摘要

本发明公开了一种基于深度学习的脑电身份识别方法、系统及信息更新方法,识别方法包括:使用稳态视觉诱发范式刺激待录入系统者,采集由刺激产生的脑电信号;采用带通滤波结合独立成分分析法对脑电数据预处理,将预处理后的脑电数据进行单个裁剪,扩大脑电数据集;通过裁剪后的时序脑电信号训练深度学习多分类网络模型;计算多个被裁剪样本的输出,通过添加惩罚函数修改权值参数的优化函数,提取被裁剪样本的脑电信号共同特征;通过已训练的网络模型进行身份识别,并通过设置阈值的方式达到了拒绝入侵者的目的。本发明提高了脑电信号信噪比,增强了脑电信号的时域特征,通过数据裁剪并结合裁剪训练、函数改造加快系统运算,提高识别效率。