基于ECG生物識別并行化的研究與實現(xiàn).pdf

1、在過去十幾年中，生物識別技術(shù)已經(jīng)相當(dāng)成熟了，它是一門利用統(tǒng)計學(xué)方法和人體生理活動數(shù)據(jù)來驗證個人身份的技術(shù)。心電信號ECG（Electrocardiograph）本身因人而異的，并且在每個人當(dāng)中不可復(fù)制，目前大量的ECG信號用于生物識別技術(shù)，最新研究指出了 ECG生物識別技術(shù)的一個待解決問題：在應(yīng)用場景多樣化和人群數(shù)量龐大的情況下，如何充分的利用ECG各類特征來保持識別魯棒性的問題。
　　針對上述問題，本研究首先利用傳統(tǒng)的特征提取方

2、法，將基于特征點特征(Fiducial basedfeatures)和基于非特征點特征(Non-Fiducial basedfeatures)進行結(jié)合，提取一種結(jié)合Fiducial和Non-fidicuial的混合特征提取方法，以完成ECG信號多維特征的建模。其中，F(xiàn)iducial特征包括ECG信號的波幅特征、ECG信號的時序特征和ECG信號的頻譜特征； Non-Fiducial特征包括 ECG心電圖的波形形狀。進而將兩類特征混合并進行

3、統(tǒng)一建模，經(jīng)驗證，在多樣化場景中本研究提出的ECG混合特征比傳統(tǒng)的ECG單維度特征擁有更高的識別率。
　　第二步，針對人群數(shù)據(jù)龐大時，數(shù)據(jù)訓(xùn)練的時間開銷大的問題，本研究基于上述ECG混合特征，提出新的LDA的算法(LDABased OnMultipleFeatures,LOMF)，LOMF算法包含了ECG信號的預(yù)處理、子塊劃分和分塊訓(xùn)練。并利用MapReduce分布式計算框架進行算法并行化，提出一種基于多維特征空間的二級檢索方式，