基于黎曼流形的时空谱表示方法在脑电图个体识别中的应用

《IEEE Transactions on Biomedical Engineering》：A Spatial-Spectral-Temporal Representation Method Based on Riemannian Manifold for EEG Individual Identification

EEG生物识别面临个体特征时序稳定性挑战，本研究基于对称正定流形提出E-SPD-M方法，通过嵌入协方差矩阵时空谱特征构建判别性表示空间，结合个性化分类模型整合实现跨时间身份识别，在自建多任务数据集和M3CV上验证有效性。

　　

摘要：

随着神经科学和计算机科学的进步，脑电图（EEG）作为一种生物特征识别方法受到了越来越多的关注，因为它具有普遍性、持久性和安全性。然而，现有研究表明，在基于EEG的识别系统中，保持个体间特征的稳定性和时间鲁棒性仍然是一个主要挑战。因此，开发有效的跨时间EEG身份识别方法对于实现可靠且实用的生物特征系统至关重要。在这项研究中，我们提出了一种基于对称正定（SPD）流形的新型EEG识别框架。具体来说，我们利用EEG信号的空间协方差矩阵来表示个体差异，并引入了一种增强型特征提取方法（E-SPD-M），该方法能够同时捕捉时间、空间和频谱特征。这些矩阵被嵌入到黎曼流形中，以构建一个具有区分能力的表示空间。对于每个受试者，我们构建了一个个性化的分类模型，并整合它们的输出以实现准确的识别。此外，我们构建了一个综合性的多任务、跨时间EEG数据集，并在我们的数据集以及一个公开可用的纵向EEG数据集（M3CV）上验证了我们的方法。实验结果表明，我们的方法在跨时间识别性能上具有优越性。总体而言，这项工作为改进基于EEG的生物特征算法以及扩展黎曼几何在该领域的应用提供了一条新的途径。