大 间隔最近距离所定义的分类算法的准确率尽量高为准，从而可以确保身份识别的准确度。
[0045] 由上述描述可知，本发明实施例通过心电传感器采集用户的原始心电信号，确定 原始心电信号的特征向量，通过特征向量与原始心电信号对应的已训练的大距离最近邻算 法确定原始心电信号对应的用户身份，由于特征向量包括原始心电信号的时域特征数据和 频域特征数据，已训练的大距离最近邻算法中所使用的矩阵模型可以通过机器学习的方法 得到，机器学习的目标以通过大间隔最近距离所定义的分类算法的准确率尽量高为准，因 此通过ECG对用户进行身份认证，可以大大提高用户身份认证的准确度以及安全性。
[0046] 图2A示出了根据本发明的一示例性实施例的确定原始心电信号的频谱特征数据 的流程示意图，图2B示出了根据本发明的一示例性实施例的通过小波变换滤除噪声后的心 电信号的示意图；如图2A所，包括如下步骤：
[0047]步骤201，对原始心电信号进行小波变换，得到原始心电信号的小波系数。
[0048]步骤202,将小波系数确定为原始心电信号的频域特征数据。
[0049] 步骤203，对小波变换后的心电信号进行自相关和离散余弦变换，得到自相关和离 散余弦变换后的自相关和离散余弦变换系数。
[0050] 步骤204,将自相关和离散余弦变换系数确定为原始心电信号的频域特征数据。 [0051]在步骤201和步骤202中，可以通过小波变换可以将原始心电信号中不同频率的信 号分解出来，由于在低尺度上主要反映原始心电信号的高频噪声，在高尺度上主要反映原 始心电信号的低频噪声，因此本申请采用小波变换后的中间尺度对原始心电信号进行分 析，从而可以有效地将有用信号和干扰信号区分开。在一实施例中，可以通过一组系数待定 的高通和低通滤波器对原始心电信号进行小波分解，从而得到原始心电信号对应的小波系 数，小波系数可以包括一级尺度系数和小波系数。在一实施例中，可以通过FPGA的硬件平台 进行移位和加法的方式实现对原始心电信号的小波变换，而移位和加法运算的逻辑简单， 易于实现。如图2B所示，通过小波变换对原始心电信号滤除噪声后，原始心电信号的噪声得 到有效去除，心电信号更加有规律。
[0052]在步骤204中，在一实施例中，可以对滤波后的心电信号进行自相关运算，通过自 相关运算可以消除心电信号中对识别无关的信号部分，再将自相关运算之后的信号进行离 散余弦变换，进而得到自相关和离散余弦变换系数。在另一实施例中，还可以对滤波后的心 电信号进行傅里叶变换或者HHT(Hilbert-Hwang)变换等，将变换后的系数作为心电信号的 频域特征数据。
[0053]本实施例通过小波变换对原始心电信号滤除噪声，可以使原始心电信号的噪声得 到有效去除，使得心电信号更加有规律，从而确保原始心电信号在各尺度上的小波系数和 自相关和离散余弦变换系数作为频域特征数据更能够准确地表示原始心电信号在频域的 特征。
[0054]图3A示出了根据本发明的一示例性实施例的确定原始心电信号的时域特征数据 的流程示意图，图3B示出了心电信号的时序和幅值特征的示意图，图3C示出了图3A所采用 的硬件电路检测R波的示意图，图3D示出了图3C中的用于检测动态阈值的电路图；如图3A所 示，包括如下步骤：
[0055]步骤301，将各尺度上的小波系数与预设阈值通过第一比较器逐点比较。
[0056]步骤302,在第一比较器检测到小于预设阈值的小波系数时，将计数器记到的数值 存储到寄存器中。
[0057]步骤303,在计数器在时钟信号的作用下继续计数得到的数值在距离检测到原始 心电信号的极小值的数值相差QRS波对应的时间段之内，检测到寄存器中得到的小波系数 达到极大值，确定检测到原始心电信号中的R波峰。
[0058]步骤304,根据R波峰的中心位置提取原始心电信号中的P波和T波。
[0059] 步骤305,根据R波峰、P波、T波确定原始心电信号的时域特征数据，时域特征数据 包括:R波的波峰位置、P波的波峰位置、T波的波峰位置、P波的幅度值、R波、T波的幅度值，P 波与R波峰的间隔、T波与R波峰的间隔、PR段、ST段。
