[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

说明书

本发明公开了一种基于改进典型相关分析的生理信号融合身份识别方法，主要解决现有方法识别率较低的问题。其实现步骤：1)获取脉搏波和呼吸信号并对其训练数据预处理；2)训练数据波形截取，获取脉搏波训练集合和呼吸训练集合；3)分别求取上述两个集合的类内、类间邻域；4)根据类内、类间邻域，计算上述两个集合的类内、类间相关矩阵并构造正则化典型相关分析目标函数；5)求解基于正则化典型相关分析的脉搏波、呼吸转换矩阵；6)利用转换矩阵求取训练融合特征向量；7)获取脉搏波和呼吸信号测试数据求取测试融合向量；8)对测试融合向量进行类别判别，得出身份识别结果。本发明提高了身份识别率，可应用于电子商务和远程医疗身份认证。

技术领域

本发明属于身份识别技术领域，具体涉及一种身份识别方法，可用于电子商务、远程医疗身份认证等领域。

背景技术

随着计算机技术及无线网络的发展与应用，基于互联网的电子商务、远程医疗等应用发展迅速，已经成为了现代人们生活中不可或缺的重要组成部分。因为这些应用涉及到个人财产账户，个体生理信息等重要隐私信息，保证这些应用的安全使用显得尤为重要。较单模态的生物识别系统，多模态生物识别系统安全性依赖于多种生物特征，而多种生物特征难以同时被窃取或复制，因此具有更高的安全性和可靠性，而用于两种特征融合的典型相关分析算法也得到了众多学者的广泛研究与关注。

2008年，彭岩，张道强等人在“计算机工程与应用”期刊上发表了一篇“局部判别型典型相关分析算法”的文章。该文章采用局部化思想，将样本的类别信息引入到典型相关分析中，提出了一种局部判别型典型相关分析方法。为验证该方法的有效性，文中分别在多个数据库上进行了实验仿真，实验结果证明了方法的有效性。但该方法不能消除数据中的噪声干扰，在特征提取融合过程中存在过拟合或数据冗余问题，会降低身份识别效果。

2012年，刘云东，崔琳，郝汝岗等人在“计算机工程”期刊上发表了“一种广义局部判别型典型相关分析算法”一文。该文中，作者在局部判别型典型相关分析的基础上，通过添加类内散度矩阵和类间散度矩阵，进一步将样本的类别信息整合到典型相关分析中。最后通过在多个数据库上进行实验仿真，验证了方法的有效性，但该方法由于没有考虑到噪声对信号特征提取的影响，因而不能充分获取有效特征信息，其身份识别率有进一步提升的空间。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于改进典型相关分析的生理信号融合身份识别方法，以对样本局部类内、类间邻域的选取方式进行改进，同时在典型相关分析的目标函数中，添加正则化参数，来消除信号中噪声对特征提取的影响，提高身份识别率。

实现本发明目的的技术方案是，首先根据光电容积脉搏波信号和呼吸信号的原始样本和一阶差分样本确定类内邻域与类间邻域，然后在典型相关分析目标函数中引入正则化参数，计算基于正则化典型相关分析算法的脉搏波转换矩阵和呼吸转换矩阵，并利用该两个矩阵对脉搏波信号和呼吸信号进行特征提取和融合，生成融合特征向量，最后进行身份识别，其实现步骤如下：

(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；