在信息化、数字化、网络化的当今时代,个人信息的安全性越来越重要,如何准确、方便地进行个人身份的验证和辨识,已经成为当下人们日益关心的问题,也引起了国内外学者的高度重视。IC卡片、密码、钥匙等传统身份识别方式已经远远不能满足当代社会对安全性和可靠性的要求。生物特征识别技术是当前最为便捷与安全的身份识别解决方案,它是指利用人体固有的、独特的生理特征或行为特征进行身份识别的技术,如指纹、人脸、虹膜和语音等。心电信号(Electrocardiogram, ECG)是人体心脏内部的生物电信号,近年来,研究表明,心电具备唯一性,也可用于身份识别,而且由于其来自人体内部,不易被伪造、窃取,具有高度的安全性。因此,将心电信号用于个人身份识别领域具有重要意义。本文主要研究了基于心电信号单基点检测的身份识别技术。首先,在分析信号波形特征及其噪声特性的基础上,研究了基于小波重叠组收缩阈值(Overlapping Group Shrinkage, OGS)的平移不变心电消噪算法,有效地去除了心电信号中的噪声,提高了信噪比。其次,研究了信号稀疏表示原理,并从该角度提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning, BSBL)的心电身份识别算法。最后,通过四个常用心电数据库中的数据对该识别算法进行了验证,取得了较高的身份识别率。本文主要工作如下：1、研究了心电信号的产生机理和信号的形态学特征,并且分析了心电波形中常见的噪声类型,为消除波形中的噪声干扰奠定了基础。2、提出了基于小波OGS阈值的平移不变心电信号消噪方法。首先,系统地研究了小波变换理论、小波阈值消噪原理和OGS阂值原理。其次,将平移不变小波变换和OGS阈值函数相结合,建立一种新的心电信号消噪算法。最后,通过六种具有代表性的模拟信号及两种不同类型的心电信号验证了该消噪算法的可行性和有效性。3、提出了基于R点检测和块稀疏分解的心电身份识别算法。首先,研究了信号稀疏表示原理及各种稀疏表示算法,并分析了将块稀疏表示用于身份识别的原理。其次,将去噪、单周期提取及标准化后的测试信号在由训练信号组成的过完备字典上进行块稀疏分解,根据得到的块稀疏系数来构建识别准则。最后,通过四个心电数据库中的数据对该身份识别算法的性能进行了验证,并讨论了训练时间,主成分分析(Principal Component Analysis, PCA)特征值个数等对识别率的影响,选取最优参数,得到了较高的识别率。本文的研究实现了一种方法简单、鲁棒性强、识别率高的生物特征识别新方法,也为基于心电信号的身份识别仪器系统的研发提供了理论基础。