生物特征识别是指利用人体的生物特征进行身份识别的技术。人体的生物特征可划分为生理特征（如指纹、面像、虹膜、掌纹等）和行为特征（如步态、声音、笔迹等）。随着安舫科学技术的飞速发展和社会治安的日益需求，生物识别技术目前已经成为国内外研究和开发的一个热点，已列入国家“十一五”科技攻关计划。　　 心电图作为一种常用的临床诊断工具，随着其在计算机自动诊断领域的发展，心电图信号作为一种新兴的生物识别特征也逐渐进入人们的视线。基于心电图信号的普遍性、唯一性和稳定性，将其作为生物识别特征被证明是可行的，但因其是一种比较新颖的生物识别技术，还有许多需要完善的地方。　　 为了提高心电图识别算法的效率，保证身份识别的准确率，本文在前人研究的基础上，做了如下工作：　　 (1)特征提取是生物识别技术中最困难的任务之一。本文不同于以往的心电图基点特征提取方法，这些研究大多使用距离或幅度的差异来进行特征分类。这些特征提取通常计算复杂，并且对于有些基点特征模糊的心电图是很难直接提取的。本文提出一种基于主成分分析的心电图特征提取算法，通过截取多个循环周期的心电图信号，计算其协方差矩阵及协方差矩阵的特征值和特征向量，选取最大的特征值对应的特征向量形成特征向量空间，然后把单周期的心电图信号映射到此空间，获得一组系数向量用于鉴别，这样就大大地降低了特征提取的复杂度，并且增大了心电图身份识别的适用人群。　　 (2)在对心电图的预处理阶段，采用FIR低通滤波器组进行快速滤波，利用差分阈值法进行R点的定位检测：在识别阶段，结合梯度算法和线性最小二乘法来调整RBF神经网络参数，以有效提高分类效率。　　 (3)将基于主成分分析的心电图特征提取算法用于身份识别，列举的仿真实验证明了本方法的有效性和实用性。