一种基于csp特征提取算法的脑电数据密钥生成方法
技术领域
1.本发明涉及脑电数据技术领域，具体为一种基于csp特征提取算法的脑电数据密钥生成方法。
背景技术：2.随着人脑电活动实时测量技术的逐步提高，一系列脑电信号处理方法得到快速发展，脑电信号有望成为更有效和通用的研究大脑功能的工具。在全球性脑研究计划的推动下,我国提出了“脑科学与类脑研究”以期在脑科学、脑疾病早期诊断与干预、类脑智能计算三个前沿领域取得国际领先的成果。脑电信号的科学研究是脑科学研究领域的重要组成部分，脑-机接口技术(brain computerinterface,bci)是用于人脑与计算机或其他电子设备之间的通信和控制系统，它不同于人脑通常所依赖的周围神经系统和肌肉组织进行信息传递，而是通过人类的头皮电位(即通常的脑电图信号)直接将信号传递到计算机进行信号识别并实现相应的控制。bci技术因在医疗康复工程、自动控制系统以及军事领域具有重要的应用前景，从而成为近年来研究的热点。
3.随着脑电技术的发展，运动想象逐渐兴起，研究人员专门对运动想象的脑电信号进行特征提取并对得到的各个提取的特征进行分类识别，使得由脑电信号转变为运动操作的研究更进一步。运动想象脑电是指没有实际的肢体行为，而是利用大脑意念想象肢体动作，并由控制器来实现后续的实际操作。运动想象脑电是一种内源性自发脑电，与诱发脑电不同的是，其无需外界刺激，只需人进行想象运动，脑电波就呈现特异波形。由于这种技术的简单、灵活、无创等特点，在bci系统中实现运动想象的运用很广。对常见于老年人中的瘫痪、中风等疾病造成的肢体不便，基于运动想象的bci系统不仅能够帮助病患控制物体，实现自理；还可以作为一种康复理疗的手段，最大限度的帮助其恢复自身的运动能力。随着脑神经科学和信息技术的进步，bci系统的应用也得到了很大的拓展，它不仅仅可以为残疾患者提供帮助，还可以服务普通群体，如脑-机游戏的研发、精神状态的监测以及在特殊环境下助力工作。
4.目前，共空间模式(common spatial patterns，csp)是众多检测和识别基于运动想象的多通道脑电图的方法中最为成功的算法之一。共空间模式最先由muller-gerking等人提出，dornhege等人将其应用了脑-机接口的研究当中共空间模式能够在基于运动想象的脑-机接口中成功也要归功于事件相关同步和事件相关去同步(erd/ers)这一神经生理想象。共空间模式是一种针对两分类任务空间滤波技术，它通过计算空间投影来获取最佳的投影方向，使某一个方向的一类信号的方差最大，而另一类信号的方差最小，从而实现两类信号的差别最大。由于采集方式的约束，脑电信号的低空间分辨率、不稳定性、个体差异性大、易受干扰等特点，使得脑电数据信息的精确读取变得异常困难。而使用共空间模式算法对脑电数据进行特征提取时，需要多通道分析且易受噪声干扰，所以提取的特征值存在一定的误差。
技术实现要素：5.(一)解决的技术问题
6.针对现有技术的不足，密钥采用人工产生或加密机产生密钥的方式，人工生成密钥成分时，将密钥分成不同的成分，每个密钥成分由不同的人员生成，采用数字和字母随机组合，并于密钥注入前规定时间内完成；加密机产生密钥时，由加密机生成导出。本发明提出一种新的密钥产生方法，使用运动想象脑电数据生成密钥，由于脑电数据的唯一且复杂，生成的密钥安全性更高，更不容易被泄露和攻击。
7.(二)技术方案
8.为实现上述目的，本发明提供如下技术方案：一种基于csp特征提取算法的脑电数据密钥生成方法，包括以下步骤：
9.步骤1，选取两组试验数据导入matlab矩阵实验室，将一组试验数据作为训练信号，另一组试验数据作为测试信号，使用 eeglab脑电信号实验室插件对试验数据实现脑电数据可视化；
10.步骤2，分别对训练信号和测试信号进行数据预处理，得到预处理后的脑电数据和标签数据；
11.步骤3，采用csp算法对脑电数据提取特征值，通过计算特征值的投影矩阵得到训练集和测试集的特征向量；
