本發(fā)明涉及腦電身份識(shí)別領(lǐng)域，具體指一種具備排他性的腦電身份識(shí)別方法。
背景技術(shù)：
：腦電識(shí)別目前還是一個(gè)新興的
技術(shù)領(lǐng)域：
，現(xiàn)有的利用腦電信號(hào)作身份識(shí)別的方法仍然較少，基本是在頻域內(nèi)對(duì)腦電數(shù)據(jù)進(jìn)行分析，提取某一波段的腦電信號(hào)，利用時(shí)間序列模型(ar、bl)擬合腦電數(shù)據(jù)，將擬合后的模型參數(shù)提取作為腦電信號(hào)的特征參數(shù)，之后經(jīng)過(guò)降維處理，直接簡(jiǎn)單的使用如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等單一結(jié)構(gòu)的學(xué)習(xí)機(jī)。并且以上方法存在各種不足：對(duì)于ar或bl模型階數(shù)的估計(jì)，當(dāng)前普遍使用aic準(zhǔn)則或經(jīng)驗(yàn)估計(jì)。雖然aic準(zhǔn)則在模型定階方面有諸多優(yōu)點(diǎn)，但模型研究結(jié)果表明如果對(duì)數(shù)據(jù)進(jìn)行自回歸模型擬合，它可能會(huì)使階數(shù)p估計(jì)過(guò)高，同時(shí)，aic準(zhǔn)則得到的階數(shù)不是相容的。腦電信號(hào)中噪聲大小不一，雖然對(duì)腦電數(shù)據(jù)濾波后進(jìn)行特征參數(shù)提取能較好地識(shí)別個(gè)體的腦電數(shù)據(jù)，但是正確識(shí)別率大多為85％～90％。如專利號(hào)cn201010193832.1中提出的腦電身份識(shí)別方法，其最高識(shí)別率為86.7％，這樣的識(shí)別率尚不可應(yīng)用在安全系數(shù)要求較高的場(chǎng)合的身份識(shí)別。當(dāng)對(duì)識(shí)別率要求較高時(shí)，現(xiàn)有技術(shù)對(duì)于腦電信號(hào)的采集要求很高，如2015年論文《基于fawell范式誘發(fā)erp的身份識(shí)別研究》，其最高識(shí)別率可達(dá)98％，但是采集腦電時(shí)受試者需專心注視屏幕上多個(gè)字符，并且在心中默數(shù)目標(biāo)字符閃爍的次數(shù)?，F(xiàn)有方法在測(cè)試識(shí)別率時(shí)為閉集驗(yàn)證，現(xiàn)有方法在測(cè)試在閉集驗(yàn)證時(shí)準(zhǔn)確率較高，但是對(duì)于開(kāi)集驗(yàn)證，要么錯(cuò)誤率過(guò)大，要么就是完全不適用。本發(fā)明提供一種具有可靠的“排他性”的腦電身份識(shí)別方法以克服上述現(xiàn)有技術(shù)的不足，并解決以下技術(shù)問(wèn)題：1、克服了傳統(tǒng)方法具有超過(guò)10％的可能性將他人的腦電數(shù)據(jù)識(shí)別為“本人”的腦電的錯(cuò)誤識(shí)別問(wèn)題，將這樣的錯(cuò)誤識(shí)別概率降低至接近于零。2、而且這種具有“排他性”的腦電身份識(shí)別方法對(duì)于未曾學(xué)習(xí)訓(xùn)練過(guò)的個(gè)體的腦電數(shù)據(jù)仍然適用。3、上述特點(diǎn)1和特點(diǎn)2使得這種方法克服了傳統(tǒng)方法難以將腦電識(shí)別應(yīng)用于對(duì)安全要求高的場(chǎng)合這一問(wèn)題。4、利用bic準(zhǔn)則估計(jì)ar模型的階數(shù)，使得階數(shù)p的估計(jì)較低，有效地降低了運(yùn)算量。5、腦電信號(hào)的采集對(duì)受試者的動(dòng)作行為要求較低，便可實(shí)現(xiàn)接近100％的“排他性”識(shí)別。受試者只需要靜坐于屏幕前觀察顯示屏即可。