基于光电容积脉搏波最佳周期波形的身份识别方法技术

本发明专利技术公开了一种基于光电容积脉搏波最佳周期波形的身份识别方法，主要解决现有PPG信号身份识别方法识别率较低的问题。其实现步骤：1)获取被鉴定者PPG信号，进行小波去噪和归一化处理；2)对处理后的PPG信号进行波形分割，获取多个单周期波形；3)选取最佳单周期波形，去除异形波；4)对多个最佳单周期波形进行平均，得到平均周期波形；5)进行傅里叶变换获取幅度谱样本；6)用非负矩阵分解对幅度谱样本降维，生成测试特征向量；7)利用支持向量机将测试特征向量与预先生成的被鉴定者训练特征向量库进行匹配，输出身份识别结果。本发明专利技术的身份识别率可达到99.6％以上，有效性和可靠性高，可用于远程医疗高身份识别率的场合。

【技术实现步骤摘要】

本专利技术属于信息处理
，具体涉及一种身份识别方法，可用于远程医疗中对病人身份确认识别率要求较高等场合。
技术介绍
传统的身份识别方法，如个人居民身份证、IC卡、账号密码、机动车驾驶证等，存在丢失、遗忘、窃取和易遭受攻击等缺陷，而基于人脸、指纹和声音特征等的生物识别方法，技术成熟，识别率高，但易被伪造。为了增强生物识别技术的可靠性与安全性，一方面通过多种生物特征来提高身份识别的安全等级；另一方面，利用多种生理特征进行身份识别。光电容积脉搏波PPG借助光电手段在活体组织中检测血液容积变化而生成的一种生理信号，作为人体固有的一种生理特征，PPG信号采集简单，难以复制和模仿，具有较高的安全性。目前基于PPG信号的身份识别技术识别率较低，无法满足实际需求。已提出的基于PPG信号的身份识别方法有：Gu,Y.Y.,Zhang,Y.T.在2003年“IEEEEMBSAsian-PacificConferenceonBiomedicalEngineering”会议上发表的文章“Photoplethysmographicauthenticationthroughfuzzylogic”中利用模糊决策的方法实现身份识别，相同实验环境中可达到94％的识别率，若人体所处环境不同，由于呼吸、运动伪影等影响仅达到82.3％的识别率，无法满足对身份识别要求较高的应用场合。土耳其的A.KemalPolatb等人2014年在“Computersinbiologyandmedicine”期刊上发表的文章“AnovelfeaturerankingalgorithmforbiometricrecognitionwithPPGsignals”，利用K最近邻分类器完成基于PPG信号的身份识别，最高仅达到94.44％的识别率，且输入分类器的特征维数较大，算法复杂度较高。
技术实现思路
本专利技术针对上述已有技术的不足，提出了一种基于光电容积脉搏波最佳周期波形的身份识别方法，旨在通过降低PPG信号采集过程中人体呼吸、运动伪影等因素的影响，以获得较稳定的PPG信号，最终提高身份识别率。本专利技术的技术方案是通过选取PPG信号的最佳周期波形，并利用该最佳周期波形的幅度谱特征进行身份识别，其实现步骤如下：(1)读取被鉴定者在设定的时间段内的光电容积脉搏波PPG信号x；(2)对PPG信号x进行小波去噪处理，得到去噪后的PPG信号y；(3)对去噪后的PPG信号y进行归一化处理，得到归一化后的PPG信号z；(4)对归一化后的PPG信号z进行收缩期波峰检测，并记录检测出的所有收缩期波峰的值及所有收缩期波峰在归一化后的PPG信号z中的索引；(5)将步骤(4)中检测出的所有收缩期波峰作为分割点，对归一化后的PPG信号z进行波形分割，将每相邻两个分割点之间的波形作为一个周期波形，获取分割后的所有单周期波形；(6)根据所有单周期波形峰值的大小，获取峰值索引集合L：(6a)将所有单周期波形第一个采样点的值作为该单周期波形的峰值，统计步骤(5)中得到的所有单周期波形峰值的大小，得到所有峰值中的最小值A和最大值B，将区间[A,B]划分为N个等长度的峰值区间，N为大于零的整数；(6b)根据单周期波形峰值的大小，