[发明专利]一种基于脑电快速语音呈现范式的身份识别方法

权利要求书

1.一种基于脑电快速语音呈现范式的身份识别方法，其特征在于，包括如下步骤：

步骤1)：采集受试者在语音刺激后的脑电数据，获得初始脑电数据集D；

步骤2)：对初始脑电数据集D进行预处理，从脑电实际观测信号中去除噪声信号，获得去噪的脑电信号，通过设置60Hz的低通滤波器、相干平均和快速独立分量分析方法来进行加强去噪；

步骤3)：结合决策树和小波包分解来完成特征提取操作，获得能够进行身份识别的多个特征属性；

步骤4)：通过朴素贝叶斯分类器，采用“属性条件独立性假设”，对已知的类别，假设所有类别的属性相互独立，进而估计后验概率；

步骤5)：根据朴素贝叶斯分类器计算所得的概率结果，系统来判断用户是否有登入的权限。

2.根据权利要求1所述的方法，其特征是，步骤2)中对脑电数据预处理的方法有低通滤波和相干平均，低通滤波是设置一个频带为60Hz的滤波器，频率高于60Hz的信号不能通过；

相干平均计算过程如下：

上式中e(t)为去噪的脑电信号集，N_i(t)为噪声信号，为n次实际观测脑电信号x_i(t)的叠加平均。

3.根据权利要求1所述的方法，其特征是，步骤2)中预处理方法同时还使用了快速独立分量分析，快速独立分量分析的基本过程是独立信号源S(t)被混合矩阵A混合，得到实际观测脑电信号记录Z(t)；实际中，只知道观测信号Z(t),而混合矩阵A和独立信号源S(t)是未知的，快速独立分量分析能在混合矩阵A和独立信源S(t)未知的前提下，从观测信号Z(t)中分离出独立信号源S(t)的各分量，即寻找一分离矩阵W对观测信号Z(t)进行分离，将各独立分量分离出来，获得预处理数据集D'。

4.根据权利要求1所述的方法，其特征是，步骤4)中应用了朴素贝叶斯分类算法，贝叶斯判定准则公式如下：

d_i为样本d在第i个特征上的取值，u_c,i和分别是第c类样本在第i个属性上取值的均值和方差，p(c)为选中第c类样本的概率，ζ为训练特征集可能的类别标记；

最后根据上式中求得的概率值，认证系统来判定该用户是否有登入的权限。