The brain activity of a person sensed using electroencephalograph (EEG) has a unique neuronal signature consisting of relevant subject-specific information, which can be used for biometric identification. The main challenge in brainwave-based biometric identification is the extraction of robust features from non-stationary EEG signal that provide sufficient discriminability to differentiate between individuals. In this study, the authors propose an EEG-based biometric identification technique using a novel feature called frequency-weighted power (FWP), which offers higher discrimination in the person identification compared to the state of the art EEG features. FWP is an equivalent representation of the power of a specific frequency band, obtained by multiplying the specific frequency with its corresponding power density value and summing up it over the specific band. The efficacy of the proposed method is validated using resting-state EEG from online PhysioNet database as well as using resting-state EEG data acquired from 16 subjects in the laboratory during the experiment. Using a correlation-based classifier, the proposed method achieves an equal error rate (EER) of 0.0039 from eyes-closed resting-state EEG signals using 20 electrodes, which is nearly one-fifth of the EER obtained by the best method reported in the literature for the comparable number of electrodes.

中文翻译：

---

使用频率加权功率功能的基于EEG的生物特征识别

使用脑电图仪（EEG）感测到的人的大脑活动具有独特的神经元签名，该签名由相关的受试者特定信息组成，可用于生物识别。基于脑电波的生物特征识别的主要挑战是从非平稳的EEG信号中提取鲁棒的特征，这些特征可提供足够的区分能力以区分个体。在这项研究中，作者提出了一种基于脑电图的生物识别技术，该技术使用了一种称为频率加权功率（FWP）的新颖功能，与最新的脑电图功能相比，它在人身识别方面具有更高的区分度。FWP是特定频段功率的等效表示，通过将特定频率与其对应的功率密度值相乘并在特定频带上对其求和获得。使用在线PhysioNet数据库中的静止状态EEG以及使用实验过程中从实验室的16位受试者获取的静止状态EEG数据验证了所提出方法的有效性。使用基于相关性的分类器，所提出的方法使用20个电极从闭眼的静止状态EEG信号中获得0.0039的均等错误率（EER），几乎是通过报告的最佳方法获得的EER的五分之一。文献中可比较数量的电极。使用在线PhysioNet数据库中的静止状态EEG以及使用实验过程中从实验室的16位受试者获取的静止状态EEG数据验证了所提出方法的有效性。使用基于相关性的分类器，所提出的方法使用20个电极从闭眼的静止状态EEG信号中获得0.0039的均等错误率（EER），几乎是通过报告的最佳方法获得的EER的五分之一。文献中可比较数量的电极。使用在线PhysioNet数据库中的静止状态EEG以及使用实验过程中从实验室的16位受试者获取的静止状态EEG数据验证了所提出方法的有效性。使用基于相关性的分类器，所提出的方法使用20个电极从闭眼的静止状态EEG信号中获得0.0039的均等错误率（EER），几乎是通过报告的最佳方法获得的EER的五分之一。文献中可比较数量的电极。