基于心電信號(hào)的身份識(shí)別算法研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)、信息的高速發(fā)展,傳統(tǒng)的身份認(rèn)證方式越來(lái)越不能滿足人們?nèi)找嬖鲩L(zhǎng)的對(duì)安全的需求。生物特征識(shí)別技術(shù)的出現(xiàn)有效地解決了這個(gè)問(wèn)題,并在犯罪調(diào)查、金融交易、電子商務(wù)、機(jī)場(chǎng)安檢和國(guó)土安全等許多領(lǐng)域都得到了應(yīng)用。生物識(shí)別技術(shù)是利用人類(lèi)自身固有的生理特征或行為特征進(jìn)行身份鑒別的一種技術(shù)。常用特征如指紋、人臉、虹膜、語(yǔ)音等。盡管生物特征識(shí)別技術(shù)與傳統(tǒng)的身份認(rèn)證技術(shù)相比有著較大的優(yōu)勢(shì),但也存在各自的一些缺陷,如語(yǔ)音可以被錄音,指紋和人臉等都易于

2、被偽造。因此探索新的生物特征識(shí)別技術(shù)以提高識(shí)別系統(tǒng)的安全性具有十分重要的意義。
　　 本文主要研究了基于心電信號(hào)的身份識(shí)別算法。首先提出了心電信號(hào)預(yù)處理算法,有效地去除了心電信號(hào)中的噪聲和心率變異所帶來(lái)的干擾,并對(duì)心電信號(hào)質(zhì)量做了檢測(cè)。在此基礎(chǔ)上,從時(shí)域和頻域提出了心電特征提取算法,從心電信號(hào)中提取出可區(qū)分的特征。最后構(gòu)建模式識(shí)別算法,對(duì)MIT-BIH中的ST Change、PTB、QT等數(shù)據(jù)庫(kù)進(jìn)行測(cè)試,取得了較高的識(shí)別率。本文

3、所做的主要工作如下:
　　 1、提出了心電信號(hào)預(yù)處理方法。通過(guò)研究心電信號(hào)的產(chǎn)生機(jī)理及其形態(tài)學(xué)特征,分析心電信號(hào)在采集過(guò)程中遇到的噪聲的類(lèi)型,提出了基于先驗(yàn)平滑法和小波變換的心電消噪算法和心電標(biāo)準(zhǔn)化算法,分別消除心電信號(hào)中的低頻、高頻噪聲和心率變異性。然后結(jié)合心電信號(hào)的準(zhǔn)周期特性及周期變換(Periodicity Transforms,PT)的特點(diǎn),提出了心電質(zhì)量檢測(cè)算法,通過(guò)相鄰心跳周期的心電信號(hào)的相似特性,檢測(cè)心電信號(hào)的質(zhì)量

4、。最后利用MIT-BIH心電數(shù)據(jù)庫(kù)中的心電信號(hào)驗(yàn)證了預(yù)處理算法的性能。
　　 2、提出了基于總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?Ensemble Empirical Mode Decomposition,EEMD)的心電特征提取算法。首先系統(tǒng)研究了經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical Mode Decomposition,EMD)和EEMD的基本原理、算法步驟和EEMD的分解特性;通過(guò)分析心電信號(hào)的頻譜特性及心電信號(hào)經(jīng)EEMD分解后得到的各內(nèi)蘊(yùn)模

5、式函數(shù)(Intrinsic Mode Function,IMF)的頻譜分布,提取核心內(nèi)蘊(yùn)模式函數(shù)(Key Intrinsic Mode Functions,KIMFs),并采用Welch譜估計(jì)得到KIMFs的頻域信息,將兩種特征參數(shù)經(jīng)過(guò)主成分分析(Principal Component Analysis,PCA)進(jìn)行降維,將降維后的兩種特征參數(shù)進(jìn)行融合得到心電模板的特征參數(shù),輸入到最近鄰分類(lèi)器中進(jìn)行匹配分類(lèi)。通過(guò)實(shí)驗(yàn)仿真研究了不同參數(shù),

6、如總體平均次數(shù)、噪聲方差、傅里葉變換(Fast FourierTransform,FFT)點(diǎn)數(shù)和窗口類(lèi)型等對(duì)算法性能的影響。最后通過(guò)MIT-BIH心電數(shù)據(jù)庫(kù)驗(yàn)證了算法性能,取得了較高的識(shí)別率。
　　 3、提出了基于快速傅里葉變換的改進(jìn)匹配追蹤心電特征提取算法。首先系統(tǒng)研究了匹配追蹤(Matching Pursuit,MP)算法,通過(guò)分析過(guò)完備原子庫(kù)的結(jié)構(gòu)特性和心電信號(hào)的特征,利用FFT改進(jìn)MP心電信號(hào)稀疏分解算法;通過(guò)分析稀疏分