统计所有单周期波形分布在各个峰值区间中的个数，根据各峰值区间中单周期波形的个数，选取单周期波形个数最多的峰值区间作为有效峰值区间；(6c)统计有效峰值区间中所有单周期波形的第一个采样点在归一化后PPG信号z中的索引，并按照索引值的大小，从小到大顺序排列，得到峰值索引集合L；(7)将单周期波形的总采样点数作为单周期波形的宽度，获取宽度索引集合I：(7a)统计步骤(5)中得到的所有单周期波形宽度大小，得到单周期波形宽度的最小值C和最大值D，将区间[C,D]划分为N个等长度的宽度区间；(7b)根据单周期波形的宽度，统计步骤(5)中得到的所有单周期波形分布在各个宽度区间中的个数，根据各宽度区间中单周期波形的个数，选取单周期波形个数最多的宽度区间作为有效宽度区间；(7c)统计有效宽度区间中的所有单周期波形第一个采样点在归一化后的PPG信号z中的索引，并按照索引值大小，从小到大顺序排列，得到宽度索引集合I；(8)将峰值索引集合L和宽度索引集合I进行取交集操作，得到两个索引集合中共有的索引元素，组成有效索引集合Ind；(9)从归一化后的PPG信号z中，提取有效索引集合Ind中所有索引值对应的单周期波形，即为最佳的单周期波形；(10)对从步骤(9)中获得的所有最佳单周期波形进行插值，使得所有最佳单周期波形的采样点数相同；(11)去除步骤(10)插值后所有最佳单周期波形中的异形波，得到去除异形波后的最佳单周期波形；对所有的最佳单周期波形每M个进行一次波形平均，得到平均周期波形；对获得的所有平均周期波形进行傅里叶变换，获取被鉴定者的幅度谱样本，其中，M为大于零的整数；(12)对被鉴定者的所有幅度谱样本，运用非负矩阵分解方法NMF降维处理，并把降维后的所有幅度谱样本作为被鉴定者的测试特征向量；(13)将被鉴定者的测试特征向量与预先生成的训练特征向量库进行匹配，得出被鉴定者的身份识别率并输出。本专利技术与现有技术相比具有以下优点：第一，本专利技术通过分别统计被鉴定者PPG信号的单周期波形在各峰值区间和各宽度区间中的个数，选取同时分布在个数最多的峰值区间和宽度区间中的波形为最佳单周期波形，从而提取出被鉴定者稳定的PPG信号，降低了人体呼吸、运动伪影等因素对采集PPG信号的影响，为正确识别被鉴定者的身份提供了保障。第二，本专利技术利用PPG信号单周期波形的幅度谱作为样本进行身份识别，将频域特征用于个体身份识别，并利用非负矩阵分解NMF方法对幅度谱进行数据降维，大大降低了幅度谱样本的维度，有效降低了运算过程中的存储空间和计算量，进一步降低了算法复杂度，最终提高了被鉴定者身份的正确识别率。附图说明图1为本专利技术的实现流程图；图2为PPG信号的收缩期波峰检测示意图。具体实施方式下面结合附图对本专利技术的实施做进一步详细描述。参照图1，本专利技术的实现如下：步骤1.获取m个被鉴定者的PPG信号，建立训练数据库。在不同时刻，采集m个被鉴定者在设定的时间段内的PPG信号两次，第一次采集的m个PPG信号组成训练数据库，第二次采集的m个PPG信号组成测试数据库。设某次采集的任意一个被鉴定者的PPG信号用x表示。步骤2.利用小波变换对被鉴定者PPG信号x进行去噪处理，得去噪后的PPG信号y。(2a)按照下式，对PPG信号x进行小波分解：[c,l]＝W(x,le,Name)，其中，c表示各层小波系数组成的向量，l表示各层小波系数的长度组成的向量，W(·)表示多尺度小波分解函数，le表示小波分解的层数，Name表示采用的小波基名称，本专利中采用的小波基为coif5，即Name＝coif5；(2b)根据PPG信号x的采样频率f及小波分解层数le，计算各层小波系数的频率范围，见表1：表1各层小波系数的频率范围(2c)将每层的频率范围与人体的PPG信号频率范围[0.5Hz，10Hz]进行比较：若该层的频率范围与区间[0.5Hz，10Hz]不相交，则将向量c中该层的小波系数置0；若该层的频率范围与区间[0.5Hz，10Hz]相交，且交集长度小于区本文档来自技高网...

