在信息和经济高速发展、网络迅速普及的当今社会，传统的身份认证方式难以满足人们对安全的需求。生物特征识别是利用每个人与生俱来独有的生理特征或行为特征如虹膜、指纹、人脸、语音和步态等来辨别个体的身份，相比于传统的认证方式有着较大的优势。但是，传统生物特征识别技术也面临着一些挑战，特别是安全问题，如出现的假手指、假人脸，语音可以被录音等。因此，探索新的具备更高安全性的生物特征识别方法具有重要的意义。本文主要研究了基于心电信号（Electrocardiogram,后文简称ECG）的身份识别技术算法，通过研究人体的ECG信号，实现个体的身份识别。在分析了心电信号及噪声特性的基础之上，利用小波变换阈值消噪技术对ECG信号做了消噪预处理，采用重采样技术消除了心率变异对ECG信号的影响。通过奇异值分解(Singular Value Decomposition, SVD)、总体平均经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)-Teager能量算子(Teager Energy Operator,TEO)等不同的方法提取出区分度较高的特征参数，输入到相应的分类器中完成匹配识别过程。利用三个公共心电数据库中的心电数据对本文中的方法进行验证，取得了较为满意的识别效果。本文所做的主要工作如下：1、归纳了心电信号的产生原理，分析了心电信号的特性及常见的噪声特性，为消除心电信号中的噪声干扰奠定基础。2、提出了心电信号的预处理方法，包括心电信号的消噪和心率变异性的消除。首先利用小波变换的分解重构和阈值收缩消噪技术消除噪声的干扰，在此基础之上，标准化心电信号，通过对心电信号关键点R点与T波终点的检测，结合重采样技术消除心电信号心率变异性。3、提出了基于小波变换与奇异值分解、相异度分析相结合的心电信号身份识别算法。首先将经过预处理之后的单周期心电信号进行多层小波分解，得到一个小波分量组成的初始特征矩阵。通过对该矩阵的SVD处理和相异度分析分别得到奇异值特征参数和相异度特征参数，将两种参数分别输入到不同的分类器中完成匹配识别过程。最后利用三个公共心电数据库中的心电数据对两种方法的识别性能进行了比较，取得了较高的识别率。4、提出了基于EEMD-TEO的心电信号特征提取算法。首先分析研究了经验模式分解(Empirical Mode Decomposition, EMD)和EEMD的基本原理及分解特性，对EEMD分解后的固有模态函数(Intrinsic Mode Function, IMF)做Teager能量运算，提取出主要的Teager能量曲线作为心电信号的特征参数，经过主成分分析(Principal Component Analysis, PCA)降维处理后输入到不同的分类器中进行匹配识别。最后利用三个公共心电数据库中的心电数据测试了改方法的识别性能，讨论了不同参数如总体平均次数、噪声方差、IMF个数、不同的分类器等参数对识别效果的影响，该算法对心率变化较大的心电信号具有较高的准确率。本文的研究旨在提供一种防伪性能好、识别率高和鲁棒性强的生物身份识别技术新途径，为心电信号身份识别技术的广泛应用奠定坚实的理论基础和技术支撑。