12.步骤4，联合训练集的特征向量和训练信号的标签数据确定分类器模型，通过测试集的特征向量、测试信号的标签数据、分类器模型进行预测，得到预测结果；
13.步骤5，将得到的预测结果中的标签数据作为密钥，使用aes 高级加密标准对文字或文件进行加密。
14.优选的，所述步骤1具体按照以下步骤实施：
15.步骤1.1，将一组试验数据作为训练信号，另一组试验数据作为测试信号；
16.步骤1.2，在matlab矩阵实验室命令窗口输入eeglab，进入 eeglab插件，导入.mat文件，在plot绘图中选择channel data，channel data即为可视化脑电数据。
17.优选的，所述步骤2具体按照以下步骤实施：
18.步骤2.1，对训练信号和测试信号定位通道位置，移除无用通道，删除无用数据；
19.步骤2.2，对训练信号和测试信号进行过滤，消除线性趋势，使用带通滤波器对数据进行带通滤波，消除线性趋势，得到滤波后的数据；
20.步骤2.3，对滤波后的数据进行分段，选择要分段的事件，定义所提取的数据范围；
21.步骤2.4，采用独立分量分析用于去除或减去嵌入数据中的伪影，嵌入数据包括肌肉、眨眼或眼球运动，无需去除受影响的数据部分；
22.步骤2.5，使用绝对阈值法剔除坏段，设定绝对阈值，超出绝对阈值的试验剔除掉；
23.步骤2.6，定义数据标签，对预处理后的脑电数据添加标签，将预处理后的脑电数据和标签数据保存。
24.优选的，所述步骤3具体按照以下步骤实施：
25.步骤3.1，使用matlab矩阵实验室加载步骤2中预处理得到的脑电数据和标签数据；
26.步骤3.2，假设脑电数据的通道n，每个通道的采样点数为t，一次实验的eeg数据为
x
i[n*t]
，i为脑电信号的类别；
[0027]
步骤3.3，求解训练信号的协方差矩阵；先求出第i类的协方差 ci，从而得到两类训练信号的空间协方差的均值，得到两类的组合协方差矩阵c；
[0028]
步骤3.4，分解协方差矩阵；组合协方差矩阵经过特征分解得到 n*n阶的特征向量矩阵b，以及由非零特征值构成的对角矩阵λ，由此可得到白化矩阵p，从而得到特征向量u；
[0029]
步骤3.5，构造空间滤波器；为达到训练信号和测试信号差值最大，选取前k个和后k个特征向量一起构成空间滤波器w，将原始信号投影到该滤波器可得新的信号zi；
[0030]
步骤3.6，计算k对新信号zi的方差，并对其取对数和进行规范化操作得到csp特征值。
[0031]
优选的，所述步骤4具体为，通过训练集的特征向量和训练信号的标签数据确定分类器模型，联合测试集的特征向量、测试信号的标签数据进行预测并得到预测标签数据，并且预测标签使用0和1定义。
[0032]
优选的，所述步骤5具体按照以下步骤实施：
[0033]
步骤5.1，将预测标签数据保存为数值矩阵，使用matlab矩阵实验室将数值矩阵转化为字符串矩阵，取矩阵前128位输出为字符串形式；
[0034]
步骤5.2，将输出的128位字符串作为密钥，使用aes加密解密算法对文字或文件进行加密。
[0035]
(三)有益效果
[0036]
本发明提供了一种基于csp特征提取算法的脑电数据密钥生成方法，具备以下有益效果：
[0037]
选取两组试验数据，一组作为训练信号，另一组作为测试信号，对两组脑电数据分别进行数据提取、分段和滤波预处理，并定义数据标签，从而得到预处理后的脑电数据和标签数据。通过构造空间滤波器，将原始信号投影到空间滤波器获得新的脑电信号，对新的脑电信号计算方差、取对数以及规范化操作，得到脑电数据的csp特征值。使用训练集的特征向量和训练信号的标签数据以确定分类器模型，根据分类器模型联合测试集的特征向量以及测试信号的标签数据得到预测标签数据。将预测标签数据作为密钥，使用aes算法加密解密文字或文件，用于文字或文件保护，使用脑电数据得到的预测标签数据作为密钥使得文字或文件的保护更具有安全性、可靠性。
[0038]
