本發(fā)明實施例涉及身份識別技術(shù)，尤其涉及一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法及裝置。

背景技術(shù)：

虛擬現(xiàn)實技術(shù)有極其廣泛的應(yīng)用前景，其中，虛擬購物在網(wǎng)購與實體店購物之間搭起一座橋梁，并將它們?nèi)诤显趩我?、合成化的平臺里，使之在互補中揚長避短，這勢必會給商家以及客戶帶來極大的便利。用戶在網(wǎng)購時，通常使用在線支付進行結(jié)算，而在線支付需要對操作者的身份進行識別。

現(xiàn)有技術(shù)中，通過密碼、令牌、掩碼及其手機短信等確認操作者的身份，但是現(xiàn)有的在線支付手段使得用戶不可避免得摘下虛擬現(xiàn)實交互的智能頭顯，在手機上完成支付環(huán)節(jié)，嚴(yán)重影響了購物中的流暢一體化。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法及裝置，以實現(xiàn)通過獲取用戶的生物特征，實現(xiàn)方便快捷地識別用戶身份。

第一方面，本發(fā)明實施例提供了一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法，包括：

獲取用戶語音信號，并提取用戶語音信號的語音特征參數(shù)；

將所述語音特征參數(shù)和預(yù)設(shè)語音模型庫進行模式匹配，生成匹配結(jié)果；

如果所述匹配結(jié)果為匹配成功，則開啟預(yù)設(shè)腦電波圖譜庫的調(diào)取權(quán)限；

獲取用戶輸入意念密碼時的腦電波信號，并提取所述腦電波信號的腦電波特征信息；

如果提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，則確定用戶身份為已授權(quán)身份。

進一步的，在將所述語音特征參數(shù)和預(yù)設(shè)語音模型庫進行模式匹配，生成匹配結(jié)果之前，還包括：

獲取用戶輸入的預(yù)設(shè)文本內(nèi)容的語音信號；

根據(jù)所述預(yù)設(shè)文本內(nèi)容、所述預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息以及所述預(yù)設(shè)文本內(nèi)容和所述預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息的對應(yīng)關(guān)系，生成已出現(xiàn)語音模型；

根據(jù)所述已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成未出現(xiàn)語音模型；

根據(jù)所述已出現(xiàn)語音模型和所述未出現(xiàn)語音模型，生成所述預(yù)設(shè)語音模型庫。

進一步的，如果所述匹配結(jié)果為匹配成功，還包括：

根據(jù)所述語音信號的文本內(nèi)容、所述語音信號的聲紋信息以及所述語音信號的文本內(nèi)容和所述語音信號的聲紋信息的對應(yīng)關(guān)系，生成新增已出現(xiàn)語音模型；

將所述新增已出現(xiàn)語音模型加入所述已出現(xiàn)語音模型；

根據(jù)加入所述新增已出現(xiàn)語音模型后的所述已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成更新未出現(xiàn)語音模型，作為未出現(xiàn)語音模型。

進一步的，在如果提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，則確定用戶身份為已授權(quán)身份之前，還包括：

獲取向用戶展示至少一個預(yù)設(shè)引導(dǎo)信息時的用戶腦電波信號，作為基礎(chǔ)腦電波信號；

根據(jù)預(yù)設(shè)腦電波特征提取方式，對所述基礎(chǔ)腦電波信號進行特征提取，生成基礎(chǔ)腦電波特征信息；

根據(jù)神經(jīng)網(wǎng)絡(luò)的模式分類方法對所述基礎(chǔ)腦電波特征信息進行分類，將所述基礎(chǔ)腦電波特征信息歸于至少一種預(yù)設(shè)腦電波類型；

根據(jù)分類后的所述基礎(chǔ)腦電波特征信息和所述至少一種預(yù)設(shè)腦電波類型，建立預(yù)設(shè)腦電波圖譜庫。

進一步的，所述預(yù)設(shè)腦電波特征提取方式包括：將待特征提取的腦電波信號進行傅里葉變換，生成待特征提取的腦電波信號的頻域信號；通過小波變換對待特征提取的腦電波信號的頻域信號進行特征提取，作為待特征提取的腦電波信號的特征信息。

