安全领域中身份识别尤为重要,生物特征识别技术因其不易丢失、遗忘得到了广泛的认可。与传统的指纹、人脸、DNA生物特征相比,心电图(Electrocardiogram,ECG)信号的产生机理复杂,安全性高。ECG信号不易被仿制,在身份识别的安全领域有着广阔的应用前景。ECG身份识别方法主要有两种:基于基准点和基于波形的身份识别,无论用哪一种方法进行身份识别,都需要模板库的建立,而模板库中数据质量的好坏直接影响着身份识别的准确率。ECG信号是一种弱电信号,容易受到采集设备、人体活动等的干扰,使其形态发生变化,故ECG波形筛选具有一定的现实意义。本文针对目前研究中用于身份识别的波形因手动挑选耗时问题、波形标准性和典型性欠缺的问题,提出了用于身份识别的典型心电波形自动筛选策略。为了解决ECG身份识别中,由于随机选取的单心动周期波形不完整(如P波缺失、T波缺失、R波缺失等)、变形等而影响身份识别准确率的问题,提出了基于高斯混合模型的标准心电波形筛选方法。该方法将信号发生器产生的标准的心电信号切割成单心动周期,提取每个心动周期幅值、斜率、峰度、弧长及面积等46个特征,建立单心动周期标准心电波形的高斯混合模型,通过计算马氏距离判断某心电波形是否符合标准心电波形的高斯模型分布,实现具有明显PQRST特征的心电波形筛选。该方法在自采52人的六种不同心电波形类型的数据上进行了实验,平均筛选正确率为85.91%,结果表明能够挑选出完整的心电波形。为了使筛选出的心电波形更具个体“典型性”,本文提出利用高斯模型分别构建P波、QRS、T波段个体典型高斯模型,实现个体典型心电波形的筛选。该筛选策略在自采52人原始数据进行筛选,并进行了身份识别实验,实验结果表明:平均筛选正确率94.60%,平均不完整波形错误拒绝率为98.52%;利用相关系数、欧氏距离、夹角余弦、曼哈顿距离以及余弦定理相似性度量方法进行身份识别,在相同的实验数据集上,采用本方法进行波形筛选后,身份识别正确率分别提高了11.79%、10.6%、15.89%、11.44%、16.3%。实验证明本文提出的典型波形自动筛选策略能够有效地提高身份识别的准确率。