技術(shù)實(shí)現(xiàn)要素：該發(fā)明方法具體內(nèi)容步驟如下：1腦電數(shù)據(jù)的采集1.1采集的腦電數(shù)據(jù)是受試者在感知顏色時(shí)的腦電信號(hào)。受試者靜坐在電腦屏幕前，觀察電腦所顯示的布滿整個(gè)屏幕的顏色圖片，一次至少采集一個(gè)圖案顯示周期的時(shí)間長(zhǎng)度的數(shù)據(jù)。采集環(huán)境控制光照亮度為適中。其中顏色圖片采用以下方案進(jìn)行提供：紅色t1——過(guò)渡圖片組合t2——綠色t1——過(guò)渡圖片組合t2——藍(lán)色t1——過(guò)渡圖片組合t2；過(guò)渡圖片組合是三原色相等的插圖t2/3、黑色t2/3、白色t2/3，其目的是消除觀察rgb顏色切換時(shí)視野中的顏色殘留。2腦電數(shù)據(jù)的預(yù)處理2.1利用fir濾波器將采集的腦電原始信號(hào)截取出α波段(8～12hz)。2.2對(duì)于采集到的腦電信號(hào)，通過(guò)eeglab觀察其波形，將其中信號(hào)波形過(guò)于紊亂的電極剔除，設(shè)剩余電極數(shù)目為k。3利用ar模型提取腦電特征參數(shù)3.1對(duì)每個(gè)試驗(yàn)者的每個(gè)電極通道的腦電數(shù)據(jù)，使用最小二乘估計(jì)法得到匹配的ar模型。3.2以匹配的ar模型的參數(shù)作為該段腦電信號(hào)數(shù)據(jù)的特征參數(shù)來(lái)表征這段腦電信號(hào)。說(shuō)明：ar模型的表示如式(1)：其中是εt零均值，方差σ2的平穩(wěn)白噪聲過(guò)程。ar模型的階數(shù)p由bic準(zhǔn)則確定。bic準(zhǔn)則函數(shù)定義如式(2)：bic(p)＝nlnσ2+plnn(2)n是樣本數(shù)據(jù)的長(zhǎng)度，p是最優(yōu)階數(shù)。與aic準(zhǔn)則相比，bic準(zhǔn)則確保了估計(jì)的階具有相容性。設(shè)剩余的每個(gè)電極數(shù)據(jù)的最優(yōu)階數(shù)為pi(1≤i≤k)，取估計(jì)的階p＝min(pi)。εt和各階系數(shù)ai就是所要提取的腦電特征參數(shù)，提取后的腦電特征參數(shù)ei,j是一個(gè)k×(p+1)的矩陣數(shù)據(jù)。4建立bp神經(jīng)網(wǎng)絡(luò)的分類器對(duì)提取的腦電特征參數(shù)ei,j的第j列(j＝1,2,...p+1)數(shù)據(jù)，建立第j個(gè)bp神經(jīng)網(wǎng)絡(luò)(如下圖3所示)，輸入層的節(jié)點(diǎn)數(shù)等于提取后的電極數(shù)，為k個(gè)，輸出層節(jié)點(diǎn)1個(gè)，輸出為“1”時(shí)代表識(shí)別為“本人”，輸出為“0”時(shí)代表識(shí)別為“他人”。5構(gòu)建bp分類器串聯(lián)的分類網(wǎng)絡(luò)5.1用第4步建立的p+1個(gè)bp分類器串聯(lián)形成身份識(shí)別的分類網(wǎng)絡(luò)(如圖4所示)。即第j(j＝1,2,...,p+1)個(gè)分類器負(fù)責(zé)訓(xùn)練學(xué)習(xí)第j列腦電特征參數(shù)。5.2由于分類器串聯(lián)的結(jié)構(gòu)，對(duì)于最終的身份識(shí)別，判斷結(jié)果由各個(gè)分類器的判斷結(jié)果進(jìn)行邏輯“與”運(yùn)算后得到，如圖5所示。5.3定閾值：對(duì)于分類網(wǎng)絡(luò)的身份識(shí)別，每份數(shù)據(jù)的識(shí)別都是輸出一個(gè)[0，1]的結(jié)果。定義當(dāng)輸出結(jié)果不接近于1或不接近于0時(shí)，對(duì)于給定的閾值r(0.1≤r≤0.5),若輸出結(jié)果大于r，認(rèn)為識(shí)別為“1”，若小于等于r，認(rèn)為識(shí)別為“0”。