用于生物特征識(shí)別的多范式誘發(fā)腦電個(gè)體差異性研究.pdf

1、近年來(lái)，生物特征識(shí)別技術(shù)受到全世界各國(guó)的普遍關(guān)注，它在維護(hù)國(guó)家安全、個(gè)人信息安全、航空安全以及軍事、醫(yī)療等方面均發(fā)揮著重要的作用，成為信息化時(shí)代的前沿?zé)狳c(diǎn)課題。為了滿足特殊應(yīng)用場(chǎng)景的需求和彌補(bǔ)現(xiàn)有技術(shù)的不足，研究者們始終致力于開(kāi)發(fā)新的生物特征，腦電是其中較為新穎的嘗試之一。基于腦電的生物特征識(shí)別技術(shù)研究在國(guó)內(nèi)外尚屬起步階段，在腦電誘發(fā)范式的設(shè)計(jì)、腦電特征提取以及模式識(shí)別算法等方面仍存在較大的探索空間。
　　 本研究從腦電的個(gè)體差

2、異性出發(fā)，首先針對(duì)現(xiàn)有研究中腦電誘發(fā)范式相對(duì)單一的問(wèn)題，設(shè)計(jì)并完成了涵蓋多種腦電誘發(fā)范式的兩類事件任務(wù)實(shí)驗(yàn)：第一類任務(wù)包括靜息、視覺(jué)認(rèn)知、計(jì)算任務(wù)和運(yùn)動(dòng)想象四種范式，樣本量20人；第二類任務(wù)是視覺(jué)誘發(fā)P3范式，樣本量8人。為了有效地提取腦電中的個(gè)體差異性信息，針對(duì)各范式誘發(fā)腦電的信號(hào)特點(diǎn)，研究中分別嘗試了AR模型、時(shí)域能量譜、頻域能量譜、相位鎖定值以及相干平均等多種時(shí)域和頻域的特征提取算法，并利用支持向量機(jī)對(duì)上述各種范式的腦電特征進(jìn)行分

3、類識(shí)別，從而得到基于全樣本的統(tǒng)計(jì)分類正確率。本文研究結(jié)果表明，誘發(fā)腦電的個(gè)體差異性明顯高于靜息腦電，而且越是復(fù)雜任務(wù)的、被試參與度高的、與思維活動(dòng)密切相關(guān)的范式，其誘發(fā)的腦電個(gè)體差異性越明顯，分類正確率最高可達(dá)98％以上，從而驗(yàn)證了腦電可用于生物特征識(shí)別的可行性。在此基礎(chǔ)上，為了進(jìn)一步提高系統(tǒng)性能和識(shí)別效率，本研究在特征篩選和導(dǎo)聯(lián)優(yōu)化方面做了初步探索，并通過(guò)遺傳算法、Fisher判別率和遞歸特征篩選三種方法對(duì)分類器進(jìn)行了優(yōu)化，與優(yōu)化前相