[0060] 由图3B所示的心电信号可知，通过对原始心电信号进行基于二次样条的离散小波 变换，经Mallat等人关于小波变换的研究可知，原始心电信号的奇异点如果是一对上升沿 和下降沿的交点，则该交点对应的信号经小波变换后成为一个负极大值和正极大值的零 点。而本申请中的心电信号的R波发生的位置正好是各尺度极值对的过零点位置，因此本申 请只需要检测出原始心电信号在各尺度上的小波变换上的极值对的过零点就即可检测出R 波的波峰位置。P波和T波也可以通过相同的方法提取，心电信号的时域特征数据可以参考 图3B所示。在一实施例中，可以结合前一个R波的检测结果来检测P波和T波，由于很多低频 噪声和基漂与P波的波形完全一样，本实施例通过结合R波的检测结果来检测P波和T波，例 如，在确定R波的波峰位置后，在以该R波的波峰位置为中心的前后一段时间范围内，往前找 到P波的位置(例如，R的波峰位置-250ms至R的波峰位置-150ms的时间段内），而在[R的波峰 位置+170ms，R的波峰位置+400ms ]的时间段内检测T波，由于PQRST波是连续的，以R波的位 置为参考向前后分别检测Q、S波，再以Q为基准检测P波，以S波为基准检测T波，从而可以提 高检测的速度，并降低检测的错误率。在一实施例中，还可以将Q波和S波在时域上的特征数 据作为本申请中需要的时域特征数据，从而可以进一步提高心电信号在时域中的特征表 不。
[0061] 在一实施例中，可以通过硬件电路的方式实现心电信号的时域特征数据的检测， 如图3C所示，以通过硬件电路检测R波的波峰位置为例进行示例性说明，将小波变换后的各 尺度上的小波系数h与存储在第一寄存器31中的预设阈值通过第一比较器32进行逐点比 较，第一比较器32根据各尺度上的小波系数h与预设阈值的比较结果为第二寄存器33提供 逻辑信号，以使第二寄存器33存储计数器34得到的计数值，第一计数器34在时钟clkl的作 用下继续计数，当第一计数器34的数值在距离检测到小波系数的极小值的数值相差一个R 波宽度的时间（例如，0.1s)内又检测到一个极大值，此时第一比较器32以及第二比较器35 均会向与门36提供逻辑1的信号，从而确定检测到一次R波峰，记录检测到的R波峰的中心位 置以及R波的宽度。
[0062] 在一实施例中，可以基于R波峰的中心位置采用与上述相似的方法提取原始心电 信号中的P波和T波，进而得到上述步骤305中所述的时域特征数据。
[0063] 由于心电信号的波动、基漂等因素使QRS波在不同时刻的幅度也会不同，进而使同 一时刻不同尺度上和同一尺度不同时刻的极大值和极小值都不相同，因此本申请可以采用 动态的方法检测时域特征数据所使用的阈值，通过动态阈值可以提高提取时域特征数据的 准确性。如图3D所示，第三寄存器38中的值可以预置为0,第三比较器37将各尺度上的小波 系数h逐点与寄存在第三寄存器38中的值进行比较，若第三比较器37发现较大的小波系数， 则向第三寄存器38发送一个逻辑控制信号，使第三寄存器38根据该逻辑控制信号根据该较 大的幅度值按照如下方法计算得到的阈值：
[0064] 对于正极大值时对应的阈值:MAX= =p(a*maxl+b*max2);
[0065] 对于负极小值时对应的阈值:MIN= =q(a*minl+b*min2)。
[0066]其中，maxi为在第一个动态阈值的检测周期内检测到的小波系数的最大值，mini 为在第一个动态阈值的检测周期内检测到的小波系数最小值，max2为在第二个动态阈值的 检测周期内检测到的小波系数的最大值，min2为在第二个动态阈值的检测周期内检测到的 小波系数的最小值，a+b = l，表示各自对应的权重，p和q为小于1的正数。
[0067]将上述计算得到的阈值存储在第一寄存器31中，第二计数器34控制当前计数达到 一个动态阈值的检测周期时，对第一寄存器33中的阈值清零，从而准备下一个动态阈值的 检测周期内的阈值的更新。
[0068]本实施例中，通过寄存器、比较器等硬件方式实现了时域特征数据的检测，提高了 检测时域特征数据的实时性，阈值随着心电信号的不同而不同，