[发明专利]基于多导脑电信号波形因子的测谎方法

权利要求书

1.一种基于多导脑电信号波形因子的测谎方法，其特征在于，包括以下步骤：

S1、脑电信号采集和预处理：分别对诚实受试者和说谎受试者进行探测刺激，通过多导脑电电极对诚实受试者和说谎受试者头部多个部位的脑电信号进行实时采集，其中多导脑电电极包括位于诚实受试者和说谎受试者头部额叶、中央区域、顶叶位置的F3、F4、C3、C4、P3、P4这六个电极；分别对采集的诚实受试者和说谎受试者的脑电信号依次进行滤波、分割、基线校正、去伪迹和叠加平均的预处理操作，形成诚实受试者和说谎受试者探测刺激响应的数据集；具体包括：对采集的脑电信号进行0.05-30Hz带通滤波，将刺激前300ms至刺激后1300ms的脑电数据作为一个探测刺激响应进行分割，以刺激前300ms的数据作为基线进行基线校正，使用Scan4.0去除脑电信号的垂直和水平眼电伪差，分别对诚实受试者和说谎受试者的每5个探测刺激响应数据进行一次叠加平均；

S2、分类特征的提取：分别计算步骤S1得到的诚实受试者和说谎受试者探测刺激响应的数据集中的每一导脑电数据的波形因子，生成诚实受试者的波形因子矩阵和说谎受试者的波形因子矩阵，对诚实受试者的波形因子矩阵和说谎受试者的波形因子矩阵进行诚实者和说谎者的差异统计分析，具体包括：对诚实受试者的波形因子矩阵和说谎受试者的波形因子矩阵中对应各相同电极的两组波形因子数据进行t-test统计检验，并使用Bonferroni多重校正，选出具有显著性差异的电极；提取诚实受试者和说谎受试者具有显著性差异的电极的波形因子作为分类特征；

S3、模式识别分类：利用步骤S2得到的诚实受试者和说谎受试者的具有显著性差异的电极的波形因子指标构建特征向量作为样本数据，通过样本数据对初始机器学习分类器模型进行K折基于受试者的交叉验证，获得具有最佳参数组合的分类器；具体包括：在K折基于受试者的交叉验证的每折中，将K-1名诚实受试者的样本数据和K-1名说谎受试者的样本数据作为训练集，剩余1名诚实受试者的样本数据和1名说谎受试者的样本数据作为测试集；

对诚实受试者和说谎受试者的每个训练集执行K折基于受试者的交叉验证，每个训练集中一部分样本作为子训练集，剩余样本作为校验集，在对诚实受试者和说谎受试者的每个训练集执行K折基于受试者的交叉验证的过程中，应用不同参数组合，使用子训练集训练分类器，接着运用验证集进行验证，当验证准确率最高时，获得具有最佳参数组合的分类器；

S4、测谎：采集测试者的探测刺激响应的数据集并计算各导脑电数据的波形因子，构建输入特征向量输入到步骤S3得到的分类器中，分类器自动判断该测试者是诚实者还是说谎者并输出测谎结果。

2.如权利要求1所述的基于多导脑电信号波形因子的测谎方法，其特征在于：所述步骤S3中的机器学习分类器模型采用卷积神经网络。