CN111616702A - 一种基于认知负荷增强的测谎分析系统 - Google Patents

Abstract

本发明公开了一种基于认知负荷增强的测谎分析系统，该方法包括：采用认知负荷的犯罪情节测试CL‑GKT‑ERP范式对被测试者进行测试；根据认知负荷的犯罪情节测试CL‑GKT‑ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行ERP信号提取；对顶区及顶后区通道，靶刺激和无关刺激的两组ERP信号在300ms至650ms时间段上的最大值进行统一归一化处理，获得说谎靶特征向量；对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断。本发明使用认知负荷增强的新型测谎范式和归一化的事件相关电位(ERP)识别方法进行测谎分析，能够有效地规避反测谎的影响，具有更高的准确性。

Description

一种基于认知负荷增强的测谎分析系统

技术领域

本发明涉及认知神经技术领域，更具体的涉及一种基于认知负荷增强的测谎分析系统。

背景技术

测谎技术在刑事侦查以及辅助破案等方面有着特殊的作用。相比于心跳、血压等间接方法，脑电测谎技术可以通过检测嫌疑人的大脑神经活动进行直接的认知识别，其信息具有直接性、不易受情绪影响和安全性高的特点。但传统的脑电测谎技术在真实环境下的测试效果较差，这是由于脑电信号较为微弱，若嫌疑人的认知负荷较小，则难以在事件刺激下诱发出足够活跃的大脑神经活动，导致检测准确率下降。因此，设计一种可以增强嫌疑人认知负荷的新型测试范式，并根据该范式设计出与之对应的数据分析算法，对司法安防领域有者重要的意义。

发明内容

本发明实施例提供一种基于认知负荷增强的测谎分析系统，用以解决上述背景技术中提出的问题。

本发明实施例提供的一种基于认知负荷增强的测谎分析系统，包括：

采用认知负荷的犯罪情节测试CL-GKT-ERP范式对被测试者进行测试；

根据认知负荷的犯罪情节测试CL-GKT-ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行ERP信号提取；

对顶区及顶后区通道，靶刺激和无关刺激的两组ERP信号在300ms至650ms时间段上的最大值进行统一归一化处理，获得说谎靶特征向量；

对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断。

进一步地，所述认知负荷的犯罪情节测试CL-GKT-ERP范式的描述，包括：

屏幕中央出现注视点“+”并持续500ms，注视点消失后刺激图片出现，持续时间为1500ms，此时被测试者识别刺激但不做反应；

刺激消失后，被测试者做好反应准备并在看到“是否认识此人”，做出反应按键，具体要求为：如果先前出现的刺激图片见过，那么就按f键，如果没有见过就按j键；

被测试者选择后，屏幕中呈现“分析中”字样，持续时间1500ms，屏幕给予虚假反馈“分析成功”、“分析失败”，持续1000ms；其中，通过给予一个虚假反馈，让知情者的认知负荷增加，增强其神经活动。

进一步地，所述认知负荷的犯罪情节测试CL-GKT-ERP范式的刺激类型包括：

靶刺激：现场相关信息，犯罪行为人和现场勘察人员知道的信息；

控制刺激：犯罪行为人和非犯罪行为人都知道的非现场相关信息；

无关刺激：无关信息，与犯罪现场没有关系，犯罪行为人和无辜者都不能识别的信息；

其中，靶刺激诱发的特定时间范围内的事件相关电位ERP成分大于无关刺激和目标刺激；靶刺激：控制刺激：无关刺激的呈现概率比为1：1：4。

进一步地，本发明实施例提供的基于认知负荷增强的测谎分析系统，还包括：对测试数据进行筛选；具体包括：

由于说谎者在靶刺激出现时选择不知道，在控制刺激出现时选择知道，在无关刺激出现时选择不知道，因此说谎者在三种刺激选择下的统计正确率高于80％；

对受到噪声干扰的测试数据段进行去除。

进一步地，本发明实施例提供的基于认知负荷增强的测谎分析系统，还包括：对被测试者的脑电波信号进行预处理，具体包括：

采用滤波器进行低通滤波，通带截止频率为100Hz以下且不超过30Hz；

对采集到的脑电波信号去除眼电伪迹，消除心、肌电、移动电位的噪声；

采用滤波器进行高通滤波，通带截止频率为0.1Hz以上且不超过3Hz。

进一步地，所述根据认知负荷的犯罪情节测试CL-GKT-ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行事件相关电位ERP信号提取，具体包括：

