基于深度学习的心电信号身份识别研究.pdfVIP

摘要

心电信号作为生物特征识别中一种有前景的生物特征，已引起广泛的关注。与其他

生物特征相比，心电信号具有活体检测、隐私性高、存储方便等独特优势，使得心电信

号在生物特征识别领域有着巨大的潜力，心电信号身份识别已经引起越来越多的研究人

员的关注。心电信号在采集过程中，容易受到外界环境和采集设备等因素的干扰，导致

采集的心电信号存在不同程度的噪声。尽管研究人员已经提出很多心电信号噪声去除的

方法，但是由于心电信号包含的噪声来自多个源头并且心电噪声频率和心电信号本身频

率具有重叠，现有的噪声去除方法难以有效的去除心电信号中存在的噪声。此外，心电

信号容易受到个体生理和心理变化的影响，表现出非平稳性，导致同一个体的心电信号

在不同时刻下存在一定的分布偏移，并且分布偏移随着时间的变化而改变。由于噪声和

分布偏移的存在，为心电信号身份识别带来挑战。

为解决上述问题，本文提出基于深度学习的心电信号身份识别方法。从复杂网络模

型和轻量级网络模型的角度出发，提取具有鉴别性的特征表示，有效解决心电信号噪声

和分布偏移问题，从而提升心电信号身份识别系统的鲁棒性、准确性和泛化性。论文的

具体研究内容如