1.一种基于心电图信号的身份识别方法,其特征在于,所述的方法包括:
步骤1,对待识别的心电图信号进行R波检测,提取RR间期作为一个心电周期;
步骤2,取N个连续的心电周期作为心电周期集;
步骤3,利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征;
步骤4,对心电周期集中包含的心电周期的功率谱特征求平均确定心电周期集对应的待识别的心电图信号对应的身份特征;
步骤5,根据所述的身份特征与预先建立的注册模板库中样本的功率谱特征的距离生成身份识别结果。
2.如权利要求1所述的基于心电图信号的身份识别方法,其特征在于,所述的利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征包括:
对每个心电周期进行L个尺度的分解,生成L个尺度的心电周期信号;
利用AR模型对所述L个尺度的心电周期信号进行功率谱估计,确定各尺度对应的功率谱向量;
根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征。
3.如权利要求2所述的基于心电图信号的身份识别方法,其特征在于,L的值为3。
4.如权利要求3所述的基于心电图信号的身份识别方法,其特征在于,所述的对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号包括:
将原始的心电周期信号作为尺度1的心电周期信号;
对尺度1的心电周期信号进行二分之一降采样,作为尺度2的心电周期信号;
对尺度2的心电周期信号进行二分之一降采样,作为尺度3的心电周期信号。
5.如权利要求3所述的基于心电图信号的身份识别方法,其特征在于,所述的根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征包括:
根据各尺度的识别率和式(1)确定各尺度对应的权重值;
ωj为各尺度的权重值,rtj为第j尺度下对应的识别率;
根据各尺度对应的权重值、各尺度对应的功率谱向量及式(2)确定每个心电周期的功率谱特征;
ARM=ω1*ARM1+ω2*ARM2+ω3*ARM3 (2)
其中,ω1,ω2和ω3为三个尺度的权重值,且ω1+ω2+ω3=1;
ARM为每个心电周期的功率谱特征;
ARM1,ARM2,ARM3为利用AR模型确定的三个尺度对应的功率谱向量。
6.如权利要求5所述的基于心电图信号的身份识别方法,其特征在于,所述的根据所述的身份特征与预先建立的注册模板库中样本的功率谱特征的距离生成身份识别结果包括:
将身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算;
将与身份特征距离最小的注册样本作为身份识别结果。
7.如权利要求6所述的基于心电图信号的身份识别方法,其特征在于,所述的将身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算包括:
利用欧式距离算法、余弦距离算法、皮尔逊相关系数算法或城市街区距离算法对身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算。
8.如权利要求7所述的基于心电图信号的身份识别方法,其特征在于,所述的方法包括:
采集各注册样本的心电信号;
利用步骤1-步骤4确定各注册样本的功率谱特征,将各注册样本的功率谱特征作为所述的预先建立的注册模板库。
9.一种基于心电图信号的身份识别方法,其特征在于,所述的方法包括:
步骤1,对待识别的心电图信号进行R波检测,提取RR间期作为一个心电周期;
步骤2,取N个连续的心电周期作为心电周期集;
步骤3,利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征;
步骤4,根据待识别心电图信号的功率谱特征和预先建立的注册样本的分类器模型进行身份识别,生成身份识别结果。
10.如权利要求8所述的基于心电图信号的身份识别方法,其特征在于,所述的利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征包括:
对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号;
利用AR模型对所述三个尺度的心电周期信号进行功率谱估计,确定各尺度对应的功率谱向量;
根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征。
11.权利要求10所述的基于心电图信号的身份识别方法,其特征在于,L的值为3。
12.如权利要11所述的基于心电图信号的身份识别方法,其特征在于,所述的对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号包括:
将原始的心电周期信号作为尺度1的心电周期信号;
对尺度1的心电周期信号进行二分之一降采样,作为尺度2的心电周期信号;
