谎言波:基于EEG信号和小波的谎言检测数据集
Musa Aslan1, Muhammet Baykara2, Talha Burak Alakus3
1Department of Software Engineering, Karadeniz Technical University, Trabzon, Turkey.
Medical & biological engineering & computing
|February 4, 2024
概括
本研究介绍了用于电脑电图 (EEG) 谎言检测的LieWaves数据集. 结合长期短期记忆 (LSTM) 和离散波波变换 (DWT),在使用EEG信号检测欺骗时获得了99.88%的准确性.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 法医科学 法医科学 法医科学
背景情况:
- 谎言检测在法律,安全和专业环境中至关重要.
- 现有的谎言检测方法往往缺乏客观的生理测量.
- 电脑电图 (EEG) 为客观欺骗检测提供了一个有希望的途径.
研究的目的:
- 创建一个新的EEG数据集用于谎言检测研究,名为LieWaves.
- 用先进的信号处理和深度学习来分析EEG信号以检测欺骗.
- 用EEG数据为未来的谎言检测研究建立一个基准.
主要方法:
- 在诚实和欺骗性试验中使用Emotiv Insight获得了27名参与者的5通道EEG数据.
- 应用自动和可调节的人工物移除 (ATAR) 用于预处理和重叠的滑窗 (OSW) 用于数据增强.
- 利用离散波形变换 (DWT),快速里埃变换 (FFT) 和统计方法的组合来进行特征提取.
- 使用卷积神经网络 (CNN),长短期记忆 (LSTM) 和混合CNN-LSTM模型进行分类的特征.
主要成果:
- 新的 LieWaves 数据集已成功创建和预处理.
- 功能提取结合DWT,FFT和统计方法.
- 长短期记忆 (LSTM) 模型与离散波形变换 (DWT) 结合,在谎言检测中实现了99.88%的峰值精度.
- 该研究证明了开发的数据集和方法的有效性.
结论:
- 虚假波数据集为推进基于EEG的谎言检测研究提供了宝贵的资源.
- 深度学习模型,特别是LSTM与DWT相结合,在识别EEG信号中的欺骗方面表现出高效.
- 这项研究通过提供全面的数据集和验证的谎言检测分析技术来解决文献中的差距.
