基于双脑脑机接口系统的在线身份认证方法.pdf

《基于双脑脑机接口系统的在线身份认证方法.pdf》由会员分享，可在线阅读，更多相关《基于双脑脑机接口系统的在线身份认证方法.pdf（10页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010172856.2 (22)申请日 2020.03.13 (71)申请人 南京邮电大学 地址 210023 江苏省南京市栖霞区文苑路9 号 (72)发明人 杜安明李家东程奎媛黄海平 李欣祥胡振超刘永双杨健 (74)专利代理机构 南京正联知识产权代理有限 公司 32243 代理人 张玉红 (51)Int.Cl. G06F 21/32(2013.01) G06F 3/01(2006.01) (54)发明名称 基于双脑脑机接口系统的在线身份认证方 法 (57)摘要 基于双脑脑。

2、机接口系统的在线身份认证方 法， 两名离线数据采集用户分别头戴便携式脑电 设备静坐在电脑面前， 根据运动想象提示信息进 行想象， 采集到初始脑电数据集A； 算法部分采用 带通滤波器和改进的独立分量分析方法对所述 脑电信号数据进行预处理， 以便提取到较为纯净 的脑电数据集； 使用公共空间模式对上述脑 电数据集进行特征提取， 获取特征提取后的 脑电数据集D； 将特征提取后的脑电数据集D采用 支持向量机的方法进行分类， 识别出用户的想象 动作； 最后进入在线测试阶段， 每次根据两名被 试用户的运动想象识别结果控制初始鼠标点上 下左右移动， 当初始鼠标点与目标鼠标点位置重 合时两人身份即得到验证。 权。

3、利要求书2页 说明书6页 附图1页 CN 111046369 A 2020.04.21 CN 111046369 A 1.基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 所述在线身份认证方法 包括如下步骤： 步骤1， 脑电数据集的离线建模； 步骤1-1， 两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前， 保持注意 力集中， 根据运动想象提示信息进行想象， 采集到初始脑电数据集A； 步骤1-2， 采用带通滤波器和改进的独立分量分析方法对所述脑电信号数据进行预处 理后提取到较为纯净的脑电数据集； 步骤1-3， 使用公共空间模式CSP对上述脑电数据集进行特征提取， 获取特征提取后的。

4、 脑电数据集D； 步骤1-4， 将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类， 识别出用 户的想象动作， 如想象物件A或想象物件B， 为后续在线身份认证做准备； 步骤2， 被试用户的在线测试步骤； 每次根据两名被试用户的运动想象识别结果控制初 始鼠标点上下左右移动， 当初始鼠标点与目标鼠标点位置重合时身份即得到验证。 2.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤1-1中两名离线数据建模被试用户同时根据提示信息采集脑电数据用于后续的分析处 理。 3.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤1-2中。

5、， 所述脑电信号数据包括 14Hz 的delta 频段、 48Hz的theta 频段、 812Hz的 alpha 频段、 1826Hz的beta 频段和 3644Hz的gamma 频段5个频段数据， 对应使用的带 通滤波器的频率为1Hz44Hz。 4.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤1-2中使用改进的独立分量分析对所述脑电数据集进行预处理， 具体过程为： 设为一组观测信号，为一组相互独立的信源，A中的 各分量由S中各独立信源线性组合而成， 即, 用矩阵表示为； 观测信号数目不能小于独立信源数， 即， 该处取， 式中G为维常系数矩 阵， 矩阵系数。

6、是未知的； 为从观测信号A中分离出信源S的各分量， 寻找一分解矩阵W对观测信号A进行分离， 即 ； 令,则， 然后对观测信号A进行白化处理； 设T为一线性变换，； 如果的协方差矩阵为单位矩阵， 即， 则T为白化矩阵， 白化矩阵T的求解通过对A协方差矩阵的对角化实现； 因是实对称矩阵， 由矩阵分析理论可知， 必存在一正交矩阵E， 使 的协方差矩阵C对 角化， 即； 其中E的行向量是的特征矩阵， 是由的特征值组成 权利要求书 1/2 页 2 CN 111046369 A 2 的对角矩阵， 即； 白化矩阵T则可以表示为； 经白化处理后， 观测信号A变为具有单位方差的信号向量， 且 中各信号分量相互正。

