基于经验模态分解的想象语音生物特征用于脑电受试者识别
神经元与认知
2018-09-19 v1 机器学习
信号处理
摘要
当脑活动被转化为实际应用的指令时，人类能力增强的潜力令人期待。本文使用经验模态分解（EMD）对想象语音期间的脑电信号进行分解，以将其用作生物特征标记来构建生物特征识别系统。对于每个脑电通道，基于闵可夫斯基距离确定最相关的本征模态函数（IMFs），并对每个IMF计算4个特征：瞬时与Teager能量分布以及Higuchi和Petrosian分形维数。为测试所提方法，使用了一个包含20名受试者的数据集，这些受试者想象了5个西班牙语单词各30次重复。该任务使用了四种分类器——随机森林、SVM、朴素贝叶斯和k-NN——并比较了它们的性能。经过10折交叉验证后获得的准确率（使用线性SVM最高达0.92）表明，所提出的基于EMD的方法可用于构建基于脑电的想象语音生物特征以进行受试者识别。
引用
@article{arxiv.1809.06697,
title = {EEG-based Subjects Identification based on Biometrics of Imagined Speech using EMD},
author = {Luis Alfredo Moctezuma and Marta Molinas},
journal= {arXiv preprint arXiv:1809.06697},
year = {2018}
}