（通信与信息系统专业论文）基于心电信号的身份识别算法研究.pdf

杭州电子科技人学硕+ 学位论文 摘要 随着社会经济、信息的高速发展，传统的身份认证方式越来越不能满足人们日益增长的 对安全的需求。生物特征识别技术的出现有效地解决了这个问题，并在犯罪调查、金融交易、 电子商务、机场安检和国土安全等许多领域都得到了应用。生物识别技术是利用人类自身固 有的生理特征或行为特征进行身份鉴别的一种技术。常用特征如指纹、人脸、虹膜、语音等。 尽管生物特征识别技术与传统的身份认证技术相比有着较大的优势，但也存在各自的一些缺 陷，如语音可以被录音，指纹和人脸等都易于被伪造。因此探索新的生物特征识别技术以提 高识别系统的安全性具有十分重要的意义。 本文主要研究了基于心电信号的身份识别算法。首先提出了心电信号预处理算法，有效 地去除了心电信号中的噪声和心率变异所带来的干扰，并对心电信号质量做了检测。在此基 础上，从时域和频域提出了心电特征提取算法，从心电信号中提取出可区分的特征。最后构 建模式识别算法，对m i t b i h 中的s tc h a n g e 、p t b 、q t 等数据库进行测试，取得了较高的识 别率。本文所做的主要工作如下： 1 、提出了心电信号预处理方法。通过研究心电信号的产生机理及其形态学特征，分析心 电信号在采集过程中遇到的噪声的类型，提出了基于先验平滑法和小波变换的心电消噪算法 和心电标准化算法，分别消除心电信号中的低频、高频噪声和心率变异性。然后结合心电信 号的准周期特性及周期变换( p e r i o d i c i t yt r a n s f o r m s ，p t ) 的特点，提出了心电质量检测算法，通 过相邻心跳周期的心电信号的相似特性，检测心电信号的质量。最后利用m i t b i h 心电数据 库中的心电信号验证了预处理算法的性能。 2 、提出了基于总体平均经验模式分解( e n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n ，e e m d ) 的心电特征提取算法。首先系统研究了经验模式分解( e m p i r i c a lm o d ed e c o m p o s i t i o n ，e m d ) 和 e e m d 的基本原理、算法步骤和e e m d 的分解特性；通过分析心电信号的频谱特性及心电信 号经e e m d 分解后得到的各内蕴模式函数( i n t r i n s i cm o d ef u n c t i o n ，i m f ) 的频谱分布，提取核心 内蕴模式函数( k e yi n t r i n s i cm o d ef u n c t i o n s ，k i m f s ) ，并采用w e l c h 谱估计得到k i m f s 的频域信 息，将两种特征参数经过主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 进行降维，将降维后 的两种特征参数进行融合得到心电模板的特征参数，输入到最近邻分类器中进行匹配分类。 通过实验仿真研究了不同参数，如总体平均次数、噪声方差、傅里叶变换( f a s tf o u r i e r t r a n s f o m l f f t ) 点数和窗口类型等对算法性能的影响。最后通过m i t b i h , i 二, 电数据库验证了 算法性能，取得了较高的识别率。 3 、提出了基于快速傅里叶变换的改进匹配追踪心电特征提取算法。首先系统研究了匹配 追踪( m a t c h i n gp u r s u i t , m p ) 算法，通过分析过完备原子库的结构特性和心电信号的特征，利用 f f t 改进m p 心电信号稀疏分解算法；通过分析稀疏分解后原子的时频分布发现前面原子的时 杭州电子科技大学硕士学位论文 频分布叠加即可大致反映心电信号的时频特性，提取前三个原子的时频参数和投影值作为特 征参数，然后构建支持向量机分类器进行分类匹配，完成识别；最后通过m i t b i h 心电数据 库验证了算法性能，取得了较高的识别率。 本文的研究提供了一种识别率高、鲁棒性强和防伪能力好的生物识别新途径，为心电身 份识别系统的开发提供了坚实的理论基础和技术支撑。 关键词：生物识别，心电信号，特征提取，e e m d ，匹配追踪 l l 杭州电子科技大学硕士学位论文 a b s t r a c t w i t ht h e d e v e l o p m e n t o fs o c i e t ye c o n o m i ca n di n f o r m a t i o n ，t h et r a d i t i o n a lh u m a n i d e n t i f i c a t i o nt e c h n o l o g yc o u l d n ts a t i s f i e dh u m a n sg r o w i n gr e q u i r ef o rs e c u r i t y n ec o m i n go f b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y ( b i