑电信号难以伪造;②脑电的采集对人体无害;③对于人的普适性。近年来,基于脑电信号的身份特征识别技术受到了越来越多研究人员的关注,并且进行了大量实践研究。针对脑电信号进行身份识别和认证研究有许多的方式,根据脑电信号的种类大致可以分为:基于静息电位的脑电识别、基于视觉诱发电位的脑电识别、基于运动想象的脑电识别、基于事件相关电位的脑电识别。运动想象脑电就是想象某种肢体运动时的脑电模式。利用运动想象脑电数据进行身份识别具有一定的局限性。在采集脑电信号过程中,需要被试高度配合,并且给予被试的运动想象类型非常重要,不同的实验范式对被试的身份识别有较大的影响。事件相关电位( ...
【技术保护点】
1.一种基于深度学习的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于深度学习的稳态视觉诱发脑电身份识别方法包括:首先在采集脑电阶段选用稳态视觉诱发进行脑电刺激;其次将脑电数据根据其电极空间和时频特性转换为图像数据;最后根据脑电信号独有的特征情况构造深度网络,提取脑电数据中所蕴含的信息。
【技术特征摘要】
1.一种基于深度学习的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于深度学习的稳态视觉诱发脑电身份识别方法包括:首先在采集脑电阶段选用稳态视觉诱发进行脑电刺激;其次将脑电数据根据其电极空间和时频特性转换为图像数据;最后根据脑电信号独有的特征情况构造深度网络,提取脑电数据中所蕴含的信息。2.如权利要求1所述的基于深度学习的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于深度学习的稳态视觉诱发脑电身份识别方法获取脑电信号方法包括:(1)被试者头戴Biosemi64导电极帽;(2)被试者在在开始的第0秒现十字叉提示受试者做好准备,十字叉一直持续到第1.2秒;在第1.2秒屏幕出现观看电脑屏幕上随机产生6HZ、8HZ、10HZ频率闪烁,持续时间为4秒,每次试验后休息2秒;(3)期间通过Biosemi64设备记录下第k次实验下被试i的第j次脑电信号采集;采集实验共进行了3次,第一次对12人进行60次的脑电信号采集,第二次对相同的12人进行30次的脑电信号采集,第三次对其中9人进行48次的脑电信号采集,每次采样间隔为5个月。3.如权利要求2所述的基于深度学习的稳态视觉诱发脑电身份识别方法,其特征在于,所述脑电信号的处理方法包括:步骤一,将采集到的脑电信号通过EMD处理,得到去噪后的脑电信号;步骤二,对于被试者i的第j次实验所对应的10HZ频率闪烁产生的脑电数据,提取0~4s的数据分成0~2s、1~3s、2~4s三个样本记为Aij、Bij、Cij,分别对每个样本数据进行快速傅里叶变换,得到频域下的脑电数据A′ij、B′ij、C′ij;步骤三,带通滤波:分别对脑电信号A′ij、B′ij、C′ij进行0.5Hz-36Hz带通滤波,记滤波后的数据为A″ij、B″ij、C″ij。4.如权利要求1所述的基于深度学习的稳态视觉诱发脑电身份识别方法,其特征在于,所述基于深度学习的稳态视觉诱发脑电身份识别方法转换为图像数据包括:(1)将A″ij、B″ij、C″ij用2048Hz频率进行采样,记各点所对应的幅值为该点像素,去掉其中易造成短路的8个电极并将剩余56个电极按空间情况重新排列为7*8的数据如图中所示电极情况,以上电极重排为任一频率所对应的数据;(2)将频率重新排列为9*8的矩阵,该矩阵中每一个元素对应一个7*8的数据,每个数据最终转换成63*64的图像数据,此时记为A″′ij、B″′ij、C″′ij,将A″′ij、B″′ij、C″′ij三个单通道...
【专利技术属性】
技术研发人员:赵恒,胡煜,汪旭震,陈博武,宋松,李军,刘鹏,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。