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 ·461 算法流程如下： 式中：t为一可变常数，根据实验调整参数t训练获 1)将每一个试验者的ECG波形构造一个心拍阵 取相关系数阈值P仙： 列Z={Zg1,其中Z为波形特征，其长度为L 7)将每一个试验者的ECG信号与模板库中C 2)对每个试验者的心拍阵列Z:={Z,}1进行 个模板ECG信号进行相关系数运算，求取最大相关 6级小波分解，选用db3作为小波基，并且取分解系 系数Pam=巴{p(i) 数的cA6、cD6、cD5、cD4、cD3后4级的系数构造小 8)如果pmm≥ph,则认为该试验者为模板库中 波特征W={Wg1j=1,2,…,C,W长度为L 的第i个人并输出第i个人的信息，否则拒绝该人或 3)将波形特征和小波特征采用组合特征方法 根据需要将该人信息加入模板库。 进行数据融合，构造融合特征阵列F:=Fg了= 1,2,…,C:,F的长度为Ly=L+Lo 2实验结果与分析 4)将构造的特征向量矩阵F:={F,}采用相 为验证算法有效性，采用35名受试者的正常 关系数法计算相邻心拍融合特征的相关系数： ECG信号（采样率为1024Hz,量化为16bit)进行实 Cov(F,F+i） 验.每名受试者采集2段ECG信号，每段ECG信号持 p=DFg·VDF 续2min,2段ECG信号采集间隔1d以上，以验证该 i=1,2,…,C,j=1,2,…,C-1. 方法在心率变异性下的健壮性.取30段不同受试者 式中：D(Fg)为Fg方差，Cov(Fg,Fg+i)为Fg和Fg+i 的ECG建立ECG身份识别模板库，另外40段ECG 的协方差， 用于测试身份识别的正确率、拒识率和误识率， Cov(Fg,F+i）=E{[Fg-E(Fg)]· 基于P℃A特征的ECG身份识别方法对每个试 [F1-E(F)]. 验者l00多个心拍（随机抽取2min的ECG信号为 以此得到一个相关系数序列. 样本)进行粗分类，部分实验结果如表1所示.每个 5)求相关序列的平均值： 试验者ECG的PCA特征识别结果并非惟一，而是 Ci-1 1 Pa=C() 集中为某几个候选者，其中这几个候选者包括正确 的识别模板.因此，利用该方法可以缩小试验者的识 6)通过训练学习获取相关系数阈值： 别模板库 Pu t x pag' 表1基于PCA特征ECG身份识别方法的粗分类结果 Table 1 The results of rough classification for identification based on PCA feature using ECG 样本 库模板序号 序列 12345 6 7 81012131415171819202122 1 28 > 44 50 2 107 3 26 3 293 18 9 39 4 106 163 5 102 8 20 6 33 7338 7 25 2110 68 336 30 6049 16