当被测试者看到屏幕上出现刺激时，设备会发出对应刺激类型的标签，并将标签打在对应时刻的脑电波信号上；

通过截取刺激目标出现前300ms到刺激后650ms数据段，并将多通道脑电Cz，CPz，Pz，POz，P1，P2对应的数据段进行叠加平均，获得事件相关电位ERP信号的特征向量。

进一步地，所述说谎靶特征向量的表达式如下：

其中，μ为总体平均值，x-μ为离均差，σ表示总体标准偏差。

进一步地，所述对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断，具体包括：

对说谎靶特征向量，按幅值升序排列；

如果前一半特征中，有高比例的特征来自于说谎靶特征向量，则认为该测试者对案情是知情的；

如果前一半特征中，有低比例的特征来自于说谎靶特征向量，则认为该测试者对案情是不知情的。

本发明实施例提供一种基于认知负荷增强的测谎分析系统，与现有技术相比，其有益效果如下：

本发明提出了一种新型的认知测谎系统，该系统使用认知负荷增强的新型测谎范式和归一化的事件相关电位(ERP)识别方法进行测谎分析，能够有效地规避反测谎的影响，具有更高的准确性。

附图说明

图1为本发明实施例提供的整体流程示意图；

图2为本发明实施例提供的刺激范式流程；

图3为本发明实施例提供的事件相关电位分析脑区；

图4为本发明实施例提供的ERP波形图；最左端靠下的线为靶刺激线，最左端靠上的线为无关刺激。

具体实施方式

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。

本发明的测谎分析系统整体流程参见图1。前期的刺激范式设计，刺激材料的准备，到脑电数据采集，再到后期的数据筛选，信号处理，最后给出分析结果，判定是否说谎。其包括：

步骤1：采用认知负荷的犯罪情节测试CL-GKT-ERP范式对被测试者进行测试。

步骤2：根据认知负荷的犯罪情节测试CL-GKT-ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行ERP信号提取。

步骤3：对顶区及顶后区通道，靶刺激和无关刺激的两组ERP信号在300ms至650ms时间段上的最大值进行统一归一化处理，获得说谎靶特征向量。

步骤4：对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断。

对于上述步骤1～4，具体分析如下：

1、刺激范式设计，参见图2，描述如下：

首先，屏幕中央出现注视点“+”并持续500ms，注视点消失后刺激图片出现，持续时间为1500ms，此时被测试者识别刺激但不做反应。刺激消失后，被测试者做好反应准备并在看到“是否认识此人”，做出反应按键，具体要求为：如果先前出现的刺激图片见过，那么就按f键，如果没有见过就按j键。被测试者选择后，屏幕中呈现“分析中”字样，持续时间1500ms；屏幕给与虚假反馈“分析成功”、“分析失败”，持续1000ms。其中，所有内容均在屏幕正中央显示。其中，通过给一个虚假反馈，让知情者的认知负荷增加，增强其神经活动。

认知负荷是指，在完成一种任务时，大脑会产生神经活动，我们也称其为认知活动，当完成的任务比较难时，大脑的认知活动会比较剧烈，当大脑长时间处在认知活动比较剧烈的状态，大脑会感到疲惫。我们称认知活动的剧烈程度为认知负荷，也就是说，认知负荷较高时，大脑的神经活动会更为剧烈。

本发明采用认知负荷的犯罪情节测试CL-GKT-ERP(Cognitive Load GuiltyKnowledge Test Event Related Potential)范式，靶刺激诱发的特定时间范围内的事件相关电位ERP(event related potential)成分大于无关刺激和目标刺激。其中，靶刺激：控制刺激：无关刺激的呈现概率比为1：1：4。需要说明的是，ERP，事件相关电位简称，当大脑进行认知加工时，产生的脑电信号，其说谎和诚实的认知加工不同，也就是会产生不同的脑电信号。

本发明采用CL-GKT-ERP范式，包含三类刺激：犯罪知识测试(Guilty KnowledgeTest，简称GKT。

(1)靶刺激(Probe)：现场相关信息，只有犯罪行为人和现场勘察人员知道这些信息。

(2)控制刺激(Target)：犯罪行为人和非犯罪行为人都应知道的非现场相关信息。

(3)无关刺激(Irrelevant)：无关信息，与犯罪现场没有任何关系，犯罪行为人和无辜者都不能识别这类刺激。

2、数据筛选主要包括两方面：正确率和噪声

(1)说谎者会做到：在靶刺激出现时选择不知道；在控制刺激出现时选择知道；在无关刺激出现时选择不知道。因此，本发明要求当且仅当撒谎者在三种刺激选择下的统计正确率应有一个较高的正确率，如80％，低于该正确率的数据说明：