6身份識(shí)別情況6.1訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)的情況對(duì)于bp網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集的組成，50％是“本人”的腦電數(shù)據(jù)，50％是“他人”的腦電數(shù)據(jù)；測(cè)試的時(shí)候，測(cè)試數(shù)據(jù)是“本人”腦電數(shù)據(jù)和“他人”腦電數(shù)據(jù)中沒(méi)有參與訓(xùn)練的那部分和開(kāi)集數(shù)據(jù)組成。6.2分類識(shí)別驗(yàn)證：根據(jù)已確定的r的取值，將“本人”腦電數(shù)據(jù)輸入到分類網(wǎng)絡(luò)進(jìn)行識(shí)別，若識(shí)別輸出值大于r，則識(shí)別成功，確定是本人；若輸出值小于等于r，則識(shí)別失敗。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：1、雖然此方法對(duì)“本人”的腦電信號(hào)的識(shí)別率相對(duì)現(xiàn)有技術(shù)有所降低，但是其可以大大降低將“他人”腦電信號(hào)誤識(shí)為“本人”的概率。在多次實(shí)驗(yàn)中，這種誤識(shí)的概率為0％。2、此方法對(duì)未曾訓(xùn)練學(xué)習(xí)過(guò)的個(gè)體的腦電數(shù)據(jù)(即開(kāi)集)仍然適用。在足夠多次的實(shí)驗(yàn)中，該方法正確識(shí)別出沒(méi)有訓(xùn)練學(xué)習(xí)過(guò)的樣本的腦電信號(hào)的幾率達(dá)到100％。3、對(duì)以上兩種“非本人”腦電的準(zhǔn)確識(shí)別說(shuō)明該方法具有非?？煽康摹芭潘浴保蚨哂袘?yīng)用于門(mén)鎖、保險(xiǎn)柜等安全要求較高的場(chǎng)合的可能性。4、bic準(zhǔn)則的定階能給出相容估計(jì)，估計(jì)的階數(shù)p不會(huì)過(guò)高可以有效降低運(yùn)算量。5、腦電信號(hào)采集對(duì)于受試者的動(dòng)作行為要求較低，便可實(shí)現(xiàn)接近100％的“排他性”識(shí)別。受試者只需要靜坐于屏幕前觀察顯示屏即可。附圖說(shuō)明圖1是本發(fā)明的腦電身份識(shí)別方法流程圖。圖2是本發(fā)明的屏幕顏色圖片顯示方案以及過(guò)渡圖片組合的顯示方案示意圖。圖3是本發(fā)明使用的bp神經(jīng)網(wǎng)絡(luò)示意圖。圖4是本發(fā)明使用的bp分類器串聯(lián)而成的分類網(wǎng)絡(luò)示意圖。圖5是本發(fā)明的串聯(lián)bp分類器形成的分類網(wǎng)絡(luò)的身份識(shí)別原理圖。具體實(shí)施方式下面結(jié)合圖1-5對(duì)本發(fā)明做進(jìn)一步的說(shuō)明：1腦電數(shù)據(jù)的采集a.實(shí)驗(yàn)儀器為brainproduct,brainampmrplus型放大器,采用64導(dǎo)電極帽連續(xù)記錄腦電。b.采集的腦電數(shù)據(jù)是試驗(yàn)者在感知顏色時(shí)的腦電信號(hào)：試驗(yàn)者靜坐在電腦屏幕前，觀察電腦所顯示的布滿整個(gè)屏幕的顏色圖片，一次至少采集一個(gè)圖案顯示周期的時(shí)間長(zhǎng)度的數(shù)據(jù)，采集環(huán)境控制光照亮度為適中。c.屏幕上顏色圖片的顯示方案是：(1)紅色6s——過(guò)渡圖片組合3s——綠色6s——過(guò)渡圖片組合3s——藍(lán)色6s——過(guò)渡圖片組合3s。一個(gè)周期長(zhǎng)度為27s；(2)其中實(shí)驗(yàn)時(shí)一個(gè)周期中紅色、綠色和藍(lán)色圖片出現(xiàn)的順序是隨機(jī)的；(3)過(guò)渡圖片組合是三原色相等的插圖1s、黑色1s、白色1s，這樣做的目的是消除觀察rgb顏色切換時(shí)視野中的顏色殘留。