[实用新型]基于脑电P300信号的心理意识真实性测试系统有效
申请号: | 201420731340.7 | 申请日: | 2014-11-30 |
公开(公告)号: | CN204246131U | 公开(公告)日: | 2015-04-08 |
发明(设计)人: | 张崇;于晓琳;杨勇 | 申请(专利权)人: | 张崇;于晓琳;杨勇 |
主分类号: | A61B5/0476 | 分类号: | A61B5/0476;A61B5/16;G06F19/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 610000 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 p300 信号 心理 意识 真实性 测试 系统 | ||
技术领域
本实用新型涉及一种基于脑电P300信号的心理意识真实性测试系统,由脑电信号采集硬件系统及PC机内的软件判别系统组成,属于自动控制技术领域。
背景技术
说谎是人类社会普遍存在的社会及心理现象。谎言成为了影响社会安定团结的因素,并对人民群众的财产和生命安全构成了严重威胁。因此心理生理学家和其他相关方面专家一直在努力寻找有效的意识真实性的测试方法。意识真实性测试技术首先对于刑侦案件的侦破有着重要的应用价值。另外,谎言识别对于心理疾病及心理障碍的治疗也有重要的意义。另外,当前国际反恐斗争形势仍然严峻,我国也需要迫切建立行之有效的反恐手段。而研究基于脑认知行为的意识真实性测试方法将拓宽现有的反恐手段,丰富对恐怖分子的监测渠道和防范措施,力争将恐怖破坏活动消灭在萌芽状态,从而最大程度的降低恐怖活动对人民生命和国家安全的威胁。
传统的测试方法被称为多道生理信号测试仪技术,虽然具有一定的科学依据,但由于采集的各种信号是基于外周自主神经系统,测试过程易受紧张、恐惧等因素的影响,其准确性受到很大的限制。另外一个重要的原因就是传统意识真实性测试技术具有的潜在的不敌反测试的危险性,因为通过有意识的认知和身体控制的方法即可以改变多道意识真实性测试的生理指标。
现代意识真实性测试技术主要利用脑电信号的事件相关电位反映大脑认知的加工过程。相对于传统的测试方法,现代测试技术在研究内容方面比较注重从神经生理层面探析大脑在感知觉、记忆、思维、想象等心理现象发生过程中的信息编码与提取特点。众多科研人员研究证明EEG信号的ERP成分包含了难以抑制的自动加工过程, 因而相对于传统测试技术,现代意识真实性测试技术可以比较有效地抵制反测试行为。
当前基于ERP的意识真实性测试技术还有诸多弊端,诸如刺激量大,准确率低下,测试方法不灵活,设备不易携带等缺点,也鉴于我国测试水平与国外先进国家的水平差距,研究一种高效的基于少次刺激的意识真实性测试系统以及对围绕该系统的若干关键技术的研究显得尤为迫切。
实用新型内容
为了克服现有技术中存在的上述不足之处,本实用新型的目的在于提供一种基于少次刺激,通过对脑电P300信号进行机器学习算法的训练及测试、并最终进行自动判别的心理意识真实性测试系统,该系统可以为测试部门提供一个简单便于携带的采集设备,系统测试次数少,测试方式灵活高效。
为了达到上述之目的,本实用新型采用如下具体技术方案,基于脑电P300信号的心理意识真实性测试系统,包括脑电信号采集硬件系统、信号特征提取模块以及模式识别软件模块,其中脑电信号采集硬件系统还包括原始脑电信号的模拟前端模块、微处理器控制模块、USB电气隔离模块以及电源模块,经电极采集的生理电信号直接利用模拟前端模块转换为数字信号,通过SPI总线传送至微处理器控制模块,微处理器控制模块将数字信号打包成USB数据包,通过USB总线,经USB电气隔离模块传送至PC机,在PC机中通过编制的软件系统,首先将得到的数字信号进行数字滤波和数字放大,得到所需要的生理电信号。得到的数字信号通过特制提取模块转换为特征向量,最后通过由极端学习机算法构成的模式识别模块,进行可选择的训练或者直接对信号进行判别,得出是否说谎的结论。
进一步地,本实用新型信号特征提取模块还包括刺激后200ms-1000ms的响应脑电信号的波峰电压,P300潜伏期及正电压部分面积。频域特征包括刺激响应脑电信号的傅里叶变换波形的最高频率值、最低频率值及0.5-4Hz的频率段组成的面积值。小波特征提取首先需要将刺激响应脑电信号进行小波变换,然后直接提取经过前期大量训练得到的最佳的8个小波变换值。
进一步地,本实用新型所述电源模块包括数字部分供电电压3.3V、模拟正端供电电压3V以及模拟负端供电电压-3V。
最后,本实用新型所述模式识别软件模块采用极端学习机的学习及分类算法。
本实用新型与现有技术相比的优点是:
1、本实用新型硬件系统由于将信号处理从模拟方式改为数字方式,一方面,删除了模拟放大和滤波模块,减少了噪声侵入信号的几率,避免了信号放大和滤波过程中的畸变,减小了系统体积;另一方面,数字信号处理的参数可通过软件方式方便设置,使设备具有灵活性。
2、软件系统由于使用的是敏感度和特异度高的特征向量,因而测试准确率得到较大提高。模式识别模块使用的是最新的机器学习算法——极端学习机,相对其他机器学习算法,测试和训练时间大大缩短。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于张崇;于晓琳;杨勇,未经张崇;于晓琳;杨勇许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201420731340.7/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种测量婴幼儿身高套装
- 下一篇:一种远程心电监护系统