当无关刺激或控制刺激正确率较低：说明被试没有配合测试。

当靶刺激正确率较低，而无关刺激和控制刺激的正确率较高：说明被试有较强的认知负荷，已倾向于如实回答。

当靶刺激正确率较低，而无关刺激和控制刺激正确率较高：说明被试选择如何回答。

(2)在数据采集过程中，可能由于参考电极脱落或环境噪声干扰，原始数据受到了严重的干扰，当噪声程度较高时，则难以通过滤波等方式去除。因此，需对受到噪声干扰的数据段予以去除。其中，快速傅里叶变换后，当工频(45-55hz)的能量占1-95hz能量的1/5或以上时，认为噪声程度较高，滤波后的结果中仍会有噪声残余，影响采集结果，所以该数据不能纳入运算。

3、信号处理

(1)脑电信号预处理

首先，使用滤波器进行低通滤波，通带截止频率为100Hz以下且不超过30Hz。然后，对采集到的脑电信号去除眼电伪迹、去除超过约正负100微伏的信号(消除心、肌电、移动电位的噪声)。最后，对数据进行截止频率为0.1Hz以上且不超过3Hz的高通滤波。本发明范式诱发的反应脑区为顶区及顶后区，因此需使用与之对应的脑电采集位置，如：Cz，CPz，Pz，POz，P1，P2，即6个通道，参见图3。

(2)特征提取

经过ERP叠加出的脑电信号，6个通道有6个波形，靶刺激事件叠加出6个波形，无关刺激叠加出6个波形。每个波形的300-650ms范围内的最大值为一个特征。靶刺激有6个特征，无关刺激有6个特征，靶刺激的6个最大值为说谎组，无关刺激的6个最大值为诚实组。最后将这12个特征一组，归一化成为一个特征向量。

根据三种不同刺激在脑电信号中的标记，进行ERP信号提取(其中，标记部分发生在实验过程中，当被测试者看到屏幕上出现刺激时，设备会发出该刺激类型的标签，将该标签打在该时刻的脑电数据上，目的就是为了让采集到的脑电数据包含刺激类型信息——是靶刺激还是无关刺激，以便于知道哪些数据是说谎的，哪些是诚实的)。通过截取刺激目标出现前约300ms到刺激后650ms数据段，然后将多通道脑电(如：Cz，CPz，Pz，POz，P1，P2)对应的数据段进行叠加平均，得到的特征向量：

其中，N_r是一次刺激中顶叶脑电的总个数，i是用户界面上刺激源的总个数，y_i，j(t)是第i个刺激源所对应的第j个通道中的数据，

表示提取刺激出现前300ms到刺激后650ms的数据段。

提取多个通道(6个通道)、两种刺激(靶刺激和无关刺激)的两组个ERP波形的指定时间范围内的最大值。为减少阻抗不同等原因造成的数据差异，将这两组最大值进行统一zscore归一化，得到说谎靶特征向量：

其中μ为总体平均值，X-μ为离均差，σ表示总体标准偏差。

(3)特征分类

在得到说谎靶特征向量后，就能够对说谎未知的数据进行分类，判断出是否说谎。

参见图4，首先对说谎未知数据的靶特征向量，按幅值升序排列。如果前一半特征中，有较高比例(如75％)的特征来自于说谎靶特征向量，则认为该测试者对案情是倾向于知情的；较低比例的特征来自于说谎靶特征向量，则认为该测试者对案情是倾向于不知情的。

综上所述，实现测谎功能，首先需要得到说谎和诚实的脑电特征，再对被测试者进行测试，获取脑电数据就能判断是否说谎。具体地，范式设计：在设计的实验场景中，要求被测试者看到靶刺激说谎以及无关刺激诚实；数据预处理：进行一批数据采集，由于采集的数据存在噪声，影响后续数据分析，需要进行数据预处理；特征提取：通过分析说谎时和诚实时的脑电数据得到特征；特征分类：对于一个对靶刺激不知道是否说谎的新数据，用特征分类就可以进行分类得出是否说谎。

实施例：

本发明利用CL-GKT-ERP范式采集的17例有效数据，对系统进行验证分析。最终，使用交叉验证的方法进行正确率的分析。下面是交叉验证的选择方法：

首先创建两组5个平均分布的随机数，随机数的范围为1到17(17为总样本数)用第一组的5个随机数，从说谎组里面选择出5个测试数据，其它的12个数据被设置为训练数据。然后用第二组的5个随机数，从诚实组里面选择出5个测试数据，其它的17-5个数据被设置为训练数据。测试集的数据约为30％，训练集的数据约为70％。使用12个说谎组和12个诚实组的训练集数据构建SVM模型，使用5个说谎组和5个诚实组的测试集数据进行模型验证，记录其准确率。当进行了200次随机交叉验证之后，平均正确率为86％。

