心電信號身份驗證的可繼承方法研究.pdf

1、伴隨科技的發(fā)展，人們對個人信息的安全性要求越來越高。身份驗證通常應用于安全性較高的應用，例如支付系統(tǒng)、出入境通關驗證系統(tǒng)等。由于采用傳統(tǒng)的證件、口令等方法進行身份驗證存在遺忘、偽造、丟失等缺陷，近年來，生物特征識別技術憑借不易遺忘、不易丟失等優(yōu)勢越來越多應用于身份驗證。心電信號（Electrocardiogram, ECG）作為一種活體信號，與指紋、人臉等生物特征相比更不易被復制和偽造，安全性更高。因此，基于心電信號進行身份驗證受到更多

2、人的關注。
　　為了在保證錯誤接受率（False Positive Rate, FPR）為零的情況下，不斷提高身份驗證的正確接受率（True Positive Rate, TPR），本文在研究可繼承學習的基礎上，將可繼承學習機制引入基于心電信號的身份驗證，提出基于心電通道身份驗證策略，并重點研究了心電通道的形成、邊界的提取，以及身份驗證方法等問題。該策略將個體的心電波形形態(tài)以通道的方式繼承下來，隨著數(shù)據(jù)量的增大，個體特征越來越明顯

3、，有助于提高身份驗證的準確性。在 MIT-BIH數(shù)據(jù)集和真實環(huán)境下（手握式采集）進行實驗，實驗結果表明，將可繼承機制引入到身份驗證中，身份驗證的平均TPR明顯提高。
　　在心電通道形成與繼承學習過程中，為了降低噪聲波形（或特殊波形）對通道形態(tài)的影響，本文提出基于貢獻排序心電模板選取方法。該方法根據(jù)心電波形的貢獻率排序，運用二階差分的閾值確定個體心電模板的數(shù)目，并選取出具有代表性的心電波形用于通道的繼承學習。在MIT-BIH數(shù)據(jù)集和

4、真實環(huán)境下（手握式采集）進行實驗，隨著通道的繼承學習，身份驗證的平均TPR分別提升了41.93％和26.29%。實驗結果表明，使用該方法可以使心電通道的邊界更清晰，有助于提高身份認證的準確性。
　　由于心電信號具有個體差異性，同一個體在不同狀態(tài)下ECG也存在差異。為了在確保FPR為零的情況下，提高身份驗證的TPR，本文提出基于分段策略的關鍵特征段身份判別方法。該方法對心電通道中的關鍵特征段進行嚴格匹配，加大了對非關鍵特征包容性。在