生物特征识别技术旨在使用人体的生物特征解决身份识别与验证问题,如今该技术已经广泛应用于军事、医疗以及商业等领域。传统的生物特征,如声纹、指纹等,由于其暴露在外易于盗取等缺陷,难以适用某些特殊应用场景提出的安全性要求。近年来,随着脑科学的快速发展,脑电由于个体特异性、安全性、隐蔽性和活体必须性以及不可复制窃取性受到越来越多的关注,因为被称之为脑纹密码。时至今日,脑纹密码研究还处于起步阶段,在脑电诱发范式的设计、脑电特征选择与提取以及识别或验证算法等方面依然存在较大的探索空间。本文在深入研究脑电信号特性及其在生物识别领域应用特点的基础上,构建多域双模态高效脑纹密码系统,该系统通过眼电和脑电两种模态生理电信号的采集,同时获取生物身份的密码信息和生物特征信息,并联合时域空间域信息进行破解,进而实现快速准确的识别。同时该系统也十分注重对脑电采集时长的控制,80秒的单次采集时间使得该范式有较强的实用性。本文的创新点主要有两部分:(1)提出了双模脑电诱发范式及浅-深层结合的身份验证方法现有的脑电生物识别研究大都忽视了对于数据集外的非法入侵者的拒绝识别功能的研究,近年来脑电诱发范式的设计逐渐成为研究的重点,为实现拒绝识别功能本文首次提出双模脑电诱发范式和浅-深层结合的身份验证方法,双模脑电诱发范式诱发出的眼电和脑电包含了密码信息和生物特征信息,浅-深层结合的身份验证方法充分利用两种信息进行深层验证,可以实现较强的对非法入侵者的拒绝识别能力以及对已录入用户的准确识别能力。(2)提出了基于Pearson-GMM的多域双模态生物识别算法传统的脑电身份识别算法往往只局限于提取脑电的时域信息或者空间域信息的某一种特征,本文所提出Pearson-GMM的多域双模态生物识别算法同时利用脑电信号的时域信息以及空间域信息,并且综合EOG的生物特征信息共同进行识别分析,实验结果优于只使用单一域信息的识别结果。除了上述贡献点之外,本文还开展了以下工作:搭建了基于g.tec干电极的脑电采集系统,该采集系统包含脑电诱发范式程序以及脑电信号同步通讯系统,可以实现在线的数据收集与处理,并在该系统上进行了30人的脑电数据采集实验;进行了脑电模式特征的持久性实验,验证了脑电信号具有模式特征持久性的特点;进行了脑电导联优化实验,发现通过减少对识别分析贡献较小的导联可以有效提高识别准确率,并探究了不同用户较强个体特异性导联的分布情况。综上所述,双模脑电诱发范式的提出提高了系统的安全性的同时,基于Pearson-GMM的多域双模态生物识别算法也取得了较好的识别结果。本文在基于g.tec干电极脑电采集系统所采集的30人数据中选择25人的数据进行分析识别,使用基于Pearson-GMM的多域双模态生物识别算法得到了平均90.4%的识别准确率,其中18位用户识别准确率为100%。