[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

摘要

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。

主权项

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,…,xi,…,xn}，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,…,yi,…,yn}；其中，xi和yi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xi的差分样本，计算呼吸训练样本集合Y中呼吸样本yi的差分样本；(3b)分别求取脉搏波样本xi的类内邻域N(xi)、类间邻域NE(xi)和呼吸样本yi的类内邻域N(yi)、类间邻域NE(yi)；(4)根据(3b)的结果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sw和局部类间相关矩阵sb；(5)利用局部类内相关矩阵sw和局部类间相关矩阵sb，构造正则化典型相关分析目标函数DZ：DZ=WxT(sw-ηsb)WyWxT(Sxx+τxIx)WxWyT(Syy+τyIy)Wy,]]>其约束条件为：WxT(Sxx+τxIx)Wx=1,WyT(Syy+τyIy)Wy=1;]]>其中，Wx和Wy分别表示脉搏波转换矩阵和呼吸转换矩阵，η为比例参数，Sxx表示X的内协方差矩阵，Sxx＝XXT，Syy表示Y的内协方差矩阵，Syy＝YYT，τx和τy分别表示两个正则化参数，Ix和Iy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DZ中的脉搏波转换矩阵Wx和呼吸转换矩阵Wy；(7)利用脉搏波转换矩阵Wx和呼吸转换矩阵Wy，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：F=WxTXWyTY,]]>其中，F∈R2r×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。