第二方面，本發(fā)明實施例還提供了一種用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置，包括：

語音特征參數(shù)提取模塊，用于獲取用戶語音信號，并提取用戶語音信號的語音特征參數(shù)；

語音匹配結(jié)果生成模塊，用于將所述語音特征參數(shù)和預(yù)設(shè)語音模型庫進行模式匹配，生成匹配結(jié)果；

腦電波圖譜庫權(quán)限開啟模塊，用于如果所述匹配結(jié)果為匹配成功，則開啟預(yù)設(shè)腦電波圖譜庫的調(diào)取權(quán)限；

腦電波特征信息提取模塊，用于獲取用戶輸入意念密碼時的腦電波信號，并提取所述腦電波信號的腦電波特征信息；

身份確定模塊，用于如果提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，則確定用戶身份為已授權(quán)身份。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置還包括：

預(yù)設(shè)文本語音信號獲取模塊，用于獲取用戶輸入的預(yù)設(shè)文本內(nèi)容的語音信號；

已出現(xiàn)語音模型生成模塊，用于根據(jù)所述預(yù)設(shè)文本內(nèi)容、所述預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息以及所述預(yù)設(shè)文本內(nèi)容和所述預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息的對應(yīng)關(guān)系，生成已出現(xiàn)語音模型；

未出現(xiàn)語音模型生成模塊，用于根據(jù)所述已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成未出現(xiàn)語音模型；

預(yù)設(shè)語音模型庫生成模塊，用于根據(jù)所述已出現(xiàn)語音模型和所述未出現(xiàn)語音模型，生成所述預(yù)設(shè)語音模型庫。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置還包括：

新增已出現(xiàn)語音模型生成模塊，用于根據(jù)所述語音信號的文本內(nèi)容、所述語音信號的聲紋信息以及所述語音信號的文本內(nèi)容和所述語音信號的聲紋信息的對應(yīng)關(guān)系，生成新增已出現(xiàn)語音模型；

已出現(xiàn)語音模型加入模塊，用于將所述新增已出現(xiàn)語音模型加入所述已出現(xiàn)語音模型；

未出現(xiàn)語音模型更新模塊，用于根據(jù)加入所述新增已出現(xiàn)語音模型后的所述已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成更新未出現(xiàn)語音模型，作為未出現(xiàn)語音模型。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置還包括：

基礎(chǔ)腦電波信號獲取模塊，用于獲取向用戶展示至少一個預(yù)設(shè)引導(dǎo)信息時的用戶腦電波信號，作為基礎(chǔ)腦電波信號；

基礎(chǔ)腦電波特征信息生成模塊，用于根據(jù)預(yù)設(shè)腦電波特征提取方式，對所述基礎(chǔ)腦電波信號進行特征提取，生成基礎(chǔ)腦電波特征信息；

基礎(chǔ)腦電波特征信息歸類模塊，用于根據(jù)神經(jīng)網(wǎng)絡(luò)的模式分類方法對所述基礎(chǔ)腦電波特征信息進行分類，將所述基礎(chǔ)腦電波特征信息歸于至少一種預(yù)設(shè)腦電波類型；

預(yù)設(shè)腦電波圖譜庫建立模塊，用于根據(jù)分類后的所述基礎(chǔ)腦電波特征信息和所述至少一種預(yù)設(shè)腦電波類型，建立預(yù)設(shè)腦電波圖譜庫。

進一步的，所述預(yù)設(shè)腦電波特征提取方式包括：將待特征提取的腦電波信號進行傅里葉變換，生成待特征提取的腦電波信號的頻域信號；通過小波變換對待特征提取的腦電波信號的頻域信號進行特征提取，作為待特征提取的腦電波信號的特征信息。

本發(fā)明通過獲取用戶的生物特征，識別用戶身份，解決虛擬現(xiàn)實購物結(jié)算時，需要摘下虛擬現(xiàn)實交互的智能頭顯，在手機上完成支付環(huán)節(jié)的問題，實現(xiàn)實現(xiàn)方便快捷地識別用戶身份的效果。

