基于卷积神经网络的脉搏纹时效性分析
发布时间:2020-09-16 09:56
随着经济和社会的发展,人们对于信息安全和个人身份识别提出越来越高的要求。传统的身份识别方法如钥匙、身份证、密码等越来越难以满足人们的要求,利用人体生物特征的唯一性来鉴别个人身份的生物识别技术成为了保证个人信息安全的首选方式。脉搏是人体表面可以触摸到的动脉搏动,它的形成基于心脏的舒缩和动脉管壁的弹性扩张。脉搏波中含有丰富的人体生理和病理信息,不同人表现为不同的特征,是重要的人体生理信号。脉搏作为生物特征的一种,也如同人的指纹一样,携带着人体的身份信息。随着现代科学技术的进步,脉诊客观化得到了发展,人们采用现代化的手法采集和研究脉搏信号。卷积神经网络是近些年机器学习领域发展起来的一种高效识别方法,具有强鲁棒性、易于训练和优化等优点,是对脉搏特征进行分类的一个强有力工具。基于以上背景,本文的创新点和研究内容主要分为以下三个部分:1.对原有的基于卷积神经网络的脉搏分析模型进行优化,针对原有模型的一些缺点进行改进,并加入数据预处理层,通过SVD降噪、解调和去突变值对脉搏数据进行预处理。实验证明改进模型优于原有模型,改进模型在通过脉搏对人进行身份识别的实验中测试集准确率达到了92.09%,比原有模型提高了8.28%。2.脉搏作为生物特征的一种,也携带着人体的身份信息。本文类比指纹和声纹等,创造性的提出脉搏纹的概念,丰富了现有的生物识别技术。在此基础上,本文类比指纹识别和声纹识别的流程,给出了脉搏纹识别流程,并指出构建统一的标准脉搏数据库的必要性。3.以优化过的脉搏分析模型为工具,通过实验对脉搏纹的时效性进行了分析。实验证明脉搏纹具有时效性,且脉搏纹时效性的时间限度大于等于100天。同时,本文提出了将不同特征、不同识别方式相结合的多生物识别技术应是未来发展的一个方向。
【学位单位】:北京邮电大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:TP183;TP309
【部分图文】:
第一章绪论逦逡逑,乔爱科等人基于非线性的脉搏波理论对心脏血管功能参数的无创评测方法逡逑行了研宄。逡逑二、脉搏信号获取方法的研宄逡逑传统的脉搏信号获取方法是医生通过按压人体表面动脉管处(例如手腕、颈逡逑等)获取。然而这种方法会带入把脉者的主观因素,且不易于进行更深入更精逡逑的分析以及客观的记录,因此它的应用和发展在很大程度上受到了限制。采用逡逑感器监测脉搏是目前获取脉搏信号的主要方法,它使用方便且对人体无创,能逡逑客观记录脉搏波信号,易于存储和分析。目前常用的脉搏传感器分为压电式、逡逑阻式和光电式三种。尤其是光电式脉搏传感器,其光电隔离特性减少了干扰,逡逑加了其稳定性,因此应用非常广泛[14]。本文所使用的即为一种指夹式的光电传逡逑器,使用方便、性能稳定且便于携带。逡逑三、脉搏信号特征提取的研宄逡逑一个典型的脉搏波主要由主波、重搏前波、降中峡、重搏波等组成。如图1-逡逑所示:逡逑幅度逡逑
逑2.1.2脉搏波波形释义逡逑一个正常人的脉搏在一个周期内的波形图如图2-1所示:逡逑幅度逡逑主波逡逑/邋l\:邋¥逡逑/逦!邋V邋/'逦\逦重搏波逡逑^邋丨邋1逡逑_逦—丨邋/—J———......: —逦:——:心逡逑k逦逦邋时间逡逑升支邋:逦降支逡逑图2-1典型的单个周期脉搏波形图逡逑一般情况下人们认为,一个完整的脉搏波由升支、降支、主波、潮波、降中逡逑峡、重搏波6个部分组成。其中升支发生在心脏快速射血时期,在脉搏波的波形逡逑中是由基线到主波波峰的一条上升的曲线。降支发生在心室射血后到下一次心脏逡逑射血开始,在脉搏波形中是一条从主波波峰到基线下降的曲线[32]。逡逑2.1.3脉搏波的检测逡逑传统的脉搏检测是通过触摸人体表面动脉处(如颈部的颈动脉、肘部的肱动逡逑脉和手腕处的桡动脉等)来感受心跳从而进行动脉触诊。正常人的脉搏和心跳是逡逑一致的。正常成年人的脉搏跳动为每分钟60-100次。脉搏跳动频率受到年龄的逡逑影响。刚出生不久的婴儿脉搏搏动每分钟120-140次;幼儿脉搏搏动每分钟90-逡逑100次;儿童脉搏搏动每分钟80-90次;老年人脉搏搏动较慢,每分钟55-60次。逡逑一般情况下,正常人的脉搏跳动强弱均等且脉搏间隔时间均衡。而运动、休息、逡逑睡眠、情绪波动和疾病等都会影响脉搏。逡逑目前,脉搏传感器是最常见的检测脉搏波的方式。脉搏传感器实质是检测动逡逑脉搏动时产生的压力变化,并将它转换为可以被直观观察和检测的电信号。常用逡逑的脉搏传感器分为压电式、压阻式和光电式三种
短时傅里叶变换(short-time邋Fourier邋transform,邋STFT)也叫加窗傅里叶变换,逡逑它的思路是把原来的信号划分为若干个很小的时间间隔,然后在每个时间间隔内逡逑再使用傅里叶变换,得到每个小间隔内的频率信息,如图2-2所示:逡逑幅度.逦时间窗逡逑A邋i逡逑/邋\;逦r\逦i逡逑/邋!A邋A邋/\a/逡逑/邋;\/邋:邋v邋^逡逑时间逡逑图2-2短时傅里叶变换示意图逡逑根据公式(2-1),要分析x邋=邋r时刻的频率,取傅里叶变变换在某个时间段逡逑八的值,有:逡逑f{x)eiX0,dx逦(2-3)逡逑、)I7rr/r逡逑公式(2-3)中,|是时间区域的长度,如果定义这个时间区域内的方波函逡逑数为则逡逑XGIt逦(2-4)逡逑0,邋others逡逑根据式(2-4),则公式(2-3)可以表示为逡逑f邋=\Rf(x)gT(x)eLc<adx逦(2-5)逡逑v邋y逡逑短时傅里叶变换通过窗口函数,得到了信号的局部信息,看似好像解决了问逡逑题。然而
