تركيب ويژگي‌هاي مختلف سيگنال EEG تك‌كاناله به‌منظور طراحي يك سيستم تاييد هويت

Person Authentication System Using Feature Level Fusion of a Single Channel EEG Signal

با ظهور دانش بيومتريك، روش‌هاي متداول تاييد هويت در سيستم‌هاي بيومتريك دچار دگرگوني شده‌اند و در حال جايگزيني با روش‌هايي بر پايه علايم حياتي هستند. اخيراً كاربرد سيگنال الكتريكي مغز(EEG) در سيستم‌هاي بيومتريك به عنوان يك شاخه پژوهشي جذاب و كاربردي مورد توجه محققان قرار گرفته است. پژوهش‌هاي نسبتاً محدودي در زمينه بيومتريك سيگنال الكتريكي مغز به‌خصوص در سيستم‌هاي تاييد هويت آن انجام شده است و اكثر تحقيقات بر سيستم‌هاي تعيين هويت EEG تمركز داشته‌اند. در اين مقاله كارايي سيگنال الكتريكي مغز به عنوان يك سيستم بيومتريك در تاييد هويت افراد نشان داده شده است.در سيستم بيومتريك معرفي شده،‌ از سيگنال الكتريكي پانزده كاربر در حين انجام فعاليت ذهني استفاده شده است. تركيبي از ضرايب مدل خود بازگشتي(AR) ، توان باندهاي فركانسي سيگنال مغز، چگالي طيف توان، آنتروپي انرژي و آنتروپي نمونه به‌عنوان ويژگي‌هاي مستخرج از سيگنال مغز و روش K نزديك‌ترين همسايه به‌عنوان طبقه‌بند، استفاده شده است. به‌منظور بهبود عملكرد سيستم تاييد هويت، علاوه بر بررسي ادغام در سطح حسگر و فضاي ويژگي، امكان به‌كارگيري روش‌ انتخاب ويژگي رفت ‌و برگشتي نيز مطالعه شده است. نتايج آزمايش‌هاي ما بر روي پايگاه داده Shalk و همكارانش بيانگر اين موضوع است كه با تركيب ويژگي‌هاي متفاوت و با به‌كارگيري سيگنال مغزي تك‌كاناله، عملكرد سيستم در دو روش تك‌بلوك و چند‌بلوك در مقايسه با ساير سيستم‌هاي تاييد هويت مبتني بر سيگنال الكتريكي مغز به نحو چشمگيري بهبود مي‌يابد و چشم انداز روشني را از استفاده عملي و تجاري سيگنال الكتريكي مغز در سيستم‌هاي تاييد هويت آينده نشان مي‌دهد.

With the advent of biometric knowledge, conventional methods of authentication are being replaced with biometric based methods. Recently, the use of EEG signal in biometric systems attracted increasing research attention. Only a few works have been done in this emerging of EEG-based biometry mainly focusing on person identification not on person authentication. This paper examines the effectiveness of the EEG as a biometric for person authentication. In this study, the EEG signal from fifteen volunteer recorded during imagination of opening and closing fist was used. A set of AR coefficients, power of spectral bands, Energy Spectral Density, Energy Entropy and Sample Entropy were used as extracted features. The authentication system is fused at the sensor module and features to support a system which can meet more challenging and varying requirements. The utility of the sequential search methods is also experimentally studied. In the extensive experimentation on the Shalk and his colleague’s database, we demonstrate that with combination of features when using single channel EEG, the performance of system is improved in two ways of single block and multi block methods compared to other. Result of this study shows a clear vision of commercial and practical use of the brainʹs electrical signals in the authentication systems of future.