7、 交， 令为矩阵W的某一列向量， 其对应于S中的一分量为， 利用改进的自适应梯度下降法 实现从观测信号中分离出某一独立分量， 每提取出一个独立分量， 要从观测信号中减 去这一独立分量， 如此重复， 直至所有的独立分量完全分离， 得到预处理后的脑电数据集。 5.根据权利要求4所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 所 述改进的自适应梯度下降法实现从观测信号中分离出某一独立分量， 具体步骤如下： 步骤1-2-1， 利用某一随机向量初始化， 设置收敛误差标准为； 步骤1-2-2， 用改进的自适应梯度下降法调整， 即 ， 式中选取； 步骤1-2-3， 归一化为： ， 与前一个分量。

8、相关联， 并考虑最优的情况； 步骤1-2-4， 如果或则结束， 否则回到步骤 1-2-2， 重复步骤1-2-2、 1-2-3、 1-2-4步骤。 6.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤1脑电数据集的离线建模过程， 所述过程在于离线运动想象数据采集时， 设置协同模块按 照预设的实验周期控制两个显示器同步显示相同的提示信息， 始终确保两名用户同步看到 显示模块提供的提示信息， 信号处理模块同步处理脑电数据。 7.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤2被试用户的在线测试阶段， 设置协同模块按照预设的实验周期。

9、， 控制显示模块显示鼠标 与目标的位置、 信号处理模块实时处理脑电信息、 接收脑电信号的分类结果并将分类结果 用于控制鼠标移动。 8.根据权利要求1所述的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤2被试用户的在线测试阶段， 根据识别出来的物件A状态量0和物件B状态量1， 采用二进制 编码的形式制定成00、 01、 10、 11四种形式的编码格式， 依次分别对应鼠标移动的上 （00） 、 下 （01） 、 左 （10） 、 右 （11） 四种移动方向， 并根据目标位置想象鼠标的运动方向从而控制鼠标移 动， 直到目标位置与鼠标位置重合， 身份即得到认证。 9.根据权利要求1所述。

10、的基于双脑脑机接口系统的在线身份认证方法， 其特征在于： 步 骤2被试用户的在线测试阶段， 初始化i=0； 若两名被试用户第一次身份认证没有成功， 则将 i加1， 并判断当前i的值， 若i=3， 则进入下一次身份认证； 否则退出。 权利要求书 2/2 页 3 CN 111046369 A 3 基于双脑脑机接口系统的在线身份认证方法 技术领域 0001 本发明属于机器学习和信息安全交叉领域， 具体涉及一种基于双脑脑机接口系统 的在线身份认证方法， 旨在保障用户身份认证的安全性。 背景技术 0002 脑机接口 （brain-computer interface, BCI） 是在大脑与外部设备之间建。

11、立的直 接的交流通道。 以往的研究证明， 基于脑电图(electroencephalorgraph, EEG)的脑机接口 是严重运动失能患者与外界通信的有效手段， 近年来， BCI技术在走出实验室应用于日常生 活中取得巨大进展。 为提高脑机接口系统 （BCIs） 性能， 研究人员通常通过设计、 改善算法或 融合多种EEG来提高正确率和信息传输速率。 目前大部分脑机接口是单被试使用的脑机接 口， 即一名被试控制一套脑机接口设备。 然而随着时代的发展， 得益于计算能力的提高， 在 线处理多名被试EEG逐渐成为一种可能。 0003 多人协作脑机接口， 即在同一脑机接口系统内同时采集处理多名被试的EE。

12、G与外 界设备建立交流控制通道。 相对于单被试脑机接口系统， 多人协作脑机接口系统性能易受 多种因素影响， 例如设备成本、 实验协作范式、 系统结构、 信号处理融合算法等方面。 当前对 多人协作脑机接口系统的研究还比较少， 开展这方面的研究有助于促进脑机接口技术的发 展。 发明内容 0004 本发明的主要目的在于提供了一种基于双脑脑机接口系统的在线身份认证方法， 该方法通过便携式脑电设备采集用户的脑电信号数据， 经过处理分析之后， 将得到的脑电 数据用于在线的身份认证， 相对于单被试的情况， 双脑的认证技术提高了身份认证的安全 性。 0005 基于双脑脑机接口系统的在线身份认证方法， 其特征在。

