一種基于心電信號的身份識別方法
【專利摘要】本發(fā)明涉及生物識別領(lǐng)域，提供了一種基于心電信號的身份識別方法，包括：S1：采集心電信息數(shù)據(jù)；S2：對所述信息數(shù)據(jù)預(yù)處理；S3：對經(jīng)過S2處理后的信息數(shù)據(jù)進(jìn)行特征提??；S4：對經(jīng)過S31處理后的信息數(shù)據(jù)分為訓(xùn)練集和測試集；S5：通過訓(xùn)練集得到訓(xùn)練集模板庫；S6：將測試集信息數(shù)據(jù)和模板庫信息數(shù)據(jù)進(jìn)行相似性比較，確定心電信息數(shù)據(jù)所有者。本發(fā)明能夠通過對心電信號的處理，實現(xiàn)身份的識別，并且識別的可靠性強(qiáng)，抗干擾能力強(qiáng)，識別準(zhǔn)確率高。
【專利說明】—種基于心電信號的身份識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及生物識別領(lǐng)域，特別是涉及一種基于心電信號的身份識別方法。
【背景技術(shù)】
[0002]隨著社會信息化程度的提高，信息安全越來越多的受到人們重視。而原始的用戶與密碼等形式的驗證身份方式正受到各種入侵，如何獲得更加安全準(zhǔn)確的身份識別，已成為當(dāng)今技術(shù)研究的重點。生物識別技術(shù)正在使這一問題得到有效解決。生物識別技術(shù)是利用計算機(jī)及人體固有的生理特性來區(qū)分個體特征的技術(shù)。
[0003]基于生物特征的身份識別技術(shù)以其高安全性、唯一性、穩(wěn)定性和有效性等優(yōu)點得到快速發(fā)展，當(dāng)前的生物識別技術(shù)主要有指紋識別、手掌識別、虹膜識別、面部識別、聲音識另O、步態(tài)識別、DNA識別等。這些生物特征在某些領(lǐng)域有其獨特的優(yōu)勢，但在準(zhǔn)確率、防偽性和適用性等方面也具有一定的局限性或缺陷。
[0004]每個人的心臟器官形態(tài)、頻率等都各自不同，心電波形不易丟失，難以剽竊，可以唯一地代表本人特征。因而，心電也可以像指紋、人臉等一樣應(yīng)用于生物識別領(lǐng)域。
[0005]目前，主要有基于解析特征和變換特征的身份識別方法。21世紀(jì)初，LenaBiel最早提出一種新的身份識別方法，采用12導(dǎo)聯(lián)的心電信號的每一導(dǎo)聯(lián)多個特征點作為個體特征，經(jīng)主成分分析處理后進(jìn)行身份識別。Gahi等從24個幅度和間期特征中選擇出最優(yōu)的9個特征在16個試驗樣本中得到100%識別正確率。此外，還出現(xiàn)了基于融合特征的身份識別方法，但由于其數(shù)據(jù)處理量較大，識別速度較慢。
[0006]現(xiàn)有技術(shù)采集心電信號的設(shè)備操作復(fù)雜，數(shù)據(jù)量和噪聲較多，信號數(shù)據(jù)處理難度較大，區(qū)分準(zhǔn)確性不高。部分方法身份識別率依賴波形特征點提取的準(zhǔn)確率，當(dāng)某些波微小無法測量到時，其相關(guān)的特征向量無法獲得?，F(xiàn)有技術(shù)一般并未考慮心率變化對波形帶來的影響，而直接以一個或者平均周期波形產(chǎn)生的變換特征作為識別特征，因而影響身份識別的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0007]本發(fā)明采用一種基于心電信號的身份識別方法，從而使心電信號識別的可靠性強(qiáng)，抗干擾能力強(qiáng)，識別準(zhǔn)確率高。
[0008]本發(fā)明采用如下方案:
[0009]—種基于心電信號的身份識別方法，包括:
[0010]S1:采集心電信息數(shù)據(jù)；
[0011]S2:對所述信息數(shù)據(jù)預(yù)處理；
[0012]S3:對經(jīng)過S2處理后的信息數(shù)據(jù)進(jìn)行特征提??；
[0013]S4:對經(jīng)過S3處理后的信息數(shù)據(jù)分為訓(xùn)練集和測試集；
[0014]S5:通過訓(xùn)練集得到訓(xùn)練集模板庫；
[0015]S6:將測試集信息數(shù)據(jù)和模板庫信息數(shù)據(jù)進(jìn)行相似性比較，確定心電信息數(shù)據(jù)所有者。
[0016]優(yōu)選地，采集心電信息數(shù)據(jù)，使用心電采集設(shè)備采集不同對象不同時間段的數(shù)據(jù)。
[0017]優(yōu)選地，對所述信息數(shù)據(jù)預(yù)處理包括對所述信息數(shù)據(jù)去除噪聲和基線漂移。
[0018]優(yōu)選地，使用中值濾波器和小波變換算法去除噪聲和基線漂移。
[0019]優(yōu)選地，對經(jīng)過S2處理后的信息數(shù)據(jù)進(jìn)行特征提取的方法包括:
[0020]S501:采用So and Chan QRS檢測算法檢測心電信號的QRS波及R波波峰；
[0021]S502:以波峰為界限找出所有單周期信號，每個單周期信號作為一個特征向量；
[0022]S503:在縱軸上對各個特征向量歸一化處理，在橫軸上進(jìn)行三次樣條插值處理；
