基于类别距离损失的残差网络ECG身份识别方法

发布时间：2021-01-19 02:44

　　随着信息技术的高速发展,个人与组织的数据安全越来越受到人们的重视。为了提高数据与信息的安全性,人们提出了多种身份识别技术。其中,相比于其他传统的身份识别技术,如人脸、指纹等,基于心电信号（Electrocardiographic,ECG）的身份识别技术,由于有着更高的安全隐私性,易获取性,活体检测性与健康信息存储性,具有得天独厚的使用价值和应用前景。然而,国内外学者提出的基于ECG的身份识别方法中均存在着一个严重问题:身份识别模型严重依赖于数据,模型泛化能力低下,对不同环境、不同设备采集的ECG信号,无法达到理想的识别效果。为了解决这个问题,对不同渠道采集的E CG心电信号获取更稳定的身份识别效果,本文提出了 一种基于类别距离损失的残差网络ECG身份识别方法。该方法设计了一种并行多尺度一维残差网络,采用了三种不同尺寸的卷积核来提取ECG信号中不同长度信号段的细节特征,经实验证明效果好于传统的其他网络结构。此外,为了最大化网络结构的性能,本文还提出了一种新型类别距离损失函数用于网络训练。与传统的softmax损失函数相比,类别距离损失函数更多地关注类内聚合性和类间离散性,使得网络更多地聚... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 身份识别技术概述
    1.2 生物特征身份识别技术
    1.3 基于ECG的身份识别技术
        1.3.1 ECG心电信号概况
        1.3.2 ECG身份识别的优势
    1.4 国内外研究现状
        1.4.1 信号预处理
        1.4.2 特征预处理
        1.4.3 特征提取
        1.4.4 分类器的选择
    1.5 研究内容与论文结构
2 ECG心电信号的预处理
    2.1 ECG心电信号常见噪声
    2.2 基于小波变换的信号预处理
        2.2.1 连续小波变换
        2.2.2 离散小波变换
        2.2.3 小波基函数的选择
        2.2.4 信号预处理过程
    2.3 基于R波峰值点检测的特征预处理
        2.3.1 R波峰值点检测
        2.3.2 心拍提取与增广
    2.4 本章小结
3 ECG心电信号的特征提取与分类
    3.1 卷积神经网络算法原理
        3.1.1 全连接神经网络
        3.1.2 卷积神经网络
        3.1.3 残差网络架构
    3.2 并行多尺度一维残差网络
    3.3 类别距离损失
        3.3.1 Softmax损失函数
        3.3.2 中心损失函数
        3.3.3 边界损失函数
        3.3.4 类别距离损失函数
    3.4 本章小结
4 实验与结果
    4.1 数据集简介
        4.1.1 训练数据集
        4.1.2 测试数据集
    4.2 训练策略与参数设置
    4.3 测试方法与实验结果
        4.3.1 匹配测试
        4.3.2 闭集分类测试
    4.4 本章小结
5 总结与展望
    5.1 总结
        5.1.1 成果总结
        5.1.2 不足与改进
    5.2 展望
参考文献
作者简介
作者攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]基于小波分解和数据融合方法的ECG身份识别[J]. 杨向林,严洪,李延军,魏莉,孙即祥.  航天医学与医学工程. 2009(04)
[2]滤除ECG中肌电和宽频率范围工频干扰的小波算法[J]. 赵捷,华玫.  航天医学与医学工程. 2004(03)
[3]心电图各波的频率分析[J]. 曹细武,邓亲恺.  中国医学物理学杂志. 2001(01)

硕士论文
[1]ECG身份识别技术在运动状态下的扩展研究[D]. 陈晓丹.浙江大学 2015
[2]基于小波变换和人工神经网络的PCA人脸识别方法研究[D]. 胡琳.苏州大学 2002



本文编号：2986179