t ) e f f e c t i v e l ys o l v et h i sp r o b l e m ，a n db i ti sa p p l i e di n p l e n t yo fs e c u r i t yf i e l d s ，s u c ha sc r i m i n a li n v e s t i g a t i o n s ，f i n a n c i a lt r a n s a c t i o n s ，e l e c t r o n i cc o m m e r c e ， a i r p o r tc h e c k - i n , h o m e l a n ds e c u r i t y a n ds oo n b i tu t i l i z e dp h y s i o l o g i c a lo rb e h a v i o r a l c h a r a c t e r i s t i c se x t r a c t e df r o mh u m a ns u b j e c t st oc o m p l e t ep e r s o n a li d e n t i f i c a t i o n f i n g e r p r i n t ，f a c e ， i r i sa n ds p e e c ha r eb i o m e t r i c sc h a r a c t e r i s t i cc o m m o n l yu s e d c o m p a r e dt ot h et r a d i t i o n a lh u m a n i d e n t i f i c a t i o nt e c h n o l o g y , t h eb i th a sl o t so fa d v a n t a g e s h o w e v e r , a n yb i th a si t so w nd r a w b a c k s , i ti se a s yt om i m i c b yf a k ef i n g e r , i r i sa n df a c ep h o t o se t c s o ，e x p l o r i n ga n e wb i o m e t r i ct e c h n o l o g y t oi m p r o v et h es y s t e m ss e c u r i t yb e c o m e sm o r ei m p o r t a n t t h i st h e s i ss t u d i e so nh u m a ni d e n t i f i c a t i o na l g o r i t h mb a s e do ne l e c t r o c a r d i o g r a m ( e c g ) f i r s t l y , ai n e - p r o c e s sa l g o r i t h mw a sp r o p o s e dt oe l i m i n a t et h ee f f e c to ft h en o i s e sa n dh e a r tr a t e v a r i a b i l i t y ( h r v ) ，a n dm e a s u r et h eq u a l i t yo fe c gs i g n a l s a n do nt h i sb a s i s ，c o n s i d e r i n gf r o m t i m ed o m a i na n df r e q u e n c yd o m a i ns o m er e l a t e de c gf e a t u r ee x t r a c t i o na l g o r i t h m sw e r ep r o p o s e d t oe x t r a c tt h ed i s c r i m i n a t i v ec h a r a c t e r i s t i c sf r o me c gs i g n a l f i n a l l y , c o n s t r u c t e dp a t t e r n r e c o g n i t i o na l g o r i t h m s ，a n ds o m ep u b l i ce c gd a t a b a s el i k em i t - b i hs tc h a n g e ，p t b ，q tw e r e u t i l i z e dt oe v a l u a t et h e s ea p p r o a c h e s ，a n dh i g hi d e n t i f i c a t i o na c c u r a c yw a so b t a i n e d t h ef o l l o w i n gw o r k si sa c c o m p l i s h e di nt h i sp a p e r ： l 、ap r e - p r o c e s sa l g o r i t h mw a sp r o p o s e d t h em e c h a n i s ma n dp h y s i o l o g yo fe c gw a ss t u d i e d ， a n dt h en o i s e s c h a r a c t e r i s t i c sd u r i n gr e c o r d i n gp r o c e s sw e r ea n a l y z e d a n dt h e nae c gd e n o i s e m e t h o db a s e do ns m o o t h n e s sp f i o r sa p p r o a c ha n dw a v e l e tm i n i m a xt h r e s h o l d i n gm e t h o da n da e c gn o r m a l i z e d a p p r o a c h w a su t i l i z e dt oe l i m i n a t et h ee f f e c to fl o w f r e q u e n c yn o i s e s ， h i g h f r e q u e n c yn o i s e sa n dh r vr e s p e c t i v e l y n e x taq u a l i t ym e a s u r ea l g o r i t h mw a sp r o p o s e db a s e d o nt h ee c g sc h a r a c t e r i s t i co fq u a s i - p e r i o d i ca n dp e r i o d i c i t yt r a n s f o r m s ( p d f i n a l l y , t h e p r e - p r o c e s sm e t h o dw a sv e r i f i e dt h r o u g hs i m u l a t i o no nm i t b i hd a t a b a s e 2 、o nt h e b a s i so f e c g st e m p o r a la n ds p e c t r a lf e a t u r e ，af e a t u r ee x t r a c t i o na l g o r i t h mb a s e do n e n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n ( e e m d ) w a sp r o p o s e d s y s t e m a t i c a l l yl e a r n e dt h eb a s i c p r i n c i p l e so fe m p i r i c a lm o d ed e c o m p o s i t i o n ( e m d ) a n de e m d ，a n da n a l y z e dt h ed e c o m p o s i t i o n c h a r a c t e r i s t i c so fe e m d a f t e rt h ee c gs i g n a lw a sd e c o m p o s e db yt h ee e m da l g o r i t h m ，t h e t e m p o r a lc h a r a c t e r i s t i c so fk e yi n t r i n s i cm o d ef u n c t i o n s ( k i m f s ) c o m b i n e dw i t ht h e i rw e l c hp o w e r s p e c t r u mw e r ee x t r a c t e db ya n a l y z i n gt h es p e c t r u md i s t r i b u t i o no f e c g s i g n a l t h e s et w ok i n d so f 1 1 1 杭州电子科技大学硕士学位论文 c h a r a c t e r i s t i c sw e r ef u s e da f t e rt h ed i m e n s i o n a l i t yr e d u c t i o nm e t h o dp r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) w a sd o n eo nt h e m ，a n dt h e nt h e s ec h a r a c t e r i s t i cc o e f f i c i e n t sw e r ep u t t e di n t ot h en e a r e s t n e i g h b o rc l a s s i f i c a t i o n m e a n w h i