[0023]S504:將多個歸一化的單周期心電信號進(jìn)行聚類分析；
[0024]S505:選取最大類別中的信號數(shù)據(jù)作為此采樣對象的特征向量集。
[0025]優(yōu)選地，所述對經(jīng)過S3處理后的信息數(shù)據(jù)分為訓(xùn)練集和測試集為平均分配。
[0026]優(yōu)選地，所述將測試集信息數(shù)據(jù)和模板庫信息數(shù)據(jù)進(jìn)行相似性比較的方法采用歐氏距離比較算法，包括:均值的歐氏距離比較算法和矩陣的歐氏距離算法；
[0027]均值的歐氏距離比較算法為:設(shè)兩個n+1維向量，X= [X。，X1, X2, , xn], Y =
[yQ J1J2，…，yn]，它們的歐氏距離為:
【權(quán)利要求】
1.一種基于心電信號的身份識別方法，其特征在于，包括: S1:采集心電信息數(shù)據(jù)； 52:對所述信息數(shù)據(jù)預(yù)處理； 53:對經(jīng)過S2處理后的信息數(shù)據(jù)進(jìn)行特征提?。? 54:對經(jīng)過S3處理后的信息數(shù)據(jù)分為訓(xùn)練集和測試集； 55:通過訓(xùn)練集得到訓(xùn)練集模板庫； 56:將測試集信息數(shù)據(jù)和模板庫信息數(shù)據(jù)進(jìn)行相似性比較，確定心電信息數(shù)據(jù)所有者。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，采集心電信息數(shù)據(jù)，使用心電采集設(shè)備采集不同對象不同時間段的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述信息數(shù)據(jù)預(yù)處理包括對所述信息數(shù)據(jù)去除噪聲和基線漂移。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，使用中值濾波器和小波變換算法去除噪聲和基線漂移。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中，對經(jīng)過S2處理后的信息數(shù)據(jù)進(jìn)行特征提取的方法包括: 5501:采用So and Chan QRS檢測算法檢測心電信號的QRS波及R波波峰；· 5502:以波峰為界限找出所有單周期信號，每個單周期信號作為一個特征向量； 5503:在縱軸上對各個特征向量歸一化處理，在橫軸上進(jìn)行三次樣條插值處理； 5504:將多個歸一化的單周期心電信號進(jìn)行聚類分析； 5505:選取最大類別中的信號數(shù)據(jù)作為此采樣對象的特征向量集。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對經(jīng)過S3處理后的信息數(shù)據(jù)分為訓(xùn)練集和測試集為平均分配。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將測試集信息數(shù)據(jù)和模板庫信息數(shù)據(jù)進(jìn)行相似性比較的方法采用矩陣的歐氏距離比較算法，包括:均值的歐氏距離比較算法和矩陣的歐氏距離算法； 均值的歐氏距離比較算法為:設(shè)兩個n+1維向量，X = [Xci, X1, X2,..., xn], Y =[Yc^y1JwJn],它們的歐氏距離為:摩，JO = ^(? — Λ)2 +(-'? -Λ)2 +...+(x? ^yJ2 利
' f用歐氏距離作為兩個特征曲線的相似性度量。訓(xùn)練集內(nèi)有N個心電信號，每一個心電信號經(jīng)過三個步驟的處理后得到的k組單周期向量，取k組單周期向量的平均值向量作為模板(N 共組成N個向量模板的訓(xùn)練集數(shù)據(jù)庫。測試集中每個心電信號經(jīng)預(yù)處理和特征提取后得到k組單周期向量，分別求k組向量對訓(xùn)練集數(shù)據(jù)N個向量模板€ N >的歐氏距離，對應(yīng)每個向量模板的歐氏距離。經(jīng)過多數(shù)選舉后，選擇其最小值作為終值，這樣一個心電信號與訓(xùn)練集模板比較后，得到N個值。如果測試集數(shù)據(jù)有M個心電信號，就可以得到一個M*N的矩陣，其中第m行的最小值所在的列n，為測試集中第m個心電信號與訓(xùn)練集中的第η個模板信號相似度最大，即為心電信息數(shù)據(jù)所有者； 矩陣的歐式距離算法為:矩陣的歐式距離算法是在均值的歐式距離算法基礎(chǔ)上，將訓(xùn)練集的N個心電信號取其k組單周期向量數(shù)據(jù)，然后與測試集k組單周期向量進(jìn)行比對，取最小值作為兩個心電信號的距離測度，最后得到M*N的距離矩陣，同樣，其中第m行的最小值所在的列n，為測試集中第m個心電信號與訓(xùn)練集中的第η個信號相似度最大，即為心電信息數(shù)據(jù) 所有者。
【文檔編號】A61B5/117GK103714281SQ201310686789
【公開日】2014年4月9日 申請日期:2013年12月12日 優(yōu)先權(quán)日:2013年12月12日
【發(fā)明者】周豐豐, 葛瑞泉, 劉記奎, 羅幼喜, 楊美雪 申請人:深圳先進(jìn)技術(shù)研究院