附圖說明

圖1是本發(fā)明實施例一中的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖；

圖2是本發(fā)明實施例二中的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖；

圖3是本發(fā)明實施例三中的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖；

圖4是本發(fā)明實施例四中的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明?？梢岳斫獾氖牵颂幩枋龅木唧w實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。

實施例一

圖1為本發(fā)明實施例一提供的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖，本實施例可適用于使用虛擬現(xiàn)實交互設(shè)備進行網(wǎng)購的情況，該方法可以由用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置來執(zhí)行，該裝置可以由硬件和/或軟件來實現(xiàn)，具體包括如下步驟：

步驟110、獲取用戶語音信號，并提取用戶語音信號的語音特征參數(shù)。

其中，虛擬現(xiàn)實交互設(shè)備包括用于獲取語音信號的麥克風(fēng)，在獲取用于身份驗證的語音信號時，提示用戶輸入語音信號的起止時間。在獲取用戶語音信號之后，提取用戶語音信號的聲紋信息作為語音特征參數(shù)。

步驟120、將語音特征參數(shù)和預(yù)設(shè)語音模型庫進行模式匹配，生成匹配結(jié)果。

其中，根據(jù)已有的預(yù)設(shè)語音模型庫對輸入的用戶語音信號的語音特征參數(shù)進行模式匹配計算，根據(jù)模式匹配計算的結(jié)果確定匹配結(jié)果。

步驟130、如果匹配結(jié)果為匹配成功，則開啟預(yù)設(shè)腦電波圖譜庫的調(diào)取權(quán)限。

其中，當(dāng)語音信號的語音特征參數(shù)和預(yù)設(shè)語音模型庫匹配成功后，則可以獲得進入用戶個人的身份驗證空間，該身份驗證空間存儲有預(yù)設(shè)腦電波圖譜庫，該預(yù)設(shè)腦電波圖譜庫包括根據(jù)獲取的用戶腦電波信號生成的預(yù)設(shè)腦電波圖譜。

步驟140、獲取用戶輸入意念密碼時的腦電波信號，并提取腦電波信號的腦電波特征信息。

其中，虛擬現(xiàn)實交互設(shè)備還包括用于獲取用戶頭部預(yù)設(shè)位置的腦電波信號的腦波傳感器，當(dāng)通過語音識別后，提示用戶進入意念驗證，并提示用戶進行意念驗證的起止時間，在進行意念驗證的起止時間內(nèi)通過腦波傳感器獲取用戶腦電波信號，并從用戶腦電波信號中提取腦電波特征信息。

步驟150、如果提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，則確定用戶身份為已授權(quán)身份。

其中，將從用戶腦電波信號中提取出的腦電波特征信息和預(yù)設(shè)腦電波圖譜進行匹配，當(dāng)腦電波特征信息和預(yù)設(shè)腦電波圖譜庫中的某個預(yù)設(shè)腦電波圖譜相符合時，確定提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，此時，確定用戶身份為已授權(quán)身份，從而可以進一步實現(xiàn)網(wǎng)購結(jié)算等操作。

本實施例的技術(shù)方案，通過獲取用戶的生物特征，識別用戶身份，解決虛擬現(xiàn)實購物結(jié)算時，需要摘下虛擬現(xiàn)實交互的智能頭顯，在手機上完成支付環(huán)節(jié)的問題，實現(xiàn)實現(xiàn)方便快捷地識別用戶身份的效果。

實施例二

圖2為本發(fā)明實施例二提供的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖，在上述技術(shù)方案的基礎(chǔ)上，在步驟120之前，還包括：

步驟210、獲取用戶輸入的預(yù)設(shè)文本內(nèi)容的語音信號。

其中，用戶輸入的語音信號的文本內(nèi)容是預(yù)設(shè)的，為了建立基礎(chǔ)的語音模型，該文本內(nèi)容需要包括特定發(fā)音的文本，在設(shè)置語音密鑰的訓(xùn)練階段，訓(xùn)練語音內(nèi)容為系統(tǒng)所知，用戶要根據(jù)系統(tǒng)里面的指定內(nèi)容說話，且批量錄入語音，系統(tǒng)根據(jù)累積的統(tǒng)計量。