l e , t h ea f f e c to fd i f f e r e n ts e l e c to fc o e 伍c i e n t sl i k et h en u m b e ro f t h ee n s e m b l e ，n o i s ev a r i a n c e ，p o i n t so ff a s tf o u r i e rt r a n s f o r m ( f r r ) a n dt y p e so fw i n d o wt ot h e a l g o r i t h mp e r f o r m a n c ew c r cd i s c u s s e d f i n a l l y , t h i sa l g o r i t h mw i l l se v a l u a t e dt h r o u g hs i m u l a t i o no n m i t b i hd a t a b a s e ，a n dh i 曲r e c o g n i t i o nr a t ew a sa c h i e v e d 3 、b a s e do nt h et i m e - f r e q u e n c ya n a l y s i so fe c gs i g n a l ，af f tb a s e dm a t c h i n gp u r s u i t ( f f t - m p ) a l g o r i t h mf o re c gf e a t u r ee x t r a c t i o na p p r o a c hw a sp r o p o s e d f i r s t l y , s y s t e m a t i c a l l y l e a r n e dt h eb a s i cp r i n c i p l e so fm a t c h i n gp u r s u i t ( m p ) a l g o r i t h m ，a n dt h e nu t i l i z e df f tt oi m p r o v e t h em ps p a r s ed e c o m p o s i t i o na l g o r i t h mb a s e do na n a l y z i n gt h es t r u c t u r a lp r o p e r t yo ft h e o v e r - c o m p l e t ea t o md i c t i o n a r ya n dt h ec h a r a c t e r i s t i c so fe c gs i g n a l t h r o u g ha n a l y z i n gt h e t i m e - f r e q u e n c yd i s t r i b u t i o no ft h ea t o m sa f t e rs p a r s ed e c o m p o s i t i o n ，w ec o u l df i n do u tt h a tt h e t i m e - f r e q u e n c yd i s t r i b u t i o n o ft h ef i r s tf e wa t o m sc o u l dr e p r e s e n tt h em a i nt i m e - f r e q u e n c y c h a r a c t e r i s t i c so fe c gs i g n a l s ot h ef i r s tt h r e ea t o m s t i m e - f r e q u e n c yc o e f f i c i e n t sa n dt h e i r p r o j e c t i o nw e r ee x t r a c t e da sf e a t u r ec o e f f i c i e n t s a n dt h e n ，c o n s t r u c t e ds u p p o r tv e c t o rm a c h i n e ( s v m ) t oc o m p l e t et h ei d e n t i f i c a t i o n f i n a l l y , t h i sa l g o r i t h mw a se v a l u a t e dt h r o u g hs i m u l a t i o no n m t l r - b i hd a t a b a s e ，a n dh i g hr e c o g n i t i o nr a t ew a so b t a i n e d t h er e s e a r c ho ft h i st h e s i sp r o v i d e san o v e lw a yf o rb i tw i t hh i i g ha c c u r a c y , s t r o n gr o b u s t n e s s a n dg