[发明专利]基于奇异值分解的PPG信号身份识别方法及系统

权利要求书

1.一种基于奇异值分解的PPG信号身份识别方法，其特征在于，包括：

获取PPG信号；

利用投影矩阵，得到PPG信号相应的特征向量；

计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户；

其中，用户PPG向量模板库的构建包括：利用奇异值分解方法对训练集中PPG信号进行预处理；把预处理后的训练集中PPG信号进行单周期分段；依据单周期分段结果，构建训练集中PPG信号的多特征并进行分组，得到多特征组；对多特征组进行判别分析，计算出所有训练样本的投影矩阵，利用投影矩阵构造训练集的多特征模块库作为用户PPG向量模板库。

2.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，对PPG信号进行预处理包括：

获取PPG信号；

依据获取的PPG信号中的样本个数，构建汉克尔矩阵；

对构建的汉克尔矩阵进行奇异值分解，得到奇异值集合；

对奇异值集合进行处理，计算奇异值的均值，将奇异值中大于等于均值的奇异值保留，其余奇异值置零，得到；

依据处理后的奇异值集合，做奇异值分解逆运算，得到新的汉克尔矩阵；

对新的汉克尔矩阵反对角线元素求均值，得到预处理后的PPG信号。

3.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，确定预处理后的PPG信号中的峰值点作为基准点；

确定基准点之前最近的谷值点以及基准点之后最近的谷值点；

以两个谷值点和基准点之间采样点的和再和加上1作为每个单周期波形的长度；

对所有的单周期波形进行归一化处理。

4.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，多特征包括PPG信号的时域特征、三层稀疏表示特征和局部均值特征。

5.如权利要求4所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，对获取单周期PPG信号的时域特征、三层稀疏表示特征和局部均值特征进行串联融合，并使用平均值法计算融合后多特征所有个体的模板；

使用欧式距离计算多特征与模板的差异值，并按照差异值的大小对相应的PPG信号进行排序；

把排序后的PPG信号按顺序分成若干组。

6.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，利用投影矩阵，将各个组的测试样本进行投影，并将得到的每个样本的多组特征再进行联合，获得测试集投影矩阵。

7.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，每个个体的训练样本和测试样本都通过投影矩阵得到相应的特征子矩阵，通过欧式距离计算特征子矩阵中每个特征向量与其它特征向量之间的距离，得到同源相似度矩阵；计算PPG信号的测试样本的特征向量与用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到阈值的模板作为要识别的用户。

8.一种基于奇异值分解的PPG信号身份识别系统，其特征在于，包括：

数据采集模块，被配置为：获取PPG信号；

特征向量构建模块，被配置为：利用投影矩阵，得到PPG信号相应的特征向量；

身份识别模块，被配置为：计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户；

其中，用户PPG向量模板库的构建包括：利用奇异值分解方法对训练集中PPG信号进行预处理；把预处理后的训练集中PPG信号进行单周期分段；依据单周期分段结果，构建训练集中PPG信号的多特征并进行分组，得到多特征组；对多特征组进行判别分析，计算出所有训练样本的投影矩阵，利用投影矩阵构造训练集的多特征模块库作为用户PPG向量模板库。