基于心電圖的身份識(shí)別魯棒性研究.pdf

1、在物聯(lián)網(wǎng)迅速普及的今天，心電圖（Electrocardiogram，ECG）信號(hào)身份識(shí)別在可穿戴設(shè)備上的應(yīng)用有巨大的前景。由于可移動(dòng)設(shè)備的特點(diǎn)，要求ECG信號(hào)采集設(shè)備的集成度較高，采集的數(shù)據(jù)沒(méi)有醫(yī)學(xué)設(shè)備那么精確。而且在可移動(dòng)設(shè)備上采集ECG信號(hào)，需要采集者手觸或腕觸采集段子，出現(xiàn)松動(dòng)的概率較大。對(duì)于采集者本身而言，不可能都是在平靜狀態(tài)下進(jìn)行采集，當(dāng)采集者運(yùn)動(dòng)過(guò)后，采集的ECG信號(hào)會(huì)和平靜時(shí)采集的心電信號(hào)出現(xiàn)差異，當(dāng)采用的ECG身份識(shí)別算

2、法魯棒性較差時(shí)，會(huì)出現(xiàn)識(shí)別錯(cuò)誤。因此自采集的心電數(shù)據(jù)會(huì)出現(xiàn)噪聲較大，抖動(dòng)巨變數(shù)據(jù)和心電信號(hào)心率變化較大等情況，對(duì)于ECG身份識(shí)別算法的魯棒性有較高的要求。為了解決這些問(wèn)題文章分別從解決運(yùn)動(dòng)問(wèn)題和增加ECG信號(hào)維度兩個(gè)方面增強(qiáng)ECG身份識(shí)別算法的魯棒性，并提出多階ECG身份識(shí)別算法。
　　本文提出了基于多態(tài)平均模板的多層識(shí)別算法。為了解決運(yùn)動(dòng)問(wèn)題下采集個(gè)體心率變異性較大的問(wèn)題，加入了存儲(chǔ)多態(tài)平均模板的處理。將ECG信號(hào)進(jìn)行多種多方位

3、的特征提取作為多層識(shí)別算法的輸入。在訓(xùn)練階段對(duì)提取的特征用不同閾值選取策略訓(xùn)練得出最佳閾值。將測(cè)試集輸入到多層識(shí)別算法中，根據(jù)訓(xùn)練出的最佳閾值進(jìn)行識(shí)別。每一層的輸入為上一層的識(shí)別錯(cuò)誤樣本，這樣能將每層的識(shí)別樣本數(shù)減少，使上一層難以識(shí)別的樣本通過(guò)下一層的另一角度的特征加以識(shí)別。實(shí)驗(yàn)表明，多層識(shí)別算法有較高的識(shí)別準(zhǔn)確率，準(zhǔn)確率最高達(dá)到97.92％。而多種特征相較于單一特征，多層識(shí)別算法的效果更加顯著。
　　為了進(jìn)一步增加ECG身份識(shí)別

4、的魯棒性，文章提出了針對(duì)多維度ECG信號(hào)的多層識(shí)別算法。將雙導(dǎo)聯(lián)ECG信號(hào)映射到二維空間，然后降維處理，將得到的稀疏矩陣看成二值圖像進(jìn)行整體外觀(guān)特征、小波系數(shù)特征、形狀特征和密度分布特征的提取。將提取出的特征使用不同的策略進(jìn)行訓(xùn)練得到最佳閾值，最后將測(cè)試集和最佳閾值輸入到多層識(shí)別算法中進(jìn)行身份識(shí)別。在實(shí)驗(yàn)過(guò)程中分別進(jìn)行單維多層、單維單層以及多維單層的算法比較。結(jié)果表明所提出的多維度ECG信號(hào)多層識(shí)別算法準(zhǔn)確率最高能達(dá)到99.72%。最后