[发明专利]一种心电异常状态下基于ECG多模板匹配的身份识别方法

说明书

本发明涉及一种心电异常状态下基于ECG的多模板匹配身份识别方法，属于生物特征身份识别技术领域，将待识别用户的心电数据与模板库中注册用户的数据进行比较，获得身份识别结果。该方法的关键技术包括：心电信号预处理，用于消除噪声干扰；心电信号分解，分离出每个周期的心电波形；标准化处理，分别在时间和幅值尺度上标准化；特征提取，利用小波变换提取特征，ISODATA算法进行聚类分析，进而构建ECG模板库；相关性分析，计算ECG测试数据与各模板的相关性，选择最佳匹配模板，最终获得身份识别结果。本发明提出的多模板匹配身份识别方法，利用人体内蕴的心电信号识别身份，并且将异常状态下的ECG数据考虑在内。

技术领域

本发明涉及一种心电异常状态下基于ECG(Electrocardiogram)的多模板匹配身份识别方法，属于生物特征身份识别技术领域，利用人体内蕴的心电信号识别身份，不但针对健康人群，而且也适用于具有心律失常的个体。

背景技术

现代社会中，身份识别在很多领域都有重要应用。伴随着当今社会对安全性需求的不断增强，传统身份识别方式的弊端逐渐显现，比如证件容易丢失、密码容易破解等。在这种背景下，基于生物特征的身份识别技术逐渐引起人们的广泛关注，成为研究的热点之一。

基于生物特征的身份识别是指利用人体的生理特征或行为特性，来鉴别个人身份的一项技术。用于身份识别的生物特征或行为特性需满足普遍性、唯一性、稳定性和可测量性等特性。凭借着独特的便携性和可靠性等优点，诸如指纹识别、人脸识别和语音识别等生物特征身份识别技术取得了快速发展，并获得了广泛应用。

ECG中的PQRST波形态在一段时期内保持相对稳定，即使在压力和运动等易导致心率变化的条件下，QRS复合波群仍然稳定。另外，受体型、年龄、性别、心脏位置、尺寸、解剖结构、胸腔构造和心脏生理特性等影响，ECG信号因人而异。同一个体正常心搏之间、同种心律失常心搏之间存在很大的相似性，内部差异小于个体心搏间的差异，因此，ECG可作为一种生物特征用于身份识别。

与传统的生物特征身份识别方法相比，借助于人体内蕴的ECG信号进行身份识别逐渐受到学者的关注，它具有许多独特优点：1.防伪性，ECG信号来自于用户的心脏，是一种活体生物特征，与指纹、人脸及语音等特征相比，消除了被轻易模仿或窃取的隐患；2.易处理，ECG是一维信号，数据量小，处理简单，节省存储空间。

很多学者对ECG信号用于身份识别进行了探讨，早期的研究工作主要围绕健康人群开展，依据正常ECG信号识别身份，并且取得了很高的识别准确率。然而，现实生活中具有心律失常的个体普遍存在，以上这些方法在心电异常状态下的效果并不好；近期的一些研究工作将异常ECG信号考虑在内，很多方法只涉及某一种或几种心律失常类型，实际应用中具有很大的局限性。

发明内容

本发明综台考虑正常与异常ECG信号，提出一种准确率高且适用于心电异常状态的身份 识别算法。总体流程如图1所示，关键技术包括心电信号预处理、信号分解及标准化处理、心电特征提取、ECG数据聚类、心电模板数据库构建及身份识别。具体可分为以下五个模块：

1.心电信号预处理模块

1.1获取用户稳定状态下具有一定时长的多段心电数据，以数据文件的形式存储，对应头文件包含该用户的身份信息及心电数据格式；

1.2对每段心电数据进行预处理，通过设计合适的滤波器实现，滤除工频干扰、基线漂移及肌电干扰等噪声。

2.信号分解及标准化模块

2.1对用户的ECG数据，检测R波峰位置；

2.2采用基于R波峰位置及相邻RR间期的方法，分割连续心电波形，也就是将每周期心电波形逐次分离出来；

2.3标准化处理，使同一个体的所有心电波形在时间尺度上具有相同的长度，在幅值尺度上具有相等的最大电压值。