基于PPG和ECG信号的多频域多特征身份识别方法和系统研究

作     者：朱志敏 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：陈小惠

授予年度：2023年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 07[理学] 08[工学] 

主      题：PPG信号 ECG信号 改进快速相关性滤波 支持向量机 改进灰狼算法 

摘      要：近几年,随着新兴技术产业和互联网公司的繁荣,人们生活变得越来越便利高效。而这种便捷的生活方式与个人身份识别紧密相连。现在,传统的身份验证方式,如身份证和密码,由于不能随时随地满足人们的需求,正逐步被基于生理信号的身份识别方法所替代。这种方法在近年来成为众多研究者竞相研究的热门课题。生理信号在不同个体之间呈现出的差异性,并且其自身同时具备唯一性、稳定性和难以复制的特点,因此非常适合用于身份识别。本研究选择人体自主产生的PPG和ECG信号作为生物特征,并验证其在网络化环境下的有效性。(1)研究了对PPG和ECG信号滤波、降噪等操作预处理。对每一条PPG和ECG信号进行周期性切割。针对两种单周期信号,分别从时域、频域和小波域分别提取PPG信号的20维特征和ECG信号的13维特征。接着,将这些特征构建成PPG信号和ECG信号的特征向量,并分别对两类特征向量实现归一化处理。(2)研究了一种基于PPG和ECG信号的特征级加权平均融合算法和一种基于重要度因子的改进快速相关性滤波算法。通过将两种不同维度的特征向量进行融合,充分利用了PPG和ECG信号的互补性,加权平均融合方法提高了特征的可靠性,增强身份识别系统的稳定性;关注信号特征与个体类别之间的关联性,对融合后的特征进行进一步降维,从而获得降维后的特征子集,改进快速相关性滤波算法进一步提升性能。(3)采用基于基权重群英策略的改进灰狼算法优化支持向量机,研究构建了身份识别模型。将融合降维后的特征子集输入到构建的模型中进行训练和测试,以验证本研究提出的算法的可行性;实验结果表明,本研究所提出的基于PPG信号和ECG信号多频域特征的身份识别方法表现出良好的性能,相比传统的身份识别方法,本文算法在速度和识别准确率方面均有显著提升。(4)研究实现了一套基于PPG和ECG多频域特征的网络化身份识别系统。该系统利用WI-FI模块完成数据的无线传输,通过云平台或上位机实现算法过程,并通过图形显示界面或其他方式展示识别预测结果,构建了一套完整的网络化身份识别系统。