本发明在实验开始之前构建被试者需要说谎的场景，然后依据场景内容进行后续的刺激范式设计。测谎场景：首先，召集一定数量的被试者，要求被试者隐瞒一些信息(例如人物或者场景信息)。随后，将被试者带到另一场景中，要求被试者进行上述的刺激范式实验。整个实验的目的是为了找到说谎者的特征，进而判断是否说谎。

以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于认知负荷增强的测谎分析系统，其特征在于，包括：

采用认知负荷的犯罪情节测试CL-GKT-ERP范式对被测试者进行测试；

根据认知负荷的犯罪情节测试CL-GKT-ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行ERP信号提取；

对顶区及顶后区通道，靶刺激和无关刺激的两组ERP信号在300ms至650ms时间段上的最大值进行统一归一化处理，获得说谎靶特征向量；

对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断。

2.如权利要求1所述的基于认知负荷增强的测谎分析系统，其特征在于，所述认知负荷的犯罪情节测试CL-GKT-ERP范式的描述，包括：

屏幕中央出现注视点“+”并持续500ms，注视点消失后刺激图片出现，持续时间为1500ms，此时被测试者识别刺激但不做反应；

刺激消失后，被测试者做好反应准备并在看到“是否认识此人”，做出反应按键，具体要求为：如果先前出现的刺激图片见过，那么就按f键，如果没有见过就按j键；

被测试者选择后，屏幕中呈现“分析中”字样，持续时间1500ms，屏幕给予虚假反馈“分析成功”、“分析失败”，持续1000ms；其中，通过给予一个虚假反馈，让知情者的认知负荷增加，增强其神经活动。

3.如权利要求2所述的基于认知负荷增强的测谎分析系统，其特征在于，所述认知负荷的犯罪情节测试CL-GKT-ERP范式的刺激类型包括：

靶刺激：现场相关信息，犯罪行为人和现场勘察人员知道的信息；

控制刺激：犯罪行为人和非犯罪行为人都知道的非现场相关信息；

无关刺激：无关信息，与犯罪现场没有关系，犯罪行为人和无辜者都不能识别的信息；

其中，靶刺激诱发的特定时间范围内的事件相关电位ERP成分大于无关刺激和目标刺激；靶刺激：控制刺激：无关刺激的呈现概率比为1：1：4。

4.如权利要求1所述的基于认知负荷增强的测谎分析系统，其特征在于，还包括：对测试数据进行筛选；具体包括：

由于说谎者在靶刺激出现时选择不知道，在控制刺激出现时选择知道，在无关刺激出现时选择不知道，因此说谎者在三种刺激选择下的统计正确率高于80％；

对受到噪声干扰的测试数据段进行去除。

5.如权利要求1所述的基于认知负荷增强的测谎分析系统，其特征在于，还包括：对被测试者的脑电波信号进行预处理，具体包括：

采用滤波器进行低通滤波，通带截止频率为100Hz以下且不超过30Hz；

对采集到的脑电波信号去除眼电伪迹，消除心、肌电、移动电位的噪声；

采用滤波器进行高通滤波，通带截止频率为0.1Hz以上且不超过3Hz。

6.如权利要求1所述的基于认知负荷增强的测谎分析系统，其特征在于，所述根据认知负荷的犯罪情节测试CL-GKT-ERP范式的不同刺激在脑电波信号中的标记，采用事件相关电位ERP法对脑电波信号进行事件相关电位ERP信号提取，具体包括：

当被测试者看到屏幕上出现刺激时，设备会发出对应刺激类型的标签，并将标签打在对应时刻的脑电波信号上；

通过截取刺激目标出现前300ms到刺激后650ms数据段，并将多通道脑电Cz，CPz，Pz，POz，P1，P2对应的数据段进行叠加平均，获得事件相关电位ERP信号的特征向量。

7.如权利要求6所述的基于认知负荷增强的测谎分析系统，其特征在于，所述说谎靶特征向量的表达式如下：

其中，μ为总体平均值，x-μ为离均差，σ表示总体标准偏差。

8.如权利要求7所述的基于认知负荷增强的测谎分析系统，其特征在于，所述对说谎靶特征向量进行分布分析，并根据靶刺激特征的幅值分布规律进行说谎判断，具体包括：

对说谎靶特征向量，按幅值升序排列；

如果前一半特征中，有高比例的特征来自于说谎靶特征向量，则认为该测试者对案情是知情的；

如果前一半特征中，有低比例的特征来自于说谎靶特征向量，则认为该测试者对案情是不知情的。

Images