[发明专利]一种身份识别方法、系统、存储介质、计算机程序、终端

权利要求书

1.一种身份识别方法，其特征在于，所述身份识别方法包括：

第一步，获得电极帽采集到的脑电信号，输入至身份识别系统；

第二步，对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理，滤波操作过后有效的脑电频段；

第三步，将预处理之后的脑电信号使用AR算法和SWT算法提取脑电信号的特征；

第四步，将提取到的脑电特征使用图卷积网络算法判断是否为合法用户，若为合法用户进行用户身份识别，反之则以非法用户进行警告。

2.如权利要求1所述的身份识别方法，其特征在于，所述第二步使用ICA算法根据公式求得混合矩阵分离信号，同时去噪，将分离的脑电信号使用公式带通滤波器得到有效频段的EEG。

3.如权利要求2所述的身份识别方法，其特征在于，根据输入的脑电，使用ICA算法进行去噪和带通滤波得到有效频段的脑电信号，ICA算法计算公式为：

x＝As；

其中，x＝[x₁，x₂，x₃，...，x_n]^T表示观测信号，A是n*m维的未知混合矩阵，s＝[s₁，s₂，s₃，...，s_m]^T表示未知的源信号；

带通滤波算法计算公式为：

其中，x₁和x₂表示截止频率，在x₁和x₂范围内的信号输出，否则输出型号为0。

4.如权利要求1所述的身份识别方法，其特征在于，所述第三步使用AR和SWT算法公式提取脑电信号特征，最后使用图卷积神经网络算法输出ID，识别出身份。

5.如权利要求4所述的身份识别方法，其特征在于，根据获得的有效频段的脑电信号，使用AR和SWT提取EEG信号特征。AR计算公式为：

其中，P表示p阶自回归模型；w(n)表示白噪声；a_k表示模型参数；

SWT的计算公式为：

其中a表示伸缩因子，b表示平移因子；

计算小波系数均值，计算公式为：

计算小波系数标准差，计算公式为：

计算小波系数能量，计算公式为：

经过AR和SWT计算后得到脑电信号的四个特征，即AR模型参数、小波变换均值、小波变换标准差、小波系数能量四个特征，将得到的数据输入至图卷积神经网络进行身份识别，图卷积的计算公式为：

其中，θ为：切比雪夫的向量系数；T_k(L)表示k阶切比雪夫多项式，L’＝2L/λ_max-I_N；I_N表示：单位矩阵；L为特征向量；x表示处理之后的EEG信号。

6.如权利要求1所述的身份识别方法，其特征在于，所述身份识别方法从64导联的电极帽获取到的EEG，经过降噪处理，滤波处理使用带通滤波，然后使用AR和SWT算法对EEG进行特征提取，经过计算输出提取到的脑电信号四个特征，又输入到图卷积神经网络中进行身份识别的判断。

7.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤：

第一步，获得电极帽采集到的脑电信号，输入至身份识别系统；

第二步，对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理，滤波操作过后获得有效频段的脑电；

第三步，将预处理之后的脑电信号使用AR+SWT算法进行脑电信号特征提取，输出提取到的四个脑电信号特征。

第四步，将特征提取之后的四个脑电信号特征使用算法图卷积网络算法进行计算，输出ID，对脑电信号进行身份识别。