基于手指心电信号时频域分析的身份识别算法研究

发布时间：2017-09-28 18:27

  本文关键词：基于手指心电信号时频域分析的身份识别算法研究

  更多相关文章： 手指心电信号 生物识别 遗传算法 广义S变换 奇异值分解 ZM交叉解析

【摘要】：在高度发展的数字化和信息化时代,安全、快速、准确地实现个体的身份识别是现今备受人们关注的一个问题之一。生物特征识别技术(Biometrics)利用人体自身固有的生理特征或行为特征进行身份辨识,具有高的准确度与可靠度,但也同样面临着安全问题,如假冒指纹、虚假虹膜等。在生物识别应用中所潜藏的安全问题引起了国内外研究者的格外重视,具备高防伪性的新颖生物特征识别技术被陆续提出。心电信号(Electrocardiogram,ECG)属于人体内源生理信号,蕴含个体身份识别相关的信息,其突出特点是实现“活体”识别的高防伪能力。近年随着小体积、低能耗、无需导电胶和易集成的心电采集芯片的出现,可以在手指端实现心电的采集,为心电身份识别开辟了极具潜力的应用前景。本文主要研究了基于手指心电信号时频域分析的身份识别技术。首先,通过分析手指心电信号的特性,提出了基于遗传算法(Generation,GA)的小波阈值手指心电去噪算法;其次,研究了手指心电信号的时频分布,提出了基于广义S变换和ZM交叉解析的手指心电身份识别算法,并采用三个手指心电数据库验证了该算法,取得了较大的识别率;最后将本文提出的算法移植到Android智能手机端,成功实现了身份识别。本文的工作主要为:1、回顾了心电信号采集方式和心电信号身份识别算法的发展,阐述了心电信号的产生机理和波形特点,介绍了识别评价指标和手指心电数据库,为手指心电信号应用于身份识别技术领域提供了理论基础。2、研究了手指心电信号预处理算法,包括去噪、R峰检测、分割、归一化等。首先在研究小波变换和遗传算法的基础上,研究了基于遗传算法的小波阈值去噪算法,结合手指心电特性,采用遗传算法修正阈值,实现小波阈值去噪,然后利用模拟心电信号和手指心电信号进行消噪性能实验,测试了算法性能;最后依据手指心电的波形特点对去噪后的干净信号进行分割和归一化等处理。3、提出了基于广义S变换和ZM(Ziv-Merhav)交叉解析的手指心电身份识别算法。研究广义S变换的时频分析、奇异值分解和ZM交叉解析技术;将预处理过后的手指心电信号通过广义S变换、奇异值分解、量化,得到手指心电信号的特征值,利用ZM交叉解析算法构建分类器完成个体的身份识别;通过三个手指心电信号数据库(CYBHi,Surface ECG data,Finger ECG data)对本文的算法进行了性能测试,并讨论了在不同条件下包括训练时间,奇异值个数,量化位数等引起的识别率变化情况。4、设计实现了基于安卓智能手机的手指心电信号身份识别软件系统。系统包括蓝牙配对、用户注册、用户识别、系统管理等四部分,在智能手机端实现手指心电信号的接收、显示、特征提取、分类识别等功能。本文的研究实现了基于手指心电信号分析的个体身份识别,为心电身份识别技术的实用化奠定了理论基础和技术支撑。
【关键词】：手指心电信号 生物识别 遗传算法 广义S变换 奇异值分解 ZM交叉解析
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-21
• 1.1 本文研究背景和意义12-16
• 1.2 心电身份识别技术研究发展现状16-19
• 1.2.1 心电采集方式发展现状16-17
• 1.2.2 手指心电身份识别算法发展现状17-19
• 1.3 研究内容及安排19-21
• 第2章 心电信号识别理论基础21-29
• 2.1 心电信号产生机理21
• 2.2 心电信号测量方法21-23
• 2.2.1 临床ECG测量方法22
• 2.2.2 手指ECG采集方法22-23
• 2.3 心电信号特性23-26
• 2.3.1 心电信号时域波形23-24
• 2.3.2 不同位置的心电信号特性24-26
• 2.4 手指心电可行性26-27
• 2.5 心电识别系统性能指标27
• 2.6 手指心电信号数据来源27-28
• 2.7 本章小结28-29
• 第3章 手指心电信号预处理29-44
• 3.1 手指心电信号预处理流程29
• 3.2 手指心电信号去噪29-40
• 3.2.1 小波变换30-32
• 3.2.2 小波阈值消噪32-33
• 3.2.3 遗传算法33-35
• 3.2.4 基于GA的小波阈值手指心电信号去噪35-37
• 3.2.5 手指心电信号信号消噪实验37-40
• 3.3 R峰检测40-42
• 3.4 手指心电信号分割和归一化42-43
• 3.5 本章小结43-44
• 第4章 基于广S变换和ZM交叉解析的手指心电信号身份识别算法44-66
• 4.1 S变换44-47
• 4.1.1 小波变换到S变换45
• 4.1.2 短时傅里叶变换到S变换45-47
• 4.2 广义S变换47-51
• 4.2.1 广义S变换的推导47-48
• 4.2.2 离散广义S变换48
• 4.2.3 广义S变换窗函数的参数改变48-50
• 4.2.4 广义S变换与其他时频变换仿真比较50-51
• 4.3 奇异值分解51-52
• 4.3.1 奇异值分解的定义52
• 4.3.2 奇异值分解的性质52
• 4.4 ZM交叉解析分类器52-56
• 4.4.1 ZM交叉解析算法52-54
• 4.4.2 估计相对熵的公式推导54-56
• 4.5 基于广义S变换和ZM交叉解析的手指心电特征提取算法56-61
• 4.5.1 算法框架56-57
• 4.5.2 手指心电信号特征提取57-60
• 4.5.3 分类识别60-61
• 4.6 结果与讨论61-65
• 4.6.1 不同训练时间对身份识别的影响62
• 4.6.2 参数? 和p对身份识别率的影响62-63
• 4.6.3 奇异值个数对身份识别的影响63
• 4.6.4 奇异值量化位数选择63-64
• 4.6.5 不同分类器识别结果比较64-65
• 4.7 总结65-66
• 第5章 手指心电身份识别系统设计与实现66-73
• 5.1 手指心电身份识别系统采集装置66-67
• 5.2 手指心电身份识别软件总体结构67
• 5.3 蓝牙连接67-70
• 5.4 用户注册70
• 5.5 系统管理70-71
• 5.6 用户识别71-72
• 5.7 本章小结72-73
• 第6章 总结和展望73-75
• 6.1 工作总结73-74
• 6.2 今后工作展望74-75
• 致谢75-76
• 参考文献76-80
• 附录 作者在读期间发表的学术论文及参加的科研项目80

