[发明专利]基于改进典型相关分析的生理信号融合身份识别方法

权利要求书

1.基于改进典型相关分析的生理信号融合身份识别方法，包括如下步骤：

(1)获取C个人的光电容积脉搏波信号和呼吸信号，并对这两种信号进行去噪和归一化预处理，C≥2；

(2)采用脉搏波窗口对光电容积脉搏波信号进行波形截取，得到脉搏波训练样本集合X＝{x₁,x₂,…,x_i,…,x_n}，采用呼吸窗口对呼吸信号进行波形截取，得到呼吸训练样本集合Y＝{y₁,y₂,…,y_i,…,y_n}；其中，x_i和y_i分别表示集合X的第i个样本和集合Y的第i个样本，i＝1,2，…,n，n表示总的训练样本个数；

(3)确定局部类内邻域和局部类间邻域；

(3a)计算脉搏波训练样本集合X中脉搏波样本x_i的差分样本，计算呼吸训练样本集合Y中呼吸样本y_i的差分样本；

(3b)分别求取脉搏波样本x_i的类内邻域N(x_i)、类间邻域N^E(x_i)和呼吸样本y_i的类内邻域N(y_i)、类间邻域N^E(y_i)；

(4)根据(3b)的结果分别计算脉搏波训练样本集合X和呼吸训练样本集合Y的局部类内相关矩阵s_w、脉搏波训练样本集合X和呼吸训练样本集合Y的局部类间相关矩阵s_b；

(5)利用局部类内相关矩阵s_w和局部类间相关矩阵s_b，构造正则化典型相关分析目标函数D_Z：

其约束条件为：

其中，W_x和W_y分别表示脉搏波转换矩阵和呼吸转换矩阵，η为比例参数，S_xx表示X的内协方差矩阵，S_xx＝XX^T，S_yy表示Y的内协方差矩阵，S_yy＝YY^T，τ_x和τ_y分别表示两个正则化参数，I_x和I_y分别为p×p维的单位矩阵和q×q维的单位矩阵，(·)^T表示向量或矩阵的转置；

(6)求取正则化典型相关分析目标函数D_Z中的脉搏波转换矩阵W_x和呼吸转换矩阵W_y；

(7)利用脉搏波转换矩阵W_x和呼吸转换矩阵W_y，对脉搏波训练样本集合X和呼吸训练样本集合Y进行特征提取和串联融合，得到训练融合向量集合F：

其中，F∈R^2r×n，2r表示一个融合向量的维数；

(8)获取D个人的光电容积脉搏波信号和呼吸信号，并进行上述(1)-(7)步骤操作，得到测试融合向量集合L，D≥2；

(9)利用分类器和训练融合向量集合F对测试融合向量集合L中每个人的测试融合向量进行类别判别，得出D个人的身份识别结果。

2.根据权利要求1所述的方法，其中步骤(2)中采用脉搏波窗口对光电容积脉搏波信号进行波形截取，具体操作步骤如下：

(2a)对所有人的光电容积脉搏波信号进行波峰检测，获取每人光电容积脉搏波信号的所有波峰；

(2b)将波峰置于窗口的中心位置，用宽度为t₁秒的脉搏波信号窗口对每人光电容积脉搏波信号进行波形截取，获取所有脉搏波样本，将所有脉搏波样本进行去均值化，组成脉搏波训练样本集合X＝{x₁,x₂,…,x_i,…,x_n}。