对尺度2的心电周期信号进行二分之一降采样,作为尺度3的心电周期信号。
13.如权利要求12所述的基于心电图信号的身份识别方法,其特征在于,所述的根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征包括:
根据各尺度的识别率和式(1)确定各尺度对应的权重值;
ωj为各尺度的权重值,rtj为第j尺度下对应的识别率;
根据各尺度对应的权重值、各尺度对应的功率谱向量及式(2)确定每个心电周期的功率谱特征;
ARM=ω1*ARM1+ω2*ARM2+ω3*ARM3 (2)
其中,ω1,ω2和ω3为三个尺度的权重值,且ω1+ω2+ω3=1;
ARM为每个心电周期的功率谱特征;
ARM1,ARM2,ARM3为利用AR模型确定的三个尺度对应的功率谱向量。
14.如权利要求13所述的基于心电图信号的身份识别方法,其特征在于,所述的方法包括:
步骤a,采集各注册样本的心电信号;
步骤b,利用步骤1-步骤3确定采集的各注册样本中各心电周期的功率谱特征;
步骤c,选择一注册样本去除异常周期后的所有周期的功率谱特征组成当前注册样本对应分类器训练的正样本集,选择其余注册样本的功率谱特征组成当前注册样本对应分类器训练的负样本集;
步骤d,根据所述正样本集和负样本集构造当前注册样本训练集;
步骤e,利用所述当前注册样本训练集训练当前样本的独立分类器模型;
步骤f,对采集的各注册样本遍历上述步骤c-步骤e,确定各注册样本的独立分类器模型;
步骤g,将所述的各注册样本的独立分类器模型组成并列分类器组模型,将所述并列分类器组模型作为所述的预先建立的各注册样本的分类器模型。
15.如权利要求14所述的基于心电图信号的身份识别方法,其特征在于,所述的根据待识别的心电图信号的功率谱特征和预先建立的各注册样本的分类器模型进行身份识别,生成身份识别结果包括:
从心电周期集中选择连续的M个心电周期的功率谱特征作为待识别信号;
将所述的M个待识别信号输入到所述的并列分类器组模型,生成身份识别结果。
16.如权利要求15所述的基于心电图信号的身份识别方法,其特征在于,所述的将所述M个待识别信号输入到所述的并列分类器组模型,生成身份识别结果包括:
所述的M个待识别信号中有至少有两个均被识别为注册样本中的一样本时,将当前样本作为身份识别结果输出。
17.如权利要求16所述的基于心电图信号的身份识别方法,其特征在于,M的值为5。
18.一种基于心电图信号的身份识别装置,其特征在于,所述的装置包括:
R波检测模块,用于对待识别的心电图信号进行R波检测,将RR间期作为一个心电周期;
提取模块,取N个连续的心电周期作为心电周期集;
功率谱特征确定模块,利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征;
身份特征确定模块,对心电周期集中包含的心电周期的功率谱特征求平均确定心电周期集对应的身份特征;
识别模块,根据所述的身份特征与预先建立的注册模板库中样本的功率谱特征的距离生成身份识别结果。
19.如权利要求18所述的基于心电图信号的身份识别装置,其特征在于,所述的功率谱特征确定模块包括:
分解单元,用于对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号;
功率谱估计单元,用于利用AR模型对所述L个尺度的心电周期信号进行功率谱估计,确定各尺度对应的功率谱向量;
功率谱特征确定单元,用于根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征。
20.如权利要求19所述的基于心电图信号的身份识别装置,其特征在于,L的值为3。
21.如权利要求20所述的基于心电图信号的身份识别装置,其特征在于,所述的分解单元对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号包括:
将原始的心电周期信号作为尺度1的心电周期信号;
对尺度1的心电周期信号进行二分之一降采样,作为尺度2的心电周期信号;
对尺度2的心电周期信号进行二分之一降采样,作为尺度3的心电周期信号。
22.如权利要求21所述的基于心电图信号的身份识别装置,其特征在于,所述的功率谱特征确定单元根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征包括:
根据各尺度的识别率和式(1)确定各尺度对应的权重值;
ωj为各尺度的权重值,rtj为第j尺度下对应的识别率;
根据各尺度对应的权重值、各尺度对应的功率谱向量及式(2)确定每个心电周期的功率谱特征;
ARM=ω1*ARM1+ω2*ARM2+ω3*ARM3 (2)
其中,ω1,ω2和ω3为三个尺度的权重值,且ω1+ω2+ω3=1;
ARM为每个心电周期的功率谱特征;
ARM1,ARM2,ARM3为利用AR模型确定的三个尺度对应的功率谱向量。
