（模式识别与智能系统专业论文）基于神经网络的心电图身份识别研究.pdf

郑重声明 本人的学位论文是在导师指导下独立撰写并完成的，学位论文没有剽窃、 抄袭等违反学术道德、学术规范的侵权行为，否则，本人愿意承担由此产生的 一切法律责任和法律后果，特此郑重声明。 学位论文作者( 签名) ： 冷拓爨 矽f 驴年6 月 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。 根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部 门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州 大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、 缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学 位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑 州大学。保密论文在解密后应遵守此规定。 学位论文作者：旁沁易 日期：伽d 年衫月 摘要 摘要 随着人们对信息安全和可靠性要求的日益提高，身份识别成为一个关键的 问题。传统的证件、钥匙、口令、密码身份识别存在易被复制、窃取、遗忘或 丢失等缺陷，已经远远不能满足人们的要求。因此，可靠性更高的生物特征识 别技术应运而生。心电图( e c g ) 作为生物特征用于身份识别，因其独特的优 点，逐渐引起了国内外研究人员的兴趣。e c g 特征产生机理复杂而不易被仿制， 安全系数高，比较适用于医疗和保险领域。e c g 身份识别对于当前的生物特征 ( 签名、语音等行为特征，指纹、视网膜、虹膜、脸型、d n a 等生理特征) 识 别体系是一个有效的补充，并且可以与其他生物特征融合形成多模态识别系统， 进一步提高生物特征身份识别的可靠性。 本文在查阅国内外研究人员关于e c g 身份识别研究的基础上，对e c g 信 号预处理、特征点提取、特征权重分析和最优特征选择等问题进行了较深入的 研究，设计并优化神经网络分类器实现了e c g 身份识别。具体内容如下： ( 1 ) e c g 信号预处理和特征点提取。分析e c g 信号及其包含噪声的频域特 点，分别用小波分解与重构法和小波阈值法滤除e c g 信号的低频和高频噪声； 根据小波变换的信号奇异性检测原理，采用二次样条小波对e c g 信号按a t r o u s 算法分解。根据r 波与小波分解模极值对的对应关系提取出其峰值点位置，进 而利用直线拟合误差最小法确定q r s 波的起点和终点；以r 波峰值点为基准点， 设置搜索窗口，采用与r 波峰值点提取相同的策略提取p 、t 波峰值点；再次利 用直线拟合误差最小法提取起点和终点。 ( 2 ) e c g 特征权重分析和最优特征子集选择。根据提取的特征点组合成不 同的e c g 幅值和间期特征。由于冗余特征的存在会增加计算量并致使识别准确 率降低，因此利用线性判别分析对提取的e c g 特征进行权重分析，确定各特征 对分类的贡献大小并形成一个有序队列。按照前向序贯原则选择有序队列的特 征，以b p 神经网络分类准确率为评价指标，确定用于身份识别的最优特征子集。 ( 3 ) 设计并优化神经网络分类器。采用三层b p 神经网络作为e c g 身份识别 分类器，以最优特征子集作为分类器的输入，输出层由实验的样本的个数决定。 由于b p 神经网络存在易陷入局部极小值、不收敛的问题，所以分别采用g a 算 法和d n a 算法对其进行优化，并用临床e c g 数据检验所设计的分类器性能。 关键词：心电图；身 a b s t r a c t h u m a ni d e n t i f i c a t i o nb e c o m ea l le s s e n t i a lp r o b l e mf o rp e o p l e sm o r ea n dm o r e r e q u i r e m e n t so nt h er e l i a b i l i t yo fi n f o r m a t i o ns e c u r i t y t h et r a d i t i o n a lm e t h o d su s i n g d o c u m e n t s ，k e y s ，a n dp a s s w o r d st oi d e n t i t yh a v et h ed e f e c t st ob ee a s i l yc o p i e