一种基于深度哈希神经网络的心电信号身份识别的方法技术

本发明专利技术提出的一种基于深度哈希神经网络的心电信号身份识别的方法，包括：建立用于将心电信号转换为目标格式编码的信号编码模型；设置目标函数，并结合训练样本和目标函数训练信号编码模型并固定；建立签名库，签名库中存储有关联用户的签名编码；获取待识别心电信号，将待识别心电信号通过信号编码模型转换为待识别编码，将待识别编码与签名库中的签名编码比对，获取对应的用户身份。本发明专利技术中，当出现新的心电信号时，不需要重构或重新训练模型，可通过模型自主学习识别新用户。且本发明专利技术通过将心电信号转换为目标格式编码，进一步提高了模型识别的效率和精度，从而实现比现有方法更快的用户识别速度。

【技术实现步骤摘要】
一种基于深度哈希神经网络的心电信号身份识别的方法
本专利技术涉及身份识别和信号处理
，尤其涉及一种基于深度哈希神经网络的心电信号身份识别的方法和系统。
技术介绍
身份识别是保障信息安全的一项重要环节，指纹识别、声纹识别和人脸识别等技术已经成为了人们普遍接受的常用身份识别方式，在智能手机、门禁系统等场景都能看到这些身份识别技术的应用。但是上述识别方式在实现便捷性应用的同时，也存在易于被盗取和伪造的缺点。而从心电图(ECG)数据建立身份识别的深度学习模型，正是依托心电信号数据不易盗取和难以伪造的天然特点，具有活体检测、非敏感信息、易于采集、安全性高等独特优点。正是因为这些独特的优点，使得心电信号未来可以取代指纹识别等方式，有望成为新一代身份鉴别密码。现有的心电信号身份识别研究集中的两个方向上：一是基于分类器的方法，二是基于匹配的方法；前者只支持闭集识别，无法识别新用户；后者计算复杂度高。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种基于深度哈希神经网络的心电信号身份识别的方法。本专利技术提出的一种基于深度哈希神经网络的心电信号身份识别的方法，包括以下步骤：S1、建立用于将心电信号转换为目标格式编码的信号编码模型；S2、获取多个作为原始样本的心电信号对，每一个心电信号对包含两段心电信号；每一个原始样本均标注有真实相似度；当样本中的两段心电信号来自同一人，则样本标注为“1”；反之，样本标注为“0”；S3、将原始样本中的心电信号通过信号编码模型转换为目标格式编码，形成标注有真实相似度的训练样本；S4、设置用于度量两段心电信号通过信号编码模型转换后的目标格式编码之间相似度的目标函数，并结合训练样本和目标函数训练信号编码模型并固定；S5、建立签名库，签名库中存储有关联用户的签名编码；签名编码为用户的心电信号经过信号编码模型转换并标注用户的目标格式编码；S6、获取待识别心电信号，将待识别心电信号通过信号编码模型转换为待识别编码，将待识别编码与签名库中的签名编码比对，获取对应的用户身份。优选的，步骤S1中设置的信号编码模型为：Bi＝H(G(Xi))，其中，G为深度神经网络，H为哈希函数，Xi为心电信号，Bi为目标格式编码。优选的，目标格式编码为二进制编码。优选的，深度神经网络G采用单层的循环神经网络、全连接神经网络或者转换神经网络。优选的，步骤S4中，目标函数为：其中，Sij表示Bi和Bj的相似度，Bi和Bj分别为心电信号Xi和Xj经过信号编码模型转换后生成的目标格式编码信号。优选的，目标函数L通过随机梯度下降法求最优解，并通过前向传播和反向传播对信号编码模型的参数进行梯度更新。优选的，步骤S5中，签名库中，每一个用户均关联有多个签名编码。优选的，步骤S5中，建立签名库后，对签名库进行去重；去重的方法为：扫描整个签名库，检索关联有不同用户的签名编码作为去重对象；针对每一个去重对象，计算去重对象与关联的各用户的距离；然后，根据距离值确认去重对象的真实用户，并删除去重对象与真实用户以外的用户之间的关联。优选的，计算去重对象与关联的各用户的距离的方法为：首先，以去重对象关联的各用户作为检测对象，针对各检测对象，逐一计算去重对象与剩余签名编码之间的相似度；根据相似度之和对去重对象与关联的各用户的距离进行排序，相似度之和越高，则距离越近。