[发明专利]一种基于静息态脑电微状态的测谎方法以及装置

权利要求书

1.一种基于静息态脑电微状态的测谎方法，其特征在于，所述方法包括：

基于脑电采集设备，采集被测谎者在预设状态下的脑电数据；

根据所述脑电数据计算所述被测谎者的微状态特征；

对所述微状态特征进行主成分分析，生成所述微状态特征的特征值；

以所述微状态特征的特征值为输入，基于预设SVM分类模型生成测谎结果。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

基于脑电采集设备，采集被测谎者在完成预设任务后，进入第一预设时长的静息态时的脑电数据。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

所述预设任务为进行第二预设时长的为所述被测谎者展示包含预设刺激材料的图片，并使所述被测谎者在观察所述图片后在预设操作组中选择并执行一个操作。

4.如权利要求1所述的方法，其特征在于，所述方法还包括对所述脑电数据进行预处理：

将所述脑电数据基于全脑平均参考值进行重参考处理；

将所述进行重参考处理后的脑电数据基于第一预设频段进行滤波处理；

将所述进行滤波处理后的脑电数据基于第三预设时长进行分段处理；

检查并基于插值替换所述进行分段处理后的脑电数据中的坏电极脑电数据；

检查并剔除替换坏电极脑电数据后的脑电数据中的伪迹片段及数据异常分布片段；

基于独立成分分析法，识别并剔除所述剔除伪迹片段及数据异常分布片段后的脑电数据中的非脑电成分，完成对所述脑电数据的预处理。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

基于脑电数据微状态的预设分类，根据所述脑电数据计算所述被测谎者脑电数据微状态各预设分类的平均出现时间、每秒出现频率、分类间转换概率、全局解释方差的微状态特征。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

提取预设比例方差的所述微状态特征完成对所述微状态特征进行主成分分析，生成所述微状态特征的特征值。

7.如权利要求5所述的方法，其特征在于，所述方法中还包括生成并训练所述预设SVM分类模型：

招募均包含预设数量组员的欺骗组和无辜组的组员，并对所述欺骗组的组员进行刺激材料展示预处理；

分别采集所述欺骗组和无辜组的组员在所述在完成预设任务后预设状态下的脑电数据；

根据所述脑电数据分别计算所述欺骗组和无辜组的组员的微状态特征；

对所述微状态特征进行主成分分析，生成所述微状态特征的特征值；

建立SVM分类模型，并基于所述微状态特征的特征值及预设任务数据对所述SVM分类模型训练，生成预设SVM分类模型。

8.如权利要求7所述的方法，其特征在于，所述方法还包括脑电数据微状态的预设分类：

基于所述欺骗组和无辜组的组员在所述在完成预设任务后预设状态下的脑电数据生成单人脑电数据微状态；

基于所述单人脑电数据微状态分别生成欺骗组和无辜组的组水平脑电数据微状态，并基于所述单人脑电数据微状态及所述组水平脑电数据微状态分别生成各组员的微状态序列；

对所述各组员的微状态序列进行聚类分析，生成脑电数据微状态的预设分类。

9.一种基于静息态脑电微状态的测谎装置，其特征在于，所述装置包括：

脑电数据采集模块，用于基于脑电采集设备，采集被测谎者在预设状态下的脑电数据；

微状态特征计算模块，用于根据所述脑电数据计算所述被测谎者的微状态特征；

特征值生成模块，用于对所述微状态特征进行主成分分析，生成所述微状态特征的特征值；

测谎结果生成模块，用于以所述微状态特征的特征值为输入，基于预设SVM分类模型生成测谎结果。