一种改进的PPG信号稀疏分解身份识别方法

摘要：

光电血容积脉搏波(photo plethysmo graph,PPG)信号作为人体的一种固有的生理信号,包含了人体大量的病理、生理信息,不同个体之间的PPG信号存在着很大的差异,具有很好的保密性和唯一性.文中基于个体间PPG信号的特异性,利用改进的匹配追踪(matching pursuit,MP)稀疏分解算法对不同个体的PPG信号进行分解表示,以此来提取个体PPG信号20个特征值,然后结合PPG信号的1个时域特征值,组成21个融合特征,最后利用决策树分类算法建立分类模型进行分类识别.该方法直接以PPG信号的单个周期波形作为分解对象,不需要对波形进行复杂的变换处理,降低了特征提取的运算复杂性;在过完备原子库上,通过提取的特征可以最大程度地还原PPG信号,提高了特征提取的准确性.最终实验证明,提出的基于PPG信号稀疏分解和机器学习的身份识别方法,识别率可以达到98.3％.

关键词：光电血容积脉搏波信号;稀疏分解;匹配追踪;分类识别;决策树

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61801239

在线出版日期：2021-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-60