[发明专利]一种基于频空指标的脑纹识别方法

说明书

本发明涉及一种基于频空指标的脑纹识别方法。本发明主要采用频空指标来计算脑电信号的特征，并通过Fisher线性判别来实现不同个体的识别。本发明包括数据采集、数据预处理、频空特征向量计算、频空特征向量降维、频空特征向量分类。分类结果表明：采用频空指标作为生物识别特征，得到了较好的分类结果，能够有效得对不同个体进行脑纹识别。与传统的生物识别特征相比，基于脑电的频空特征更为安全和隐蔽，是一种很有前景的生物特征模态。

技术领域

本发明属于生物特征识别领域中的脑电信号识别领域，具体涉及一种基于脑电信号频空指标进行分类的脑纹识别方法。

背景技术

在个人信息安全愈加重要的当今社会，如何安全有效地进行身份识别已经成为一个重要话题。

身份证和密码等传统的身份识别方法存在着容易被复制或伪造的风险。基于生物特征的识别技术如声纹识别、人脸识别、虹膜识别、DNA识别、指纹识别、视网膜识别和掌纹识别等在防伪和防攻破方面相比旧有的身份识别方法有了很大地提升，可以有效地解决传统身份识别中存在的这些问题，但仍然都存在着容易被篡改、被复制、被胁迫使用的缺点。

随着硬件技术的进步和发展，脑电信号的采集也变得更为便利。于是，脑纹满足生物特征的基本条件，作为一种新型生物特征，在身份识别领域也开始占有了一席之地。宾汉顿大学Sarah Laszlo课题组提出了脑纹这一新概念，是指大脑所产生的一种独一无二、具有可采集性和持久性的，并可用于身份识别、验证的脑电信号特征。它具有高隐蔽性、不可窃取性、不可仿制性以及必须活体等方面的独特优势。

Paranjape等人采集了40名被试者处于静息态的脑电信号，并采用自回归模型计算脑电信号的二阶统计值，对被试的脑电数据进行特征提取，识别准确率在80％以上。Poulos等人采用脑电信号alpha节律的参数谱分析进行身份识别研究，用线性全极点模型去拟合到脑电信号频谱，适应了全极点模型的系数被选为特征，作为神经网络的输入向量，利用学习向量量化网络进行分类，分类准确率在72％～84％之间。Das等人利用快速视觉诱发脑电活动来分析视觉感知任务中的脑电数据，采用判别式时空滤波进行特征提取，分别用线性判别分析和支持向量机对20个被试进行分类，识别准确率在75％到94％之间。

现有研究为脑电信号作为识别的有力工具提供了证据，研究者在脑电信号的时域上做了大量的研究，引入了很多特征提取与分类的方法，但是由于时域上的脑电信号很容易出现偏差，识别准确率不是十分理想。本发明创新的提出了频空指标用于脑纹识别方法，它的意义在于把幅度随时间变化的脑电波变换为信号随频率变化的谱图，从而可以直观地观察到脑电节律的分布与变化情况。脑电信号是一种时变的、非平稳的信号，在不同时间、不同状态下有着不同的频率成分。因此本发明引入频空指标作为特征，以提高脑纹识别的准确率。

发明内容

本发明针对现有技术的不足，提供了一种基于频空指标的脑纹识别方法，该方法是利用傅里叶变换将时空域上的脑电信号变换到频空域，把频空特征向量在PCA子空间上投影进行降维并通过Fisher线性判别进行分类来实现的。

本发明所采用的技术方案：

1.获取数据：

采用多通道脑电采集设备采集原始脑电信号，获取该原始脑电信号对应的类别信息，共获取到C个类别的原始脑电信号。

2.数据预处理：

对各类别的原始脑电信号均进行数据预处理，包括降采样和带通滤波，目的是减少伪迹的干扰，提高信噪比，从而提高特征提取的准确性。降采样和带通滤波属于本领域技术人员所熟知的常规技术，故不详解。

3.将时空域的信号变换到频空域：