目前,個體的一些生物認證技術(shù)已經(jīng)廣泛應(yīng)用在智能門禁等物聯(lián)網(wǎng)系統(tǒng)中。然而,隨著它們安全風(fēng)險的不斷提升以及應(yīng)用范圍的局限性,找到一種相對更加普適和值得信賴的認證方法是很有必要的。近期,腦電特征憑借其獨特性、穩(wěn)定性和普遍性獲得廣大科研學(xué)者的青睞,但多電極的有限可用性及大量用戶佩戴不便的因素阻礙了這種新技術(shù)的普及。本文預(yù)先提出了一種新的基于腦電波視聽覺范式的生物認證系統(tǒng),不僅能夠在單一誘發(fā)范式基礎(chǔ)上加大刺激強度,同時對于視覺或者聽覺其中之一存在障礙的人群也能夠很好的實現(xiàn)身份認證。在調(diào)研國內(nèi)外腦電身份認證相關(guān)研究基礎(chǔ)上,實驗設(shè)計了獨特的視聽覺呈現(xiàn)范式,通過“EMOTIV EPOC+”便攜式腦電頭戴設(shè)備記錄7位受試者的腦電數(shù)據(jù)。在預(yù)處理階段,使用了參考電極、迭加平均和獨立成分分析進行去偽跡;在特征提取階段,提出了一種最佳通道和最佳時間間隔的自適應(yīng)選擇方法來避免提取無效的特征信息,同時,為了避免盲目搜索,將Best-First和CfsSubsetEval方法應(yīng)用于最優(yōu)特征子集選擇中,識別出最好的特征子集,接著提出Bagging集成學(xué)習(xí)方法建立最優(yōu)分類模型。在實驗仿真和性能評估方面,提出了三個分類指標... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 EEG身份認證
        1.1.2 10-20國際標準
        1.1.3 腦電節(jié)律
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 本文組織
第二章 相關(guān)背景知識介紹
    2.1 事件相關(guān)電位(ERP)
        2.1.1 ERP發(fā)展簡史
        2.1.2 主要ERP成分
        2.1.3 ERP技術(shù)優(yōu)越性
    2.2 Epoc+相關(guān)技術(shù)介紹
        2.2.1 數(shù)據(jù)傳輸
        2.2.2 眨眼監(jiān)控
        2.2.3 專注度分析
    2.3 EEGLAB插件使用
        2.3.1 數(shù)據(jù)載入
        2.3.2 數(shù)據(jù)處理
    2.4 本章小結(jié)
第三章 基于腦電視聽覺范式的身份認證方案
    3.1 方案設(shè)計
        3.1.1 系統(tǒng)架構(gòu)
        3.1.2 視聽覺范式
    3.2 腦電信號采集
    3.3 預(yù)處理與數(shù)據(jù)分析
        3.3.1 眼電干擾
        3.3.2 工頻干擾
        3.3.3 肌電與心電信號
        3.3.4 認證腦電數(shù)據(jù)的差異性分析
    3.4 特征選擇
        3.4.1 逐點雙列相關(guān)系數(shù)法
        3.4.2 最優(yōu)特征子集選擇
    3.5 機器學(xué)習(xí)
        3.5.1 樸素貝葉斯
        3.5.2 邏輯回歸
        3.5.3 BP神經(jīng)網(wǎng)絡(luò)
        3.5.4 Bagging集成學(xué)習(xí)
        3.5.5 分類器性能評價
    3.6 本章小結(jié)
第四章 實驗仿真與性能評估
    4.1 最優(yōu)分類器選擇
        4.1.1 三種基學(xué)習(xí)器與兩類特征集
        4.1.2 ROC曲線與AUC面積
        4.1.3 集成學(xué)習(xí)分類性能
    4.2 實驗范式的比較
    4.3 實驗方法的比較
    4.4 本章小結(jié)
第五章 原型系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 智能網(wǎng)關(guān)
        5.1.1 E-prime實驗設(shè)計
        5.1.2 Emotiv ControlPanel信號監(jiān)測
        5.1.3 Visual Studio獲取數(shù)據(jù)
        5.1.4 智能分析預(yù)測結(jié)果
    5.2 下位機調(diào)控
        5.2.1 STM32控制器
        5.2.2 PWM脈沖調(diào)制
    5.3 系統(tǒng)登錄測試
    5.4 本章小結(jié)
第六章 總結(jié)與展望
參考文獻
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于腦電和眼電的運動想象多尺度識別方法研究[J]. 孫曜,文成林,韋巍.  電子學(xué)報. 2018(03)
[2]運動想象腦電信號識別研究[J]. 肖丹,胡劍鋒.  計算機工程與應(yīng)用. 2010(33)



本文編號：3690499