【技术保护点】
基于光电容积脉搏波最佳周期波形的身份识别方法，包括如下步骤：(1)读取被鉴定者在设定的时间段内的光电容积脉搏波PPG信号x；(2)对PPG信号x进行小波去噪处理，得到去噪后的PPG信号y；(3)对去噪后的PPG信号y进行归一化处理，得到归一化后的PPG信号z；(4)对归一化后的PPG信号z进行收缩期波峰检测，并记录检测出的所有收缩期波峰的值及所有收缩期波峰在归一化后的PPG信号z中的索引；(5)将步骤(4)中检测出的所有收缩期波峰作为分割点，对归一化后的PPG信号z进行波形分割，将每相邻两个分割点之间的波形作为一个周期波形，获取分割后的所有单周期波形；(6)根据所有单周期波形峰值的大小，获取峰值索引集合L：(6a)将所有单周期波形第一个采样点的值作为该单周期波形的峰值，统计步骤(5)中得到的所有单周期波形峰值的大小，得到所有峰值中的最小值A和最大值B，将区间[A,B]划分为N个等长度的峰值区间，N为大于零的整数；(6b)根据单周期波形峰值的大小，统计所有单周期波形分布在各个峰值区间中的个数，根据各峰值区间中单周期波形的个数，选取单周期波形个数最多的峰值区间作为有效峰值区间；(6c)统计有效峰值区间中所有单周期波形的第一个采样点在归一化后PPG信号z中的索引，并按照索引值的大小，从小到大顺序排列，得到峰值索引集合L；(7)将单周期波形的总采样点数作为单周期波形的宽度，获取宽度索引集合I：(7a)统计步骤(5)中得到的所有单周期波形宽度大小，得到单周期波形宽度的最小值C和最大值D，将区间[C,D]划分为N个等长度的宽度区间；(7b)根据单周期波形的宽度，统计步骤(5)中得到的所有单周期波形分布在各个宽度区间中的个数，根据各宽度区间中单周期波形的个数，选取单周期波形个数最多的宽度区间作为有效宽度区间；(7c)统计有效宽度区间中的所有单周期波形第一个采样点在归一化后的PPG信号z中的索引，并按照索引值大小，从小到大顺序排列，得到宽度索引集合I；(8)将峰值索引集合L和宽度索引集合I进行取交集操作，得到两个索引集合中共有的索引元素，组成有效索引集合Ind；(9)从归一化后的PPG信号z中，提取有效索引集合Ind中所有索引值对应的单周期波形，即为最佳的单周期波形；(10)对从步骤(9)中获得的所有最佳单周期波形进行插值，使得所有最佳单周期波形的采样点数相同；(11)去除步骤(10)插值后所有最佳单周期波形中的异形波，得到去除异形波后的最佳单周期波形；对所有的最佳单周期波形每M个进行一次波形平均，得到平均周期波形；对获得的所有平均周期波形进行傅里叶变换，获取被鉴定者的幅度谱样本，其中，M为大于零的整数；(12)对被鉴定者的所有幅度谱样本，运用非负矩阵分解方法NMF降维处理，并把降维后的所有幅度谱样本作为被鉴定者的测试特征向量；(13)将被鉴定者的测试特征向量与预先生成的训练特征向量库进行匹配，得出被鉴定者的身份识别率并输出。...

