The invention discloses a method for Windows login authentication system based on authentication of sound, the method includes: to extract heart sound signals using the headset, the first pre emphasis processing method, the wavelet denoising removes the noise through the heart sound signal, heart sound is using single cycle repeating signals, data fusion of sound to improve the quality of the signal signal. In the recognition stage, the independent wavelet extraction method based on data fusion is adopted, then the MFCC coefficient is extracted as the eigenvalue of the reconstructed signal, and an authentication method combining the VQ algorithm and the DTW algorithm is designed to improve the recognition accuracy as much as possible. And through the Winform login system to complete the PC login authentication.
【技术实现步骤摘要】
一种基于心音认证的Windows登入认证系统方法
本专利技术涉及一种登入认证方法,涉及了一种心音认证的Windows登入认证系统方法。
技术介绍
随着科技的发展,逐渐进入全球网络信息时代,电子商务和网上购物等也在不断壮大。目前,绝大部分身份认证技术还是个人密码,这种安全技术的安全性和可靠性比较低,容易被他人窃取,不能满足某些隐私信息高安全性和可靠性的需求。相比之下,生物特征身份认证技术利用了人体固有的生物或行为特征,不易被仿造,更安全,也更可靠。目前生物认证技术已经走进了我们的生活,其中最为人们所熟知的就是指纹识别技术,这项技术已经广泛的运用于手机认证,移动终端支付等方面。部分对信息保密性有更高需求的个人和机构也有使用虹膜,语音,人脸识别等生物特征作为识别工具。相比于传统的密码认证,生物特征身份识别认证技术利用了人体固有的生物或行为特征,比较不易被仿造,更安全也更可靠。那什么样的生物特征才能作为识别工具呢?需要具有以下几个特点:(1)随身性:生物特征是人体固有的特征,与人体是唯一绑定的,具有随身性。(2)安全性:人体特征本身就是个人身份的最好证明,满足更高的安全需求。(3)唯一性:每个人拥有的生物特征各不相同。(4)稳定性:生物特征如指纹、虹膜等人体特征不会随时间等条件的变化而变化。(5)广泛性:每个人都具有这种特征。(6)方便性:生物识别技术不需记忆密码与携带使用特殊工具(如钥匙),不会遗失。(7)可采集性:选择的生物特征易于测量。(8)可接受性:使用者对所选择的个人生物特征及其应用愿意接受。本方案所选择的心跳声音信号就是一个满足条件的生物特征,相比于以 ...
【技术保护点】
一种基于心音认证的Windows登入认证系统的方法,其特征在于:所述方法包括以下步骤:(1)利用耳机来提取心音信号;(2)心音信号的处理阶段:(3)VQ算法和DTW算法相结合的认证方法;(4)通过Winform登录系统,完成对PC的登录认证。
【技术特征摘要】
1.一种基于心音认证的Windows登入认证系统的方法,其特征在于:所述方法包括以下步骤:(1)利用耳机来提取心音信号;(2)心音信号的处理阶段:(3)VQ算法和DTW算法相结合的认证方法;(4)通过Winform登录系统,完成对PC的登录认证。2.根据权利要求1所述基于心音认证的Windows登入认证系统的方法,其特征在于:步骤(1)利用耳机来提取心音信号具体如下,需要将入耳式耳机插入到电脑的麦克风输入端。3.根据权利要求1所述基于心音认证的Windows登入认证系统的方法,其特征在于:步骤(2)心音信号的处理阶段具体如下:(21)心音信号预处理;(22)心音信号提取MFCC系数作为特征值。4.根据权利要求3所述基于心音认证的Windows登入认证系统的方法,其特征在于:所述(21)心音信号预处理具体如下:(211)小波阈值去噪;步骤如下:(211-1)对含噪心音f(k)做小波变换,得到一组小波系数ωj,k;(211-2)通过对ωj,k做阈值处理得到估计小波系数(211-3)利用进行小波重构,得到估计信号即为去噪后的信号。(212)预加重;预加重公式如下:S2(n)=S(n)-a×S(n-1);(213)心音分段;进行心音分段的目的是确定心音的四个部分S1、S2、S3、S4的位置和基本边界,从而准确的确定第一心音和第二心音的位置,具体如下:(213-1)确定高门限T1,其取值保证检测出幅度较大的有用信号,同时去除幅度较小的噪声和杂音;(213-2)确定低门限T2,其值取决于噪声;(213-3)对整体信号求希尔伯特变换并求解其自相关函数,求解主极大与次级大之间的距离,该距离为心音信号周期T。(213-4)在整体信号上随机寻找大于T1的点(O点)(213-5)取O点前后距离T/2的点截取片段,该片段为单位心音片段。(213-6)在该片段上从O点前往后搜索,从大于T1(A点)到小于T2(B点),为心音段。(213-7)从A点向前搜索,到小于T2结束(C点),C、B即为有效心音的起始点。(213-8)暂时认为这些有效的心音段为S1、S2。但由此得到的S1、S2可能并非真实,由于S1、S2分裂,或出现较大(大于T1)的噪声,分段将不够准确。可以通过以下方式来消除这种不准确:(213-9)统计正常心音中S1、S2最小间隔,确定阈值min;(213-10)当两心音段间隔小于min且其最大能量相近时认为其分裂,进行合并;(213-11)如果间隔小于min且其中能量远远大于另一个时,认为其为杂音,去除小能量段;经此处理,可认为得到心音段为S1、S2。(214)时域分帧加窗;得到S1、S2的分段点后,需要通过时域加窗将得到片段截取出来,为后面数据融合、特征参数提取提供样本,(215)数据融合和帧化信号。5.根据权利要求3所述基于心音认证的Windows登入认证系统的方法,其特征在于:所述(22)心音信号提取MFCC系数作为特征值具体如下,对得到的S1、S2信号提取Mel倒频谱系数MFCC其中包含以下过程:(221)快速傅里叶变换(FFT):信号在频域上的变化更能看出信号的特征,所以通常将时域上的信号转换成频域能量来分析。(222)加三角带通滤波器:将能量频谱乘以一组24个三角带通滤波器,求得每一个滤波器输出的对数能量,共24个。这24个三角带通滤波器在Mel频率上是均匀分布的,一般频率f和梅尔频率的对应关系式如下:mel(f)=2595×lg(1+f/700)或者是:mel(f)=1125×...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。