[发明专利]一种基于多尺度差分特征的心电识别方法及装置

说明书

本发明公开了一种基于多尺度差分特征的心电识别方法及装置，该方法包括：接收采集的待识别心电信号，对心电信号预处理得到心跳周期；将心跳周期进行自适应分离得到心跳周期的经验模态分量，融合多个心跳周期的经验模态分量，并提取多尺度差分特征得到特征向量；根据心电特征模板库中个体特征向量识别提取的特征向量，得到心电识别结果。

技术领域

本公开属于生物特征识别的技术领域，涉及一种基于多尺度差分特征的心电识别方法及装置。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近年来，基于心电信号的生物特征识别技术得到了广泛的关注，心电信号采集方便，可以基于人体左右手的两根手指采集得到，而且心电信号只能在活体时才能采集到，是身体内连续的电信号，安全性很高，具有广阔的应用前景。

随着信号处理、机器学习理论的不断发展，近几十年来，很多新的方法与思想被应用于心电识别领域。其中,对心电信号的分离是一种具有代表性的方法，其基本原理是首先对采集的心电信号做一定的预处理，去除基线漂移、肌电干扰等噪声，将预处理后的信号分离成一系列的子信号，传统的方法有小波分解、EMD方法、EEMD方法，然后将子信号作为特征，根据K近邻、SVM等方法进行身份识别。

然而，小波分解缺乏自适应性，EMD虽然可以自适应地分解信号，但是存在模式混叠现象，EEMD方法消除了EMD分解过程中的模式混叠现象，但是需要多次的迭代运算，难以满足生物特征识别的实时性要求。并且，将子信号直接作为特征不具有区分性，不够鲁棒。

发明内容

针对现有技术中存在的不足，本公开的一个或多个实施例提供了一种基于多尺度差分特征的心电识别方法及装置,进一步有效地提高心电识别系统的识别性能和鲁棒性。

根据本公开的一个或多个实施例的一个方面，提供一种基于多尺度差分特征的心电识别方法。

一种基于多尺度差分特征的心电识别方法，该方法包括：

接收采集的待识别心电信号，对心电信号预处理得到心跳周期；

将心跳周期进行自适应分离得到心跳周期的经验模态分量，融合多个心跳周期的经验模态分量，并提取多尺度差分特征得到特征向量；

根据心电特征模板库中个体特征向量识别提取的特征向量，得到心电识别结果。

进一步地，在该方法中，所述对心电信号预处理得到心跳周期的具体方法步骤包括：

采用截止频率为1-40Hz的四阶带通巴特沃斯滤波器去除心电信号的噪声；

将去除噪声后的心电信号的R峰进行分割，得到心跳周期。

进一步地，在该方法中，所述将去除噪声后的心电信号的R峰进行分割，得到心跳周期的具体方法步骤包括：

采用Pan-Tompkins算法检测出R峰的位置；

基于R峰选取左右指定长度的信号作为一个心跳周期。

进一步地，在该方法中，采用经验小波变换算法将心跳周期进行自适应分离得到心跳周期的经验模态分量。

进一步地，在该方法中，采用经验小波变换算法将心跳周期进行自适应分离的具体方法步骤包括：

将心跳周期的频谱进行自适应分割；

在分割区间上采用经验小波变换算法构建合适的小波滤波器组，提取经验模态分量。

进一步地，在该方法中，所述将多个心跳周期的经验模态分量融合，并进行特征提取得到特征向量的具体方法步骤包括：

采用加权平均融合三个心跳周期对应的经验模态分量；