人们在面临巨大压力下,往往会以谎言为自己脱身,因此谎言时常弥漫在我们社会中,如职场测评、保险金融营销、公共场所的安检、法庭审讯、警局侦查等领域,而如何识破谎言这个难题一直困扰着全人类。目前的测谎技术主要使用传统生理信号的测谎检查、语音信号和语言文本的测谎技术、红外热成像测谎技术、脑电信号测谎技术等方法。通过分析现有测谎技术文献可以总结出,生理信号仍然是测谎的常用主流特征,但目前的测谎设备存在着较明显的缺陷是侵入式的生理信号采集且不能实现无感测谎。虽说语音和视频信号也有相关的测谎研究,但单纯的语音信号或表情信号测谎研究可行性还尚处于有待深入研究阶段。本文结合心冲击信号的独有特点,并将其引入到测谎系统中与其他无感采集设备组合,搭建了基于心冲击信号的多通道测谎系统,主要的研究内容如下:(1)设计了多通道生理信号采集仪和多通道测谎仪两套设备。多通道生理信号采集仪可同步采集心冲击、脉搏波和心电三路信号,主要应用于本文的心冲击信号处理研究。第二套设备为本文的测谎系统装置,能够同步采集心冲击、语音、视频和皮肤电阻4通道信号,实现测谎信号的无感采集。并基于python语言开发出一款可实现多通道信号实时处理的上位机软件,进行数据采集、存储、处理分析和可视化。(2)对目前心冲击信号处理算法的不足进行分析,提出相关的改进算法。分别是联合EMD(Empirical Mode Decomposition)、ICA(Independent Component Correlation Algorithm)和Hilbert变换的信号降噪方法、联合脉搏波信号修复受体动伪迹干扰的心冲击信号方法、基于中值滤波器和均值平滑滤波器的呼吸提取方法和基于HTPV+VD算法的心率计算方法,并进行相关的实验测试,比较本文改进算法的真实效果和可行性。(3)对测谎系统采集的信号进行特征量分析与提取。提出了心冲击信号关键特征点的自适应阈值识别方法,并对心冲击信号、语音信号、视频信号和皮肤电阻信号的特征量化方法和后续的多通道信号的融合和特征工程进行详细的阐述。(4)建立了基于Light GBM、XGBOOST和RF这3种树模型算法的分类器,并进行了3模型的线性加权融合,提升了测谎分类预测效果,将未进行算法融合之前的单模最高准确率为73%提升至融合算法后的78%准确率。本课题所取得的相关研究成果简单总结如下:(1)搭建了首个基于心冲击信号的多通道测谎系统;(2)开发了多通道系统实时信号处理自动化和可视化软件系统;(3)探究了心冲击信号处理算法并提出相关改进算法。