利用分析和外观模型的混合心电图人体识别方法

摘要：

为提高心电图(ECG)生物识别对噪声和变化信号的敏感度,优化区分心跳特征,提出一种混合的ECG人体识别方法.联合心跳分析和外观属性,使用Fisher线性判别分析方法从这些属性中获取主要属性,在Fisher空间计算心跳特征,使用时域特征计算ECG特征.在一系列心跳推导时域特征后,通过标准化和缩放ECG信号获取形态学特征.采用最大化类间个体散列与类内个体散列的比率选择最具区分性的特征.实验结果表明,该方法在健康个体组成的大型数据库上的识别准确率为99.24%.当人体处于心率失调的情况下等错误率(EER)为0.76%,处于混合状态时EER为1.31%,验证了该方法具有较好的鲁棒性.

关键词：心电图、人体识别、心跳分析、时域特征、形态学特征、等错误率

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目"复杂医疗保健数据的统计推断和过程控制"11301364;四川省教育厅科研重点项目13sa0137

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：213-219,224