屏幕顏色的顯示以及過(guò)渡圖片組合的顯示如圖所示(紅綠藍(lán)的順序是隨機(jī)的)。2腦電信號(hào)預(yù)處理2.1利用fir濾波器將采集的腦電原始信號(hào)截取出α波段(8～12hz)。2.2對(duì)于采集到的腦電信號(hào)，通過(guò)eeglab對(duì)波形進(jìn)行分析，將其中信號(hào)波形過(guò)于紊亂的電極剔除，總計(jì)剔除eeg電極o1、o2、fz、veou、heol、heor和m2這7個(gè)通道的數(shù)據(jù)。3利用ar模型提取腦電特征參數(shù)3.1自回歸(ar)模型是常用的時(shí)間序列模型，對(duì)每個(gè)試驗(yàn)者的每個(gè)電極通道的腦電數(shù)據(jù)，使用最小二乘估計(jì)法得到匹配的ar模型。3.2以匹配的ar模型的參數(shù)作為該段腦電信號(hào)數(shù)據(jù)的特征參數(shù)來(lái)表征這段腦電信號(hào)。ar模型的表示如下：其中是εt零均值，方差σ2的平穩(wěn)白噪聲過(guò)程。ar模型的階數(shù)由bic準(zhǔn)則確定。bic準(zhǔn)則函數(shù)定義為：bic(p)＝nlnσ2+plnnn是樣本數(shù)據(jù)的長(zhǎng)度，p是最優(yōu)階數(shù)。與aic準(zhǔn)則相比，bic準(zhǔn)則確保了估計(jì)的階具有相容性。設(shè)剩余的每個(gè)電極數(shù)據(jù)的最優(yōu)階數(shù)為pi(1≤i≤57)，取估計(jì)的階p＝min(pi)。εt和各階系數(shù)ai就是所要提取的腦電特征參數(shù)，提取后的腦電特征參數(shù)ei,j是一個(gè)57×(p+1)的矩陣數(shù)據(jù)，如下所示：實(shí)驗(yàn)驗(yàn)證中，對(duì)于采集到的樣本，由bic準(zhǔn)則得到的階數(shù)取4，所以每個(gè)份數(shù)據(jù)提取的腦電特征參數(shù)有5個(gè)。至此，對(duì)于某個(gè)采集者的一份樣本數(shù)據(jù)，經(jīng)過(guò)提取后的腦電特征參數(shù)ei,j構(gòu)成一個(gè)57×5的矩陣：4建立bp神經(jīng)網(wǎng)絡(luò)的分類器對(duì)于提取的腦電特征參數(shù)ei,j的5列數(shù)據(jù)建立5個(gè)bp神經(jīng)網(wǎng)絡(luò)的分類器。對(duì)于第j(j＝1,2,...,5)個(gè)bp分類器(如圖3所示)，輸入層的節(jié)點(diǎn)數(shù)等于提取后的電極數(shù)，為57個(gè)，隱含層節(jié)點(diǎn)數(shù)取10個(gè)，輸出層節(jié)點(diǎn)1個(gè)，輸出為“1”時(shí)代表識(shí)別為“本人”，輸出為“0”時(shí)代表識(shí)別為“他人”。5構(gòu)建bp分類器串聯(lián)的分類網(wǎng)絡(luò)接下來(lái)提供一種由分類器串聯(lián)而成的分類結(jié)構(gòu)。5.1將第4步建立的5個(gè)bp神經(jīng)網(wǎng)絡(luò)的分類器串聯(lián)起來(lái)形成身份識(shí)別的分類網(wǎng)絡(luò)。這5個(gè)bp神經(jīng)網(wǎng)絡(luò)各自負(fù)責(zé)訓(xùn)練學(xué)習(xí)ei,j的1列數(shù)據(jù)。5.2由于分類器串聯(lián)的結(jié)構(gòu)，對(duì)于最終的身份識(shí)別，判斷結(jié)果由各個(gè)分類器的判斷結(jié)果進(jìn)行邏輯“與”運(yùn)算后得到，如圖5所示：5.3定閾值：對(duì)于分類網(wǎng)絡(luò)的身份識(shí)別，每份數(shù)據(jù)的識(shí)別都是輸出一個(gè)[0，1]的結(jié)果。