基于稳态视觉诱发脑电信号的身份识别研究

论文摘要

如何安全可靠地对人的身份进行识别,从古至今都是一个十分重要的问题。随着信息技术的发展,基于生物特征的身份识别和认证由于其独特的安全性和便携性已成为热点领域,并得到了深入的研究和广泛的应用。基于指纹、人脸、步态、声音、虹膜等生物信息进行个人身份识别的应用越来越多,但由于这些特征的固有特性,它们在防伪造、是否活体采集等方面存在不足,在一些特定的场景中使用还有缺陷。相比于指纹、人脸等一些生物特征识别技术,脑电（Electroencephalography,EEG）、心电等生理信号具有更加隐蔽、独特、不易伪造等特性,在身份识别方面得到了越来越多的关注和研究,极大的丰富与完善了该生物特征识别技术的发展与应用。本文就基于脑电信号的身份识别问题,主要研究了利用稳态视觉诱发脑电信号（Steady-State Visual Evoked Potential,SSVEP）进行身份识别的相关理论和方法。论文参考以往文献中脑电采集的范式,设计了对被试稳态视觉诱发脑电的采集实验方案;并研究了基于经验模态分解（Empirical Mode Decomposition,EMD）的脑电信号预处理方法。在此基础上,论文提出了以下两种方法对采集到的脑电信号进行个体身份识别:（1）基于频域编码的稳态视觉诱发脑电身份识别。根据稳态视觉诱发脑电信号的频域特性,论文对被试个体的脑电频谱进行编码,形成反映个体的特征向量。并使用特征向量对个体进行匹配识别。实验表明,在一段持续时间内采集到的每个个体的稳态视觉诱发脑电信号都比较稳定且每个个体间的脑电信号又存在较大差异,识别率可达到90%-92.95%;（2）基于深度学习的稳态视觉诱发脑电身份识别。论文深入研究了目前流行的深度学习方法,根据所用到的卷积神经网络（Convolutional Neural Networks,CNN）的特点,提出了一维脑电信号向三维图像转换的方法,该方法保留了脑电信号大量的时频信息以及多个电极的空间信息。设计了一个多分类网络以及一个由多个二分类网络组成的识别系统对被试在不同时间段（每间隔五个月采集一次,共三次）采集到的稳态视觉诱发脑电信号进行了分析与身份识别。实验表明,在参加实验的被试中,有3个被试的稳态视觉诱发脑电信号在较长时间间隔仍然保持稳定,而另外4个被试的脑电信号则发生了一定的改变。且相比于多分类网络,使用由多个二分类网络组成的识别系统的识别效果更好。在对需要识别的实例连续进行两次检测后,该系统的识别准确率可达到93.57%,并且该系统还可以有效的对不属于系统用户中的另外2个充当非注册用户的被试进行拒识检测。最终,根据各实验结果,本文给出了通过建立稳态视觉诱发脑电信号数据库来对个体进行身份识别的具体流程,并对建立的脑电数据库所拥有的基本功能进行了详细介绍。

论文目录

文章来源

类型: 硕士论文

作者: 胡煜

导师: 赵恒,王保平

关键词: 脑电,稳态视觉诱发,脑电身份识别,经验模态分解,频域编码,卷积神经网络

来源: 西安电子科技大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,电信技术,计算机软件及计算机应用

单位: 西安电子科技大学

分类号: TP309;R318;TN911.7

DOI: 10.27389/d.cnki.gxadu.2019.002538

总页数: 70

文件大小: 3092K

下载量: 138

相关论文文献

• [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
• [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
• [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
• [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
• [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
• [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
• [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
• [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
• [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
• [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
• [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
• [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
• [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
• [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
• [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
• [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
• [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
• [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
• [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
• [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
• [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
• [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
• [23].便携式脑电信号采集与处理系统（英文）[J]. 航天医学与医学工程 2016(03)
• [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
• [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
• [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
• [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
• [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
• [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
• [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)

标签：脑电论文;  稳态视觉诱发论文;  脑电身份识别论文;  经验模态分解论文;  频域编码论文;  卷积神经网络论文;