一种心律失常情况下心电信号身份识别方法技术

一种心律失常情况下心电信号身份识别方法。包括以下步骤：心电信号采集，滤波以及标准化处理；心电信号窦性心拍判别，若判断为窦性心拍，则进行下一步处理，否则将其剔除；将通过判断的心拍经过自相关与因子分析得到特征提取与降维后的心拍特征向量；心拍模板进行层次聚类，相似度较为接近的模板归为一类，各类中心点作为待识别模板；识别过程中，采集的心拍与各类模板中心进行相似度匹配识别。采用上述的一种心律失常情况下心电信号身份识别方法，有效的区分并保存了个体自有的心拍特征，消除心律失常波形以及其他形变较大的波形干扰；完善了个人心拍信息，提高了心律失常情况下身份识别的准确率。

【技术实现步骤摘要】

本专利技术涉及，属于生物信号识别领 域，特别是利用人体心电信号进行身份识别。
技术介绍
生物信息识别技术以其独特性、方便性、安全性等受到了学者的广泛关注，这项技 术也逐渐成为被社会所接受的一种安全验证方式。常见的生物识别技术有：指纹识别、掌 纹识别、虹膜识别、声纹识别等。近年来，一种新的生物特征被用来作为身份识别，这种特征 就是心电信号。心电信号是心肌在搏动前后所产生的微弱生物电信号，由于个体的生理结 构有其独特性，因此这种生物电信号在体表的投影也具有独特性。经过大量的统计数据研 究，已经证明心电信号其具有唯一性；相对于以上几种生物特征，采用心电信号作为识别特 征具有以下几个优点：心电信号属于一维信号，相比较于前面几种二维特征，其数据量大大 的减少，仅占用很少的存储空间；心电信号只能从活体采集，因此难以伪造。 由于心电信号特征具有以上优点，因此可以应用于银行、保险公司、部队等对安防 要求比较高的单位。心电信号是心脏的心肌细胞的电活动的综合反映，人的心脏又是不断 跳动的，心脏在长时间的工作过程中难免会出现异常情况，比如说常见的房性早搏、室性期 前收缩、漏搏等，这些情况不仅仅发生在心律失常患者中，即使是正常人也会有个别的心律 失常波形出现，正常人在疲劳、受刺激、情绪激动、服用药物时常会出现以上几种常见的心 律失常。这些心律失常波形的形态与正常窦性心律波形的形态差别很大，并且心律失常种 类繁多，心律失常的出现常具有随机性。正是由于这些情况的存在，如果在进行身份识别时 采集的心电信号存在心律失常，若检测装置不对心律失常的心拍进行处理，将会严重影响 身份识别。现有的技术一般是采用整形滤波，将心电信号波形失真较为严重的波形进行规 整化，或者是提取心电波形频域上的特征进行识别。但是这样做的缺点是:无论是整形滤波 还是提取其他频域的特征，心电信号正常波形和异常波形依旧混杂在一起，由于采用的是 相同手段，并没有从根本上消除正常心拍与心律失常心拍的差别。因此，此类方法在心律失 常的情况下识别率一般不到90%，远低于正常波形97%以上的识别率。
技术实现思路
本专利技术综合考虑了正常情况下与心律失常情况下的心电信号的特征，提供一种在 心律失常与正常情况下均具有高识别率的心电信号身份识别算法。总体流程如图1所示， 主要技术包括心电信号预处理、心律失常判别、心电特征提取、模板聚类及匹配。具体可分 为以下三个模块： 1心律失常判别模块 1.1心电信号预处理。预处理主要是为了去除心电信号中可能存在的干扰。心电 信号是毫伏级别的体表信号，容易受到外界干扰，如肌电干扰、工频干扰、基线漂移等均为 常见影响心电信号波形的干扰。因此在预处理过程中需要对其进行滤波去噪。 1.2心律失常判别。进行心律失常判别的目的是区分窦性心拍与非窦性心拍。由 窦房结发起的冲动形成的心律在医学上称为窦性心律。窦性心律波形较为规则，波形较为 完整，有窄形的QRS波，符合心电识别的标准。反之，非窦性心拍波形往往形态不规则，与窦 性心拍波形区别较大，在识别过程中需要对其处理。非窦性心拍波形与窦性心拍波形具体 对比见图2。经过算法的判断，若为窦性心拍则传递到下一步进行处理，若为其他非窦性心 拍则将其剔除。 2心电特征提取模块 2. 1自相关函数（Autocorrelation, AC)处理。传统的心电身份识别一般采用基 准点作为其识别特征，采用基准点的方法有其固有缺陷。第一，对基准点进行检测，计算量 较大，较为耗费系统资源；第二，目前医学界对基准点具体位置也没有统一的标准，不同的 标注算法采用的标准不同。因此，为了减少算法的复杂度，降低识别成本，本专利技术采用经过 自相关（AC)处理后的心拍波形数据作为特征。对心电信号进行自相关处理能极大的减少 特征的计算量，并且增强特征的鲁棒性。 2. 2特征降维处理。我们采用因子分析（Factor Analysis，FA)对特征进行降维处 理。因子分析法主要是从研究数据内部出发，分析其相互影响程度，利用少数因子表示数据 的整体信息。因子分析法比较PCA，优点在于其分析结果更具有解释性。因子分析法根据原 始数据信息进行信息的重组，只选取部分信息用来表示原本的数据信息，起到了降维的作 用。 3模板匹配 模板进行聚类。利用层次聚类的方法将采集到的心电信号模板进行分类，目的是 区别同一个体的不同心拍特征。层次聚类的优点是不需要像K-Means-样人为指定聚类类 别的个数，能够适应不同的数据特点由算法自动决定类别。模板经过聚类能够更好的表现 同一个识别者不同的心拍特征，避免了现有的求模板平均值造成的各个样本的模板特征间 差异较小的后果。 本专利技术的优点在于 1.算法将心律失常波形或者杂波在识别之前就已经剔除，从而最小程度的减少了 心律失常或杂波的干扰，提高了识别算法的鲁棒性与识别率。 2.在心律失常波形判断的过程与样本特征提取过程中，均不用检查P波、Q波、T 波等特征点，因此极大程度上减少了算法的复杂度。 3.采用自相关与因子分析进行降维处理，能够在减少样本维度的同时保留绝大部 分样本信息。 4.在模板存储过程中采用了非监督层次聚类，能够保存同一个识别者不同的心拍 特性，最大限度的表现其心拍特征。 【附图说明】 图1为本专利技术总体流程图。 图2为心律失常判别流程图。 图3为心电特征提取流程图。 图4为模板层次聚类流程图。 具体实现方式 为进一步详细表述本专利技术的实施步骤、效果和优势，下面将结合附图对本专利技术的 实施方案作进一步的说明。 本专利技术提出的心律失常情况下心电信号身份识别方法，如图1所示，包括以下步 骤： 心电信号心律失常判别： 201 :在判别之前，需要对心电信号进行预处理，消除工频、基线漂移以及高频干 扰。利用一个五阶去均值滤波器去除高频噪声的干扰；利用截止频率为l-30Hz的带通滤波 器消除工频以及基线漂移的干扰。在获得经过滤波处理的波形后，需要对其进行R波检测， 本专利技术采用阈值检测法检测R波位置。根据R波的位置，取R波前〇. 4秒与后0. 4秒的心 电信号作为一个心拍。 202:本专利技术采用模板匹配的方法将窦性心拍与心律失常或者其他心拍区分开来。 模板的选取来自于MIT-BIH Normal Sinus Rhythm Database (nsrdb)。该数据库中包含有18 条正常窦性心律的心电信号。心律失常算法将采集的各个心拍与标准模板进行匹配，若匹 配成功则进行下一步，不成功则将此心拍剔除。标准窦性心拍模板的构造过程如下： (a)将 MIT-BIH Normal Sinus Rhythm Database 中每段心电数据随机选取 30 个心 拍，一共得到540个心拍。 (b)对心拍进行归一化处理。设原始信号为yi，归一化处理信号为Xi，则有： 本文档来自技高网...

