基于心電信號的身份識別算法研究.pdf_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會經濟、信息的高速發(fā)展,傳統(tǒng)的身份認證方式越來越不能滿足人們日益增長的對安全的需求。生物特征識別技術的出現(xiàn)有效地解決了這個問題,并在犯罪調查、金融交易、電子商務、機場安檢和國土安全等許多領域都得到了應用。生物識別技術是利用人類自身固有的生理特征或行為特征進行身份鑒別的一種技術。常用特征如指紋、人臉、虹膜、語音等。盡管生物特征識別技術與傳統(tǒng)的身份認證技術相比有著較大的優(yōu)勢,但也存在各自的一些缺陷,如語音可以被錄音,指紋和人臉等都易于

2、被偽造。因此探索新的生物特征識別技術以提高識別系統(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的身份識別算法。首先提出了心電信號預處理算法,有效地去除了心電信號中的噪聲和心率變異所帶來的干擾,并對心電信號質量做了檢測。在此基礎上,從時域和頻域提出了心電特征提取算法,從心電信號中提取出可區(qū)分的特征。最后構建模式識別算法,對MIT-BIH中的ST Change、PTB、QT等數(shù)據庫進行測試,取得了較高的識別率。本文

3、所做的主要工作如下:
   1、提出了心電信號預處理方法。通過研究心電信號的產生機理及其形態(tài)學特征,分析心電信號在采集過程中遇到的噪聲的類型,提出了基于先驗平滑法和小波變換的心電消噪算法和心電標準化算法,分別消除心電信號中的低頻、高頻噪聲和心率變異性。然后結合心電信號的準周期特性及周期變換(Periodicity Transforms,PT)的特點,提出了心電質量檢測算法,通過相鄰心跳周期的心電信號的相似特性,檢測心電信號的質量

4、。最后利用MIT-BIH心電數(shù)據庫中的心電信號驗證了預處理算法的性能。
   2、提出了基于總體平均經驗模式分解(Ensemble Empirical Mode Decomposition,EEMD)的心電特征提取算法。首先系統(tǒng)研究了經驗模式分解(Empirical Mode Decomposition,EMD)和EEMD的基本原理、算法步驟和EEMD的分解特性;通過分析心電信號的頻譜特性及心電信號經EEMD分解后得到的各內蘊模

5、式函數(shù)(Intrinsic Mode Function,IMF)的頻譜分布,提取核心內蘊模式函數(shù)(Key Intrinsic Mode Functions,KIMFs),并采用Welch譜估計得到KIMFs的頻域信息,將兩種特征參數(shù)經過主成分分析(Principal Component Analysis,PCA)進行降維,將降維后的兩種特征參數(shù)進行融合得到心電模板的特征參數(shù),輸入到最近鄰分類器中進行匹配分類。通過實驗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)點數(shù)和窗口類型等對算法性能的影響。最后通過MIT-BIH心電數(shù)據庫驗證了算法性能,取得了較高的識別率。
   3、提出了基于快速傅里葉變換的改進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,通過分析過完備原子庫的結構特性和心電信號的特征,利用FFT改進MP心電信號稀疏分解算法;通過分析稀疏分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論