d ，s t o l e n , f o r g o t t e no rl o s t , w h i c hi sf a rf r o ms a t i s f y i n gt h er e q u i r e m e n t so f t h ep e o p l e t h e r e f o r e ， m o r er e l i a b l eb i o m e t r i c st e c h n o l o g ye m e r g e d e l e c t r o c a r d i o g r a m ( e c g ) ，b e c a u s eo f i t su n i q u ea d v a n t a g e s ，i su s e da sb i o m e t r i ci d e n t i f i c a t i o n , w h i c hi sg a i n i n ga t t e n t i o no f r e s e a r c h e r sh o m ea n da b r o a d t h em e c h a n i s mo fe c gf e a t u r e si sc o m p l e xa n dn o t e a s i l yi m i t a t e d a n di th a sah i g hs a f e t yf a c t o r , s oe c g i sm o r es u i t a b l ef o rm e d i c a la n d i n s u r a n c ef i e l d st h a no t h e rm e t h o d s f o rt h ec u r r e n tb i o m e t r i cr e c o g n i t i o nt e c h n o l o g y ( s i g n a t u r e ，v o i c eo ro t h e rb e h a v i o r a lc h a r a c t e r i s t i c s ，f i n g e r p r i n t s ，r e t i n a , i r i s ，f a c e ，d n a e t a 1 ) ，e c gi d e n t i f i c a t i o ni sa l le f f e c t i v ec o m p l e m e n t ，a n dw h i c hc a nb ei n t e g r a t e d 谢mo t h e rb i o l o 西c a lc h a r a c t e r i s t i c st of o r mm u l t i - m o d a li d e n t i f i c a t i o ns y s t e m ss oa st o f u r t h e ri m p r o v et h er e l i a b i l i t yo fb i o m e t r i ci d e n t i f i c a t i o n b a s e do ne x i s t i n gr e s e a r c h e sa th o m ea n da b r o a d , a ni n t e n s i v es t u d yo fe c g s i g n a lp r e p r o c e s s i n g , f e a t u r ee x t r a c t i o n , f e a t u r ea n a l y s i sa n df e a t u r ew e i g h ta n a l y s i s w a sm a d ei nt h ep a p e r an e u r a ln e t w o r kc l a s s i f i e rw a sd e s i g n e dt or e a l i z et h ee c g i d e n t i f i c a t i o na n ditw a so p t i m i z e db yg a a l g o r i t h ma n dd n aa l g o r i t h m t h em a i n r e s e a r c hw a sc o n clu d e da sf o l l o w s ： ( 1 ) p r e p r o c e s s i n ga n df e a t u r ee x t r a c t i o no fe c gs i g n a l w eh