13、于： 在线身份认证方法包 括如下步骤： 步骤1， 脑电数据集的离线建模； 步骤1-1， 两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前， 保持注意 力集中， 根据运动想象提示信息进行想象， 采集到初始脑电数据集A； 步骤1-2， 采用带通滤波器和改进的独立分量分析方法对脑电信号数据进行预处理后 提取到较为纯净的脑电数据集； 步骤1-3， 使用公共空间模式CSP对上述脑电数据集进行特征提取， 获取特征提取后 的脑电数据集D； 步骤1-4， 将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类， 识别出用 户的想象动作， 如想象物件A或想象物件B， 为后续在线身份认证做准备； 步。

14、骤2， 被试用户的在线测试步骤； 每次根据两名被试用户的运动想象识别结果控制初 始鼠标点上下左右移动， 当初始鼠标点与目标鼠标点位置重合时身份即得到验证。 说明书 1/6 页 4 CN 111046369 A 4 0006 进一步地， 步骤1-1中两名离线数据建模被试用户同时根据提示信息采集脑电数 据用于后续的分析处理。 0007 进一步地， 步骤1-2中， 脑电信号数据包括delta频段 （14Hz） 、 theta频段 （4 8Hz） 、 alpha频段 （812Hz） 、 beta 频段 （1826Hz） 和gamma频段 （3644Hz） 等5个频段数 据， 对应使用的带通滤波器的频率。

15、为1Hz44Hz。 0008 进一步地， 步骤1-2中使用改进的独立分量分析对脑电数据集进行预处理， 具体过 程为： 设为一组观测信号，为一组相互独立的信源，A中的 各分量由S中各独立信源线性组合而成， 即, 用矩阵表示为； 由于观测信号数目不能小于独立信源数， 即， 为方便说明， 取， 式中G为 维常系数矩阵， 矩阵系数是未知的； 为从观测信号A中分离出信源S的各分量， 寻找一分解矩阵W对观测信号A进行分离， 即 ； 令,则， 接着， 对观测信号A进行白化处理； 设T为一线性变换，； 如果的协方差矩阵为单位矩阵， 即， 则T为白化矩阵， 白化矩阵T的求解通过对A协方差矩阵的对角化实现； 因是。

16、实对称矩阵， 由矩阵分析理论可知， 必存在一正交矩阵E， 使的协方差矩阵C 对角化， 即； 其中E的行向量是的特征矩阵， 是由的特征值组 成的对角矩阵， 即； 白化矩阵T则可以表示为； 经白化处理后， 观测信号A变为具有单位方差的信号向量， 且 中各信号分量相互正 交， 令为矩阵W的某一列向量， 其对应于S中的一分量为， 利用改进的自适应梯度下降 法实现从观测信号 中分离出某一独立分量， 每提取出一个独立分量， 要从观测信号中 减去这一独立分量， 如此重复， 直至所有的独立分量完全分离， 得到预处理后的脑电数据集 。 0009进一步地， 改进的自适应梯度下降法实现从观测信号中分离出某一独立分量。

17、， 具体步骤如下： 步骤1-2-1， 利用某一随机向量初始化， 设置收敛误差标准为； 步骤1-2-2， 用改进的自适应梯度下降法调整， 即 ， 式中选取 ； 说明书 2/6 页 5 CN 111046369 A 5 步骤1-2-3， 归一化为：， 与前一个分量相关联， 并考虑最优的情况； 步骤1-2-4， 如果或则结束， 否则回到步骤 1-2-2， 重复步骤1-2-2、 1-2-3、 1-2-4步骤。 0010 进一步地， 步骤1脑电数据集的离线建模过程， 过程在于离线运动想象数据采集 时， 协同模块按照预设的实验周期控制两个显示器同步显示相同的提示信息， 始终确保两 名用户同步看到显示模块提。

18、供的提示信息， 信号处理模块同步处理脑电数据。 0011 进一步地， 步骤2被试用户的在线测试阶段， 协同模块按照预设的实验周期， 控制 显示模块显示鼠标与目标的位置、 信号处理模块实时处理脑电信息、 接收脑电信号的分类 结果并将分类结果用于控制鼠标移动。 0012 进一步地， 步骤2被试用户的在线测试阶段， 根据识别出来的物件A状态量0和物件 B状态量1， 采用二进制编码的形式制定成00、 01、 10、 11四种形式的编码格式， 依次分别对应 鼠标移动的上 （00） 、 下 （01） 、 左 （10） 、 右 （11） 四种移动方向， 并根据目标位置想象鼠标的运 动方向从而控制鼠标移动， 。

