基于特征学习的ECG身份识别——毕业论文

《基于特征学习的ECG身份识别——毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、———————————————————————————————基于特征学习的ECG身份识别———————————————————————————————ECGbiometricauthenticationbasedonfeaturelearning作者姓名：领域(方向)：电子与通信工程指导教师：学别：工学硕士答辩日期：V摘要随着社会信息数据的快速发展，人类的信息安全面临着巨大的安全隐患。生物特征识别技术作为具有高度安全性与唯一性的新型识别技术，逐渐进入大众视野。心电信号因其处理简单，易采集，难伪造等特点，使得ECG身份识别逐渐成为生物身份识别领域的一个研究热点。这一技术不但推动身份识别

2、领域的快速发展，并且有效补充了现有的生物特征识别技术。目前为止，尽管在该方面取得了许多技术突破，但仍存在识别精度不高，时效性不好的问题。针对这一问题本文从心拍特征提取，和特征学习两方面进行研究。为了更贴近实际应用场景，采用数据来源中每个个体的心率、身体健康状况与情绪状态不受限制。在特征提取的过程中，根据信号的采样频率、心电信号与干扰噪声的频率特点，采用九层小波去噪，得到较纯净的信号。然后采用二阶差分阈值法进行心拍检测，最后分别提取了信号的形态学特征与小波特征。为了获取最优的分类心拍特征，通过在不同分类器下的实验对比可知，相对于采用单一形态学特征（维度425维，心拍分类准确率为74%，身

3、份识别准确率90%）或小波特征（维度172维，心拍分类准确率为72%，身份识别准确率93%），采用形态学与小波的组合特征（维度624维，心拍分类准确率为76%，身份识别准确率93%）分类准确率更好。然而采用组合特征作为系统的输入特征，虽然提高了身份识别的准确率，但同时也造成特征维度急剧增加从而引入了过多特征冗余，导致身份识别模型的计算复杂度高、存储空间消耗大，识别效率低下。针对此问题的解决，本文采用核主成分分析法(KPCA)，弥补了线性变换PCA无法深层表示非线性信号内在联系的不足。通过实验可知KPCA算法（维度500维，心拍分类准确率为76%，身份识别准确率94%）能够降低特征维度，

4、使得在不影响分类准确率的同时提高系统的时效性。但是KPCA算法并不适用于现实ECG身份识别的应用场景，为解决此问题采用特征学习网络来进一步提高系统的时效性。采用稀疏自编码网络来V设定特征学习网络的初值，利用全局参数微调来提高此网络的识别性能，最后采用L-BFGS算法对网络参数寻优，从而降低ECG特征学习算法的时间复杂度与空间复杂度。最后通过实验对比，特征学习网络(维度50维，心拍分类准确率为87%，身份识别准确率96%)与KPCA算法相比较，不仅能够有效地对特征降维，并且提高身份识别的分类准确率，从而保证识别模型的身份识别准确率，时效率与鲁棒性。关键词：身份识别，特征组合，层次型SVM

5、，KPCA，稀疏自编码，特征学习VAbstractWiththerapiddevelopmentofsocialinformationdata,informationsecurityofhumanbeingsarefacingthehugesecurityrisk.Asthenewidentificationtechnologywithhighsecurityanduniqueness,biometricidentificationtechnologyisgraduallyenteringthepublic.Asanewbiometricidentificationtechnology

6、,ECGsignalhassimplepreprocessing,easycollectionanddifficultfalsificationcharacteristicsandgraduallybecomearesearchhotspotinthefieldofbiometricauthentication.Thetechnologynotonlypromotestherapiddevelopmentofthefieldofbiometricauthentication,butalsoeffectivelycomplementstheexistingbiometricidentif

7、icationtechnology.Althoughmanytechnologieshavemadebreakthroughsintherespectsofar,therearestillsomeproblemsoflowidentificationprecisionandbadefficiency.Tosolvetheseproblems,thepaperresearchesthefeatureextractionofheartbeatsan