[发明专利]基于多导脑电信号峭度的测谎方法

权利要求书

1.一种基于多导脑电信号峭度的测谎方法，其特征在于，包括如下步骤：

1)通过多导联脑电电极分别对诚实和说谎两类受试者的脑电信号进行实时提取，分别得到两类受试者的多导联脑电信号并保存；

2)选取步骤1)得到的受试者的各个导联脑电信号依次进行滤波、分割、基线校正、去伪迹和叠加平均预处理操作，得到两类受试者各个导联说谎刺激对应的脑电信号，形成数据集；

3)分别计算上述预处理后两类受试者的刺激响应的数据集中每一导脑电信号的峭度；峭度的计算公式为：设x_i为采集到的振动信号序列，i＝1，2，...，N，峭度X_RMS为均方根值，N为信号x_i的采样点数，本发明中N＝800；

4)然后对多导脑电信号的峭度进行诚实受试者与说谎受试者的差异统计分析，利用具有显著性差异的电极的峭度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模型进行K折的基于受试者的交叉验证，获得具有最佳参数组合的分类器；

5)通过步骤1)的多导联脑电电极对测试者的脑电信号进行实时提取，得到测试者的多导联脑电信号并保存，并将各个导联脑电信号进行步骤2)的预处理操作后，利用步骤3)的峭度计算公式计算得到测试者的刺激响应的数据集中每一导脑电信号的峭度构建特征向量，并作为输入送入到步骤4)得到的具有最佳参数组合的分类器中，得到测谎结果。

2.根据权利要求1所述的测谎方法，其特征在于：步骤1)中的滤波参数设置分别为0.05-30Hz带通滤波；滤波后将刺激前300ms至刺激后1300ms的脑电数据作为一个epoch进行分割，称此epoch为一个P刺激响应；以刺激前300ms数据作为基线进行基线校正，接着对两组数据中每5个epoch进行一次叠加平均。

3.根据权利要求1所述的测谎方法，其特征在于：通过样本数据对初始机器学习模型进行K折的基于受试者的交叉验证，包括：在交叉验证的每折中，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用于训练集，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用于测试集。

4.根据权利要求3所述的测谎方法，其特征在于：对诚实与说谎两组数据中每个训练集执行M折交叉验证，其中M-1个样本作为子训练集，剩余样本作为校验集，在该过程中，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，可以获得具有最佳参数组合的分类器。

5.根据权利要求1所述的测谎方法，其特征在于：所述机器学习模型采用支持向量机SVM。

6.根据权利要求1所述的测谎方法，其特征在于：通过多导联脑电电极分别对诚实和说谎两类受试者的脑电信号进行实时提取，包括：选取P4、PZ、P3、O2、OZ、O1这六导电极分别位于顶叶和枕叶，用于分别采集顶叶和枕叶位置的脑电信号。

7.根据权利要求1所述的测谎方法，其特征在于：对多导脑电信号的峭度进行诚实受试者与说谎受试者的差异统计分析，包括：求诚实受试者的各导脑电信号的峭度平均值以及说谎受试者的各导脑电信号的峭度平均值，对诚实受试者的各导脑电信号的峭度平均值和说谎受试者的各导脑电信号的峭度平均值进行t-test统计检验，使用Bonferroni多重校正，得到具有显著性差异的电极。