a v ea n a l y z e dt h e f r e q u e n c yo fe c gs i g n a l a n dt h en o i s ei n c l u d e db yu s i n gw a v e l e ta n dw a v e l e t t h r e s h o l dm e t h o d sf i l t e rt h el o wa n dh i g hf r e q u e n c yn o i s ei ne c g s i g n a l a c c o r d i n g t o t h es i n g u | a f i t ya n a l y s i so fe c gb yw a v e l e td e t e c t i o np r i n c i p l e ，t h ee c gs i g n a li s d e c o m p o s e db yq u a d r a t i cs p l i n ew a v e l e ta t r o u sa l g o r i t h m f i r s t , a c c o r d i n gt o t h e c o r r e s p o n d e n c eb e t w e e nr w a v ea n dt h em a x i m ao f w a v e l e td e c o m p o s i t i o n , w ee x t r a c t t h ep o s i t i o no ft h ep e a l 【p o i n t t h e n , b yu s i n gl i n e a rf i t t i n gm i n i l n u i le r r o rm e t h o d , w e d e t e r m i n et h es t a r t i n gp o i n ta n dt h ee n dp o i n to fq r sw a v e a n dt h e nw et a k et h ep e a k p o i i l to f rw a v ea st h er e f e r e n c ep o i n t , s e tt h es e a r c hw i n d o wt oe x t r a c tt h ep e a kp o i n t s o f pw a v ea n dtw a v eu s i n gt h es a m es t r a t e g ya n da g a i nu s et h el i n e a rf i t t i n gm i n i m u m i u a b s t r a c t e r r o rm e t h o dt oe x 仃a at h es t a r ta n de n dp o i n t s ( 2 ) w e i g h ta n a l y s i so fe c g f e a t u r ea n ds e l e c t i o no ft h eo p t i m a lf e a t u r es u b s e t 1 1 1 ep r e s e n c eo f r e d u n d a n tf e a t u r e se x i s ti ne c g s i g n a lw i l li n c r e a s et h ec o m p u t a t i o n a l a n dd e c r e a s et h ea c c u r a c yo f i d e n t i f i c a t i o n t h e r e f o r e ，l i n e a rd i s c r i m i n a t i o na n a l y s i si s u s e dt ot a k ew e i g h ta n a l y s i st ot h ee c gf e a t u r e se x t r a c t e ds oa st od e t e r m i n et h e c o n t r i b u t i o no fe a c hf e a t u r e , a n dt h e ns o r tt h ef e a t u r e s a c c o r d i n gt ot h ew c d g h t f e a t u r e sa r es e l e c t e da c c o r d i n gt ot h ep r i n c i p l eo