o o dc a p a b i l i t yt op r e v e n tc o u n t e r f e i t i n g , w h i c hl a i das o l i dt h e o r e t i c a lf o u n d a t i o na n d t e c h n i c a ls u p p o r tf o r t h ed e v e l o p m e n to fe c gi d e n t i f i c a t i o ns y s t e m k e y w o r d s ：b i o m e t r i c s ，e l e c t r o c a r d i o g r a m ，f e a t u r ee x t r a c t i o n ，e e m d ，m a t c h i n gp u r s u i t ， c l a s s i f i c a t i o n i v 杭州电子科技大学硕士学位论文 第1 章绪论 1 1 课题研究背景和意义 现代社会随着信息、经济的高速发展和网络的迅速普及，各种网络盗窃、身份伪造技术 日益增多，因此加强信息安全变得越来越重要，身份识别作为一种信息安全技术已经在各个 领域得到了广泛的应用，如访问控制、门禁系统、机场安检和国土安全等。传统的身份认证 方式，如个人证件、钥匙、d 卡及其他基于密码学的认证方式等容易被他人窃取、伪造，越 来越不能满足人们对个人信息安全日益增长的需求，为了解决这个问题许多研究者开始寻找 其他可靠的识别率较高的身份认证方式来替代传统的基于密码i d 卡的识别技术。生物识别技 术是指通过计算机与其他高科技手段如光学、声学、生物传感器和生物统计学等密切结合， 利用人类自身固有的生理特征或行为特征进行身份鉴别的一种技术。生物特征不会出现遗忘 遗失等情况，而且无法被窃取，且难以被仿制，有着极强的安全性和可靠性。常用的生物特 征主要有人脸、指纹、虹膜、语音、签名和步态等，它有效地解决了传统的身份认证方式所 带来的种种问题，近年来迅速成为当今国际上身份识别技术研究的热点。 生物识别技术常用的生理特征包括：指纹、掌型、眼睛( 视网膜和虹膜) 、人体气味、脸 型、手膨手的血管纹理和d n a 等；行为特征包括：签名、语音、行走的步态、击打键盘的力 度等等。这些识别技术的发展状态不尽相同，目前人脸识别、虹膜识别和指纹识别等已在商 业上成功使用。这些生物识别技术都有各自的优势和缺陷，应该根据实际应用场合选取最适 合的识别技术【l - 3 1 ，常用的生物识别技术如图1 1 所示，各种生物识别技术的比较如表1 1 所示。 、一7 ，一，x ， 7 、 、一一| ， 一_，一 图i i 常用的生物识别技术 指纹可以通过人手指触碰扫描即可获得，特征提取简单实时，适合应用于实时系统。每 个人的指纹特征都是唯一的，即使是在双胞胎之间【3 瑚。指纹特征也有其自身的缺陷，它容易 杭州电子科技大学硕士学位论文 受到年龄、受伤和其他环境因素的影响，此外，指纹可以通过硅胶等手段复制。 掌型识别特征可以包括人手指的长度、宽度和几何形状等，人的掌型采集简单、快速， 为大多数人所接受，而且采集工具造价低廉。掌型识别不足之处在于人的掌型会随着年龄、 受伤等因素而改变，且识别率相对其他生理特征识别技术而言相对较低。 人脸识别技术越来越受到人们的关注，并得到了广泛的应用。人脸特征可以通过非侵入 式的方式获得，并通过相关的图像处理算法在较短的时间内提取识别特征，提取的识别特征 可以是局部特征如人的眼睛或鼻子特征，或者是人的脸型等全局特征。但是人脸特征也容易 受到外界光照、摄像机性能等环境因素的影响，还有年龄、情感等因素造成特征交异，降低 系统识别率。 虹膜纹理特征也包含着较好的区分信息，基于虹膜纹理特征的身份识别技术有着较好的 实时性和较高的识别率。但是虹膜采集器比较昂贵，且采集不便，需要经受测者同意才能进 行采集。此外虹膜识别技术有着较高的错误拒绝率，因此不适合应用于身份认证系统中。 d n a 是人身体内的一种带有遗传信息的生物分子，每个人的d n a 都是唯一的，且易于采 集，因此非常适合作为身份识别的特征。d n a 已被广泛地应用于犯罪调查、亲子鉴定等领域。 但是d n a 识别技术的最大缺点就是它可以很轻易地从人的头发、指甲等获得。另一方面，d n a 作为生物特征携带了人体的各种遗传信息，将其应用于身份识别技术还需要人们广泛地认可 和合作，此外d n 腊征提取需要很长时间的医学处理，因此阻碍了其应用于实时系统。 表1 1 各种生物身份识别技术之间的比较 生物识别的优势在于更高的安全性和便利，但在实际应用中也面临许多挑战，其中比较 突出的是安全问题。假冒的生物识别系统如图1 2 所示，盗用者可以利用这些特征轻易地从采 2 杭州电子科技大学硕士学位论文 集端或是传感器传输环节进入生物特征识别系统，从而破坏、盗用受该系统保护的保密信息。 生物特征识别的本意是使人们的生活更安全，因此在生物特征识别应用过程中所潜藏的安全 问题引起了国内外研究者的格外重视，探索研究高安全性的生物识别技术方法成为发展趋势 之一。 、 ( 录音) j 。 