基于二阶盲辨识的脑电信号识别方法

摘要

本发明属于生物医学工程和信息技术领域，该发明实现了通过采集分析人脑脑电信号实现对个体的身份认证和识别。通过不同的刺激模式训练受试者，让受试者适应不同的刺激模式，产生不同的脑电信号，通过二阶盲辨识对刺激产生的脑电信号进行分析，抽提出个体的特征信号进行分类识别，以确定目标特征，训练过程结束。身份识别时，只需将采集的脑电信号提取出目标特征，进行分类，并与每人的模板相比较，即可确定识别结果。研究结果表明，最高识别率88％，平均识别率在83％左右，能够实现个体身份识别和认证。

主权项

1、基于二阶盲辨识的脑电信号识别方法，其特征在于：本发明包含以下步骤：步骤(1)、受试者带上电极帽，原始脑电信号是通过64导符合国际脑电图学会标定的10/20法的EEG放大器采集，采样率为250Hz，以左侧乳突为参考电极，带通滤波器通频带为1-50Hz，选取6个电极采集脑电信号，6个电极是国际脑电图学会标定的10/20国际标准中的C3，C4，P3，P4，O1和O2 6个电极位置，采集不同运动想象过程的受试者脑电信号；步骤(2)、在计算机屏幕上根据设定好的刺激程序，提示受试者开始想象运动，受试者根据实验要求，做出四类不同的运动想象，想象左手运动、右手运动、腿动和舌动，受试者经过训练，熟悉实验过程；步骤(3)、将采集到的脑电信号进行预处理，首先对获取的脑电信号进行筛选，排除一部分明显异常的脑电信号，然后对剩下的脑电信号进行去眼电、去伪迹、基线校正、线性校正预处理；步骤(4)、脑电信号处理，经过预处理的脑电信号中仍然包含很多无关的诱发电位和背景噪声，采用盲源分离算法中的二阶盲辨识来对脑电信号进行进一步处理；步骤(5)、特征提取，采用Fisher距离来确定特征，对每根电极的数据提取8-12个特征点，总共48--72个特征点；步骤(6)、使用BP神经网络进行分类学习与测试。我们可以确定适合该受试者的运动想象类型；步骤(7)、将未知的脑电数据输入神经网络进行识别和认证。受试者通过上述步骤1-6后，确定了BP神经网络结构和适合的运动想象类型，此时就可以进行识别和认证了，受试者戴上电极帽，按照步骤2开始运动想象，只需步骤6中确定的最适合的一种运动想象类型，采集脑电信号，预处理后，按照步骤5介绍的算法提取特征量，将提取的特征量输入到步骤6确定的神经网络中。如果是识别，则神经网络输出受试者的编码；如果是认证，则神经网络输出则改为是否该受试者。