[发明专利]一种基于心冲击信号的多通道隐蔽性测谎方法

权利要求书

1.一种基于心冲击信号的多通道隐蔽性测谎方法，其特征在于：包括以下步骤：

S100：放大BCG信号与GSR信号并对其和语音信号、视频信号进行提取；

同步实时获取受试者的BCG信号与GSR信号，并经过放大电路进行同步放大处理，同时还采集受试者的语音信号与视频信号；

S200：将信号进行数字化并由PC端接收储存；

通过使用STM32L系列的低功耗单片机的ADC串口对已经放大的BCG信号和GSR信号进行采样，并通过WiFi与蓝牙，将数据传至PC端软件进行接收，同时，将语音与视频信号通过USB传至应用软件，并将所有信号独立存储于预先建立的存储单元，以便后续的信号处理；

S300：对BCG信号与GSR信号的预处理；

对每一个受试者在实验中存储的每段BCG与GSR信号进行预处理，对于BCG信号的预处理包括去基线漂移、滤除高频干扰、提取BCG信号、提取呼吸信号，对于GSR信号的预处理包括去除高频干扰、平滑信号曲线；

S400：对信号特征进行提取；

对经过预处理的BCG信号、GSR信号、视频信号以及语音信号进行相关特征提取；

S500：特征降维；

通过降维方法，对维度过大的信号采用梅尔倒频谱系数进行降维，方便多通道信号特征的融合以及降低最后算法的计算复杂度；

S600：特征标准化；

将降维后融合的特征进行标准化，消除特征因 个体差异而表现出来的误差，标准化采用的是去均值与方差归一化操作；

S700：结果预测；

对经过标准化的特征进行分类网络训练与预测，分类器采用三种机器学习方法进行加权融合预测，给出预测概率；

所述步骤S100中，通过聚偏氟乙烯压电薄膜传感器和GSR信号传感器，非侵入式且无感的实时采集BCG信号和GSR信号人体的重要生理信号，并经过放大电路进行信号放大；

所述步骤S200中，通过多通道信号采集设备，设置采样频率为1000Hz，将采集的信号进行数字化，并通过蓝牙、Wifi和USB串口传至PC端，PC端软件进行各路信号整合并独立存储；

所述步骤S300中，只针对BCG信号与GSR信号进行预处理，原始BCG信号成分如下式所示：

raw(N)＝bcg(N)+res(N)+n(N)

bcg(N)为心脏搏动与动脉血液循环引起的身体波动信号成分；

res(N)为呼吸信号成分；

n(N)为其他噪音成分；

对BCG信号预处理步骤如下：

①使原始BCG信号通过一个无相移的低通滤波器，将截止频率设置为30Hz，实现滤除高频干扰信号；

②将滤除高频干扰的信号通过一个下截止频率为4Hz，上截止频率为20Hz的4阶带通巴特沃斯滤波器，这样可以得到一个不包含呼吸成分BCG信号；

③将滤除高频干扰的信号通过一个下截止频率为0.3Hz，上截止频率为1Hz的4阶带通巴特沃斯滤波器，可以分离出呼吸信号的波形；

对GSR信号预处理步骤如下：

①先经过一个截止频率为40Hz无相移的低通滤波器对GSR信号进行滤除高频的干扰；

②对处理后的GSR信号加入了一个宽度为0.2倍采样频率的平移窗口，进行加和平均处理，去除毛刺，平滑信号波形。

2.根据权利要求1所述的基于心冲击信号的多通道隐蔽性测谎方法，其特征在于，所述步骤S400中，提取操作如下：

对经过预处理的GSR信号提取幅度均值、标准差、最大值、最小值、最值绝对差；

对视频信号提取受试者眨眼率；

对语音信号提取梅尔倒频谱系数。

3.根据权利要求1所述的基于心冲击信号的多通道隐蔽性测谎方法，其特征在于，所述步骤S700中，三种机器学习方法分别为lightGBM方法、Random Forest方法和XGBoost方法。