生物特征识别技术利用人的生理或行为特征,自动实现对个人身份的识别和认证。它具有传统的身份鉴别方式所无法比拟的优势,已逐渐成为国际的研究热点之一。目前,在商业上采用的基于生物特征的身份识别方法主要有人脸识别、指纹识别和声音识别等。然而,指纹易被遗留在抓取的物体上而被别人盗用;脸形容易从用户的相片中提取出来;声音容易被模仿等等。因此,探索新的生物识别方法仍然是身份识别领域的热点之一。 ECG信号不仅是一个非常有用的临床诊断工具,而且也是一种很好的用于身份认证的生物特征识别工具。首先,它具有普遍性,即每个人都具有。其次,由于不同人的心脏位置、大小、和解剖结构的不同,以及年龄、性别、体重、胸部构造的不同,造成了人与人之间心电图信号的不同。也就是说,ECG信号具有唯一性。再次,ECG信号还具有稳定性,也就是说,在较长时间内,人的心电信号是保持不变的。最近,有人开始研究用ECG信号作为身份识别的手段,并取得了一定的成果。 但由于基于心电信号的身份识别技术是一种比较新颖的身份识别技术,因此还有许多需要完善的地方,为了提高身份识别的准确率以及识别算法的效率,本文在前人研究的基础上,做了如下工作: (1) 选择了10个人作为试验者,对他们的心电信号进行了采集,共提取了140组心电数据作为原始数据。 (2) 运用小波变换方法对采集的心电信号进行去噪,对Donoho的小波变换去噪方法做了改进,增加了对高频细节分量和低频近似分量的置零操作,消除了心电信号中的工频干扰、基漂和肌电干扰。 (3) 给出了差分阈值法进行ECG信号特征提取的步骤,并用该方法提取了8个特征数据,分别是:P波振幅、R波振幅、T波振幅、P波间期、PR间期、QRS间期、QT间期和ST间期,将它们作为身份识别的特征参数。 (4) 介绍了BP网络,给出了BP算法的推导过程,并将其运用于身份识别中;介绍了RBF网络,针对RBF网络中心点的确定问题,提出了一种改进的RBF神经网络的构造方法,将根据相似性阈值和最小距离原则的简单聚