任务无关的脑纹识别研究

发布时间：2020-06-26 16:08

【摘要】：身份识别在信息社会中起着重要的作用,然而,传统的身份识别方法不能完全保证安全性。脑纹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。它具有隐蔽性强、不可窃取、仅能在活体中检测到等显著优点,在保密性和安全性要求较高的领域上具有广阔的应用前景。目前研究中的脑纹识别系统均要求被试在特定任务下进行,通常需要外部刺激或者被试配合进行特定思维想象,才能成功进行身份识别。这对脑纹识别的推广造成了很大的障碍,因此任务无关的脑纹识别研究就显得尤为重要。任务无关是指不依赖于脑电数据的任务类型,即一种脑纹识别方法可以针对多种认知任务状态下的脑电信号。本文利用三种不同方法进行任务无关的脑纹识别研究:(1)提出了一种基于相位同步和节点度的脑电信号特征提取方法。利用相位同步与大脑个体生理特征之间的关系,分析两个电极之间脑电信号的相位同步特征,以一定的时间长度将脑电信号分段,计算时间段内的平均锁相值,以锁相值作为脑功能网络节点与节点之间的权重,利用生成的权重矩阵创建一个加权无向网络,结合脑网络中节点度这一属性再次提取脑电特征进行个体身份识别。(2)提出了一种基于低秩矩阵分解的任务无关背景脑纹识别方法。假设任务相关脑电数据可以被分离为两部分,一部分为包含人特有的内在特征的背景脑电,另一部分为由任务诱发脑电和随机噪声组成的残余脑电。首先,利用短时傅里叶变换将脑电信号从时域转到时频域,进而利用GoDec+算法结合快速二次有理核提取出信号的固有背景部分,根据固有背景脑电信号矩阵的秩构建所有被试的全体子空间,最后利用最大交叉熵构造重构因子并对测试样本进行分类。(3)提出了一种基于卷积神经网络模型的脑纹识别方法。构建的模型结构包括8层:输入层、3个卷积层、1个池化层、1个局部响应归一化层、1个全连接层和输出层。针对非稳态时间序列的脑电信号,结合卷积神经网络构建了一种多层级神经网络模型,有效地对不同任务状态下的脑电信号进行识别,能对各个被试的身份进行准确、高效、客观地估计。上述方法在四个数据集上进行了实验,包括多任务数据集、情绪数据集、运动想象数据集和P300数据集,均取得了很好的识别效果。实验结果表明,本文提出的方法不依赖于脑电数据的任务类型,并且在一定程度上能够抵抗情绪对身份识别的干扰。
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;TP309
【图文】：

个体在任何状态下都具有的且相对稳定的信号，代表低秩特征。任务意识信号是逡逑由个体在特定任务下由相应皮层神经元激活所产生的随机信号，代表稀疏特性。逡逑在信号处理中，运用短时傅里叶变换将时域上的脑电信号转换到时频域上，然后逡逑去除任务意识脑电和噪声，分析个体的固有背景脑电，进而完成个体在不同任务逡逑下的脑纹识别。逡逑本文提出一种基于卷积神经网络的脑纹识别方法。与手工选择特征相比，卷逡逑积神经网络无需任何先验的特征选择过程，能够有效避免信息丢失，适用于处理逡逑低信噪比的原始脑电数据。本文利用卷积神经网络提取出脑电信号中更广泛和更逡逑深层的特征信息，对不同任务状态下的个体进行脑纹识别研宄。逡逑１．５论文结构安排逡逑本文以任务无关的脑纹识别研究为重点，主要包括采用相位同步和节点度对逡逑脑电信号进行特征提取，利用线性判别分析完成分类；采用低秩矩阵分解方法对逡逑脑电信号进行特征提取，利用最大交叉熵完成分类；采用卷积神经网络进行脑电逡逑信号特征提取与分类等。本文共有六个章节，各个章节的相关性如图Ｕ所示，逡逑每章的主要研宄内容如下：逦逡逑

逦杭州电子科技大学硕士学位论文逦逡逑想象右手运动。左右手视频各出现２５次。逡逑（４）真实的左右手抓握运动：屏幕上显示一个黑色“＋”符号注视点，停顿逡逑８００毫秒后，随机显示左手运动或右手运动的视频，每个视频持续４秒。当出现逡逑左手运动的视频时，要求被试者做左手的抓握运动。当出现右手运动的视频时，逡逑要求被试者做右手的抓握运动，左右手视频各出现２５次。实验流程如图２．１所逡逑示，实验顺序通过箭头表示，图中的黑色“＋”符号注视点可以帮助被试集中注意逡逑力。逡逑

【参考文献】

相关期刊论文 前7条

1 杨剑;陈书q

本文编号：2730555