定義當(dāng)輸出結(jié)果不接近于1或不接近于0時(shí)，若輸出結(jié)果大于r(0.1≤r≤0.5)，認(rèn)為識(shí)別為“1”，若小于等于r，認(rèn)為識(shí)別為“0”。實(shí)驗(yàn)中分別取r＝0.2、r＝0.3、r＝0.4以及r＝0.5。6身份識(shí)別情況6.1訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)的情況a.對(duì)于bp網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集的組成，50％是“本人”的腦電數(shù)據(jù)，50％是“他人”的腦電數(shù)據(jù)；實(shí)驗(yàn)測(cè)試的時(shí)候，測(cè)試數(shù)據(jù)是“本人”腦電數(shù)據(jù)和“他人”腦電數(shù)據(jù)中沒(méi)有參與訓(xùn)練的那部分和開(kāi)集數(shù)據(jù)組成。b.每個(gè)樣本有59份數(shù)據(jù)。實(shí)驗(yàn)重復(fù)進(jìn)行多次，樣本每次分配為訓(xùn)練集和測(cè)試集的數(shù)據(jù)是隨機(jī)的。每次實(shí)驗(yàn)中訓(xùn)練集與測(cè)試集情況如下表1和表2：表1.訓(xùn)練集情況數(shù)據(jù)樣本份數(shù)總占比(％)第一號(hào)樣本40份50％第二號(hào)～第五號(hào)樣本各10份50％表2.測(cè)試集情況：數(shù)據(jù)情況份數(shù)總占比(％)第一號(hào)樣本19份5.71％第二號(hào)～第五號(hào)樣本各49份58.86％六號(hào)、七號(hào)樣本各59份35.43％6.2實(shí)驗(yàn)驗(yàn)證的情況：在多次重復(fù)實(shí)驗(yàn)中，隨著r取值的不同，分類網(wǎng)絡(luò)對(duì)“本人”的識(shí)別正確率有所不同，對(duì)“他人”腦電數(shù)據(jù)成功識(shí)別為“不是本人”的概率都是100％。對(duì)于二號(hào)到七號(hào)樣本，分類網(wǎng)絡(luò)識(shí)別的輸出結(jié)果都小于0.001，足見(jiàn)分類網(wǎng)絡(luò)“排他性”的可靠度。當(dāng)取r＝0.2時(shí)，該方法對(duì)“本人”的腦電數(shù)據(jù)具有87.58％的識(shí)別率，同時(shí)對(duì)“他人”腦電數(shù)據(jù)具有100％的正確判定率。在對(duì)本人數(shù)據(jù)保持較高的識(shí)別率的同時(shí)有效地達(dá)到了“排他性”的效果。隨著r取值的增大，該方法對(duì)“本人”腦電數(shù)據(jù)的識(shí)別率有所降低，但是能達(dá)到更強(qiáng)的“排他性”。r的各取值對(duì)應(yīng)實(shí)驗(yàn)情況如下面各表所示：a.r＝0.5樣本實(shí)驗(yàn)中判定為“是本人”的概率“本人”的測(cè)試數(shù)據(jù)46.32％“他人”的測(cè)試數(shù)據(jù)0％不參與bp網(wǎng)絡(luò)訓(xùn)練的樣本的數(shù)據(jù)0％b.r＝0.4樣本實(shí)驗(yàn)中判定為“是本人”的概率“本人”的測(cè)試數(shù)據(jù)65.58％“他人”的測(cè)試數(shù)據(jù)0％不參與bp網(wǎng)絡(luò)訓(xùn)練的樣本的數(shù)據(jù)0％c.r＝0.3d.r＝0.2樣本實(shí)驗(yàn)中判定為“是本人”的概率“本人”的測(cè)試數(shù)據(jù)87.58％“他人”的測(cè)試數(shù)據(jù)0％不參與bp網(wǎng)絡(luò)訓(xùn)練的樣本的數(shù)據(jù)0％當(dāng)前第1頁(yè)12