暇脸型 图1 2 各种欺骗生物识别系统的技术 在近年来涌现的新的生物识别技术里，借助于人体内蕴的生物电、声信号等特征进行身 份识别的方法广受关注，英国w e s t m i n s t e r 大学k e n n e t hr e v e t t 教授在2 0 1 0 年提出了认知识别 ( c o g n i t i v eb i o m e t r i c s ) 的概念，将心电、脑电和皮肤电响应等用于身份识别的生理信号纳入此 范畴，指出生物信号具有唯一性，普遍性，更具有强健的防伪性，国际刊物i n t e r n a t i o n a lj o u r n a l o f c o g n i t i v eb i o m e t r i c s ( u c b ) 也己出版。基于心电信号的生物特征识别方法，就是在这样的背 景下由国外学者专家提出的。心电图( e l e c t r o c a r d i o g r a m ，e c g ) 是人的心脏跳动产生的生物电 势，反映了心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考 价值。由于人与人之间的心脏位置、大小、形状、胸部构造、年龄、性别、体重、情绪和运 动状况等因素都不相同，因此心电信号具有唯一性的特点，对人体的心电信号进行分析，其 结果不但可以用来作为临床医学诊断的依据，也可以作为一种生物特征，用来识别人的身份； 心电信号属于人体内源性信号，来自于人的心脏，不易被仿制，具备高安全性。本文研究了 基于心电信号的身份识别算法，旨在心电信号预处理、特征提取、模式识别等技术领域解决 e c g 信号用于个人身份识别的关键技术，为e c g 身份识别技术的应用奠定坚实的理论基础， 并为开发准确率高、鲁棒性强、防伪能力好的身份识别新型e c g 身份识别仪器系统提供技术 支撑。 1 2 心电图基础 1 2 1 心电图产生机理 心电信号记录了人体的心脏的活动信息，是来自于人体内部的内源性生物特征。1 9 0 3 年 “。鬓謦，jl- 脂 佩囊。瑟焉 。 杭州i 乜子科技人学硕士学位论文 著名的荷兰生物学家e i n t h o v e n 使用弦线电流计测量了心脏收缩时的电流变化，并将其绘制在 图纸上，后来逐渐演变成了现在广泛使用的心电图。心电图简单安全有效地记录了心脏的各 种活动，为人们提供了一种检查心脏病变的依据，因此它被广泛地应用于医疗诊断领域。在 医疗领域，最常见的就是十二导程心电图，十二导程心电图即六个肢导程和六个胸导程如图 1 3 所示，其相应波形如图1 4 ；f i 示。 图1 3 十二导程心电图测量位置图 图1 4 标准十二导程心电图波形及其相对位置 心脏跳动的动力是自发性生物电力，通过医疗器械记录下心脏收缩和舒张之间心脏电的 生理反应，即心电图。心脏中的心肌细胞主要可以分为普通心肌细胞和特殊心肌细胞两类， 它们的作用各不相同。人体心脏中包含了大量的普通心肌细胞，它们主要由受到特殊心肌细 胞产生的刺激控制，受到刺激之后就发生收缩，当刺激消失后则发生舒张，这样的一次收缩 和舒张便形成了心脏的一次跳动；特殊心肌细胞具有自律性，它们能够按自身固有的规律不 断地产生兴奋并传导给普通心肌细胞，对其进行刺激。由特殊心肌细胞汇集而成的窦房结位 于心脏的右心房，并且靠近上腔静脉的入口附近。窦房结是心脏的起搏点，心率是由窦房结 强有力的自律性的兴奋决定的。此外，心率还受到交感神经、迷走神经、各级心血管中枢及 诸多体液等因素的调节【6 】。窦房结在右心房上腔静脉入1 3 处，房室结在心房心室间，在房室 结与心室肌肉之间又发现了浦肯野纤维，传送心脏跳动的特殊电流传导系统就是由这三个部 分组成的。位于心脏不同位置的各种自律细胞都有自动兴奋的能力，对心脏跳动起着起搏作 用【6 】。但是位于不同位置的自律细胞的节律性快慢各不相同，节律最低的是浦肯野纤维约为 2 0 , - - 4 0 b p m ，其次房室结约为5 0 b p m ，最高的是窦房结约为1 0 0 b p m 。这个电流传导过程可通 过安放在人体表面的电极，用心电图仪器测得，形成心电图。 1 2 2 心电信号形态学 假设心率为7 2 次分，那么一个心跳周期持续的时间约为0 8 秒，典型的心电信号波形如图 1 5 所示。 1 1p 波：主要反映了左右心房去极化过程中电位的变化情况，持续时间约为1 2 0 m s ，因为 受心房体积的限制，p 波幅度小且波形较光滑。p 波的频谱主要分布在1 0 - , 1 5 h z 频段，集中在 4 方祈市市挑市 杭州电子科技大学硕士学位论文 低频部分。p 波的幅度和间期会随着心率的变化而发生相应的变化，当心率加快时，p 波间期 缩短，幅度相应略有增加。 2 ) q r s 复合波：复合波一般在整个心电信号波形中最明显，拥有最大的幅度，是整个心 电信号最重要的部分。它主要反映了心室去极化的过程，包括三个相连的波，分别为q 波，r 波和s 波，称之为q r s 波。由于q r s 陡峭的波形，q r s 复合波有着较高的频带范围，主要集中 分布在1 0 h z 5 0 h z 之间。q r s 复合波较其他波而言相对稳定，不受心率变化的影响，因此在 身份识别中q r s 复合波有着重要的意义。 