發(fā)布時間：2023-08-26 01:56

　　生物特征識別系統(tǒng)在安全應用中扮演著重要的角色,在過去的幾十年里已經(jīng)在世界各地得到了廣泛的應用。目前,在實際應用中常用的生物特征識別技術有人臉識別、指紋識別、虹膜識別等。然而,這些生物特征識別技術既不能有效地避免盜用,也沒有足夠的能力防止偽造。近年來,心電身份識別技術越來越受到產(chǎn)業(yè)界和學術界的關注。其原因主要有兩個方面:首先,心電信號具有身份識別應滿足的基本生物屬性,如普遍性、特殊性、永久性、可采集性等;其次,非法使用偽造和復制的心電圖并不容易,心電信號具有很高的防偽能力。隨著基于手指的心電采集設備越來越普及,心電信號的采集也越來越方便。因此,心電身份識別將是一個有前途的研究領域。隨著當今技術的發(fā)展,機器學習等技術應用越來越廣泛。傳統(tǒng)基于基準點和頻域特征的心電身份識別方法,當心電信號質量較低時其識別性能差強人意,無法滿足實際應用的需要。針對這些問題,本文以子空間學習為主要的技術手段,提出了兩種心電身份識別方法,有效提升了識別性能。(1)基于子空間融合的心電身份識別方法。心電特征屬性分為局部特征和全局特征,其中全局特征主要描述心電整體屬性,局部特征主要描述心電細節(jié)變化。分別提取兩種特征變量...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 心電信號簡介
    1.3 心電身份識別概述
        1.3.1 可行性分析及其優(yōu)勢
        1.3.2 研究現(xiàn)狀
        1.3.3 基于基準點的心電身份識別
        1.3.4 基于非基準點的心電身份識別
    1.4 研究內容和論文的組織結構
        1.4.1 研究內容
        1.4.2 論文的組織結構
第二章 基于子空間融合的心電身份識別方法
    2.1 研究動機
    2.2 方法描述
        2.2.1 PCA
        2.2.2 典型相關分析
        2.2.3 子空間特征融合方法
    2.3 實驗結果和分析
        2.3.1 實驗數(shù)據(jù)庫介紹
        2.3.2 度量標準
        2.3.3 實驗設置
        2.3.4 實驗結果分析
    2.4 本章小結
第三章 基于多尺度PDV特征判別表示的心電身份識別方法
    3.1 研究動機
    3.2 方法描述
        3.2.1 LBP算子
        3.2.2 PDV算子
        3.2.3 心電信號的預處理和分割
        3.2.4 多尺度PDV特征提取
        3.2.5 基于多尺度PDV的哈希編碼
        3.2.6 基于詞袋模型的表示
    3.3 實驗結果和分析
        3.3.1 數(shù)據(jù)庫
        3.3.2 度量標準
        3.3.3 參數(shù)設定
        3.3.4 方法評價
        3.3.5 方法對比
    3.4 本章小結
第四章 心電身份識別原型系統(tǒng)設計與實現(xiàn)
    4.1 需求分析
    4.2 系統(tǒng)設計
    4.3 系統(tǒng)實現(xiàn)
        4.3.1 心電信號采集
        4.3.2 心電信號認證和識別模式
        4.3.3 心電系統(tǒng)的用戶管理
    4.4 本章小結
第五章 總結與展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文
攻讀學位期間取得的其他成果
攻讀學位期間參加的項目
學位論文評閱及答辯情況表



本文編號：3843726