ff o r w a r ds e q u e n t i a l e v a l u a t e db yt h e a c c u r a c yr a t eo fb pn e u r a ln e t w o r kc l a s s i f i c a t i o n ，t h eo p t i m a lc h a r a c t e r i s t i c sf o r i d e n t i f i c a t i o ns u b s e ti sd e t e r m i n e dt h e n ( 3 ) d e s i g na n do p t i m i z a t i o nt h en e u r a ln e t w o r kc l a s s i f i e r ab pn e u r a ln e t w o r k 、析t ht h r e el a y e r si su s e d 勰t h ee c gi d e n t i f i c a t i o nc l a s s i f i e r t l k et h eo p t i m a lf e a t u r e s u b s e ta s t h ei n p u to f t h ec l a s s i f i e r , t h eo u t p u tl a y e ri su pt ot h en u m b e ro fs a m p l e s a s t h eb pn e u r a ln e t w o r kh a st h ep r o b l e m so fe a s i l yf a l l i n gi n t ol o c a lm i n i m u ma n db e i n g n o tc o n v e r g e n c e ，g aa n dd n a a l g o r i t h mf i r eu s e dt oo p t i m i z ei t f i n a l l y , c l i n i c a le c g d a t ai su s e dt ot e s tt h ep e r f o r m a n c eo ft h ec l a s s i f i e rd e s i g n e d 。 k e yw o r d s ：e l e c t r o c a r d i o g r a m ( e c g ) ；h u m a ni d e n t i f i c a t i o n ；w a v e l e tt r a n s f o r m ； n e u r a ln e t w o r k ；g aa l g o r i t h m ；d n aa l g o r i t h m i v 目录 目录 摘；要i a b s t r a c t h i 目录。v 第1 章绪论1 1 1 概述1 1 2 心电图身份识别可行性分析及意义2 1 2 1e c g 产生原理及采集3 1 2 2e c g 身份识别可行性分析一5 1 2 3e c g 身份识别的现实意义7 1 3 国内外研究现状7 1 3 1 基于特征点提取的e c g 身份识别7 1 3 2 基于波形提取的e c g 身份识别9 1 4 本文数据来源1 2 1 5 本文主要工作。1 2 1 6 本章小结。1 3 第2 章小波变换理论_ 1 4 2 1 小波变换1 4 2 1 1 连续小波变换。1 4 2 1 2 离散小波变换1 6 2 2 多分辨率分析1 7 2 3m a l l a t 算法和a t r o u s 算法1 9 2 3 1m a l l a t 算法一1 9 2 3 2a t r o u s 算法2 0 2 4 本章小结2 2 第3 章e c g 信号预处理及特征点提取2 3 3 1 小波基的选择。2 3 3 2e c g 信号的预处理。2 5 3 2 1 滤除高频噪声2 6 3 2 2 滤除低频噪声2 9 3 3e c g 信号奇异点分析3 2 3 4e c g 信号特征点提取3 5 3 4 1q r s 波特征点提取。3 6 3 4 2p 波和t 波特征点提取3 9 3 5 本章小结4 3 第4 章基于神经网络的e c g 身份识别4 4 v 目录 4 1e c g 特征权重分析4 4 4 1 1 线性判别式分析。4 5 4 1 2 特征权重分析。