用于身份辨識(shí)的心音信號(hào)分析算法研究.pdf

1、隨著現(xiàn)代社會(huì)網(wǎng)絡(luò)與通信技術(shù)的飛速發(fā)展,人類物理與虛擬活動(dòng)空間在不斷擴(kuò)大,人類對(duì)于自身身份識(shí)別的安全性、準(zhǔn)確性與實(shí)用性提出了更高的要求。傳統(tǒng)身份識(shí)別方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足這些要求,必須尋求使用更為方便且安全可靠的生物特征識(shí)別新方法。生物特征識(shí)別,指利用計(jì)算機(jī)技術(shù),采集人的生物特征樣本,并將該樣本用于身份識(shí)別的過程。與傳統(tǒng)的身份識(shí)別方法相比,生物識(shí)別技術(shù)具有防偽性能好,不易偽造,不易遺忘,可隨身攜帶,隨時(shí)使用等優(yōu)點(diǎn)。常用的生物識(shí)別技術(shù)雖然在識(shí)

2、別領(lǐng)域取得了一定的發(fā)展,但在實(shí)際應(yīng)用中仍面臨著巨大的挑戰(zhàn),較為突出的挑戰(zhàn)之一就是識(shí)別的安全問題。因此,探索更具安全性的生物識(shí)別新方法成為了身份識(shí)別領(lǐng)域的熱點(diǎn)之一。
　　 本文主要研究基于心音信號(hào)分析的身份辨識(shí)算法。在對(duì)心音信號(hào)產(chǎn)生機(jī)理和特性進(jìn)行分析后,提出基于信號(hào)邊界譜和矢量量化的辨識(shí)算法以及基于信號(hào)Mel倒頻系數(shù)及其一階差分系數(shù)與高斯混合模型的辨識(shí)算法,并實(shí)際采集心音樣本,構(gòu)建心音數(shù)據(jù)庫,測試了身份識(shí)別算法的性能,獲得了較高的

3、識(shí)別率,具體研究工作如下:
　　 1、首先闡述心音信號(hào)的產(chǎn)生機(jī)理,介紹了常用生物識(shí)別技術(shù),然后回顧了國內(nèi)外心音身份識(shí)別技術(shù)發(fā)展的歷史和現(xiàn)狀。
　　 2、提出了基于信號(hào)邊界譜和矢量量化的識(shí)別算法。首先研究了心音信號(hào)邊界譜的特征提取方法,然后探討了矢量量化識(shí)別模型的基本原理,基于常用初始碼本生成法,提出了改進(jìn)的分裂碼本生成法,最后基于實(shí)際心音信號(hào)的具體分析給出識(shí)別算法流程。
　　 3、提出了基于信號(hào)Mel倒頻系數(shù)及其

4、一階差分系數(shù)與高斯混合模型的識(shí)別算法。首先研究了Mel倒頻系數(shù)及其一階差分系數(shù)的特征提取方法,然后探討了高斯混合識(shí)別模型的基本原理,研究了模型參數(shù)的具體估計(jì)算法,最后基于實(shí)際心音信號(hào)的具體分析給出識(shí)別算法流程。
　　 4、實(shí)驗(yàn)階段,實(shí)際采集了心音信號(hào),構(gòu)建了心音數(shù)據(jù)庫,測試了基于邊界譜和矢量量化模型的心音身份識(shí)別算法和基于Mel倒頻系數(shù)及其一階差分系數(shù)和高斯混合模型的心音身份識(shí)別算法的性能,討論了不同參數(shù)設(shè)置對(duì)算法性能的影響,取