19、直到目标位置与鼠标位置重合， 身份即得到认证。 0013 进一步地， 步骤2被试用户的在线测试阶段， 初始化i=0。 若两名被试用户第一次身 份认证没有成功， 则将i加1， 并判断当前i的值， 若i=3， 则进入下一次身份认证； 否则退出。 0014 与现有技术相比， 本发明的有益效果为： （1） 本发明基于脑电信号的身份认证， 比起普通的指纹、 虹膜、 面部特征的身份认证， 具 有更高的安全性。 0015 （2） 本发明相较于单被试用户的脑机接口的身份认证， 采用双脑脑机接口的新模 式， 不仅新颖， 而且提高了安全性。 0016 （3） 本发明采用分布式系统结构， 方便部署并且利于降低负荷，。

20、 在现有技术条件下 易于实验。 附图说明 0017 图1为本发明实施例中的基于双脑脑机接口的在线身份认证方法的流程图。 具体实施方式 0018 下面结合说明书附图对本发明的技术方案做进一步的详细说明。 0019 基于双脑脑机接口系统的在线身份认证方法， 参阅图1， 包括如下步骤： 步骤1， 脑电数据集的离线建模。 0020 步骤1-1， 两名离线数据采集用户分别头戴便携式脑电设备静坐在电脑面前， 保持 注意力集中， 根据运动想象提示信息进行想象， 采集到初始脑电数据集A。 两名离线数据建 模被试用户同时根据提示信息采集脑电数据用于后续的分析处理。 0021 步骤1-2， 采用带通滤波器和改进的。

21、独立分量分析方法对脑电信号数据进行预处 理后提取到较为纯净的脑电数据集。 0022 脑电信号数据包括delta频段 （14Hz） 、 theta频段 （48Hz） 、 alpha频段 （8 12Hz） 、 beta 频段 （1826Hz） 和gamma频段 （3644Hz） 等5个频段数据， 对应使用的带通滤 说明书 3/6 页 6 CN 111046369 A 6 波器的频率为1Hz44Hz。 0023 使用改进的独立分量分析对脑电数据集进行预处理， 具体过程为： 设为一组观测信号，为一组相互独立的信源，A中 的各分量由S中各独立信源线性组合而成， 即, 用矩阵表示为。 0024由于观测信号。

22、数目不能小于独立信源数， 即， 为方便说明， 取， 式中G为 维常系数矩阵， 矩阵系数是未知的。 0025 为从观测信号A中分离出信源S的各分量， 寻找一分解矩阵W对观测信号A进行分 离， 即。 0026令,则， 接着， 对观测信号A进行白化处理。 0027设T为 一 线 性 变 换 ，； 如 果的 协 方 差 矩 阵为 单 位 矩 阵 ， 即 ， 则T为白化矩阵， 白化矩阵T的求解通过对A协方差矩阵 的对角化实现。 0028因是实对称矩阵， 由矩阵分析理论可知， 必存在一正交矩阵E， 使的协方差矩 阵C对角化， 即； 其中E的行向量是的特征矩阵， 是由的特征值 组成的对角矩阵， 即； 白化矩。

23、阵T则可以表示为。 0029经白化处理后， 观测信号A变为具有单位方差的信号向量， 且中各信号分量相 互正交， 令为矩阵W的某一列向量， 其对应于S中的一分量为， 利用改进的自适应梯度 下降法实现从观测信号中分离出某一独立分量， 改进的自适应梯度下降法实现从观测 信号 中分离出某一独立分量， 具体步骤如下： 步骤1-2-1， 利用某一随机向量初始化， 设置收敛误差标准为。 0030步骤1-2-2， 用改进的自适应梯度下降法调整， 即 ， 式中选取 。 0031步骤1-2-3， 归一化为：， 与前一个分量相关联， 并考虑最优的情况。 0032步骤1-2-4， 如果或则结束， 否则回到步 骤1-2。

24、-2， 重复步骤1-2-2、 1-2-3、 1-2-4步骤。 0033 每提取出一个独立分量， 要从观测信号中减去这一独立分量， 如此重复， 直至所有 的独立分量完全分离， 得到预处理后的脑电数据集。 0034步骤1-3， 使用公共空间模式CSP对上述脑电数据集进行特征提取， 获取特征提 说明书 4/6 页 7 CN 111046369 A 7 取后的脑电数据集D。 0035 步骤1-3中， 获取特征提取后的脑电数据集D的具体过程为： 记每个运动想象任务样本的EEG分别为维的矩阵， 其中N为通道数，T 表示每个通道的采样点数， 则每一类想象任务信号的归一化协方差矩阵为： 式中，是的转置，为矩阵。

