基于脑电波视听觉范式的身份认证系统

发布时间：2022-10-11 11:35

　　目前,个体的一些生物认证技术已经广泛应用在智能门禁等物联网系统中。然而,随着它们安全风险的不断提升以及应用范围的局限性,找到一种相对更加普适和值得信赖的认证方法是很有必要的。近期,脑电特征凭借其独特性、稳定性和普遍性获得广大科研学者的青睐,但多电极的有限可用性及大量用户佩戴不便的因素阻碍了这种新技术的普及。本文预先提出了一种新的基于脑电波视听觉范式的生物认证系统,不仅能够在单一诱发范式基础上加大刺激强度,同时对于视觉或者听觉其中之一存在障碍的人群也能够很好的实现身份认证。在调研国内外脑电身份认证相关研究基础上,实验设计了独特的视听觉呈现范式,通过“EMOTIV EPOC+”便携式脑电头戴设备记录7位受试者的脑电数据。在预处理阶段,使用了参考电极、迭加平均和独立成分分析进行去伪迹;在特征提取阶段,提出了一种最佳通道和最佳时间间隔的自适应选择方法来避免提取无效的特征信息,同时,为了避免盲目搜索,将Best-First和CfsSubsetEval方法应用于最优特征子集选择中,识别出最好的特征子集,接着提出Bagging集成学习方法建立最优分类模型。在实验仿真和性能评估方面,提出了三个分类指标... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
        1.1.1 EEG身份认证
        1.1.2 10-20国际标准
        1.1.3 脑电节律
    1.2 国内外研究现状
    1.3 论文主要研究内容
    1.4 本文组织
第二章 相关背景知识介绍
    2.1 事件相关电位(ERP)
        2.1.1 ERP发展简史
        2.1.2 主要ERP成分
        2.1.3 ERP技术优越性
    2.2 Epoc+相关技术介绍
        2.2.1 数据传输
        2.2.2 眨眼监控
        2.2.3 专注度分析
    2.3 EEGLAB插件使用
        2.3.1 数据载入
        2.3.2 数据处理
    2.4 本章小结
第三章 基于脑电视听觉范式的身份认证方案
    3.1 方案设计
        3.1.1 系统架构
        3.1.2 视听觉范式
    3.2 脑电信号采集
    3.3 预处理与数据分析
        3.3.1 眼电干扰
        3.3.2 工频干扰
        3.3.3 肌电与心电信号
        3.3.4 认证脑电数据的差异性分析
    3.4 特征选择
        3.4.1 逐点双列相关系数法
        3.4.2 最优特征子集选择
    3.5 机器学习
        3.5.1 朴素贝叶斯
        3.5.2 逻辑回归
        3.5.3 BP神经网络
        3.5.4 Bagging集成学习
        3.5.5 分类器性能评价
    3.6 本章小结
第四章 实验仿真与性能评估
    4.1 最优分类器选择
        4.1.1 三种基学习器与两类特征集
        4.1.2 ROC曲线与AUC面积
        4.1.3 集成学习分类性能
    4.2 实验范式的比较
    4.3 实验方法的比较
    4.4 本章小结
第五章 原型系统的设计与实现
    5.1 智能网关
        5.1.1 E-prime实验设计
        5.1.2 Emotiv ControlPanel信号监测
        5.1.3 Visual Studio获取数据
        5.1.4 智能分析预测结果
    5.2 下位机调控
        5.2.1 STM32控制器
        5.2.2 PWM脉冲调制
    5.3 系统登录测试
    5.4 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]基于脑电和眼电的运动想象多尺度识别方法研究[J]. 孙曜,文成林,韦巍.  电子学报. 2018(03)
[2]运动想象脑电信号识别研究[J]. 肖丹,胡剑锋.  计算机工程与应用. 2010(33)



本文编号：3690499