[发明专利]一种跨域心电图生物特征身份识别方法

权利要求书

1.一种跨域心电图生物特征身份识别方法，其特征在于，包括：

建立心电图ECG数据集，从ECG数据集中选取数据样本信号；

对所述数据样本信号进行时域特征、频域特征和能量域特征提取；

利用改进后的CNN卷积神经网络构建ECG生物特征身份识别模型，将所述数据样本信号的时域特征、频域特征和能量域特征输入到ECG生物特征身份识别模型，得到所述数据样本信号的ECG生物特征身份识别结果；

对所述数据样本信号进行时域特征、频域特征和能量域特征提取，包括：

选取数据样本信号的均值、标准差、峰度和偏度统计特征，将所述统计特征作为数据样本信号的时域特征；

先对原始数据样本信号做快速傅里叶变换FFT，再对得到的频谱做离散余弦变换DCT，对于变换后的结果提取波峰信息，得到原始数据样本信号的包络信息，该包络信息即为数据样本信号的频域特征；

对原始数据样本信号先做能量算子运算，再做快速傅里叶变换FFT，提取数据样本信号的能量域特征；离散的时域信号s(n)的Teager能量算子ψ_D(s)的计算方式如下：

ψ_D(s)＝s²(n)-s(n+1)s(n-1)

将数据样本信号的时域特征、频域特征和能量域特征进行组合，将时域、频域和能量域提取到的五个通道的特征分别进行三层卷积，把卷积后的结果直接级联起来得到组合特征；

所述的利用改进后的CNN卷积神经网络构建ECG生物特征身份识别模型，将所述数据样本信号的时域特征、频域特征和能量域特征输入到ECG生物特征身份识别模型，得到所述数据样本信号的ECG生物特征身份识别结果，包括：

在CNN中引入通道Attention注意力模块，将Attention模块中的ReLU激活函数改为Sigmoid，利用改进后的CNN构建ECG生物特征身份识别模型，所述ECG生物特征身份识别模型的结构包括增加通道Attention模块的卷积层、全连接层和输出层，卷积层对输入特征做变换，全连接层定义神经元之间的连接关系，最后在输出层通过Softmax产生最终结果；

对所述ECG生物特征身份识别模型进行训练，将所述组合特征输入到训练好的ECG生物特征身份识别模型，得到数据样本信号的ECG生物特征身份识别结果，即得到数据样本信号对应的采集者的个人身份。

2.根据权利要求1所述的方法，其特征在于，所述的建立ECG数据集，包括：

选取数据库PTBDB和ECG-ID中的心电信号数据作为ECG数据集，通过Butterworth滤波器和IIR滤波器对所述ECG数据集中的心电信号数据的工频干扰、随机噪声和基线漂移进行噪声滤波处理。

3.根据权利要求2所述的方法，其特征在于，所述的从ECG数据集中选取数据样本信号，包括：

在给定时间段中选取数据样本信号的时间起始点，在所述ECG数据集中以所述时间起始点为起点向后选取一段固定时间长度的心电信号数据序列作为数据样本信号，该数据样本信号的表达式如下：

其中，表示获取到的第s个个体心电信号数据的第i个样本X，表示选取的第s个个体心电信号数据的第j条记录R，P_i表示第i个数据样本信号的起始位置，E_i表示第i个数据样本信号的终止位置；

E_i＝P_i+t*f

其中，t表示单个个体心电信号数据的时间长度，f表示采样频率。