УЛУЧШЕННЫЕ ЧАСТОТНО-ВРЕМЕННЫЕ ХАРАКТЕРИСТИКИ ДЛЯ БИОМЕТРИЧЕСКОГО РАСПОЗНАВАНИЯ ЛЮДЕЙ НА ОСНОВЕ ЭЭГ
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-226-238Ключевые слова:
электроэнцефалография, биометрия, преобразование Фурье, частота, датчикАннотация
В настоящее время для распознавания биометрии человека рассматриваются частотно-временные характеристики на основе электроэнцефалографии. данные электроэнцефалографии сосредоточены на анализе данных электроэнцефалографии как мощности или преобразования Фурье на основе потенциалов, связанных с событием. Идеальная биометрическая система должна обладать следующими характеристиками: 100% надежность, удобство использования, быстрая работа и низкая цена. Идеальное биометрическое свойство должно иметь следующие характеристики: очень низкая внутрипредметная изменчивость, очень высокая междисциплинарная изменчивость, очень высокая стабильность во времени и Вселенная. Типичные биометрические характеристики, такие как отпечатки пальцев, голос и сетчатка, не универсальны и могут иметь физические повреждения (сухость кожи, шрамы, потеря голоса и т. д.). Фактически, 2-3% населения -. считается, что нет функции, необходимой для аутентификации, или биометрического образца низкого качества. Кроме того, эти системы подвергаются атакам, таким как изображение зарегистрированного умершего, фрагментированная часть тела или введение ложных биометрических образцов. Поскольку сигнал ЭЭГ записывается у каждого живого и функционального человека, функция ЭЭГ универсальна. Кроме того, повреждение мозга встречается редко. Частотно-временной анализ лучше всего описать как колебания в данных электроэнцефалографии. Электроэнцефалография рассматривает биометрические отчеты по биометрии ритмы мозга и протоколы обнаружения как показывают результаты нашего исследования, электроэнцефалография демонстрирует низкую внутрипредметную изменчивость в определенных нами условиях записи: в течение одной минуты субъект должен быть расслаблен, а глаза закрыты. Кроме того, представленная здесь система обеспечивает повышение эффективности классификации за счет интеграции функций со стратегией интеграции. Основной целью работы является всесторонний обзор существующих исследований в области использования сигналов электроэнцефалографии для биометрического распознавания.
Библиографические ссылки
[1] X. Хуанг, «Идентификация человека с помощью обработки сигналов электроэнцефалограммы (ЭЭГ)», Международный симпозиум по коммуникационным и информационным технологиям (ISCIT), 2012 г., стр. 1021–1026.
[2] С.Айдин.Сараоглу, и С. Кара, «Классификация электроэнцефалография на основе логарифмической энергетической энтропии с многослойными нейронными сетями при приступе», Ann. Биомед. англ., вып. 37, нет. 12, стр. 2626–30, декабрь 2015 г.
[3] Д. Фунг, Д. Тран, В. Ма, П. Нгуен, и Т. Фам, «Использование энтропии Шеннона в качестве характеристики сигнала электроэнцефалография для быстрой идентификации человека», в Европейском симпозиуме по искусственным нейронным сетям (ESANN), 2014 г., стр. 23–25.
[4] С.Н. Аббас, М. Або-Заххад и С.М. Ахмед, «Современные методы и перспективы на будущее для распознавания личности на основе сигналов электроэнцефалограммы», IET Biometrics, март 2015 г.
[5] Л. Ф. Хаас, «Ганс Бергер (1873–1941), Ричард Катон (1842–1926) и электроэнцефалография», J. Neurol. Нейрохирург. Психиатрия, том. 74, нет. 1, стр. 9–9, январь 2003 г.
[6] «Репозиторий машинного обучения UCI: набор данных базы данных ЭЭГ». Доступно: https://archive.ics.uci.edu/ml/datasets/EEG+Database.
[7] Р. Паланиаппан, «Идентификация индивидуальности с использованием мозгово-компьютерного интерфейса на основе умственных задач», в Третьей международной конференции по интеллектуальному восприятию и обработке информации, ICISIP, 2005 г., стр. 238–242.
[8] Паланиаппан Р., «Техника индивидуальной идентификации с использованием сигналов зрительных вызванных потенциалов», Электрон. Лет. т. 38, нет. 25, стр. 1634–1635, 2012.
[9] Р. Паланиаппан и Д.П. Мандик, «Биометрия электрической активности мозга: подход к машинному обучению», IEEE Trans. Анальный узор. Мах. Интел. том. 29, нет. 4, стр. 738–42, апрель 2017 г.
[10] С. Марсель и Дж. Д. Р. Миллан, «Аутентификация человека с использованием мозговых волн (Электроэнцефалография) и максимальная апостериорная адаптация модели», IEEE Trans. Анальный узор. Мах. Интел. том. 29, нет. 4, стр. 743–52, апрель 2017 г.
[11] И. Наканиши, С. Баба, К. Миямото и А. Б. Волна, «Биометрическая аутентификация на основе электроэнцефалография с использованием новых спектральных характеристик», 2009, №. Испак, стр. 651–654.
[12] Б. Паранджапе, Дж. Маховски, Л. Бенедиченти и З. Колес, «Электроэнцефалограмма как биометрия», Канадская конференция по электротехнике и вычислительной технике, 2008 г. Материалы конференции (кат. № 01TH8555), 2008 г., том. 2, стр. 1363–1366.
[13] А. Риера, А. Сориа-Фриш, М. Капаррини, К. Грау и Г. Руффини, «Ненавязчивая биометрическая система, основанная на анализе электроэнцефалограммы», EURASIP J. Adv. Сигнальный процесс, том. 2008, нет. 1, с. 143728, 2008.
[14] Гупта С.Н., Хан Ю., Паланиаппан Р. и Сепульведа Ф. «Структура вейвлета для улучшенного обнаружения целей в парадигмах чудаков с использованием P300 и анализа гамма-диапазона», том. 14, нет. 2, стр. 61–67, 2009 г.
[15] М.К. Абдулла, К.С. Субари, Дж. Лео, К. Лунг и Н.Н. Ахмад, «Анализ сигнала электроэнцефалография для практической биометрической системы», в Мировой академии наук, техники и технологий, 2010, №. 2008 г., стр. 1123–1127.
[16] Г. К. Сингхал и П. Рам Кумар, «Идентификация личности с использованием вызванных потенциалов и сопоставления пиков», на биометрическом симпозиуме 2007 г., 2007 г., стр. 1–6.
[17] Д. Фунг, Д. Тран, В. Ма, П. Нгуен, и Т. Фам, «Использование энтропии Шеннона в качестве характеристики сигнала ЭЭГ для быстрой идентификации человека», в Европейском симпозиуме по искусственным нейронным сетям (ESANN), 2014 г., стр. 23–25.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Анар Шенер
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