步驟220、根據(jù)預(yù)設(shè)文本內(nèi)容、預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息以及預(yù)設(shè)文本內(nèi)容和預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息的對應(yīng)關(guān)系，生成已出現(xiàn)語音模型。

其中，用戶輸入的語音信號的文本內(nèi)容是已知的，但仍需要對語音信號進行文本內(nèi)容識別，以及聲紋信息提取，進而確定預(yù)設(shè)文本內(nèi)容和與其對應(yīng)的聲紋信息，示例的，以時間軸為基準(zhǔn)，確定語音信號中的文本內(nèi)容對應(yīng)的聲紋信息。在確定了語音信號中的預(yù)設(shè)文本內(nèi)容，提取了語音信號中的聲紋信息，并確定了預(yù)設(shè)文本內(nèi)容和聲紋信息的對應(yīng)關(guān)系之后，進行學(xué)習(xí)訓(xùn)練以建立已出現(xiàn)語音模型。

步驟230、根據(jù)已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成未出現(xiàn)語音模型。

其中，用戶在進行語音驗證時，在語音驗證起止時間內(nèi)輸入語音信號，該語音信號的文本內(nèi)容是隨意的，需要由系統(tǒng)通過識別獲得，在語音數(shù)量很大的情況下，矢量場平滑最大后驗概率算法以最大后驗概率為基本準(zhǔn)則，用已出現(xiàn)語音模型自適應(yīng)后的變化量預(yù)測相鄰的未出現(xiàn)語音的模型的變化量,從而獲得未出現(xiàn)語音模型的自適應(yīng)結(jié)果。

步驟240、根據(jù)已出現(xiàn)語音模型和未出現(xiàn)語音模型，生成預(yù)設(shè)語音模型庫。

可選的，在步驟120之后，如果所述匹配結(jié)果為匹配成功，還包括：

根據(jù)語音信號的文本內(nèi)容、語音信號的聲紋信息以及語音信號的文本內(nèi)容和語音信號的聲紋信息的對應(yīng)關(guān)系，生成新增已出現(xiàn)語音模型；

將新增已出現(xiàn)語音模型加入已出現(xiàn)語音模型；

根據(jù)加入新增已出現(xiàn)語音模型后的已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成更新未出現(xiàn)語音模型，作為未出現(xiàn)語音模型。

用戶進行語音驗證時，用戶在一定的時間內(nèi)隨意說話，該自適應(yīng)訓(xùn)練過程中訓(xùn)練語音的說話內(nèi)容對于系統(tǒng)是不知的，需要由系統(tǒng)通過識別獲得，在語音數(shù)量很大的情況下，矢量場平滑最大后驗概率算法以最大后驗概率為基本準(zhǔn)則，用已出現(xiàn)語音模型自適應(yīng)后的變化量預(yù)測相鄰的未出現(xiàn)語音的模型的變化量，從而獲得未出現(xiàn)語音模型的自適應(yīng)結(jié)果，使系統(tǒng)的性能漸進式的逼近于“一對一”模式。

本實施例的技術(shù)方案，通過獲取預(yù)設(shè)文本內(nèi)容的語音信號，并進行文本內(nèi)容的識別和聲紋信息的提取，訓(xùn)練獲得預(yù)設(shè)語音模型，實現(xiàn)文本無關(guān)型的語音驗證。

實施例三

圖3為本發(fā)明實施例三提供的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別方法的流程圖，在上述技術(shù)方案的基礎(chǔ)上，在步驟150之前，還包括：

步驟310、獲取向用戶展示至少一個預(yù)設(shè)引導(dǎo)信息時的用戶腦電波信號，作為基礎(chǔ)腦電波信號。

其中，預(yù)設(shè)引導(dǎo)信息可以是預(yù)設(shè)的文本、預(yù)設(shè)的音頻、預(yù)設(shè)的圖片和預(yù)設(shè)的視頻中的至少一種。預(yù)設(shè)引導(dǎo)信息用于引導(dǎo)用戶的情緒，從而使用戶產(chǎn)生與預(yù)設(shè)情緒類型相應(yīng)的腦電波信號。預(yù)設(shè)情緒類型包括但不限于喜悅、生氣、悲傷、憂慮和恐懼。示例的，為用戶播放一段歡快的音樂，同時顯示一副自然風(fēng)光的美景，引導(dǎo)用戶產(chǎn)生愉悅的情緒，記錄用戶的腦電波信號。將獲取到的各種情緒類型的腦電波信號作為基礎(chǔ)腦電波信號。

