第5期 杨向林，等：基于PCA特征和融合特征的ECG身份识别方法 ·459· 焦虑、压力、运动等心率变化情况下QS波形仍然保 文方法流程如图1所示，先将输人ECG信号进行预 持稳定，即ECG满足生物身份识别特征稳定性的要 处理，然后采用基于PCA的特征提取方法进行ECG 求.同时受体型（例如肥胖）、年龄、体重、情绪、性别、 身份识别粗分类，找出被试者的所有可能候选模板， 心脏位置、大小、心脏几何形状、胸部构造、心脏生理 减小模板库，然后采用基于小波分解的特征融合方 特征等影响，个体ECG差异较大5]，因此ECG满足 法在减小的模板库中进行分类识别. 生物身份识别特征惟一性的要求.即同一人ECG波 ECG 形变化的内部差异小于不同人ECG波形间个体差 PCA特征 融合特征 预处理 ID 身份识别 身份识别 异，因此ECG可作为一种生物身份识别特征. ECG作为一种活体身份识别特征，有着较高的 图1ECG身份识别流程框图 防伪性，既可单独用于身份识别，也可以和指纹等其 Fig.1 Flow chart for the ECG identification 他生物特征相结合开发多生物特征识别系统，它避 ECG身份识别系统的主要评价指标除了识别 免了指纹等其他身份识别技术被模仿或窃取的隐 正确率之外，还有误拒率(false reject rate,FRR,指 患.ECG为一维信号、数据量小、处理简单，减少了 拒绝接受应该接受的身份的概率)和误识率(false 计算存储等资源消耗，而且ECG采集方便，甚至可 accept rata,FAR,指接受不该接受的身份的概率). 以直接在2个指尖采集5] 这二者之间存在一定矛盾，FRR降低，则FAR升高， 国内外诸多研究人员对ECG身份识别进行了 反之FRR升高，FAR降低，因此需要根据现实情况 大量研究，提出了诸多算法.2001年L.Biel利用 寻求某种折衷.本文为克服RR和FAR之间的矛 ECG信号的30个幅度和间期为特征，通过特征矩 盾，在基于P℃A特征的身份识别方法中设置较低的 阵的相关运算减少冗余特征，最后选择10个间期和 FRR,避免可能的候选者被拒绝，在基于小波分解的 幅度特征，采用有监督的模式识别方法进行ECG身 融合特征身份识别方法中设置较高的FRR,这样避 份识别，2004年Palaniappan除了采用ECG信号 免接受非法的候选者.将2种方法相结合，使FRR 时域波形的间期和幅度特征外，还采用了波形因数 和FAR同时降低，提高ECG身份识别的正确率 特征，利用多层感知器一后向传播神经网络和简 ECG信号的消噪和特征点检测采用参考文献 化模糊ARTMAP（fuzzy adaptive resonance theory [10]中的方法.其中特征点检测算法仅用参考文献 map)进行分类识别6.2006年Wang除了利用时域 [10]中的三样条小波检测R波峰值，避免了检测Q 波形的幅度和间期特征外，还利用了主成分分析 波、S波峰值点等问题 (principal component analysis,PCA)方法降维提取 1.1基于PCA的ECG身份识别方法 特征，利用K阶邻接距进行身份识别7，以上基于 PCA方法是一种考察多个数值变量间相关性 解析特征的ECG身份识别方法在实验中取得了较 的多元统计方法，它通过少数几个主成分来解释多 好效果]，但对特征点定位精度要求较高，要求检 变量的协方差结构，即将高维数据降为低维数据，保 测P波、QRS波和T波中的多个特征点.然而实际 留原始变量信息的同时，去掉数据间的冗余信息，既 中很多人的ECG波形和理想ECG波形差异较大， 减小了数据量，又突出了数据特征.图2为模板库中 例如无P波、双峰值T波和P波、T波倒置等情况， 30个试验者ECG信号的PCA特征（横坐标为PCA 设计一种多个特征点定位的普遍算法一直是ECG 特征向量序列，纵坐标为PCA特征向量值)，30个 信号处理中的难点和热点.本文提出了一种仅需R 试验者的PCA特征差异较大.同时ECG信号的 波峰值点检测的ECG身份识别方法，将基于PCA P℃A特征稳定，如图3所示，图中带方框的实线和 特征方法和基于小波分解融合特征的方法相结合， 带圆圈的虚线分别表示模板库中试验者A和另外4 这样既保证了识别正确率，又可同时降低误拒率和 个试验者的PCA特征，虚线为试验者A不同时刻的 误识率 P℃A特征.从图3中可以看出，试验者不同时刻的 1基于PCA特征和融合特征的识别方法 PCA特征与模板库中试验者A的PCA特征基本重 合，并且与模板库中其他PCA特征差异较大，因此 ECG身份识别属于模式识别范畴，ECG身份识 ECG信号的PCA特征可用于身份识别89， 别包括ECG预处理、特征提取、分类识别等过程.本