System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及身份认证,尤其涉及一种基于事件相关电位的脑信号身份认证方法。
技术介绍
1、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。
2、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,本专利技术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。
技术实现思路
1、本专利技术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
2、为实现上述目的,本专利技术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:
3、s1、基于rsvp范式脑纹身份认证系统,构建基础信号模型;
4、s2、采用空时均衡的方法,对背景噪声进行均衡处理;
5、s3、对vep成分和erp源信号进行参数估计;
6、s4、对目标信号进行检测;
7、s5、rsvp脑信号身份认证范式。
8、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:
9、(1)
10、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。
11、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:
12、(1)中每一个元素均服从高斯分布,且均值为0,;
13、(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:
14、(2)
15、其中,为非零hermitian矩阵,当脑电数据为实数时,满足。
16、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:
17、(3)
18、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:
19、(4)。
20、优选的,步骤s2对背景噪声进行均衡处理的具体过程如下:
21、s21、背景脑电信号构建mvar模型,如下所示:
22、(5)
23、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:
24、(6)
25、其中,表示残差噪声的空间自协方差矩阵;
26、s22、使用空时均衡器对背景噪声进行预处理,如下所示:
27、(7)
28、其中,表示空时均衡器的不同阶次,有;
29、s23、使用空时均衡器对脑电信号进行预处理,如下所示:
30、(8)
31、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;
32、s24、输出信号中,背景噪声成分为空时不相关噪声,如下所示:
33、(9)
34、s25、均衡后概率密度函数,如下所示:
35、(10)
36、优选的,在步骤s3参数估计中,vep成分估计如下所示:
37、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:
38、(11)
39、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;
40、应用xdawn算法估计成份,如下所示:
41、(12)
42、采用最小二乘法估计成份,如下所示:
43、(13)
44、则成分估计,如下所示:
45、(14)
46、优选的,在步骤s3参数估计中,erp源信号估计如下所示:
47、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:
48、(15)
49、(16)
50、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:
51、(17)
52、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;
53、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:
54、(18)
55、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;
56、使erp有效成分信噪比最高,定义优化目标函数如下所示:
57、(19)
58、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:
59、(20)
60、则可得:
61、(21)
62、(22)
63、其中,表示moore-penrose逆矩阵本文档来自技高网...
【技术保护点】
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:
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:
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:
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:
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:
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:
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
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:
...【技术特征摘要】
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:
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:
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:
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...
【专利技术属性】
技术研发人员:张洪欣,张宇锋,杨晨,张舒玲,王战阳,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:
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。