用于身份辨識(shí)的ECG單基點(diǎn)識(shí)別算法研究.pdf

1、在信息化、數(shù)字化、網(wǎng)絡(luò)化的當(dāng)今時(shí)代，個(gè)人信息的安全性越來(lái)越重要，如何準(zhǔn)確、方便地進(jìn)行個(gè)人身份的驗(yàn)證和辨識(shí)，已經(jīng)成為當(dāng)下人們?nèi)找骊P(guān)心的問(wèn)題，也引起了國(guó)內(nèi)外學(xué)者的高度重視。IC卡片、密碼、鑰匙等傳統(tǒng)身份識(shí)別方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足當(dāng)代社會(huì)對(duì)安全性和可靠性的要求。生物特征識(shí)別技術(shù)是當(dāng)前最為便捷與安全的身份識(shí)別解決方案，它是指利用人體固有的、獨(dú)特的生理特征或行為特征進(jìn)行身份識(shí)別的技術(shù)，如指紋、人臉、虹膜和語(yǔ)音等。心電信號(hào)(Electrocardio

2、gram,ECG)是人體心臟內(nèi)部的生物電信號(hào)，近年來(lái)，研究表明，心電具備唯一性，也可用于身份識(shí)別，而且由于其來(lái)自人體內(nèi)部，不易被偽造、竊取，具有高度的安全性。因此，將心電信號(hào)用于個(gè)人身份識(shí)別領(lǐng)域具有重要意義。
　　本文主要研究了基于心電信號(hào)單基點(diǎn)檢測(cè)的身份識(shí)別技術(shù)。首先，在分析信號(hào)波形特征及其噪聲特性的基礎(chǔ)上，研究了基于小波重疊組收縮閾值(Overlapping Group Shrinkage,OGS)的平移不變心電消噪算法，有效

3、地去除了心電信號(hào)中的噪聲，提高了信噪比。其次，研究了信號(hào)稀疏表示原理，并從該角度提出了基于塊稀疏貝葉斯學(xué)習(xí)(Block Sparse Bayesian Learning,BSBL)的心電身份識(shí)別算法。最后，通過(guò)四個(gè)常用心電數(shù)據(jù)庫(kù)中的數(shù)據(jù)對(duì)該識(shí)別算法進(jìn)行了驗(yàn)證，取得了較高的身份識(shí)別率。本文主要工作如下：
　　1、研究了心電信號(hào)的產(chǎn)生機(jī)理和信號(hào)的形態(tài)學(xué)特征，并且分析了心電波形中常見(jiàn)的噪聲類型，為消除波形中的噪聲干擾奠定了基礎(chǔ)。

4、　　2、提出了基于小波OGS閾值的平移不變心電信號(hào)消噪方法。首先，系統(tǒng)地研究了小波變換理論、小波閾值消噪原理和OGS閾值原理。其次，將平移不變小波變換和OGS閾值函數(shù)相結(jié)合，建立一種新的心電信號(hào)消噪算法。最后，通過(guò)六種具有代表性的模擬信號(hào)及兩種不同類型的心電信號(hào)驗(yàn)證了該消噪算法的可行性和有效性。
　　3、提出了基于R點(diǎn)檢測(cè)和塊稀疏分解的心電身份識(shí)別算法。首先，研究了信號(hào)稀疏表示原理及各種稀疏表示算法，并分析了將塊稀疏表示用于身份識(shí)

5、別的原理。其次，將去噪、單周期提取及標(biāo)準(zhǔn)化后的測(cè)試信號(hào)在由訓(xùn)練信號(hào)組成的過(guò)完備字典上進(jìn)行塊稀疏分解，根據(jù)得到的塊稀疏系數(shù)來(lái)構(gòu)建識(shí)別準(zhǔn)則。最后，通過(guò)四個(gè)心電數(shù)據(jù)庫(kù)中的數(shù)據(jù)對(duì)該身份識(shí)別算法的性能進(jìn)行了驗(yàn)證，并討論了訓(xùn)練時(shí)間，主成分分析(Principal Component Analysis,PCA)特征值個(gè)數(shù)等對(duì)識(shí)別率的影響，選取最優(yōu)參數(shù)，得到了較高的識(shí)別率。
　　本文的研究實(shí)現(xiàn)了一種方法簡(jiǎn)單、魯棒性強(qiáng)、識(shí)別率高的生物特征識(shí)別新方法