4 6 4 2 神经网络分类器设计4 7 4 2 1 神经网络的选择 4 7 4 2 2b p 神经网络分类器设计4 8 4 2 3 基于b p 神经网络的e c g 身份识别5 l 4 3g a 优化的b p 网络e c g 身份识别5 l 4 3 1g a 优化b p 算法5 2 4 3 2 实验结果及分析5 3 4 4d n a 优化的b p 网络e c g 身份识别5 5 4 4 1d n a 优化b p 算法5 7 4 4 2 实验结果及分析。5 9 4 5 本章小结6 l 第5 章结论与展望。6 3 5 1 结论。6 3 5 2 展望“ 参考文献6 5 致谢6 8 个人简历、发表的学术论文及研究成果- 6 9 绪论 图和附表清单 图1 1 心电向量环在空间三个平面上的投影3 图1 2 标准1 2 导联的形成( a ) 额面导联( b ) 横面导联4 图1 3e c g 采集电极位置。4 图1 4 典型e c g 波形5 图1 5 纽扣式电极心电导联采集6 图2 1 缈( 口q ) 随a 变化的说明；( a ) a = l ，a = 2 ，( c ) a = 1 2 1 5 图2 2a 取不同值时小波变换对信号分析的时一频区间1 6 图2 3 小波变换的多分辨率特性1 8 图2 4 小波分解与重构的m a l l a t 算法的滤波器组实现2 0 图2 5a t r o u s 算法流程图2 l 图3 1s y m 8 小波的尺度函数和小波函数2 5 图3 2e c g 信号的频谱分布2 6 图3 3 阈值种类” 图3 4 滤除高频噪声流程图2 8 图3 5e c g 信号l 5 尺度小波分解系数2 8 图3 6e c g 原始信号与滤除高频噪声后信号2 9 图3 7 滤除低频噪声流程图3 0 图3 8l 8 尺度小波分解近似系数3 0 图3 9e c g 原始信号和滤除基线漂移后的信号3 l 图3 1 0e c g 原始信号、滤波后信号及噪声干扰信号3 2 图3 1 1 等效关系图3 4 图3 1 2e c g 信号与对应的小波分解模值曲线、模极值点分布的关系3 5 图3 1 3e c g 特征点提取流程图。3 6 图3 1 4q r s 波特征点提取子程序3 7 图3 1 5r 波峰值点提取3 8 图3 1 6 直线拟合误差最小法提取q r s 波起点3 9 图3 18p 波、t 波搜索示意图4 0 图3 1 7p 、t 波特征点提取子程序4 l 图3 1 9p 波和t 波的峰值点、起点、终点的定位4 2 图3 2 0e c g 信号特征点提取4 3 图4 1e c g 身份识别流程图4 4 图4 2e c g 的特征4 5 图4 3 三层b p 网络结构图4 8 图4 4m 取不同值时b p 网络身份识别结果。5 l 图4 5 网络训练误差曲线5 4 2 绪论 第1 章绪论 1 1 概述 随着人们对信息安全、金融安全、防伪、反恐意识的增强，如何准确识别 个体身份已成为社会广泛关注的热点问题之一。传统的身份识别技术，例如证 件、钥匙、口令、密码等存在易被复制、窃取、遗忘、丢失等缺陷，已经远远 不能满足人们对信息安全的要求。基于生物特征的身份识别技术应运而生，生 物特征识别技术是指利用计算机技术采集生物身体的生理特征或行为特征，并 将这些特征与数据库的模板数据进行比较，实现身份识别的一种技术【l 】。目前已 出现的生物特征识别技术有基于指纹、掌纹、视网膜、虹膜、脸型、耳廓、d n a 等生理特征的识别技术和基于签名、语音、步态等行为特征的识别技术【2 】【3 】。 用于身份识别的生物特征要满足普遍性、唯一性、不变性和可采集性四个 条件。但在实际应用中，很多生物特征的不能满足或同时满足唯一性和不变性 条件，或存在计算机技术无法完成高质量的采集等问题，致使每种生物特征识 别技术存在不同程度的缺陷。两种或多种生物特征的融合识别技术，可以避免 某一个特征识别带来的弊端，可以有效提高识别的准确率，扩大适用范围，这 是生物特征识别技术发展的趋势。 基于人的生理特征和行为特征的身份识别，发展迅速，应用领域广泛。下 面简要介绍一些生物特征识别技术。 ( 1 ) 指纹识别技术：人类在几百年前已经开始使用指纹鉴别人的身份，并 且达到比较高的准确率。指纹在胎儿阶段已经形成，双胞胎的指纹也不会相同。 但对于一部分人群( 比如，由于病理原因的手掌、手指处皮肤脱落) ，由于手指 有伤痕或指纹模糊不清存在高误识率和拒识率，且指纹易于乳胶复制，降低了 指纹识别技术的普遍性和安全性 ( 2 ) 掌形识别技术：掌形识别和指纹识别类似，但对于手工劳作工人，由 于其经常性的手掌受伤或褶皱的形成，导致掌纹变化较大而无法识别。另外， 手掌需要扫描的区域较大，这也导致识别设备成本很高，限制了掌纹识别技术 的推广。 ( 3 ) 视网膜识别技术：视网膜结构的高度复杂性决定了其识别的可靠性， 但频繁的扫描对眼睛有一定的伤害，且设备的高成本限制了它的应用。 