[发明专利]基于情感脑电特征融合优化机制的身份识别系统及方法

说明书

本发明公开了数字信号处理和脑电信号技术领域的基于情感脑电特征融合优化机制的身份识别系统及方法，包括：获取多个通道的情感脑电信号；对情感脑电信号进行预处理；对预处理后的情感脑电信号进行特征值提取；利用粒子群优化算法对特征值特征模式进行分析，得到对于不同用户激活程度最大的情感脑电模块特征；搭建基于注意力机制的RNN模型，利用粒子群优化算法的适应度函数进行迭代，以及，搭建孪生神经网络算法模型，利用损失函数筛选脑电频段特征。本发明区别于以往脑电数据特征是通过少数电极通道采集的单个波段脑电信号的频域特征，数据特征单一且识别准确率欠佳等问题，对模型的泛化能力进行提升，有明显的应用价值。

技术领域

本发明涉及基于情感脑电特征融合优化机制的身份识别系统及方法，属于数字信号处理和脑电信号技术领域。

背景技术

随着社会高度信息化和经济全球化进程的加快，互联网、云服务以及数字化渗透到我们生活的各个方面，为社会经济发展带来机遇的同时也造成了许多的安全隐患。目前，生物特征识别技术主要有人脸识别、虹膜识别、DNA识别、指纹识别等，这些生物识别技术都存在易被篡改、被复制、被胁迫等使用缺点，已经无法满足我们在安全保护方面的需求。脑电信号是一种个体独有的生物特征，具有抗伪造、不易损坏、无法模仿等优点，可将识别风险降至最低，愈发受到广大研究者的关注。

于是，通过个体脑电信号进行身份识别和认证的方式成为目前一个重要的研究方向。脑电信号进行身份识别和认证研究有多种方式，根据脑电信号的种类可以分为：静息态、视觉诱发、运动想象和事件相关电位四种类型，但将这四类脑电信号采集并进行个体身份识别与认证的过程中大都是针对特定背景、特定被试者在特定时间的身份识别，大多研究都需要通过诱发个人大脑反应模式的刺激任务，从而无法满足复杂多变的实际应用场景，模型的鲁棒性受到严重的挑战；同时，传统的脑电信号身份识别的数据特征是通过少数电极通道采集的单个波段脑电信号的频域特征，数据特征单一且识别准确率欠佳，针对上述问题，本发明进行了探索与改进，提出了一种基于情感脑电模块优化机制的身份识别方法，可以帮助我们更好地理解个体识别在不同情感状态下的特征，对模型的泛化能力进行提升，使该模型的识别技术为今后的研究能够提供帮助。

发明内容

本发明的目的在于克服现有技术中的不足，提供基于情感脑电特征融合优化机制的身份识别系统及方法，区别于以往脑电数据特征是通过少数电极通道采集的单个波段脑电信号的频域特征，数据特征单一且识别准确率欠佳等问题，对模型的泛化能力进行提升，有明显的应用价值。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了基于情感脑电特征融合优化机制的身份识别方法，包括：

获取多个通道的情感脑电信号；

对情感脑电信号进行预处理；

对预处理后的情感脑电信号进行特征值提取；

利用粒子群优化算法对特征值特征模式进行分析，得到对于不同用户激活程度最大的情感脑电模块特征；

搭建基于注意力机制的RNN模型，利用粒子群优化算法的适应度函数进行迭代，以及，搭建孪生神经网络算法模型，利用损失函数筛选脑电频段特征；

将得到的脑电频段特征和所述情感脑电模块特征进行融合分段后，划分训练集和测试集；

将训练集分别输入到基于注意力机制的RNN模型以及孪生神经网络算法模型中进行训练；

将测试集输入训练后的基于注意力机制的RNN模型以及孪生神经网络算法模型中进行预测，得到预测结果；

基于预测结果判别出不同用户的身份。

进一步的，所述预处理包括滤波、降采样、去除工频干扰、提出伪影和重参考。