انسان همواره در پی راهی بوده است که از طریق آن به صحت و سقم گفتار افرادی که با آنها سروکار دارد، پی ببرد. به همین دلیل در تاریخ اقوام و تمدن های مختلف، اشاره هایی به روش های مختلف سنجیدن صداقت افراد شده است. اما شروع علمی این مسئله را می توان از قرن 18 میلادی و تجربیات دانیل دفو عنوان کرد. از آن زمان تا کنون نیز، به دلیل اهمیت بسیار این موضوع در مسائل امنیتی و قضایی، ورود روزافزون جوامع علمی مرتبط از حقوق دانان تا سایکوفیزیولوژیست ها در این زمینه بسیار چشم گیر بوده است. امروزه با پیشرفت کامپیوترها و ورود این وسیله به حوزه مهندسی، رشد بسیاری در ابزارهای مهندسی تفکیک و طبقه بندی دادگان ایجاد شده است که منجر به ورود این قشر در زمینه دروغ سنجی شده است. در یک تقسیم بندی کلی می توان روش های دروغ سنجی را به سه دسته: روش های کلاسیک – مبتنی بر اندازه گیری استرس فرد از طریق سیگنال های سایکوفیزیولوژیک- روش های مغزی – مبتنی بر بررسی مولفه های شناختی سیگنال های الکتریکی مغز- و روش های تلفیقی – مبتنی بر تلفیق دو روش کلاسیک و مغزی- تقسیم بندی نمود. هدف از این تحقیق نیز ارائه روشی برای ثبت همزمان سیگنال های کلاسیک و پتانسیل های برانگیخته مغزی برای ایجاد بهبود در صحت های حاصل از دروغ سنجی های مغزی و کلاسیک محض بوده است. در بررسی های انجام شده، این نتیجه حاصل شد که در ثبت همزمان کانال های مغزی و کلاسیک، دو مشکل اساسی وجود دارد که عبارتند از: اول، عدم هماهنگی زمانی بین دینامیک های مغزی و کلاسیک که منجر به بروز مشکلاتی در تنظیم بازه زمانی بین تحریک ها می گردد و دوم، وجود منشاهای متفاوت در تولید دینامیک های مغزی و کلاسیک که برای رفع آن می-بایست به دنبال سناریو و پروتکلی برای تحریک همزمان دو منشا بود. لذا با طراحی سناریوی دزدین/ندزدیدن جواهرات به تحریک همزمان مولفه های شناختی و استرسی در سوژه ها پرداخته شد. همچنین برای برطرف نمودن مشکل عدم همخوانی دینامیک ها به تنظیم فاصله زمانی بین تحریک ها برابر 3 ثانیه و همچنین چیدن تحریک های پروب و هدف با بیشترین فاصله تصادفی پرداخته شد. در پردازش های انجام شده بر روی 30 داده ثبت شده باقی مانده (شامل 16 سوژه گناه کار و 14 سوژه بی گناه)، با استفاده از طبقه بندهای bad و bcdبر روی دادگان مغزی صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد. همچنین با استفاده از طبقه بند lda و الگوریتم ژنتیک برای بهینه سازی ویژگی ها، بر روی ویژگی های حاصل از سیگنال های ppg نیز صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد، که این مطلب بیانگر قابلیت سناریو و پروتکل طراحی شده در تحریک و ثبت همزمان سیگنال های مغزی و کلاسیک می باشد. از سوی دیگر در ترکیب تک تک ویژگی های کلاسیک با ویژگی های مغزی نیز برترین صحت آشکارسازی گناه کار- بی گناه ، در طبقه بندی همزمان دادگان مغزی و ppg با استفاده از طبقه بند lda و بهینه کننده الگوریتم ژنتیک، برابر 96.67% بوده است. در تلفیق تمامی ویژگی های حاصل از سیگنال های مغزی، gsr، ppg و rt و استفاده از طبقه بند lda و الگوریتم ژنتیک در بهینه سازی دادگان، صحت آشکارسازی گناه کار- بی گناه 100% حاصل شد. تمامی نتایج حاصل حاکی از بهبود صحت طبقه بندی با استفاده از تلفیق ویژگی های مغزی و کلاسیک نسبت به طبقه بندی جداگانه سیگنال های مغزی و کلاسیک می باشد.