绪论 ( 4 ) 虹膜识别技术：虹膜是瞳孔与巩膜之间的环形可视部分。相比于视网 膜，虹膜识别精确度更高，采集速度快且具有非接触性，但对于盲人、眼疾患 者、黑眼睛的群体识别很困难。设备的高成本和对采集环境要求充足的光源限 制了其使用范围。 ( 5 ) 脸型识别技术：脸型可远距离采集，人们对这种技术没有任何排斥心 理，它是一种免打扰的识别技术，易于人们接受。但是对于双胞胎的识别存在 很高的误识率，且人脸的表情变化、长胖、变瘦、蓄须等造成脸型识别可靠性 不高，难以用到安全系数要求较高的领域。 ( 6 ) 耳廓识别技术：耳朵的卷起和突起部分以及耳垂都有比较显著的差异， 但是耳廓比较容易损伤、立体结构较强，接触性建档比较难以让人接受。 ( 7 ) d n a 识别技术：d n a 双螺旋链结构具有非常强的稳定性，脱氧核糖 与磷酸交替排列在外侧，内侧碱基对的氢键将两链固定。碱基对的排列顺序千 变万化决定了每一个人的d n a 链不同( 同卵双胞胎除外) 。d n a 识别技术成熟， 且具有绝对的可靠度，但是费用很高，耗时长，一般用于刑侦和亲子鉴定。 ( 8 ) 签名识别技术：签名笔迹体现出一个人的写字特点，用于鉴别人的身 份，被广泛用于银行、政府和商业交易中。但是签名会受环境、个人情绪的影 响，一些比较专业的伪造者可以模仿很多人的签名，造成这种身份识别技术可 靠性不高。 ( 9 ) 语音识别技术：每个人的语音特性是生理和发声动作共同决定的，具 有一定的特性。但是语音受环境噪声影响较大，不适合于大规模的鉴别，语音 识别最适合于电话声音识别，但是也很容易被人录音模仿。 ( 1 0 ) 步态识别技术：步态也可以体现一个人的特点，可以在一些要求安 全系数较低的领域使用。但是步态会随一个人年龄、体重增加而变化，一些人 的肢体或脑部受伤会从根本上改变步态特性，识别可靠性太低。 除以上描述的身份识别方法，还有一些基于血管纹理、人体气味等生物特 征的识别技术，但是采集困难限制了它们在身份识别领域的发展。 1 2 心电图身份识别可行性分析及意义 心电图( e c g ) 产生机理复杂，蕴涵了个体丰富的身份信息，同时又满足 生物特征用于身份识别的四个重要特性，说明可以单独利用e c g 或与其他生物 绪论 特征结合进行身份识别，可以有效完善现有的生物特征识别体系。 1 2 1e c g 产生原理及采集 心肌细胞膜的电兴奋，即心肌的除极和复极，是心肌收缩、舒张的动因。 心电活动传到体表产生体表电位差的改变，用体表电极记录下这种电位差的变 化，以时间为横轴展开，就形成了e c g 【4 】。 人体的心脏由心房和心室构成，心房和心室的心肌细胞活动产生电流。心 肌细胞在静息状态时，由于保持平衡的极化状态，不会产生电位变化，也没有 电流产生。当细胞受到刺激而出现除极化，由于细胞的代谢用，使细胞又逐渐 复原到极化状态，称为复极过程，心肌细胞的不断的进行复极与除极，这个过 程形成电偶向量，众多的心肌细胞一起活动形成很多电偶向量，可以称为心电 向量。心脏是一个立体器官，它产生的瞬间向量在空间就构成空间心电向量环。 空间心电向量环是一个立体图形，在三个不同的互相垂直的平面都有投影。如 图1 1 所示，以x v z 三个电轴构成三维立体空间，立体心电向量环在x y 面 上的投影称之为额面向量环，在x - z 面上的投影称之为横面向量环，在y - z 面 上的投影称之为侧面向量环。这就是临床上常规记录的心电向量图，亦称空间 向量环的第一次投影。 z y x 图1 1 心电向量环在空间三个平面上的投影 目前医学常用的标准1 2 导联心电图是由空间心电向量环经过二次投影形 成。额面向量环在肢体导联轴上的投影形成六个肢体导联i 、i i 、i i i 、a v l 、a v r 、 a v f ，称为额面导联，如图1 2 ( a ) 所示。横面向量环在胸前导联轴上的投影形 绪论 成六个胸导联v 1 v 6 ，称为横面导联，如图1 2 ( b ) 所示。此即空间心电向量 环的二次投影形成的标准1 2 导联 5 1 。 ( a ) ( b ) 图1 2 标准1 2 导联的形成( a ) 额面导联( b ) 横面导联 临床上，一般按照标准1 2 导联导采集e c g 。在采集时，把电极分别安置于 左右手腕、左右脚踝以及胸前固定的6 个位置，如图1 3 所示。 图1 3 e c g 采集电极位置 一次心动周期由p 、q r s 、t 、u 波构成，通常情况下u 波微小不可见。典型的 e c g 波形，在临床心电学对每个波段都有统一的命名，如图1 4 所示。 