步驟320、根據(jù)預(yù)設(shè)腦電波特征提取方式，對基礎(chǔ)腦電波信號進行特征提取，生成基礎(chǔ)腦電波特征信息。

可選的，預(yù)設(shè)腦電波特征提取方式包括：將待特征提取的腦電波信號進行傅里葉變換，生成待特征提取的腦電波信號的頻域信號；通過小波變換對待特征提取的腦電波信號的頻域信號進行特征提取，作為待特征提取的腦電波信號的特征信息。其中，腦波傳感器獲取到的是電位數(shù)據(jù)，快速傅里葉變換可以把信號從時間域轉(zhuǎn)換到頻域，基于外部刺激和內(nèi)在精神狀態(tài)的不同，腦電波的頻域幅度變化很大。利用小波變換作特征提取，即提取信息的要點，其次利用神經(jīng)網(wǎng)絡(luò)的模式分類方法對特征進行分類，最終目的是對特定腦電信號進行識別。

步驟330、根據(jù)神經(jīng)網(wǎng)絡(luò)的模式分類方法對基礎(chǔ)腦電波特征信息進行分類，將基礎(chǔ)腦電波特征信息歸于至少一種預(yù)設(shè)腦電波類型。

其中，根據(jù)神經(jīng)網(wǎng)絡(luò)的模式分類方法將具有相同腦電波特征信息的基礎(chǔ)腦電波特征信息劃分為同一預(yù)設(shè)腦電波類型的基礎(chǔ)腦電波。

步驟340、根據(jù)分類后的基礎(chǔ)腦電波特征信息和至少一種預(yù)設(shè)腦電波類型，建立預(yù)設(shè)腦電波圖譜庫。

其中，預(yù)設(shè)腦電波圖譜庫下，按照預(yù)設(shè)腦電波類型，在各個類型下相應(yīng)存儲同一類型的基礎(chǔ)電腦版特征信息。

用戶預(yù)先設(shè)定意念密碼，該意念密碼即為一種情緒傾向，為了腦波驗證的可操作性，可以設(shè)置驗證口訣，即一段包括情緒傾向的文本，用戶可以在腦波驗證時默念該驗證口訣。而且，根據(jù)意念密碼的情緒類型，確定與意念密碼對應(yīng)的預(yù)設(shè)腦電波類型為目標(biāo)腦電波類型，當(dāng)進行腦波驗證時，獲取用戶腦電波信號，并提取腦電波特征信息，進而與預(yù)設(shè)腦電波圖譜庫中目標(biāo)腦電波類型的基礎(chǔ)腦電波特征信息進行比對，在匹配成功后，確定用戶身份為已授權(quán)身份。

本實施例的技術(shù)方案，通過獲取用戶腦電波信號，進行特征提取以及分類，建立預(yù)設(shè)腦電波圖譜庫，用于腦波驗證時與提取的腦電波特征信息進行比對，確定匹配結(jié)果。

實施例四

圖4為本發(fā)明實施例四提供的一種用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置的結(jié)構(gòu)示意圖，該裝置可以配置于虛擬現(xiàn)實交互設(shè)備中，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置40包括：

語音特征參數(shù)提取模塊410，用于獲取用戶語音信號，并提取用戶語音信號的語音特征參數(shù)；

語音匹配結(jié)果生成模塊420，用于將語音特征參數(shù)和預(yù)設(shè)語音模型庫進行模式匹配，生成匹配結(jié)果；

腦電波圖譜庫權(quán)限開啟模塊430，用于如果匹配結(jié)果為匹配成功，則開啟預(yù)設(shè)腦電波圖譜庫的調(diào)取權(quán)限；

腦電波特征信息提取模塊440，用于獲取用戶輸入意念密碼時的腦電波信號，并提取腦電波信號的腦電波特征信息；

身份確定模塊450，用于如果提取的腦電波特征信息和預(yù)設(shè)腦電波圖譜匹配，則確定用戶身份為已授權(quán)身份。

本實施例的技術(shù)方案，通過獲取用戶的生物特征，識別用戶身份，解決虛擬現(xiàn)實購物結(jié)算時，需要摘下虛擬現(xiàn)實交互的智能頭顯，在手機上完成支付環(huán)節(jié)的問題，實現(xiàn)實現(xiàn)方便快捷地識別用戶身份的效果。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置40還包括：

