论文部分内容阅读
在高度信息化的现代社会中,随着交通、网络和通讯的飞速发展,人类的活动范围越来越大,在实现个体的身份识别的时候,人们面临的安全问题也越来越严重。生物特征识别技术(Biometrics)是运用个体一些独有的并且长期稳定的生物特征进行身份辨识的一种技术,例如虹膜、指纹、脸象和声音、笔迹、步态等,具有很高的准确度与可靠度,但也同样面临着安全问题,如假冒指纹、虚假虹膜、笔迹的模仿等,所以具备高防伪性的新颖生物特征识别技术迫切需要被提出。心电信号(Electrocardiogram,ECG)包含着人体独一无二的身份信息,突出特点是具有很高的防伪能力。而且近年随着小体积、低能耗、无需导电胶和易集成的心电采集芯片的出现,实现了在手指端实现心电的采集,可以普遍的应用到家庭生活当中,更方便快捷的实现个体身份识别。本文提出了基于手指心电信号分析的个体身份辨识算法的研究。首先,对手指心电信号用小波软阈值和遗传算法相结合的方法进行去噪;其次,研究了手指心电信号的稀疏特性,提出了基于KSVD+PCA下稀疏编码的手指心电信号身份识别算法和基于改进的标签一致LC-KSVD的手指心电身份识别算法,最后并采用两个手指心电数据库验证了这两个算法,取得了较大的识别率。本文的工作主要为:1、阐述了心电信号的产生机理、波形特点及ECG采集方式和基于手指心电的身份识别算法的发展,介绍了ECG的识别评价指标和两个手指心电数据库,为手指心电信号应用于个体身份识别技术领域提供了理论基础。2、提出基于K-SVD+PCA下稀疏编码的手指心电身份识别算法。首先对手指ECG用小波软阈值和遗传算法相结合的方法去噪,经过R峰检测、单周期划分、归一化,得到P-QRS-T单周期波群,结合手指心电特性,提取P-QRS-T波群构成特征向量并构建字典模板模型,用KSVD+PCA训练成冗余字典,然后对每一部分特征向量进行稀疏编码,实现在该字典上的稀疏表示。最后利用两个心电数据库(CYBHi,Surface ECG data)测试了算法性能,取得98.333%和100%的识别率。3、提出基于改进的标签一致LC-KSVD的手指心电身份识别算法。首先提取手指心电信号的平均单周期的P-QRS-T波群作为训练样本,然后提出自适应子字典和可调类标签对标签一致性的LC-KSVD(Label consistent KSVD,LC-KSVD)进行改进,然后利用改进的LC-KSVD1和LC-KSVD2算法完成识别。当输入信号和字典原子之间的标签信息相互之间一一对应的时候,在目标函数中,把判别误差、重构误差和分类误差结合起来一起用K-SVD算法来学习,更新字典和训练一个分类器。最后通过两个手指心电信号数据库(CYBHi,Surface ECG data)对本文的算法进行了性能测试,取得99%和100%的识别率。本文提出了基于手指心电信号分析的个体身份辨识算法研究,为手指ECG身份识别技术的实用化奠定了理论基础和技术支撑。