基于张量化频空注意力域适应网络的跨时段脑纹识别方法技术

本发明专利技术公开基于张量化频空注意力域适应网络的跨时段脑纹识别方法。针对现有大多数多源域自适应方法是单独弥合多个源域和目标域之间的域差距，而忽略各分布对齐域不变特征之间的关系。本发明专利技术通过建模域不变特征的重要关系辅助目标域的性能，而不受源域之间分布差异的影响。采用一种新的张量化频空注意网络(TSFAN)，以联合合并成对源和目标以及跨源域的适当公共频空特征。考虑到维度的问题，TSFAN进一步近似地表示为低秩Tucker格式，使TSFAN在域的数量上线性扩展，将TSFAN扩展到与任意时段数量的情况。本发明专利技术能够实现高效的跨时段任务无关脑纹识别，是可用于现实生活中便携式脑纹识别的一种有效方法。脑纹识别的一种有效方法。脑纹识别的一种有效方法。

【技术实现步骤摘要】
基于张量化频空注意力域适应网络的跨时段脑纹识别方法


[0001]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，具体涉及一种基于张量化频空注意力域适应网络的跨时段脑纹识别方法，具体是引入一个基于张量化频空注意力的多源域适应网络并提取成对源域目标域间可迁移特征和多个域之间的交互信息，从而挖掘稳定可靠的脑电身份特征进行无监督的分类。

技术介绍

[0002]生物特征识别依赖于个人特征，在身份认证系统中起着关键作用。尽管物理生物特征识别，如面部识别和指纹识别，已在现实生活中广泛应用，但精心伪造或秘密复制的潜在危险仍然不可避免。除物理生物特征外，脑电信号(EEG)记录的脑活动被提出作为一种新的认知生物特征，满足基本身份识别要求。此外，只有活着的个体才能提供大脑活动的信号，而这些信号不受用户的控制。这意味着用户的身份信息不能被故意泄露或窃取，使得基于脑电图的生物识别技术适用于安全性要求高的应用。
[0003]可靠稳定的脑电身份特征是基于脑电的生物特征识别的基础。实际上，在大量的研究中采用的是传统的机器学习方法，严重需要专业知识来提取特征，总是不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于张量化频空注意力域适应网络的跨时段脑纹识别方法，其特征在于包括以下步骤：步骤(1)、预处理原始脑电数据；1
‑
1在相同实验范式下，采集多名被试在不同时间段受外部刺激产生的脑电数据；1
‑
2利用巴特沃兹滤波器对原始脑电数据进行滤波，再进行快速傅里叶变换；1
‑
3截取步骤1
‑
2处理得到的脑电数据，对相应的脑电样本数据打上所属被试的标签；1
‑
4将步骤1
‑
3处理后得到的脑电样本数据按比例划分成训练集和测试集，其中训练集数据包含K个时段数据，即K个源域，K≥2；测试集作为目标域；步骤(2)、构建基于张量化频空注意力域适应网络模型，并对其进行训练和测试；基于张量化频空注意力域适应网络模型包括K个结构相同的特定域特征提取网络、1个张量化频空注意力网络，每个特定域特征提取网络包含多尺度一维卷积层、拼接层、最大池化层、融合层、频空卷积层；其中多尺度一维卷积层包括多个并行的不同尺度的一维卷积；频空卷积层包括依次串联的频域一维卷积和空间域一维卷积；所述多尺度一维卷积层的输入为某个源域数据和目标域数据，其输出至拼接层；所述拼接层将接收到的多个不同尺度特征进行拼接，得到源域脑纹时域特征Zt
sj
和目标域脑纹时域特征Zt
tj
，j∈[1，K]，然后将上述特征分别输出至最大池化层和融合层；所述最大池化层将接收到的特征在时间维度进行降维处理，然后输出至张量化频空注意力网络；所述张量化频空注意力网络接收到K个特定域特征提取网络的最大池化层输出的特征，将上述特征进行交互处理，得到包含特征间交互相关性的源域频空注意力Q
sj
和目标域频空注意力Q
tj
，然后将上述注意力输出至融合层；具体是：所述张量化频空注意力网络利用两个全连接层对K个特定域特征提取网络输出的特征实现非线性映射，得到源域频空注意力Q
sj
和目标域频空注意力Q
tj
：Q
sj
＝F
bj
(Relu(F
aj
(P
sj
；V
j
))；U
j
)
ꢀꢀꢀꢀ
公式(1)Q
tj
＝F
bj
(Relu(F
aj
(P
tj
；V
j
))；U
j
)其中，F
aj
和F
bi
表示第j个源域空间的两个全连接层，V
j
和U
j
表示两个全连接层的参数，Relu(.)为激活函数，表示最大池化层输出的源域、目标域空间频率特征；c为原特征脑电通道数，s为原特征频域维度大小；将公式(1)中全连接层参数张量化为(K+1)阶的高阶张量张量化为(K+1)阶的高阶张量，c
’
为全连接层F
aj
处理后特征的脑电通道数，s
’
为全连接层F
aj
处理后特征的频域维度大小，以获取特征间的交互相关性，考虑到随着源域数量的增加可能会造成维度灾难，因此采用低秩的Tucker形式表示高阶张量用低秩的Tucker形式表示高阶张量其中{r1...r
K+1
}为Tucker形式的秩，I1＝I2＝...＝I
K
＝c
′
s
′
，I
K+1
＝cs；c为原特征脑电通道...

【专利技术属性】
技术研发人员：孔万增，金宣妤，杨心宇，朱莉，唐佳佳，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：