25、的迹； 对这些协方差矩阵求和可以得到合成空间协 方差矩阵，R可分解为： 式中，和分别为特征矢量矩阵和特征值对角阵。 对和进行白化变换使方差 均匀化， 得到白化矩阵。 0036计算各个想象任务模式的空间滤波器， 对于模式1为一类， 其余个模式为另一 类的情况， 记， 令， 其中是白化矩阵。 可以 证明， 如果可以被分解为， 则可以被分解为， 且有， 综 合以上各式， 可得： 从上式可以看出， 变换后原协方差矩阵的特征值满足和等于1， 即在第1类信号的方差 值最大的情况下其余所有模式信号方差值最小。 因此， 可以选择中前m个最大的特征值 所对应的特征向量来设计第1类模式的空间滤波器， 此类模式下的。

26、投影方向可以表示 为： 同样可以得到其余各类想象任务模式下的投影方向。 将样 本X向第j类模式下的投影方向投影， 可以得到滤波信号。X在各个投影方 向得到的滤波信号可以组合构成新的信号， 其中， 即新信 号具有M个分量。 最后， 分别对Z中每个分量的方差进行规范化和取对数计算 其中，表示Z中第p行分量的方差， 得到向量作为样本的特征。 0037 步骤1-4， 将特征提取后的脑电数据集D采用支持向量机SVM的方法进行分类， 识别 出用户的想象动作， 如想象物件A或想象物件B， 为后续在线身份认证做准备。 具体过程为： 支持向量机通过使用非线性映射(核函数)将低维输入空间线性不可分的样本转化为 说。

27、明书 5/6 页 8 CN 111046369 A 8 高维特征空间使其线性可分， 并基于结构风险最小化理论在特征空间中建构最优分割超平 面。 0038对线性可分训练样本：， 其中，表示特征向量； 是类别标号。 寻找最优分类面使2类样本正确分开间隔最大， 需满足约束条件： ， 其中， 为分类面的投影向量；b为分类阈值。 此时， 分类函数 为：。 对于非线性问题， 只需在最优分类超平面中采用适当的核函数， 就 可以实现某一非线性变换后的线性分类,将问题从原空间变换到一个高维的特征空间， 此 时相应的判别函数式为， 其中，M为支持向量的个数， 为拉格朗日乘子，为核函数。 0039 步骤2， 被试用。

28、户的在线测试步骤； 每次根据两名被试用户的运动想象识别结果控 制初始鼠标点上下左右移动， 当初始鼠标点与目标鼠标点位置重合时身份即得到验证。 0040 步骤1脑电数据集的离线建模过程， 过程在于离线运动想象数据采集时， 协同模块 按照预设的实验周期控制两个显示器同步显示相同的提示信息， 始终确保两名用户同步看 到显示模块提供的提示信息， 信号处理模块同步处理脑电数据。 0041 步骤2被试用户的在线测试阶段， 协同模块按照预设的实验周期， 控制显示模块显 示鼠标与目标的位置、 信号处理模块实时处理脑电信息、 接收脑电信号的分类结果并将分 类结果用于控制鼠标移动。 0042 步骤2被试用户的在线。

29、测试阶段， 根据识别出来的物件A状态量0和物件B状态量1， 采用二进制编码的形式制定成00、 01、 10、 11四种形式的编码格式， 依次分别对应鼠标移动 的上 （00） 、 下 （01） 、 左 （10） 、 右 （11） 四种移动方向， 并根据目标位置想象鼠标的运动方向从 而控制鼠标移动， 直到目标位置与鼠标位置重合， 身份即得到认证。 0043 步骤2被试用户的在线测试阶段， 初始化i=0。 若两名被试用户第一次身份认证没 有成功， 则将i加1， 并判断当前i的值， 若i=3， 则进入下一次身份认证； 否则退出。 0044 以上所述仅为本发明的较佳实施方式， 本发明的保护范围并不以上述实施方式为 限， 但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化， 皆应纳入权 利要求书中记载的保护范围内。 说明书 6/6 页 9 CN 111046369 A 9 图1 说明书附图 1/1 页 10 CN 111046369 A 10 。