论文部分内容阅读
生物特征识别技术利用人的生理或行为特征,自动实现对个人身份的识别和认证。它具有传统的身份鉴别方式所无法比拟的优势,已逐渐成为国际的研究热点之一。目前,已被应用到人们日常工作、生活中的生物特征的身份识别方法主要有人脸识别、指纹识别和声音识别等。然而,指纹易被遗留在抓取的物体上而被别人盗用；脸形容易从用户的相片中提取出来；声音容易被模仿等等。因此,探索新的生物识别方法仍然是身份识别领域的热点之一ECG信号不仅是一个非常有用的临床诊断工具,而且也是一种很好的用于身份认证的生物特征识别工具。首先,它具有普遍性,即每个人都具有。其次,ECG信号具有唯一性。不同人的心脏位置、大小、和解剖结构的不同,以及年龄、性别、体重、胸部构造的不同会造成了人与人之间心电图信号存在差异。再次,ECG信号还具有稳定性,在较长时间内心电信号是保持不变的。近年来,相关机构和科研人员已着手将心电信号用于生物特征识别领域并取得了一定的研究成果。由于心电信号作为身份识别技术还处在初始阶段,是一种比较新颖的身份识别技术,因此还有许多需要完善的地方,为了提高身份识别的准确率以及识别算法的效率,本文在前人研究的基础上,做了如下工作：(1)选择了MIT-BIH标准心电数据库,对其进行基于小波变换的ECG特征提取,验证了方法的有效性,然后选择了5个人的50例心电周期作为实验数据,对这些心电信号进行识别分类。(2)考虑到原始信号中所含有的工频干扰和基线漂移,分别采用巴特沃斯滤波器和中值滤波法对心电信号进行预处理,消除心电信号中的噪声干扰。(3)对实验数据进行小波变换的特征提取,详细介绍了进行ECG信号特征提取的具体步骤,提取了15个时间距离特征和6个幅值特征,将其作为身份识别的特征参数。在QRS复波定位过程中与传统的差分阈值算法进行实验对比,实验证实小波变换在计算速度和R波定位准确率方面更有优势。(4)详细介绍了BP网络,给出了BP算法的推导过程,并基于提取出的特征参数通过构造和训练部分样本序列,完成ECG身份识别的验证。试验结果表明,对ECG的特征识别是一种新型的可操作性的生物识别方法,BP网络对5个人的身份能够完全识别,识别率达到了100%。基于神经网络的心电信号识别方法是一种有应用前景的身份识别方法。