隨著信息安全需求的不斷提高，傳統身份認證方式面臨愈發嚴峻的挑戰。密碼容易泄露，指紋和人臉圖像也有被盜用的風險。在此背景下，科學家們試圖尋找一種更隱蔽、更難偽造的生物電信號以實現更安全的身份識別方式。相比腦電（EEG）或心電（ECG）信號，肌肉活動產生的電信號，即肌電（EMG），采集更為簡便，同時具有較強的個體特異性，成為一種兼顧安全性與實用性的潛在身份識別新模式。

圖1. 文章信息

復旦大學戴晨赟教授團隊在2020年42屆國際醫學與生物工程學會年會（IEEE EMBC）上提出，將高密度表面肌電（HD-sEMG）作為一種新型生物特征用于身份識別，并開展了相關實驗驗證。研究通過在手背布設高密度電極陣列采集肌電信號，結合線性判別分析（LDA）等算法對受試者進行身份識別。實驗結果令人矚目：多項任務中識別準確率高達99.5%。該研究不僅驗證了HD-sEMG在身份識別中的可行性，也展示了其在信息安全、智能交互和康復醫療等領域的廣闊應用前景。

研究共招募22名健康成年志愿者（年齡21至31歲，男女各半）。實驗過程中，受試者保持坐姿，按照電腦提示完成8種特定的手指等長收縮任務。如圖2所示，每人右手背貼附一塊8×8電極陣列（共64通道，間距8毫米），用于記錄肌肉激活的二維空間分布。信號由荷蘭TMSi公司SAGA 64+系統采集，采樣頻率達4000Hz，確保高時空分辨率和信號質量。

圖 2. 使用Saga設備(TMSi公司)進行高密度表面肌電信號采集的實驗設置

實驗任務包括8種不同的手指組合（見圖3），例如拇指-食指同時伸展、僅中指伸展、或小指-無名指組合伸展等。每個任務持續3秒，任務間保證3秒休息，整組任務重復10次。信號預處理包括 10–900Hz的帶通濾波，和50Hz陷波濾波器去除工頻干擾。每條記錄的信號被分割成8個獨立任務段，便于逐個任務進行分析。

對每個任務段數據提取5中常用特征，包括均方根（RMS）、波形長度（WL）、譜熵、樣本熵、頻率中值（FMD）并使用這些特征構建了 320 維（5 個特征 ×64 個通道）特征向量用于身份分類。

研究者使用了線性判別分析（LDA）對特征空間數據集做分類處理。作為對比，還評估了其他多種分類器的識別準確率，如線性支持向量機（SVM）、二次支持向量機、三次支持向量機、精細 k 近鄰（KNN）、中度 k 近鄰以及集成袋樹分類器。

圖3. 手勢集和實驗范式

從可視化分析角度，研究者使用t-SNE降維算法將高維特征映射至二維空間（圖4），結果顯示，不同個體的數據點在空間中呈現出清晰可分離的聚類表現。每位受試者的肌電特征如“電子指紋”般在圖中形成獨立的簇，彼此間距離明顯，說明肌電模式具有個體特異性。

定量識別準確率方面，LDA在所有手勢任務中都獲得了高于98%的識別準確率（表I），且在幾乎所有任務中都實現了識別準確率。這一結果也從側面表明了所提出的基于HD-sEMG的生物特征在個人身份識別應用場景中具有良好的性能和高魯棒性。

圖4. t-SNE可視化結果，不同受試者的肌電樣本在空間上顯著分離

表 I. 不同任務和分類器的識別準確率

此外，從生理學角度理解這些結果也具備充分邏輯支撐。手背肌肉的神經支配模式、肌腱排列方式乃至皮膚導電特性均因人而異。這種解剖學差異和神經激活策略的性共同決定了HD-sEMG信號的高度個體化特征。這種個體特異性的本質，不同于傳統視覺生物識別那樣受表面因素影響，它源自深層神經肌肉結構與活動方式的本質差異，不易模仿，也難以偽造，具備天然的防盜特性。

本研究驗證了HD-sEMG作為身份識別技術的可行性與高效性，為生物識別技術提供了一種全新的方向。其優勢包括高安全性、高準確性、不易受環境干擾和易采集等。這得益于高密度肌電電極貼附在皮膚，并在肌肉主動收縮時，才能獲取有效信號的特點；并且，肌電信號相對穩定，受情緒、環境影響較小，適合多種使用場景；此外，隨著可穿戴傳感器的發展，肌電采集系統的輕量化已不難實現，為其實際應用打下基礎。可以預見，HD-sEMG不僅適用于身份驗證系統，還可在醫療康復、人機交互、個體化設備制造等領域發揮巨大價值。我們有理由相信，在不久的將來，人體的“電生理簽名”將成為連接安全、智能與個性化服務的重要橋梁。

原文鏈接

研究團隊介紹

關于維拓啟創

相關產品