از دیرباز انسان از دروغ بعنوان ساده ترین ابزار ممکن برای سرپوش نهادن بر اشتباهات و خطاهای خویش استفاده نموده است، با پیشرفت علم و افزایش دانش انسان نسبت به بدن خویش، تلاش هایی به منظور ساخت سیستم های دروغ سنجی آغاز گردیده، یکی از روش هایی که در سالیان اخیر مورد توجه قرار گرفته است دروغ سنجی با استفاده از سیگنال های الکتریکی مغز می باشد. در میان تحقیقات صورت گرفته در این زمینه، مولفه ی شناختی p300 سهم بیش تری را به خود اختصاص داده است. در این مطالعه به منظور طراحی یک سیستم خودکار دروغ سنجی، از تک ثبت های یک ثانیه ای افراد دروغگو و راستگو استفاده شده است. دادگان مورد استفاده، مربوط به دو آزمون 5 تحریکه (53 نفر) و 6 تحریکه (49 نفر) می باشند که در هر دو آزمون از تحریک چهره استفاده شده است. طراحی این آزمون ها به نحوی صورت گرفته است که در آن آشنا بودن تصویر یک چهره، توسط افراد دروغگو کتمان گردد. بنابراین هدف، بازشناسی چهره مخفی شده توسط این افراد می باشد. در مرحله استخراج ویژگی علاوه بر ویژگی های زمانی، فرکانسی، ویولت و آنتروپی زیر باندهای آن، که پیش تر به مطالعات دروغ سنجی راه یافته اند، از ویژگی های غیرخطی بعد فرکتال و کمی کننده های بازگشتی نیز استفاده شده است. طبیعت آشوبگونه ی دینامیک مغز و بررسی بستر جذب در فضای فاز، از امور مهمی می باشند که در این روش های غیرخطی مورد توجه قرار می-گیرند. بررسی نتایج بدست آمده از ویژگی های غیرخطی نشان می دهد، ظهور مولفه ی p300 در افراد دروغگو، افزایش تعیٌن و پیش بینی پذیری در مغز را به همراه دارد و این امر بیانگر کاهش بعد و پیچیدگی مغز در این افراد می باشد. با بکارگیری الگوریتم ژنتیک در مرحله ی انتخاب ویژگی، طبقه بندی کننده ی lda و روش آستانه گذاری متغیر، صحت 94.3 درصد (تشخیص صحیح 50 نفر از 53 نفر) در آزمون 5 تحریکه و 97.9 درصد (تشخیص صحیح 48 نفر از 49 نفر) در آزمون 6 تحریکه حاصل گردید. بررسی کمٌی کانال های مختلف نشان داد، کانال pz نسبت به دو کانال cz و fz، از قابلیت بیش تری در طبقه-بندی افراد دو گروه برخوردار است و تلفیق هر سه کانال سبب بهبود نتایج می گردد. همچنین اگرچه توانایی ویژگی های غیرخطی در ایجاد تمایز میان دو گروه دروغگو و راستگو اندکی کمتر از ویژگی های خطی است، اما تلفیق این دسته ویژگی ها نتایج را بهبود بخشید. نتایج بدست آمده نشان می دهد، افزایش تحریکات نامرتبط در آزمون دروغ سنجی سبب بهبود نتایج شده است.

روش های دروغ سنجی به سه دسته ی روش های کلاسیک، مغزی و تلفیق کلاسیک و مغزی تقسیم بندی می شوند. به دلیل حساسیت موضوع دروغ سنجی تلفیق سیگنال های کلاسیک و پتانسیل های برانگیخته مغزی می تواند صحت بیشتری نسبت به دو روش دیگر در جداسازی بی گناه و گناه کار از خود نشان دهد. سناریوی دزدیدن/ندزدیدن جواهرات، پروتکلی ست که بر روی 30 سوژه اعمال شده است. پردازش¬های انجام¬شده بر روی این تعداد داده (شامل 16 سوژه گناه¬کار و 14 سوژه بی¬گناه) در این تحقیق بر روی سیگنال های مغزی، تنفسی و زمان پاسخگویی (rt) می باشد. جهت طبقه بندی از lda و knn استفاده شده است. هم چنین دو الگوریتم تکاملی بهینه سازی رقابت استعماری و فاخته که به تازگی معرفی شده اند و در توابع پیوسته معرفی شده اند، جهت فرآیند انتخاب ویژگی توسعه یافته اند. الگوریتم های نام برده شده جهت انتخاب دسته ویژگی مناسب جهت طبقه بندی بر روی هر دسته از ویژگی های مغزی، تنفسی و rt و در نهایت تمامی ویژگی استفاده شده است. هر دو الگوریتم انتخاب ویژگی نتایج بهتری را نسبت به طبقه بندی در حالت بدون انتخاب ویژگی نشان می دهد. پردازش های صورت گرفته با استفاده از الگوریتم ها، بر روی دادگان مغزی به صحت آشکارسازی گناه¬کار- بی¬گناه 6/96% و صحت آشکارسازی تک ثبت 8/72% بدست آمد که صحت بیشتری را نسبت به گزارش های قبلی که با الگوریتم ژنتیک محاسبه شده بود را نشان می دهد. با تعریف مفهوم جدیدی از ویژگی های سیگنال تنفسی به صورت پنجره ای و استفاده از الگوریتم های تکاملی بر روی آن به صحت تشخیص گناهکار و بی گناه 6/96% و جداسازی تک ثبت 1/79% رسیدیم. زمان پاسخ گویی (rt) با انتخاب ویژگی درصد 75% برای جداسازی تک ثبت و 100% را برای تشخیص گناهکار و بی گناه گزارش می دهد. در انتها با تلفیق ویژگی-های حاصل از سیگنال¬های مغزی، تنفسی و rt صحت گزارش شده جهت تشخیص گناه¬کار- بی¬گناه 100% می باشد. تلفیق ویژگی ها بهترین نتیجه را که معادل 2/83 % برای جداسازی تک ثبت ارائه می دهد. تمامی نتایج حاصل حاکی از بهبود صحت طبقه بندی با استفاده از تلفیق ویژگی¬های مغزی و کلاسیک نسبت به طبقه¬بندی جداگانه سیگنال¬های مغزی و کلاسیک می¬باشد. به علاوه عملکرد دو الگوریتم رقابت استعماری و فاخته نسبت به الگوریتم ژنتیک در ان تحقیق مطلوب تر بوده است هم چنین نتایج نشان می دهد، الگوریتم فاخته با اختلافی بسیار محدود عملکرد مناسب تری نسبت به الگوریتم رقابت استعماری داشته است. غیر از تفاوت در صحت گزارش شده طبقه بندی توسط دو الگوریتم سرعت الگوریتم فاخته نیز بهتر بوده است.