图1 5 典型的心电信号波形 3 ) s t 间期：这段波形间期从s 波终止位置开始n t 波的开始位置，反映了心室复极化缓 慢进行时候的状态。正常人的s t 间期接近基线，稍有偏移，若s t 波形或者幅度有较大的改 变说明心脏活动异常。当心率改变时，s - t 波段会相应地改变。 4 ) t 波：主要反映了心室晚期复极过程中电位的变化情况，这段波形间期较长，但是相 对幅度较低。当心率加快时，t 波改变较大，t 波间期缩短，且心率越快t 波就越靠近q r s 复 合波。 1 2 3 心电信号的噪声干扰 在心电信号的采集过程中会受到外界环境和噪声的影响，会严重影响后续的心电分析， 因此有必要对心电信号消噪，提高心电信号的质量。下面是几种最常见的噪声类型： 基线漂移：是最常见的一种噪声，它是一种低频噪声，它是由于呼吸、出汗以及测量时 身体的轻微运动等造成的，基线漂移改变了心电波形的幅度，有些地方甚至会超过q r s 复合 波的幅度，该噪声的频谱主要集中在1 h z 附近。 工频干扰：5 0 h z 市电以电磁波的辐射形式对e c g 造成的干扰。 其他噪声：主要有肌电干扰、人体的微动与电极接触不良引起的电极接触噪声等。 5 杭州电子科技大学硕士学位论文 1 3 心电信号作为身份识别特征的可行性分析 生物特征用于身份辨识必须满足四条基本准则： 普遍性：每个人都具备的特征。生物特征是每个人与生俱来的特征，但是也有一些例外， 一些残疾人缺失了一些生物特征，如聋哑人无法进行语音识别，身体有残疾的人无法进行步 态或者签名识别，因此这些生物特征识别技术受到了一些限制。 唯一性：是指提取出的特征对于不同的人来说都是独特的，换而言之，就是任何两个人 的特征都是有差异的； 稳定性：是指在一段很长的时间内测得的该特征保持稳定。但是对于大多数生物识别技 术来说需要在一段时期后更新存储的特征数据库； 可采集性：是指该特征可通过定量的测量采集得到【2 】。 e c g 的主要波形在一段很长的时间内保持稳定，它在人的一生中都可以测量得到，每个 人的e c g 都有差别，且它可以通过双手的拇指按压即可采集到，方便快捷，具有可采集性， 因此可以用作身份识别。郑州大学第二附属医院心电图科的李中健等检查7 5 5 0 0 名成年活体 个人心电图，分辨个人心电波形特征点，观察活体个人心电图唯一性、稳定性特征。结果表 明5 5 0 0 例成年活体个人心电图中，各例间无一例波形相同，都有各自的独特的形态特点；当 不同环境季节、心率、时间、药物等因素影响时，同一活体个人心电匿 q r s 波形仍相对稳定， 基本不变。国外学者b i e l 是早期致力于使用心电信号作为身份识别可行性研究的先驱者之一， 详细地阐述了利用e c g 信号作为身份识别的可行性，并通过实验实现t , b 电身份识别，取得 了较高的识别率。近些年来国内外学者对心电身份识别的研究确认了每个活体个人导联心电 图可作为身份识别的依据。 e c g 较其他生物识别技术相比有其自身的优点：首先，信号来自于人的心脏，适用于活 体身份识别，不易被仿制；其次，任何人都有e c g ，具备普适性，不易被忘掉或丢失；第三， e c g 是一维信号，处理简单，数据量小，节省存储空间；第四，由于e c g 信号频繁应用于病 人的身体状况监测中，因此e c g 身份识别在医疗保健应用中方便、有效，不需要附加数据就 可以在医疗记录、药物管理或其他远程医疗中识别人的身份；第五，e c g 可以非侵入的快速 即时测量。e c g 所具有的独特生理特征使其有望成为有巨大应用前景的新型身份识别方法之 一o 1 4 课题研究的内容和创新点 本论文从三个方面：预处理、特征提取和模式匹配系统研究了心电身份识别算法。在预 处理阶段提出了心电的预处理算法，提高了识别系统的稳定性和鲁棒性。在特征提取阶段， 从心电信号的时域和频域提取出较好的区分特征。在分类阶段构建支持向量机分类器，提高 了系统的识别率。本文的创新点及主要研究内容包括以下几个方面： l 、通过对心电信号采集过程中遇到的常见噪声的类型特点的分析，结合平滑消噪和小波 消噪的特点去除心电信号中的低频、高频噪声；研究心电信号的形态学特征和产生机理，依 6 杭州电子科技大学硕士学位论文 据r 峰值点位置，对输入心电信号进行分段，标准化时域波形，构建心电模板，去除心率变 异性对识别的影响；根据心电信号的准周期特性，采用周期变换对心电模板进行质量检测， 提高识别系统的鲁棒性和稳定性。最后利用m i t b i h 数据库中心电信号对该方法进行验证。 2 、提出了基于e e m d 的心电信号特征提取算法。首先对心电模板进行e e m d 分解，得到 k i m f s ，并采用w e l c h 谱估计法得到k i m f s 的频谱特征，然后采用主成分分析法对得到的 k i m f s 的时域波形及其频谱特征进行降维处理，最后将这两种特征融合输入到最近邻分类器 中进行匹配分类，同时研究了各种参数对算法性能的影响。最后通过不同心电数据库中的心 电信号验证了该算法的性能。 3 、提出了基于傅里叶变换的改进匹配追踪心电信号特征提取算法。首先对心电模板进行 稀疏分解，将得到的前三个原子的时频参数及其投影值作为特征参数输入到支持向量机分类 器中，进行模式匹配，并对算法中用到的各参数进行了性能分析，选取最优的参数设置，最 后通过不同心电数据库中的心电信号验证该算法的性能。 