基于动态心电信号实时身份识别算法.docVIP

基于动态心电信号实时身份识别算法 　　摘要：心电图（ECG）信号因其具备易于监测、个体唯一性等特点在生物识别领域受到广泛关注。针对身份识别的准确性和实时性问题，给出一种快速鲁棒的、适用于微型化嵌入式平台的心电信号身份识别算法。首先，利用动态阈值法提取稳定波形用于快速生成心电模板样本和测试样本；然后，基于优化动态时间弯曲（DTW）法进行差异度计算得到识别结果；其次，考虑心电信号为非稳态时变信号，为保证模板数据与人体体征状况的一致性，对心电模板库进行动态更新管理以进一步提高识别准确性与鲁棒性。对MIT-BIH心律失常数据库和自建心电数据库的分析结果表明：所述算法的识别成功率最高达到98.6%；在安卓移动端，动态阈值与优化DTW法一次运算平均时间分别约为59.5ms和26.0ms，实时性能显著提高。 　　关键词：生物识别；心电信号；嵌入式平台；动态阈值；动态时间弯曲法 　　中图分类号： TP309； TN911.73 　　文献标志码：A 　　0 引言 　　移动医疗是一种将移动计算、医学传感器和通信技术融为一体的新兴医疗保健模式，具有低成本、广覆盖、实时监控等优点，其广泛应用将有效缓解社会老龄化和慢性疾病年轻化加剧与医疗资源严重短缺之间的矛盾[1-2]。穿戴式生物传感器是移动医疗系统的健康数据采集前端，可在自然状态下对使用者的体征状况进行实时连续监测，进而有望实现疾病的早发现、早诊断和早治疗。在实际应用中，穿戴式生物传感器往往需要在一个群体内共享。例如，一个家庭可能为减少开支而共用一套移动医疗设备，而移动医疗用户之间也很可能发生设备交叉误用的情况。实际上，为了保障医疗数据存储的准确性，移动医疗系统需要一种简易且无需用户操作的身份识别方案，以解决因多人共享或共用同一传感器而引入的用户身份识别问题[3]。 　　作为人体的重要生命体征参数之一，心电图（Electrocardiogram， ECG）信号不仅是移动医疗系统中不可或缺的监测内容，而且现有研究也表明其可以作为一种新型的生物识别特征用于对识别分辨率要求不高的应用场合[4-11]。与传统生物识别技术[12]相比，利用心电信号进行身份识别具有以下优点：1）活体识别，人体心电不易被其他设备模拟；2）心电是人体固有特征，无需用户记忆与过多操作；3）心电信号采集方便，极易在移动医疗系统中加载身份识别模块；4）心电信号是时间序列，存储和运行时间开销低。 　　近年来，研究人员提出了一系列基于心电信号的身份识别算法，并对算法准确性进行了鉴别或识别验证。鉴别指按照一对一的原则来验证某一受试用户的身份要求，而识别指按照一对多的原则对受试者进行有效用户身份识别；给定相同的样本数据，由于验证范围不同，鉴别较识别有更佳结果[4]。文献[5]采用经典自相关和线性判别分析法对22个人的心电数据进行识别验证，得到8.7%的等错误率；文献[6-7]均采用小波变换去噪并提取特征参数，运用支持向量机进行学习并分类，两种方法均只给出鉴别结果，其中文献[6]针对MIT-BIH数据库中18个正常心电图得到最高98.7%的准确率，文献[7]针对MIT-BIH数据库中30个心电图（其中21个为正常、9个为不正常）得到最高96.84%的准确率。文献[8]利用Hermite多项式扩展和支持向量机提取时域特征，并在同态域利用高期混合模型提取倒谱特征，针对MIT-BIH数据库中18个正常心电图得到最佳0.5%的等错误率；但该研究对算法实时性能没有分析。文献[9]采用Gabor原子库对心电信号进行基于MP（Matching Pursuit）的稀疏分解而得到特征参数，并采用支持向量机进行分类，针对20人心电信号进行鉴别测试得到95.3%的正确率。本研究团队前期在文献[10-11]中提出利用分段线性表示法对心电信号进行降维降噪，并应用动态时间弯曲（Dynamic Time Warping， DTW）法进行差异度测算，针对MIT-BIH数据库18人正常心电图可获得100%的鉴别结果。 　　本文进一步研究具有更强识别鲁棒性能、适用于智能移动平台的心电信号身份识别算法。该算法能面向不同实验对象动态设定阈值，有效截取并筛选包含完整心电周期信息的稳定波段作为心电样本模板，并利用经优化的动态时间弯曲（DTW）算法实现测试样本与模板样本差异度的高效计算，提高识别准确性与稳定性。由于心电信号是非稳态时变信号，在不同生理阶段存在一定变异，本文还提出样本模板库的动态管理，以保证模板的典型性，提高身份识别算法的准确性与鲁棒性。针对MIT-BIH心律失常数据库和自建心电数据库的分析结果表明，识别成功率最高达到98.6%。在安卓移动端，动态阈值与优化动态时间弯曲法一次运算平均时间分别约为59.5ms和26.0ms，具备良好实时性能。 　　1 算法描