【相似文献】

中国期刊全文数据库 前10条

1 夏江海;;奇异值分解在位场资料处理中的应用[J];物探化探计算技术;1989年02期

2 王懋基,宋正范;奇异值分解在二维半多边形体ΔT异常最优化反演中的应用[J];物探与化探;1991年01期

3 张友民，李庆国，戴冠中，张洪才;基于奇异值分解的递推辨识方法[J];控制理论与应用;1995年02期

4 罗铁坚;程福兴;周佳;;融合奇异值分解和动态转移链的学术资源推荐模型(英文)[J];中国科学院大学学报;2014年02期

5 聂守平,魏晓燕;数字图像的奇异值分解[J];南京师大学报(自然科学版);2001年01期

6 王潇,柏森,赵波;基于奇异值分解与融合的音频盲认证算法[J];中山大学学报(自然科学版);2004年S2期

7 张焕萍;尹佟明;郑建冬;;基于奇异值分解的致病基因挖掘算法[J];南京航空航天大学学报;2013年02期

8 常丽萍;沈卫星;林尊琪;;基于奇异值分解的数字波前拟合算法[J];光学学报;2006年11期

9 彭培英;申永军;李黎阳;;基于奇异值分解技术的离心机故障诊断[J];动力学与控制学报;2008年02期

10 施能;气象学中应用SVD方法的一些问题[J];气象科技;1997年04期

中国重要会议论文全文数据库 前10条

1 张友民;陈洪亮;戴冠中;;基于奇异值分解的固定区间平滑新方法[A];1995年中国控制会议论文集（上）[C];1995年

2 何田;王立清;刘献栋;朱永波;;基于奇异值分解的信号处理机理及其应用[A];2008年航空试验测试技术峰会论文集[C];2008年

3 张霄;林鸿飞;杨志豪;;基于奇异值分解的蛋白质关系抽取[A];第五届全国信息检索学术会议论文集[C];2009年

4 曹云丽;郭勤涛;徐尧;周瑾;;基于奇异值分解响应面方法的磁轴承转子参数识别[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（上册）[C];2014年

5 吴晓颖;吴俊;董滨江;;TK方法在γ谱分析中的应用[A];第7届全国核电子学与核探测技术学术年会论文集（三）[C];1994年

6 林原;林鸿飞;苏绥;;一种应用奇异值分解的RankBoost排序学习方法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

7 金宋友;赵志文;;一种基于奇异值分解盲水印算法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

8 赵卫国;翟自勇;王子君;;基于奇异值分解和神经网络的数字图像水印算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 岳红;蒋慰孙;;基于奇异值分解的改进Bayes集员辨识递推算法[A];1995中国控制与决策学术年会论文集[C];1995年

10 张景瑞;;基于奇异值分解的SGCMGs输出误差分析及操纵律设计[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年

中国硕士学位论文全文数据库 前10条

1 聂振国;基于奇异值分解的信号处理关键技术研究[D];华南理工大学;2016年

2 夏玉丹;基于S变换和奇异值分解的自动癫痫检测算法[D];山东大学;2016年

3 武慧娟;基于HHT特征提取的雷声信号模式识别[D];陕西师范大学;2016年

4 邹申申;基于手指心电信号时频域分析的身份识别算法研究[D];杭州电子科技大学;2016年

5 关晓勇;基于奇异值分解的状态监测与故障诊断方法研究[D];大连理工大学;2005年

6 王钢;基于奇异值分解的机织物瑕疵检测算法研究[D];东华大学;2014年

7 Charles Alpha Bangura;[D];湖南大学;2011年

8 郑安总;奇异值分解在微弱信号检测中的应用[D];天津大学;2014年

9 赵慧琳;奇异值分解的人脸识别算法[D];上海海运学院;2002年

10 李科;基于沙米尔和奇异值分解的小波域数字图像水印算法研究[D];南昌大学;2010年

，

本文编号：937415