绪论 图1 4 典型e c g 波形 1 ) p 波：最早出现的幅度较小，反映两个心房的除极过程； 2 ) p r 段：实为p q 段，传统称为p r 段，反映心房复极过程及房室结、 希氏束、束支的电活动； 3 ) p r 间期：p 波与p r 段合计为p r 间期，反映自心房开始除极至心室 开始除极的时间； 4 ) q r s 波群：振幅最大，波形显著，反映心室除极的全过程； 5 ) s t 段和t 波：除极完毕后，心室的缓慢和快速复极过程分别形成了s t 段和t 波； 6 ) q t 间期：为心室开始除极至心室复极完毕全过程的时间； 7 ) u 波：在t 波之后与t 波方向一致的小波，一般不可见。 1 2 2e c g 身份识别可行性分析 由e c g 产生的生理机理可知，一个人心脏的活动可以通过记录的e c g 波 形反映。研究表明受个体心脏位置、大小、构造、年龄、性别、体重及胸腔结 构等诸多因素影响，个体间的e c g 不尽相同。e c g 波形蕴涵了丰富的个体身份 信息，且符合生物特征用于身份识别所需要的四个重要特性。 普遍性：每个活体的心脏时刻产生e c g 信号； 唯一性：受个体心脏位置、大小、构造、年龄、性别、体重及胸腔结构等 诸多因素影响，个体间的e c g 波形不尽相同，即e c g 具有唯一性； 不变性：成年人的心脏构造、大小基本定型，只要心脏不发生病变，心脏 绪论 活动产生的e c g 波形也保持稳定。研究表明年龄、心率、情绪的改变不会从根 本上改变e c g 波形，心动周期会随心率变化而变，但是经过归一化处理，e c g 波形表现出不变性； 可采集性：各个医院均拥有心电图机，并且随着科技的发展，1 2 导联心电 图采集成本降低、时间缩短，尤其是便携式心电图采集设备的出现，方便了e c g 的采集。 e c g 作为生物特征用于人的身份识别，同传统的生物特征识别技术相比， 有很多优点： ( 1 ) 不易剽窃或仿造。e c g 是人体心脏活动产生的信号，生命终结，则信 号源也随之消失，不易被剽窃。e c g 信号产生复杂，很难被被人仿造。相比之 下，指纹易于用乳胶复制，脸型则可以用照片或孪生兄妹替代，语音则很容易 被模仿； ( 2 ) 不会遗忘或丢失。心电图是活体的固有生物特征，随个体的诞生而存 在，随个体的消亡而消失，不会遗忘和丢失。而指纹、视网膜、虹膜、声音等 则可能因为如断指、眼睛、声带受损等外在因素而丢失； ( 3 ) 识别计算量小。e c g 信号是一维信号，指纹、视网膜等采集到的是二 维图像信息，相比较而言，e c g 信号的预处理和特征提取计算量小。 ( 4 ) 采集方便、成本低，。自1 9 0 3 年心电图诞生以来，心电图采集设备随 科技的进步而迅速发展，逐步向微型化、便携化、高精度方向发展，目前已出 现手持微型心电图检测仪，例如：纽扣式电极心电导联采集，如图1 5 所示。 图1 5 纽扣式电极心电导联采集 相比于虹膜、d n a 等需要昂贵的采集设备而言，心电图采集方便、成本也 较低。 绪论 1 2 3 ，e c g 身份识别的现实意义 随着人们对信息安全和可靠性要求的日益提高，单一生物特征识别技术， 都存在一定的缺陷，已经远远不能满足社会的需要。任一个生物特征识别技术 都有其比较适用的领域，比如，语音适用于电话窃听和跟踪；签名适用于银行 和商业交易；脸型适用与一般的证件；d n a 适用于刑侦和亲子鉴定。 e c g 身份识别因其独特的优点，比较适用于医疗、保险领域。心电图机普 遍存在于各个医院，频繁应用于个体的体检或病人的心脏状况监测，一些医院 建立了心电数据库，可以把个体的e c g 信号植入芯片，有效管理个体就诊记录 和药物管理，可以有效避免伪造医疗卡或骗取保险。e c g 身份识别与其他生物 特征融合可以组成多特征识别系统，即多模态识别系统，多模态识别可以提高 身份鉴别的准确性、可靠性，进一步扩大生物特征使用范围。 总之，e c g 身份识别，对现有的生物特征识别系统是一个有效的补充，不 但可以用到医疗、保险领域，对于信息安全、金融安全、防伪、反恐也都具有 重要意义。 1 3 国内外研究现状 目前国内外许多研究人员并提出了很多e c g 身份识别方法。对于1 ：l 身 份鉴定问题，比较容易解决，就是拿两份e c g 数据进行比对；对于1 ：n 的身 份识别问题，相对比较复杂，要在数据库中逐个匹配，分类器决策输出识别结 果。身份识别的问题，在样本数据库较大时，实现快速、准确的识别非常具有 挑战性，对分类器的设计要求很高。针对以上提出的问题，科研人员提出的e c g 身份识别方法大致可分为两类：基于特征点提取和基于波形提取的身份识别 6 h 2 7 。 1 3 1 基于特征点提取的e c g 身份识别 基于特征点提取的e c g 身份识别方法主要通过提取e c g 信号中的若干特 征点，这些特征点包含个体丰富的身份信息，如p 波起止点及其峰值点，q r s 波中的q 波峰值点、r 波峰值点及s 波峰值点，t 波起止点及其峰值点。