密钥采用人工产生或加密机产生密钥的方式，人工生成密钥成分时，将密钥分成不同的成分，每个密钥成分由不同的人员生成，采用数字和字母随机组合，并于密钥注入前规定时间内完成；加密机产生密钥时，由加密机生成导出。本发明使用运动想象脑电数据生成密钥，由于脑电数据的唯一且复杂，生成的密钥安全性更高，更不容易被泄露和攻击。
附图说明
[0039]
图1是本发明一种基于csp特征提取算法的脑电数据密钥生成方法流程图；
[0040]
图2是本发明一种基于csp特征提取算法的脑电数据密钥生成方法的特征提取的流程图。
具体实施方式
[0041]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042]
如图1-2所示本发明提供一种技术方案：一种基于csp特征提取算法的脑电数据密钥生成方法，以bci-competition-iv的数据集 dataset2a为例：
[0043]
该数据集中的eeg数据来自于9个被试在完成4分类运动想象任务时采集到的数据。这四个任务分别是想象左右运动(类1)，想象右手运动(类2)，想象双脚运动(类3)和想象舌头运动(类4)。数据的采集分为两个部分，分别在不同的日期进行。每个部分由6组实验构成，每组实验又由48个样本构成(也就是每个任务12个样本)，每个部分总共有288个样本。在实验的开始，被试被要求坐在一张舒适的椅子上并面对计算机屏幕。在每个试验的开始(t＝0s)，一个固定的十字出现在合适屏幕的中央。同时出现一个提示音提示试验开始。在第二秒(t＝2s)，提示信息以箭头的形式出现在屏幕上并持续 1.25秒。箭头指向左，右，上，下分别对应于左右手，脚和舌头的运动想象。被试根据箭头提示进行运动想象直到十字在t＝6s时消失才停止想象。短暂的间隔后进行下一次运动想象。eeg信号的记录采用250赫兹的采样频率，并进行了0.5-100赫兹的带通滤波。因此对于运动想象有效的试验数据长度是2～6秒，1000点的数据长度。
[0044]
首先，选择受试者1的脑电数据作为训练数据，受试者2的脑电数据作为测试数据，设置单次采样时间为4，选择c3、c4、cz三个通道的数据，设置4-40hz的带通滤波器。对数据进行分段，选择事件类型为左手右手的数据段，提取所需范围内的数据，对事件定义标签得到标签数据文件。然后，构造csp空间滤波器，将原始数据按照类别进行分段，计算分段后的原始数据协方差矩阵，对协方差矩阵进行正交白化变化并且同时对角化，计算出投影矩阵，经过投影得到特征矩阵。根据训练器分类器参数得到训练器分类模型，将特征矩阵传入训练器分类模型进行训练，然后用训练好的模型进行信号测试得到测试结果。最后，将预测数据标签作为密钥，使用aes加密解密算法用于文字或文件的保护。
[0045]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0046]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
技术特征：1.一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，包括以下步骤：步骤1，选取两组试验数据导入matlab矩阵实验室，将一组试验数据作为训练信号，另一组试验数据作为测试信号，使用eeglab脑电信号实验室插件对试验数据实现脑电数据可视化；步骤2，分别对训练信号和测试信号进行数据预处理，得到预处理后的脑电数据和标签数据；步骤3，采用csp算法对脑电数据提取特征值，通过计算特征值的投影矩阵得到训练集和测试集的特征向量；步骤4，联合训练集的特征向量和训练信号的标签数据确定分类器模型，通过测试集的特征向量、测试信号的标签数据、分类器模型进行预测，得到预测结果；步骤5，将得到的预测结果中的标签数据作为密钥，使用aes高级加密标准对文字或文件进行加密。2.