【技术保护点】
一种心律失常情况下心电信号身份识别方法，包括以下步骤：步骤1，心电信号采集，滤波以及标准化处理；步骤2，心电信号心律失常判别，判别是否为窦性心拍；步骤3，心电信号特征提取与降维，经过自相关与因子分析得到心拍特征向量；步骤4，心拍模板进行层次聚类，各类中心与采集的心拍匹配识别。

【技术特征摘要】
1. 一种心律失常情况下心电信号身份识别方法，包括以下步骤： 步骤1，心电信号采集，滤波以及标准化处理； 步骤2,心电信号心律失常判别，判别是否为窦性心拍； 步骤3,心电信号特征提取与降维，经过自相关与因子分析得到心拍特征向量； 步骤4,心拍模板进行层次聚类，各类中心与采集的心拍匹配识别。2. 根据权利要求1所述的心律失常情况下心电信号身份识别方法，其特征在于，所述 心律失常判别方法的步骤为：心电信号预处理；组建窦性心拍模板；对心电信号进行窦性 心拍判别。3. 根据权利要求2所述的心律失常判别方法，其特征在于，从窦性心电标准数据库中 获取标准窦性心电；对心电进行归一化处理；定位R波，按照R波分割心拍；提取心拍的P 波、QRS波、T波位置与幅度；利用P波幅度、PR间期、QRS波间期、QT间期、ST段幅度这五 个特征组成心拍的特征向量；对得到的心拍特征采用K-Means聚类方法聚为5类；取以上5 类模板中心的心拍数据作为标准窦性心拍模板。4. 根据权利要求2所述的心律失常判别方法，其特征在于，将待识别的心拍数据与得 到的5个标准窦性心拍分别进行...

【专利技术属性】
技术研发人员：张跃，侯中杰，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东;44