运动想象脑电信号识别研究
2010，46（33）1引言
网络信息化时代的最大特征就是身份的数字化和隐形
化，如何准确识别一个人的身份，同时保护信息资料安全是现代社会必须面对和解决的一个问题。传统的身份识别方法如钥匙、证件、银行卡、用户名、密码等由于易丢失、易伪造等原因，越来越不“安全”，因此90年代以后生物特征识别技术如指纹、人脸、虹膜、笔迹、语音、步态等[1-3]相继出现，但这些技术大都存在着数据采集困难或容易伪造等问题，并且单一模式的生物特征识别系统有其固有的局限性，难以满足实际应用的需求。脑电（EEG ）信号是人的大脑活动产生的生物电，具有唯一性，几乎无法伪造，脑电信号提供了一种新的身份识别技术。
目前，基于脑电信号的身份识别技术的研究在国内尚未见发表，在国外也属起步阶段，而将运动想象脑电信号用于身份识别是一种新的尝试。国外的一些研究采用了其他类型的脑电信号，如有利用脑电α波[4-7]信号进行识别的；也有采用人睁、闭眼时的脑电信号[8]，利用AR 模型的参数作为特征进行识别的；还有采用视觉诱发电位[9]进行身份识别的，然而此方法需要61导电极进行数据采集，并且必需进行视觉刺激，因此
该方法不适合具有视觉缺陷的人。除此之外，Palaniappan [10-12]等人也利用视觉诱发电位，并采用了数种信号处理和特征分类方法进行了身份识别的研究。
在本研究中，利用运动想象脑电信号来对受试者进行身份识别，并且只用与运动想象有关的电极信号进行数据分析。根据前期的研究成果[13-15]，采用二阶盲辨识对运动想象脑电信号进行处理，进而利用Fisher 距离对处理后的信号进行特征提取，最后采用BP 神经网络对特征集进行分类识别，从而实现身份的识别。该方法适合身体残疾，视觉缺陷等各类人群，有较好适用性。
2数据背景
所用的数据是奥地利Graz 工业大学医学信息系生物医学
工程研究所公布的一组Graz-BCI 数据。实验数据由Neu-roscan 公司的64导脑电放大器记录，以左侧乳突为参考电极，右侧乳突为接地，采集频率250Hz ，同时采用1～50Hz 滤波[16]。
实验中受试者放松地坐在椅子上，按照随机出现的提示想象左手或右手运动。实验分组进行（至少6组），每组连续
进行40次。每一次典型的数据记录过程如下（如图1所示）。
运动想象脑电信号识别研究
肖丹，胡剑锋
XIAO Dan ，HU Jian-feng
江西蓝天学院信息技术研究所，南昌330098
Institute of Information and Technology ，Jiangxi Blue Sky University ，Nanchang 330098，China E-mail ：blackhuman@https://www.360docs.net/doc/0b14499982.html,
XIAO Dan ，HU Jian-feng.Identification of motor imagery EEG https://www.360docs.net/doc/0b14499982.html,puter Engineering and Applications ，2010，46（33）：169-171.
Abstract ：Subjects are identified by classifying motor imagery EEG signal.Second-Order Blind Identification （SOBI ），a Blind Source Separation （BSS ）algorithm is applied to preprocess EEG data for higher signal-to-noise ratio.Subsequently ，Fisher dis-tance is used to extract features.Finally ，classification of extracted features is performed by back-propagation neural networks.Four types motor imagery EEG of three subjects is classified respectively.The results show that the average classification ac-curacy achieves over 80%，and the highest is 88.1%on tongue movement imagery EEG.
Key words ：person identification ；second-order blind identification ；motor imagery ；Electroencephalo gram （EEG ）摘
要：通过对运动想象脑电信号的分类，对受试者进行身份识别。采用一种盲源分离算法——二阶盲辨识对运动想象脑电信
号进行处理，提高运动想象脑电信号的信噪比，进而采用Fisher 距离对处理后的信号进行特征提取，最后采用BP 神经网络对特征集进行分类，从而实现对受试者的身份识别。对3位受试者的4类运动想象脑电信号分别进行了分类识别，结果显示，4类运动想象脑电信号的识别率均达到80％左右，其中最高的是想象舌动脑电信号，其识别率达到88.1％，这在类似研究中属于较高的水平。关键词：身份识别；二阶盲辨识；运动想象；脑电DOI ：10.3778/j.issn.1002-8331.2010.33.047
文章编号：1002-8331（2010）33-0169-03
文献标识码：Ａ
中图分类号：TP391
基金项目：江西省教育厅青年科学基金项目（No.GJJ09622）。
作者简介：肖丹（1980-），男，助教，主要研究领域为信号处理；
胡剑锋
（
1976-），男，博士，副教授，主要研究领域为生物医学工程。收稿日期：2009-04-02
修回日期：2009-06-09
Computer Engineering and Applications 计算机工程与应用169