【学位单位】:北京邮电大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:TP183;TP309
【部分图文】:
第一章绪论逦逡逑,乔爱科等人基于非线性的脉搏波理论对心脏血管功能参数的无创评测方法逡逑行了研宄。逡逑二、脉搏信号获取方法的研宄逡逑传统的脉搏信号获取方法是医生通过按压人体表面动脉管处(例如手腕、颈逡逑等)获取。然而这种方法会带入把脉者的主观因素,且不易于进行更深入更精逡逑的分析以及客观的记录,因此它的应用和发展在很大程度上受到了限制。采用逡逑感器监测脉搏是目前获取脉搏信号的主要方法,它使用方便且对人体无创,能逡逑客观记录脉搏波信号,易于存储和分析。目前常用的脉搏传感器分为压电式、逡逑阻式和光电式三种。尤其是光电式脉搏传感器,其光电隔离特性减少了干扰,逡逑加了其稳定性,因此应用非常广泛[14]。本文所使用的即为一种指夹式的光电传逡逑器,使用方便、性能稳定且便于携带。逡逑三、脉搏信号特征提取的研宄逡逑一个典型的脉搏波主要由主波、重搏前波、降中峡、重搏波等组成。如图1-逡逑所示:逡逑幅度逡逑
逑2.1.2脉搏波波形释义逡逑一个正常人的脉搏在一个周期内的波形图如图2-1所示:逡逑幅度逡逑主波逡逑/邋l\:邋¥逡逑/逦!邋V邋/'逦\逦重搏波逡逑^邋丨邋1逡逑_逦—丨邋/—J———......: —逦:——:心逡逑k逦逦邋时间逡逑升支邋:逦降支逡逑图2-1典型的单个周期脉搏波形图逡逑一般情况下人们认为,一个完整的脉搏波由升支、降支、主波、潮波、降中逡逑峡、重搏波6个部分组成。其中升支发生在心脏快速射血时期,在脉搏波的波形逡逑中是由基线到主波波峰的一条上升的曲线。降支发生在心室射血后到下一次心脏逡逑射血开始,在脉搏波形中是一条从主波波峰到基线下降的曲线[32]。逡逑2.1.3脉搏波的检测逡逑传统的脉搏检测是通过触摸人体表面动脉处(如颈部的颈动脉、肘部的肱动逡逑脉和手腕处的桡动脉等)来感受心跳从而进行动脉触诊。正常人的脉搏和心跳是逡逑一致的。正常成年人的脉搏跳动为每分钟60-100次。脉搏跳动频率受到年龄的逡逑影响。刚出生不久的婴儿脉搏搏动每分钟120-140次;幼儿脉搏搏动每分钟90-逡逑100次;儿童脉搏搏动每分钟80-90次;老年人脉搏搏动较慢,每分钟55-60次。逡逑一般情况下,正常人的脉搏跳动强弱均等且脉搏间隔时间均衡。而运动、休息、逡逑睡眠、情绪波动和疾病等都会影响脉搏。逡逑目前,脉搏传感器是最常见的检测脉搏波的方式。脉搏传感器实质是检测动逡逑脉搏动时产生的压力变化,并将它转换为可以被直观观察和检测的电信号。常用逡逑的脉搏传感器分为压电式、压阻式和光电式三种
短时傅里叶变换(short-time邋Fourier邋transform,邋STFT)也叫加窗傅里叶变换,逡逑它的思路是把原来的信号划分为若干个很小的时间间隔,然后在每个时间间隔内逡逑再使用傅里叶变换,得到每个小间隔内的频率信息,如图2-2所示:逡逑幅度.逦时间窗逡逑A邋i逡逑/邋\;逦r\逦i逡逑/邋!A邋A邋/\a/逡逑/邋;\/邋:邋v邋^逡逑时间逡逑图2-2短时傅里叶变换示意图逡逑根据公式(2-1),要分析x邋=邋r时刻的频率,取傅里叶变变换在某个时间段逡逑八的值,有:逡逑f{x)eiX0,dx逦(2-3)逡逑、)I7rr/r逡逑公式(2-3)中,|是时间区域的长度,如果定义这个时间区域内的方波函逡逑数为则逡逑XGIt逦(2-4)逡逑0,邋others逡逑根据式(2-4),则公式(2-3)可以表示为逡逑f邋=\Rf(x)gT(x)eLc<adx逦(2-5)逡逑v邋y逡逑短时傅里叶变换通过窗口函数,得到了信号的局部信息,看似好像解决了问逡逑题。然而
【相似文献】
相关期刊论文 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期
3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
4 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
5 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
6 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
7 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
8 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期
9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
相关会议论文 前10条
1 孙军田;张U
本文编号:2819720
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2819720.html