基于子空间学习的心电身份识别方法研究

发布时间：2023-08-26 01:56

　　生物特征识别系统在安全应用中扮演着重要的角色,在过去的几十年里已经在世界各地得到了广泛的应用。目前,在实际应用中常用的生物特征识别技术有人脸识别、指纹识别、虹膜识别等。然而,这些生物特征识别技术既不能有效地避免盗用,也没有足够的能力防止伪造。近年来,心电身份识别技术越来越受到产业界和学术界的关注。其原因主要有两个方面:首先,心电信号具有身份识别应满足的基本生物属性,如普遍性、特殊性、永久性、可采集性等;其次,非法使用伪造和复制的心电图并不容易,心电信号具有很高的防伪能力。随着基于手指的心电采集设备越来越普及,心电信号的采集也越来越方便。因此,心电身份识别将是一个有前途的研究领域。随着当今技术的发展,机器学习等技术应用越来越广泛。传统基于基准点和频域特征的心电身份识别方法,当心电信号质量较低时其识别性能差强人意,无法满足实际应用的需要。针对这些问题,本文以子空间学习为主要的技术手段,提出了两种心电身份识别方法,有效提升了识别性能。(1)基于子空间融合的心电身份识别方法。心电特征属性分为局部特征和全局特征,其中全局特征主要描述心电整体属性,局部特征主要描述心电细节变化。分别提取两种特征变量...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 心电信号简介
    1.3 心电身份识别概述
        1.3.1 可行性分析及其优势
        1.3.2 研究现状
        1.3.3 基于基准点的心电身份识别
        1.3.4 基于非基准点的心电身份识别
    1.4 研究内容和论文的组织结构
        1.4.1 研究内容
        1.4.2 论文的组织结构
第二章 基于子空间融合的心电身份识别方法
    2.1 研究动机
    2.2 方法描述
        2.2.1 PCA
        2.2.2 典型相关分析
        2.2.3 子空间特征融合方法
    2.3 实验结果和分析
        2.3.1 实验数据库介绍
        2.3.2 度量标准
        2.3.3 实验设置
        2.3.4 实验结果分析
    2.4 本章小结
第三章 基于多尺度PDV特征判别表示的心电身份识别方法
    3.1 研究动机
    3.2 方法描述
        3.2.1 LBP算子
        3.2.2 PDV算子
        3.2.3 心电信号的预处理和分割
        3.2.4 多尺度PDV特征提取
        3.2.5 基于多尺度PDV的哈希编码
        3.2.6 基于词袋模型的表示
    3.3 实验结果和分析
        3.3.1 数据库
        3.3.2 度量标准
        3.3.3 参数设定
        3.3.4 方法评价
        3.3.5 方法对比
    3.4 本章小结
第四章 心电身份识别原型系统设计与实现
    4.1 需求分析
    4.2 系统设计
    4.3 系统实现
        4.3.1 心电信号采集
        4.3.2 心电信号认证和识别模式
        4.3.3 心电系统的用户管理
    4.4 本章小结
第五章 总结与展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间取得的其他成果
攻读学位期间参加的项目
学位论文评阅及答辩情况表



本文编号：3843726