預(yù)設(shè)文本語音信號獲取模塊，用于獲取用戶輸入的預(yù)設(shè)文本內(nèi)容的語音信號；

已出現(xiàn)語音模型生成模塊，用于根據(jù)預(yù)設(shè)文本內(nèi)容、預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息以及預(yù)設(shè)文本內(nèi)容和預(yù)設(shè)文本內(nèi)容的語音信號的聲紋信息的對應(yīng)關(guān)系，生成已出現(xiàn)語音模型；

未出現(xiàn)語音模型生成模塊，用于根據(jù)已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成未出現(xiàn)語音模型；

預(yù)設(shè)語音模型庫生成模塊，用于根據(jù)已出現(xiàn)語音模型和未出現(xiàn)語音模型，生成預(yù)設(shè)語音模型庫。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置40還包括：

新增已出現(xiàn)語音模型生成模塊，用于根據(jù)語音信號的文本內(nèi)容、語音信號的聲紋信息以及語音信號的文本內(nèi)容和語音信號的聲紋信息的對應(yīng)關(guān)系，生成新增已出現(xiàn)語音模型；

已出現(xiàn)語音模型加入模塊，用于將新增已出現(xiàn)語音模型加入已出現(xiàn)語音模型；

未出現(xiàn)語音模型更新模塊，用于根據(jù)加入新增已出現(xiàn)語音模型后的已出現(xiàn)語音模型，通過矢量場平滑最大后驗概率算法，生成更新未出現(xiàn)語音模型，作為未出現(xiàn)語音模型。

進一步的，用于虛擬現(xiàn)實交互設(shè)備的身份識別裝置40還包括：

基礎(chǔ)腦電波信號獲取模塊，用于獲取向用戶展示至少一個預(yù)設(shè)引導(dǎo)信息時的用戶腦電波信號，作為基礎(chǔ)腦電波信號；

基礎(chǔ)腦電波特征信息生成模塊，用于根據(jù)預(yù)設(shè)腦電波特征提取方式，對基礎(chǔ)腦電波信號進行特征提取，生成基礎(chǔ)腦電波特征信息；

基礎(chǔ)腦電波特征信息歸類模塊，用于根據(jù)神經(jīng)網(wǎng)絡(luò)的模式分類方法對基礎(chǔ)腦電波特征信息進行分類，將基礎(chǔ)腦電波特征信息歸于至少一種預(yù)設(shè)腦電波類型；

預(yù)設(shè)腦電波圖譜庫建立模塊，用于根據(jù)分類后的基礎(chǔ)腦電波特征信息和至少一種預(yù)設(shè)腦電波類型，建立預(yù)設(shè)腦電波圖譜庫。

可選的，預(yù)設(shè)腦電波特征提取方式包括：將待特征提取的腦電波信號進行傅里葉變換，生成待特征提取的腦電波信號的頻域信號；通過小波變換對待特征提取的腦電波信號的頻域信號進行特征提取，作為待特征提取的腦電波信號的特征信息。

上述產(chǎn)品可執(zhí)行本發(fā)明任意實施例所提供的方法，具備執(zhí)行方法相應(yīng)的功能模塊和有益效果。

注意，上述僅為本發(fā)明的較佳實施例及所運用技術(shù)原理。本領(lǐng)域技術(shù)人員會理解，本發(fā)明不限于這里所述的特定實施例，對本領(lǐng)域技術(shù)人員來說能夠進行各種明顯的變化、重新調(diào)整和替代而不會脫離本發(fā)明的保護范圍。因此，雖然通過以上實施例對本發(fā)明進行了較為詳細的說明，但是本發(fā)明不僅僅限于以上實施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。