首先 由这些特征点组成不同的幅值和间期特征；然后去除冗余的特征，选择其中个 体间差异大，稳定的特征作为识别的依据；最后设计分类器决策身份识别结果。 绪论 文献 6 】中l e n ab i d 等人采集健康人的1 2 导联信息，提取每一导联上3 0 个 宽度、间期和幅值特征，利用主成分分析( p r i n c i p a lc o m p o n e n t a n a l y s i s ，p c a ) 的方法，去除冗余特征，分析筛选对分类作用较大的1 0 个特征。采用类模拟软 独立建模方法( s o f ti n d e p e n d e n to d e l i n go fc l a s sa n a l o g y ，s i m c a ) 设计分类器， 对于2 0 个健康个体的实验样本，实现了1 0 0 的身份识别率。对单一导联身份 识别也进行了尝试，取得不错的效果。 文献【7 中m a s a k ik y o s o 等人提取健康人的p 波、q r s 波宽度及p q 、q t 间 期作为识别特征，通过判别式函数计算各特征量均值、差值及协方差，进而计 算马氏距离，以最小距离作为身份匹配的依据，以9 个人为实验样本，对每一 个个体的多个心动周期根据其不同特征组合进行识别，实验结果显示当q r s 波 宽度与q t 间期结合识别，准确率最高，其中对8 个个体的多个心动周期特征平 均识别准确率均高于9 0 。 文献 8 】中s t e v e na i s r a e l 等人使用带通滤波器去除e c g 噪声干扰，首先提 取r 波峰值点位置，接着通过局部最大值法确定p 、t 波峰值点，采用局部曲率 最小法提取各波起点、终点，计算p 波宽度、p q 间期等1 5 个间期特征；然后 采用w i l k s l a m d a 方法进行特征选择；最后利用线性判别式分析( l i n e a r d i s c r i m i n a n ta n a l y s i s ，l d a ) 进行e c g 身份识别。在2 9 个个体中实现了8 1 的心拍识别准确率及1 0 0 的身份识别准确率。 文献【9 】中k y e o n g - s e o pk i m 等人在文献 7 】m a s a k ik y o s o 等人的基础上，提 出了一种更具鲁棒性的方法实现身份识别。首先提取各个波形峰值点、起点及 终点，据此提取p 波宽度、q r s 波宽度、p q 及q t 间期特征，然后利用傅立叶 算法重构心率较高时的心拍波形，最后根据马氏距离进行身份识别。相对于 m a s a k ik y o s o 等人提出的身份识别方法，具有更高的识别准确率。 文献 1 0 中汪莉利用小波去噪方法消除e c g 信号中的噪声干扰，并根据差 分阈值法提取p 、q r s 、t 各波特征点，选择特征点两两组合的8 个幅值和间期 特征作为分类器的输入，分别用改进的b p 和r b f 神经网络进行身份识别，以 1 0 个个体为实验样本，分别达到6 0 和1 0 0 的识别准确率。 文献i 1l 忡y o n g j i nw a n g 等人使用巴特沃斯带通滤波器去除e c g 噪声，首 先提取r 波峰值点，并以此为基准点，提取固定时间窗内的e c g 波形。采用最 大、最小值法确定q ，s ，t ，p 波峰值点( 波谷或波峰) ，并依据局部最大距离 法确定q r s 波、p 、t 波的起止点。以1 5 个宽度、间期特征和6 个幅值特征组 绪论 成特征向量，利用主成份分析( 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 ) 和l d a 方法， 进行降维，去除冗余特征。分别用中心近邻、k - n n 、l d a 分类方法进行e c g 身份识别，并对三种方法进行比较，以2 9 个个体为实验样本，达到了1 0 0 的 识别准确率。 文献 1 2 d gy o g e n d r an a r a i ns i n g h 等人通过提取i 导联多个特征点位置，获 得1 3 个间期特征、4 个幅值特征及3 个角度特征，并进行归一化处理，采用模 板匹配法结合自适应阈值法，对2 5 个个体的识别准确率最高达到9 9 。 文献 1 3 q ay g a h i 等人提取2 4 个宽度、幅值特征，通过计算个特征值的信 息增益率( i n f o r m a t i o ng a i nr a t i o ，i g r ) ，最终选择最为重要的9 个特征组成特