2022年11月4日，“脑电生物特征识别·暨2022脑机接口算法挑战赛颁奖仪式”召开。来自杭州电子科技大学的金宣妤博士做了题为“基于去相关解耦泛化的任务无关脑纹识别”的报告。

金宣妤老师首先表明，在没有刺激或任务的情况下，人类的大脑皮层具有强健的自发的电生理活动，并对认知功能产生一定的影响。身份信息和任务信息存在耦合相关性，导致多任务或跨任务背景下的脑纹识别会受到不同任务偏差的影响。因此“任务无关脑纹识别”研究是解决该问题的关键。

“基于去相关解耦泛化的任务无关脑纹识别”模型通过两个多尺度卷积神经网络，分别提取“身份相关信息”和“任务相关信息”。这两个相关信息间存在复杂的耦合关系，可以通过随机傅里叶特征方法，尽可能消除线性和非线性的依赖关系，即身份特征和任务特征之间的虚假关联，使身份特征在跨任务情况下更加稳定。（图-1为该模型示意图）

图-1

考虑到不同任务和不同时间段的脑电数据，以及电极偏差等因素，造成数据分布差异，金宣妤老师与其团队通过引入“辅助分类器”，通过对抗注意力机制，迫使模型利用全局的身份信息进行身份预测，提高模型在od情况下的泛化能力。

金宣妤老师及其团队的模型分别在比赛数据集和128通道的多任务脑电数据集上进行了实验验证。如图-2、图-3、图-4所示。

图-2

图-3

图-4

报告最后，金宣妤对未来作出了展望，希望能对入侵判断进行更深入的研究。实验时，他们发现在不同时间窗的跨任务实验上，样本窗口越大，识别效果越好。但对于现实环境的实际应用来说，需要对小时间窗口样本的稳定身份识别展开进一步的研究。

整理者：龙柏成