近年来,随着科学技术、生物医学、互联网、安全认证以及金融等其他领域的快速发展,多维度特征的数据分析与处理技术倍受关注,然而多维度序列其特征的高维性,使得传统的数据分析处理技术不足以应对。心电图作为身份识别的一种重要生物特征,它的多导联信号数据的多维性,使得分析处理起来十分复杂,目前有关的心电身份识别研究大部分都是基于单导联心电信号,因此本课题提出了多维度特征的心电身份识别研究,并基于多导联心电信号对多维度特征进行研究,探讨它的正确性以及可行性。多维度特征变量融合分析可以充分地利用现有技术提供的信息来进行识别研究。本文在对多维度特征算法进行深入研究的基础上,结合现有的研究经验,研究了三个基于多维度特征的心电身份识别算法。一是基于MIT-BIH数据库的稀疏矩阵相关系数识别算法,利用双导联信号映射到二维空间,再提取稀疏特征计算相关系数来进行身份识别;二是基于自采集的心电血氧信号数据库,在映射到二维空间的基础上,对特征点进行稀疏量化,再进行识别研究;三是基于PTB数据库的多导联信号,并结合稀疏DTW算法,在提高识别准确率的同时也优化了空间效率。实验结果表明这三种算法的识别准确率分别达到了96.9%,93.14%和98.67%。虽然基于心电血氧信号的稀疏量化特征算法的识别效果略低于其他两个算法,但是由于这是实际系统设备采集的数据源,真实可靠,有较强的实用性,这个识别结果在现实生活中是可以被接受的。本课题的三个研究内容分别从不同的数据库去验证本文的身份识别效果,虽然各有自己的优缺点,但是都从不同的角度证明了本文中多维度特征身份识别算法的正确性与可行性。对它们一步步地深入并改进优化,提出新的算法框架,最终比其他单维度算法识别率提高了10%以上。整个多维度特征识别算法框架对后续的研究有较高的参考价值。