基于多域融合與遺傳算法的P300測(cè)謊研究.pdf

1、測(cè)謊研究是心理學(xué)應(yīng)用研究中的一大熱點(diǎn)，近年來(lái)，隨著事件相關(guān)電位(Event Relate Potential，ERP)等技術(shù)的發(fā)展，基于ERP的測(cè)謊方法已經(jīng)成為現(xiàn)代測(cè)謊技術(shù)的主要發(fā)展方向之一，而P300電位則是實(shí)驗(yàn)室測(cè)謊研究中最為常用的一種ERP成分，它用于測(cè)謊的有效性已經(jīng)得到了充分的驗(yàn)證。對(duì)基于P300的測(cè)謊方法的研究與應(yīng)用有利于犯罪的偵測(cè)、反恐和安全防護(hù)等領(lǐng)域，為遏制犯罪和維護(hù)國(guó)家與地區(qū)的安全提供新的技術(shù)途徑。
　　基于P30

2、0的測(cè)謊技術(shù)主要由測(cè)謊范式與刺激呈現(xiàn)、腦電數(shù)據(jù)采集和信號(hào)處理分析三個(gè)部分組成。腦電(Electroencephalograph，EEG)信號(hào)處理方法又可以分為信號(hào)預(yù)處理，特征提取和模式分類(lèi)三個(gè)步驟，它是基于P300的測(cè)謊技術(shù)的關(guān)鍵，信號(hào)處理方法的好壞直接決定了測(cè)謊方法的性能，因此對(duì)EEG信號(hào)處理方法的研究是非常有意義的。
　　本文在充分研究已有的EEG信號(hào)處理方法的基礎(chǔ)上，針對(duì)EEG信號(hào)信噪比低、噪聲干擾強(qiáng)且種類(lèi)多，而傳統(tǒng)P300

3、測(cè)謊研究的信號(hào)處理分析方法中，特征比較單一，無(wú)法全面地表征信號(hào)的本質(zhì)特性，并且特征的可分性較低等不足，對(duì)EEG信號(hào)處理方法及其在測(cè)謊中的應(yīng)用進(jìn)行了研究。
　　首先，本文結(jié)合了多域融合與遺傳算法的思想，提出了一種基于多域融合與遺傳算法的EEG信號(hào)處理方法，將信號(hào)預(yù)處理與特征提取從時(shí)頻域擴(kuò)展到空間域，并且通過(guò)遺傳算法對(duì)特征集合進(jìn)行篩選，剔除冗余特征，從而得到最優(yōu)的特征子集。通過(guò)想象左右手運(yùn)動(dòng)的EEG信號(hào)對(duì)該方法進(jìn)行離線驗(yàn)證，提出的算法

4、與傳統(tǒng)特征提取方法相比平均分類(lèi)正確率與最高分類(lèi)正確率分別提高了1.9個(gè)百分點(diǎn)和3.6個(gè)百分點(diǎn)，特征數(shù)量減少了80％;與實(shí)驗(yàn)室原有的研究結(jié)果相比雖然平均分類(lèi)正確率和最高分類(lèi)正確率分別減少了0.6個(gè)百分點(diǎn)和1.2個(gè)百分點(diǎn)，但是特征數(shù)量減少了70％，有利于實(shí)時(shí)在線應(yīng)用。而與單一的頻域頻帶能量特征提取方法相比，提出的方法在特征數(shù)量和平均分類(lèi)正確率這兩個(gè)性能指標(biāo)上都有著較大的提高。
　　其次，根據(jù)基于多域融合與遺傳算法的EEG信號(hào)處理方法提

5、出一種新的P300測(cè)謊方法，以人臉作為刺激內(nèi)容，應(yīng)用三刺激的GKT范式設(shè)計(jì)并實(shí)現(xiàn)了基于P300的測(cè)謊實(shí)驗(yàn)。對(duì)參與測(cè)謊實(shí)驗(yàn)的12名被試進(jìn)行EEG信號(hào)的采集，使用基于多域融合與遺傳算法的EEG信號(hào)處理方法對(duì)采集得到的EEG信號(hào)進(jìn)行預(yù)處理、特征提取與分類(lèi)，最終得到12名被試在留一交叉驗(yàn)證(Leave-one-out CrossValidation，LOOCV)下的平均分類(lèi)正確率以及對(duì)P刺激和I刺激的平均識(shí)別率分別為95.53％、90.99％和

6、96.66％。與兩篇相關(guān)文獻(xiàn)中的方法相比，在P刺激識(shí)別率上分別提高了11.99個(gè)百分點(diǎn)和5.99個(gè)百分點(diǎn)，在I刺激識(shí)別率上分別提高了2.56個(gè)百分點(diǎn)和2.83個(gè)百分點(diǎn)，在總的分類(lèi)正確率上分別提高了4.44個(gè)百分點(diǎn)和3.46個(gè)百分點(diǎn)。
　　第三，根據(jù)基于多域融合與遺傳算法的EEG信號(hào)處理方法所提出的P300測(cè)謊方法，設(shè)計(jì)了模擬網(wǎng)絡(luò)詐騙犯罪情景，提取犯罪細(xì)節(jié)相關(guān)的文本信息作為三刺激GKT測(cè)謊范式的探測(cè)刺激，對(duì)12名被試進(jìn)行測(cè)謊實(shí)驗(yàn)并采

7、集EEG信號(hào)。使用基于多域融合與遺傳算法的EEG信號(hào)處理方法對(duì)采集得到的EEG信號(hào)進(jìn)行預(yù)處理、特征提取與分類(lèi)，并且為了提高實(shí)用性對(duì)該方法在細(xì)節(jié)上進(jìn)行了一定的優(yōu)化。利用Leave-one-out交叉驗(yàn)證法能夠得到96.81％的平均分類(lèi)正確率，判別被試的角色類(lèi)型時(shí)，通過(guò)設(shè)置閾值P％（P刺激被識(shí)別為P刺激的概率）與Pl％(P刺激被識(shí)別為I刺激的概率)作為被試所扮演的角色類(lèi)型的判別標(biāo)準(zhǔn)，若取Pp％=93％，Pl％=92％，則能得到100％的個(gè)體