【技术特征摘要】
1.基于光电容积脉搏波最佳周期波形的身份识别方法，包括如下步骤：(1)读取被鉴定者在设定的时间段内的光电容积脉搏波PPG信号x；(2)对PPG信号x进行小波去噪处理，得到去噪后的PPG信号y；(3)对去噪后的PPG信号y进行归一化处理，得到归一化后的PPG信号z；(4)对归一化后的PPG信号z进行收缩期波峰检测，并记录检测出的所有收缩期波峰的值及所有收缩期波峰在归一化后的PPG信号z中的索引；(5)将步骤(4)中检测出的所有收缩期波峰作为分割点，对归一化后的PPG信号z进行波形分割，将每相邻两个分割点之间的波形作为一个周期波形，获取分割后的所有单周期波形；(6)根据所有单周期波形峰值的大小，获取峰值索引集合L：(6a)将所有单周期波形第一个采样点的值作为该单周期波形的峰值，统计步骤(5)中得到的所有单周期波形峰值的大小，得到所有峰值中的最小值A和最大值B，将区间[A,B]划分为N个等长度的峰值区间，N为大于零的整数；(6b)根据单周期波形峰值的大小，统计所有单周期波形分布在各个峰值区间中的个数，根据各峰值区间中单周期波形的个数，选取单周期波形个数最多的峰值区间作为有效峰值区间；(6c)统计有效峰值区间中所有单周期波形的第一个采样点在归一化后PPG信号z中的索引，并按照索引值的大小，从小到大顺序排列，得到峰值索引集合L；(7)将单周期波形的总采样点数作为单周期波形的宽度，获取宽度索引集合I：(7a)统计步骤(5)中得到的所有单周期波形宽度大小，得到单周期波形宽度的最小值C和最大值D，将区间[C,D]划分为N个等长度的宽度区间；(7b)根据单周期波形的宽度，统计步骤(5)中得到的所有单周期波形分布在各个宽度区间中的个数，根据各宽度区间中单周期波形的个数，选取单周期波形个数最多的宽度区间作为有效宽度区间；(7c)统计有效宽度区间中的所有单周期波形第一个采样点在归一化后的PPG信号z中的索引，并按照索引值大小，从小到大顺序排列，得到宽度索引集合I；(8)将峰值索引集合L和宽度索引集合I进行取交集操作，得到两个索引集合中共有的索引元素，组成有效索引集合Ind；(9)从归一化后的PPG信号z中，提取有效索引集合Ind中所有索引值对应的单周期波形，即为最佳的单周期波形；(10)对从步骤(9)中获得的所有最佳单周期波形进行插值，使得所有最佳单周期波形的采样点数相同；(11)去除步骤(10)插值后所有最佳单周期波形中的异形波，得到去除异形波后的最佳单周期波形；对所有的最佳单周期波形每M个进行一次波形平均，得到平均周期波形；对获得的所有平均周期波形进行傅里叶变换，获取被鉴定者的幅度谱样本，其中，M为大于零的整数；(12)对被鉴定者的所有幅度谱样本，运用非负矩阵分解方法NMF降维处理，并把降维后的所有幅度谱样本作为被鉴定者的测试特征向量；(13)将被鉴定者的测试特征向量与预先生成的训练特征向量库进行匹配，得出被鉴定者的身份识别率并输出。2.根据权利要求1所述的基于光电容积脉搏波最佳周期波形的身份识别方法，其中步骤(2)中利对PPG信号x进行小波去噪处理，按如下步骤进行：(2a)按照下式，对PPG信号x进行小波分解：[c,l]＝W(x,le,Name)，其中，c表示各层小波系数组成的向量，l表示各层小波系数的长度组成的向量，W(·)表示多尺度小波分解函数，le表示小波分解的层数，Name表示采用的小波基名称，本专利中采用的小波基为coif5，即Name＝coif5；(2b)由步骤(2a)小波分解得1到le层高频小波系数和第le层低频小波系数，根据PPG信号x的采样频率f及小波分解层数le，计算各层小波系数的频率范围，即第j层高频小波系数的频率范围为f/(2^(j+1))～f/(2^j)，j∈[1,l...

【专利技术属性】
技术研发人员：同鸣，杨晓玲，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61