评估特征和分类器性能在人身份验证使用静态EEG静态EEG
Renyu Yang1,2, Ling Zhang3, Yuanmei Peng4
1School of Big Data and Artificial Intelligence, Guangdong University of Finance & Economics, Guangzhou, China.
Frontiers in neuroscience
|November 20, 2025
概括
静态电脑脑图 (EEG) 生物识别通过最佳的电极和特征选择实现了高精度. 一个9个电极系统保持性能,使得高效的便携式生物识别设备.
科学领域:
- 生物识别和人机交互的人机交互
- 神经科学和信号处理
- 网络安全和身份验证
背景情况:
- 静止电脑电图 (EEG) 为生物识别系统提供了固有的活力检测和防伪能力.
- 传统的生物识别系统面临着脆弱性;EEG是一个有希望的替代方案.
- 脑电图生物识别方面的挑战包括优化电极配置,特征提取和分类器概括,以获得准确性,稳定性和硬件效率.
研究的目的:
- 系统地评估使用EEG的人身份认证的度和分类器.
- 量化电极选择和特征分类器对配对对生物识别性能的影响.
- 评估便携式EEG生物识别设备的可行性,降低了硬件要求.
主要方法:
- 评估了13个度 (例如,光谱 (SpEn),样本 (SaEn)) 和6个分类器 (例如,二次差异分析 (QDA)) 的评价.
- 使用了26名健康参与者的32通道EEG记录.
- 雇员严格的休假一次性交叉验证 (LOOCV) 来评估绩效.
主要成果:
- 二次差异分析 (QDA) 通过30个电极实现了96.8%的峰值精度.
- 9个电极配置保持了96.1%的准确性,在减少硬件的情况下表现出强大的性能.
- 光谱 (SpEn) 显示出比样本 (SaEn) 优越的生物识别区分能力13.8个百分点.
结论:
- 这些发现支持便携式EEG生物识别设备的开发.
- 值特征证明了用于增强生物识别系统设计的可扩展性.
- 优化电极选择和特征分类器组合对于强大的EEG生物识别至关重要.