1 5 论文章节安排 本文总共可以分为六章，具体的章节安排如下所述： 第一章，介绍了本论文研究的意义和背景，心电图的产生机理、形态学特征及采集中遇 到的噪声类型和特点，并分析了心电信号作为身份识别特征的可行性。 第二章，详细地阐述了心电身份识别技术国内外研究发展历史和现状，并介绍了心电身 份识别系统的流程和性能指标。 第三章，提出了心电信号预处理方法，首先结合平滑去噪法和小波去噪法对心电信号进 行去噪，然后对消噪后的心电信号根据r 波位置进行划分，然后进行标准化，消除心率变异 性，得到单个心跳周期的心电模板，最后采用周期变换对心电模板进行质量检测，提高了系 统的稳定性和鲁棒性。 第四章，提出了基于总体平均经验模式分解的心电特征提取算法，将内蕴模式函数及其 谱系数融合作为特征，采用最近邻分类器对其进行分类识别。通过心电数据库对提出的方法 进行验证，识别率可达9 8 1 。 第五章，提出了基于傅里叶变换的改进匹配追踪心电信号特征提取算法，将稀疏分解后 原子的时频参数和投影值作为特征参数，并采用支持向量机对测试心电信号进行匹配分类， 实现个人身份识别，通过心电数据库对提出的方法进行验证，达到了9 7 1 的识别率。 第六章，对全文的工作进行了总结，并指出了本课题今后的研究方向。 7 杭州电子科技大学硕士学位论文 第2 章心电信号生物特征识别基础 2 1 心电身份识别技术的国内外研究现状 在过去多年的时间里对心电信号的研究主要集中在临床心脏疾病诊断领域，近期逐渐在 生物识别领域得到了研究和应用。从研究方法上分，目前e c g 身份识别算法大致分为三种： 基于多基点检测的特征提取方法、基于单基点的特征提取方法和非基点检测的特征提取方法。 2 1 1 基于多基点检测的特征提取方法 心电信号基点为心跳波形上的边界点或突出点，如p 波，q r s 复合波，t 波以及其他一 些e c g 信号的特征。 ( 1 ) b i e l l 7 是早期致力于使用心电信号作为身份识别可行性研究的研究者之一，详细地阐 述了利用e c g 信号作为身份识别的可行性。b i e l 等采用标准的1 2 导程用来记录2 0 个不同年 龄人的e c g 信号，并且通过实验测试了导极位置对实验结果的影响。 b i e l 首先采用西门子的e c g 装置来获取心电信号，同时提取基于基点的3 0 个特征( p 波的起始点和持续时间，q r s 复合波的起始点和持续时间段，q r s 波偏转，s t 段斜率和幅 度等) 。由于1 2 个导程都被用来记录和分析特征，所以每个人一共有3 6 0 ( 1 2 x 3 0 ) 的特征值。 最后采用多变量分析和主成分分析结合来进行分类，可以获得1 0 0 的识别率。该方法阐述了 利用心电信号进行身份识别的可行性。b i d 提出的方法不能自动提取特征参数，所提取的特 征是通过检查相关矩阵来获得的，并且该方法中需要的特征值数量较多，从而对设备的内存 和计算量要求较高，限制了其实际应用。 ( 2 ) i s r a e l ! s 】在之后的研究中引入了1 5 个时域特征值，并定义了这些特征值自动提取的方 法。该方法包括了以下三个步骤：去噪，特征提取和分类。在去噪过程中，将e c g 信号通过 一个截止频率为l - 4 0 h z 的巴特沃斯四阶滤波器。分割出每个心跳，根据p ，r 和t 波局部 的极大极小值来估计它们的位置，通过最小曲率半径法确定这些复合波的边界位置。为了更 好地进行分类，根据基准点之间的时域距离以及r 峰值点来同步每个心跳信号。在识别过程 中选取w i l k s l a m d a 来进行特征选择，并采用线性判别式分析( l i n e a rd i s c r i m i n a t ea n a l y s i s ， l d a ) 来进行特征空间的降维。最后获得1 2 个特征值来进行分类，该方法对2 9 个参与者的身 份识别率和心跳识别率分别为1 0 0 和8 l 。虽然该方法中可以自动提取特征值，但是该方 法中基点定位容易受到噪声和非常规的心跳影响。 另一方面，i s r a e l 设计了实验来验证心电信号在不同条件下进行身份识别的可行性。i s r a e l 设计模拟实验对象可能的心理状态( 沉思、虚拟现实驾驶、读书等) 。对在任何条件下的身份 识别率都接近1 0 0 。 ( 3 ) 在之后的研究中，为了进一步提高系统的稳定性，i s r a e l l 9 j 提出了基于e c g 信号和面 部特征融合的多模式生物识别系统。在实验中，采集3 5 个参与者的e c g 信号和脸部图像。 8 杭州电子科技大学硕十学位论文 e c g 信号通过上面所述的方法进行分析。脸部数据库由主成分分析选择的面部数据特征向量 组成。人脸识别系统首先训练来自f e r e t 数据库的5 0 0 张图像，然后测试3 5 个参与者的面 部数据，最后采用欧式距离法来进行分类。e c g 和面部特征在原始数据层的融合可以获得9 9 的识别率，但是在决策层融合只能获得9 4 的识别率。 ( 4 ) 在2 0 0 2 年，s h e i l 【l o l 提出了分层的方法，包括两个步骤：在第一步中，用模板匹配来 计算