心电信号身份验证的可继承方法研究

摘要

伴随科技的发展，人们对个人信息的安全性要求越来越高。身份验证通常应用于安全性较高的应用，例如支付系统、出入境通关验证系统等。由于采用传统的证件、口令等方法进行身份验证存在遗忘、伪造、丢失等缺陷，近年来，生物特征识别技术凭借不易遗忘、不易丢失等优势越来越多应用于身份验证。心电信号（Electrocardiogram, ECG）作为一种活体信号，与指纹、人脸等生物特征相比更不易被复制和伪造，安全性更高。因此，基于心电信号进行身份验证受到更多人的关注。
　　为了在保证错误接受率（False Positive Rate, FPR）为零的情况下，不断提高身份验证的正确接受率（True Positive Rate, TPR），本文在研究可继承学习的基础上，将可继承学习机制引入基于心电信号的身份验证，提出基于心电通道身份验证策略，并重点研究了心电通道的形成、边界的提取，以及身份验证方法等问题。该策略将个体的心电波形形态以通道的方式继承下来，随着数据量的增大，个体特征越来越明显，有助于提高身份验证的准确性。在 MIT-BIH数据集和真实环境下（手握式采集）进行实验，实验结果表明，将可继承机制引入到身份验证中，身份验证的平均TPR明显提高。
　　在心电通道形成与继承学习过程中，为了降低噪声波形（或特殊波形）对通道形态的影响，本文提出基于贡献排序心电模板选取方法。该方法根据心电波形的贡献率排序，运用二阶差分的阈值确定个体心电模板的数目，并选取出具有代表性的心电波形用于通道的继承学习。在MIT-BIH数据集和真实环境下（手握式采集）进行实验，随着通道的继承学习，身份验证的平均TPR分别提升了41.93％和26.29%。实验结果表明，使用该方法可以使心电通道的边界更清晰，有助于提高身份认证的准确性。
　　由于心电信号具有个体差异性，同一个体在不同状态下ECG也存在差异。为了在确保FPR为零的情况下，提高身份验证的TPR，本文提出基于分段策略的关键特征段身份判别方法。该方法对心电通道中的关键特征段进行严格匹配，加大了对非关键特征包容性。在MIT-BIH数据集和真实环境下（胸导联采集）进行大量实验，实验结果表明，与不采用分段策略相比，采用分段策略身份验证的平均TPR分别提高了15.53%和14.81%。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1问题的提出及意义

1.2生物特征识别技术概述

1.3国内外研究现状

1.4基于ECG波形身份验证的难点

1.5本文主要工作与结构

第二章 基于心电通道的可继承学习机制

2.1可继承学习方法概述

2.2基于心电通道的可继承学习

2.3心电通道的形成

2.4通道边界提取

2.5本章小结

第三章 心电通道的继承学习

3.1通道形成中存在问题

3.2改进思路

3.3基于波形贡献的通道形成

3.4本章小结

第四章 基于心电通道的身份验证

4.1身份验证方法

4.2身份验证的评价标准

4.3实验

4.4本章小结

第五章 改进的心电通道身份验证方法

5.1包容性问题的提出

5.2具有包容性的身份验证

5.3实验

5.4本章小结

第六章 总结与展望

6.1本文工作总结

6.2进一步工作

参考文献

发表论文和科研情况说明

致谢