根据权利要求1所述的一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1，将一组试验数据作为训练信号，另一组试验数据作为测试信号；步骤1.2，在matlab矩阵实验室命令窗口输入eeglab，进入eeglab插件，导入.mat文件，在plot绘图中选择channel data，channel data即为可视化脑电数据。3.根据权利要求1所述的一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1，对训练信号和测试信号定位通道位置，移除无用通道，删除无用数据；步骤2.2，对训练信号和测试信号进行过滤，消除线性趋势，使用带通滤波器对数据进行带通滤波，消除线性趋势，得到滤波后的数据；步骤2.3，对滤波后的数据进行分段，选择要分段的事件，定义所提取的数据范围；步骤2.4，采用独立分量分析用于去除或减去嵌入数据中的伪影，嵌入数据包括肌肉、眨眼或眼球运动，无需去除受影响的数据部分；步骤2.5，使用绝对阈值法剔除坏段，设定绝对阈值，超出绝对阈值的试验剔除掉；步骤2.6，定义数据标签，对预处理后的脑电数据添加标签，将预处理后的脑电数据和标签数据保存。4.根据权利要求1所述的一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤3.1，使用matlab矩阵实验室加载步骤2中预处理得到的脑电数据和标签数据；步骤3.2，假设脑电数据的通道n，每个通道的采样点数为t，一次实验的eeg数据为x
i[n*t]
，i为脑电信号的类别；步骤3.3，求解训练信号的协方差矩阵；先求出第i类的协方差c
i
，从而得到两类训练信号的空间协方差的均值，得到两类的组合协方差矩阵c；步骤3.4，分解协方差矩阵；组合协方差矩阵经过特征分解得到n*n阶的特征向量矩阵b，以及由非零特征值构成的对角矩阵λ，由此可得到白化矩阵p，从而得到特征向量u；步骤3.5，构造空间滤波器；为达到训练信号和测试信号差值最大，选取前k个和后k个特征向量一起构成空间滤波器w，将原始信号投影到该滤波器可得新的信号z
i
；
步骤3.6，计算k对新信号z
i
的方差，并对其取对数和进行规范化操作得到csp特征值。5.根据权利要求1所述的一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，所述步骤4具体为，通过训练集的特征向量和训练信号的标签数据确定分类器模型，联合测试集的特征向量、测试信号的标签数据进行预测并得到预测标签数据，并且预测标签使用0和1定义。6.根据权利要求1所述的一种基于csp特征提取算法的脑电数据密钥生成方法，其特征在于，所述步骤5具体按照以下步骤实施：步骤5.1，将预测标签数据保存为数值矩阵，使用matlab矩阵实验室将数值矩阵转化为字符串矩阵，取矩阵前128位输出为字符串形式；步骤5.2，将输出的128位字符串作为密钥，使用aes加密解密算法对文字或文件进行加密。
技术总结本发明公开了一种基于CSP特征提取算法的脑电数据密钥生成方法，包括以下步骤：步骤1，选取两组试验数据导入MATLAB矩阵实验室，将一组试验数据作为训练信号，另一组试验数据作为测试信号；步骤2，分别对训练信号和测试信号进行数据预处理；步骤3，采用CSP算法对脑电数据提取特征值，通过计算特征值的投影矩阵得到训练集和测试集的特征向量；步骤4，联合训练集的特征向量和训练信号的标签数据确定分类器模型，得到预测结果；步骤5，将得到的预测结果中的标签数据作为密钥，使用AES高级加密标准对文字或文件进行加密。本发明使用运动想象脑电数据生成密钥，由于脑电数据的唯一且复杂，生成的密钥安全性更高，更不容易被泄露和攻击。更不容易被泄露和攻击。更不容易被泄露和攻击。
技术研发人员：王一川 吴丹 黑新宏 朱磊 姬文江 任炬
受保护的技术使用者：西安理工大学
技术研发日：2022.02.17
技术公布日：2022/7/5
