統計的信号処理によるヒューマン・インタフェースの作成

本研究では、機械学習・パターン認識、その他の統計信号処理を脳信号に適用することで、より実用的なヒューマンコンピュータインタラクションを作成することを目標とした。本研究の主たる実績としては、脳信号を用いた認証システムの作成と時系列データの新しいクラスタリングアルゴリズムの作成が挙げられる。脳情報に基づく認証に関する既存システムは、指紋認証や虹彩認証と比較しても実用性に乏しいものであったが、本研究において提案したシステムは実用に耐えうる認証精度をもつ。本研究において、多チャンネルの脳波（Electroencephalogram; EEG）と、さらに脳血流信号（Functional Near-Infrared Spectroscopy; NIRS）を収集し、統計信号処理を用いて分析した。この結果から、EEGは指紋認証のような瞬間的な認証、NIRSは継続認証に有効ということが判明した。これに基づき、認証システム具体的に実現するためのシステム、およびこれらに適した特徴抽出法の開発を行った。脳信号に対しては、独立成分分析によるアーティファクト（雑音）除去が有効であり、また特徴抽出のためには、空間的情報よりも時間的情報（一例として周波数スペクトル）が重要である、という知見が得られた。また、時系列データの新しい手法として、時間を考慮したアフィニティ伝搬（Affinity Propagation; AP）のアルゴリズムを開発した。これは脳信号だけでなく、一般の時系列データに対しても適用できる汎用的なクラスタリング手法である。

本研究では、機械学習・パターン認識、その他の統計信号処理を脳信号に適用することで、より実用的なヒューマンコンピュータインタラクションを作成することを目標とした。本研究の主たる実績としては、脳信号を用いた認証システムの作成と時系列データの新しいクラスタリングアルゴリズムの作成が挙げられる。脳情報に基づく認証に関する既存システムは、指紋認証や虹彩認証と比較しても実用性に乏しいものであったが、本研究において提案したシステムは実用に耐えうる認証精度をもつ。本研究において、多チャンネルの脳波（Electroencephalogram; EEG）と、さらに脳血流信号（Functional Near-Infrared Spectroscopy; NIRS）を収集し、統計信号処理を用いて分析した。この結果から、EEGは指紋認証のような瞬間的な認証、NIRSは継続認証に有効ということが判明した。これに基づき、認証システム具体的に実現するためのシステム、およびこれらに適した特徴抽出法の開発を行った。脳信号に対しては、独立成分分析によるアーティファクト（雑音）除去が有効であり、また特徴抽出のためには、空間的情報よりも時間的情報（一例として周波数スペクトル）が重要である、という知見が得られた。また、時系列データの新しい手法として、時間を考慮したアフィニティ伝搬（Affinity Propagation; AP）のアルゴリズムを開発した。これは脳信号だけでなく、一般の時系列データに対しても適用できる汎用的なクラスタリング手法である。