23.如权利要求22所述的基于心电图信号的身份识别装置,其特征在于,所述的识别模块包括:
距离计算单元,用于将身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算;
结果生成单元,将与身份特征距离最小的注册样本作为身份识别结果。
24.如权利要求23所述的基于心电图信号的身份识别装置,其特征在于,所述的距离计算单元将身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算包括:
利用欧式距离算法、余弦距离算法、皮尔逊相关系数算法或城市街区距离算法对身份特征与预先建立的注册模板库中样本的功率谱特征进行距离计算。
25.如权利要求24所述的基于心电图信号的身份识别装置,其特征在于,所述的装置还包括:
信号采集模块,用于采集各注册样本的心电信号,利用所述R波检测模块、提取模块、功率谱特征确定模块以及身份特征确定模块确定各注册样本的功率谱特征;
模板库建立模块,将所述各注册样本的功率谱特征作为所述的预先建立的注册模板库。
26.一种基于心电图信号的身份识别装置,其特征在于,所述的装置包括:
R波检测模块,对待识别的心电图信号进行R波检测,提取RR间期作为一个心电周期;
提取模块,取N个连续的心电周期作为心电周期集;
功率谱特征确定模块,利用AR模型对所述心电周期集中的每个心电周期在进行功率谱估计,确定每个心电周期的功率谱特征;
分类器模块,根据待识别心电图信号的功率谱特征和预先建立的注册样本的分类器模型进行身份识别,生成身份识别结果。
27.如权利要求26所述的基于心电图信号的身份识别装置,其特征在于,所述的功率谱特征确定模块包括:
分解单元,用于对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号;
功率谱估计单元,用于利用AR模型对所述L个尺度的心电周期信号进行功率谱估计,确定各尺度对应的功率谱向量;
功率谱特征确定单元,用于根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征。
28.如权利要27所述的基于心电图信号的身份识别装置,其特征在于,L的值为3。
29.如权利要28所述的基于心电图信号的身份识别装置,其特征在于,所述的分解单元对心电周期进行L个尺度的分解,生成L个尺度的心电周期信号包括:
将原始的心电周期信号作为尺度1的心电周期信号;
对尺度1的心电周期信号进行二分之一降采样,作为尺度2的心电周期信号;
对尺度2的心电周期信号进行二分之一降采样,作为尺度3的心电周期信号。
30.如权利要29所述的基于心电图信号的身份识别装置,其特征在于,所述的功率谱特征确定单元根据确定的各尺度对应的功率谱向量确定每个心电周期的功率谱特征包括:
根据各尺度的识别率和式(1)确定各尺度对应的权重值;
ωj为各尺度的权重值,rtj为第j尺度下对应的识别率;
根据各尺度对应的权重值、各尺度对应的功率谱向量及式(2)确定每个心电周期的功率谱特征;
ARM=ω1*ARM1+ω2*ARM2+ω3*ARM3 (2)
其中,ω1,ω2和ω3为三个尺度的权重值,且ω1+ω2+ω3=1;
ARM为每个心电周期的功率谱特征;
ARM1,ARM2,ARM3为利用AR模型确定的三个尺度对应的功率谱向量。
31.如权利要求30所述的基于心电图信号的身份识别装置,其特征在于,所述的装置还包括:
信号采集模块,采集注册样本的心电信号,利用R波检测模块、提取模块以及功率谱特征确定模块确定采集的注册样本中各心电周期的功率谱特征;
分类器模型生成模块,用于根据采集的各注册样本中各心电周期的功率谱特征生成预先建立的注册样本的分类器模型,步骤包括:
步骤c,选择一注册样本去除异常周期后的所有周期的功率谱特征组成当前注册样本对应分类器训练的正样本集,选择一其它注册样本的功率谱特征作为当前注册样本对应分类器训练的负样本集;
步骤d,根据所述正样本集和负样本集构造当前注册样本训练集;
步骤e,利用所述当前注册样本训练集训练当前样本的独立分类器模型;
步骤f,对采集的各注册样本遍历上述步骤c-步骤e,确定各注册样本的独立分类器模型;
步骤g,将所述的各注册样本的独立分类器模型组成并列分类器组模型,将所述并列分类器组模型作为所述的预先建立的各注册样本的分类器模型。
32.如权利要求31所述的基于心电图信号的身份识别装置,其特征在于,所述的分类器模块包括:
选择单元,用于从心电周期集中选择连续的M个心电周期的功率谱特征作为待识别信号;
识别单元,将所述的M个待识别信号输入到所述的并列分类器组模型,生成身份识别结果。
33.如权利要求32所述的基于心电图信号的身份识别装置,其特征在于,所述的识别单元将所述的M个待识别信号输入到所述的并列分类器组模型,生成身份识别结果包括:
所述的M个待识别信号中有至少有两个均被识别为注册样本中的一样本时,将当前样本作为身份识别结果输出。
34.如权利要求33所述的基于心电图信号的身份识别装置,其特征在于,M的值为5。