优选的，步骤S6具体为：将待识别心电信号通过信号编码模型转换为待识别编码，将待识别编码与整个签名库中的签名编码进行比对，获取所有与待识别编码的相似度为1的签名编码作为参照对象，获取所有参照对象关联的用户作为筛选对象，获取对应的参照对象最多的筛选对象作为待识别编码对应的用户身份。本专利技术提出的一种基于深度哈希神经网络的心电信号身份识别的方法，通过机器学习模型自主训练，获取信号编码模型，用于将心电信号转换为目标格式编码，然后通过目标函数识别不同目标格式编码之间的相似度，以便通过与签名库中签名编码的对比，实现根据转换为目标格式编码的心电信号识别用户身份。本专利技术中，当出现新的心电信号时，不需要重构或重新训练模型，可通过模型自主学习识别新用户。且本专利技术通过将心电信号转换为目标格式编码，进一步提高了模型识别的效率和精度，从而实现比现有方法更快的用户识别速度。附图说明图1为本专利技术提出的一种基于深度哈希神经网络的心电信号身份识别的方法流程图。具体实施方式参照图1，本专利技术提出的一种基于深度哈希神经网络的心电信号身份识别的方法，包括以下步骤。S1、建立用于将心电信号转换为目标格式编码的信号编码模型。具体的，记收集的第i条数据为其中c为导联数，ni是第i条心电信号数据的长度，R表示实数集合。对于智能硬件设备采集的单导联心电信号，c为1；对于医院心电科采集的标准心电信号，c为12。具体实施时，目标格式编码可选择二进制编码，此时，信号编码模型的输入为心电信号其输出为二进制编码值Bi∈[-1,1]d，其中d表示编码的长度。该过程可形式化地表示为Bi＝F(Xi)。本实施方式中，信号编码模型可具体设置为：Bi＝H(G(Xi))，其中，G为深度神经网络，H为哈希函数，Xi为心电信号，Bi为目标格式编码。具体实施时，深度神经网络G可采用单层的循环神经网络(RecurrentNeuralNetwork，RNN)、全连接神经网络(FullyConnectedNeuralNetwork，FCN)或者转换神经网络(TransformerNeuralNetwork)。哈希函数H选用为符号函数sgn。具体的，深度神经网络G中待训练的参数为F中定义的所有变量，在训练的开始阶段，使用均值为0、方差为1的正态分布随机初始化这些变量。S2、获取多个作为原始样本的心电信号对，每一个心电信号对包含两段心电信号；每一个原始样本均标注有真实相似度；当样本中的两段心电信号来自同一人，则样本标注为“1”；反之，样本标注为“0”；S3、将原始样本中的心电信号通过信号编码模型转换为目标格式编码，形成标注有真实相似度的训练样本。即，Bi和Bj分别为心电信号Xi和Xj经过信号编码模型转换后生成的目标格式编码信号。当心电信号Xi和Xj采集自同一个人，则训练样本(Bi，Bj)标注“1”；当心电信号Xi和Xj采集自不同的人，则训练样本(Bi，Bj)标注“0”。S4、设置用于度量两段心电信号通过信号编码模型转换后的目标格式编码之间相似度的目标函数，并结合训练样本和目标函数训练信号编码模型并固定。具体的，本实施方式中，哈希函数H选用为符号函数sgn。如果x≥0，则sgn(x)＝1；否则sgn(x)＝-1。本步骤S4中在训练信号编码模型时，为了解决符号函数的导数不连续的问题，可以使用函数平滑技术构造符号函数的近似函数，具体形式为sgn(x)＝limβ->∞tanh(βx)本文档来自技高网...

【技术保护点】
1.一种基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，包括以下步骤：/nS1、建立用于将心电信号转换为目标格式编码的信号编码模型；/nS2、获取多个作为原始样本的心电信号对，每一个心电信号对包含两段心电信号；每一个原始样本均标注有真实相似度；当样本中的两段心电信号来自同一人，则样本标注为“1”；反之，样本标注为“0”；/nS3、将原始样本中的心电信号通过信号编码模型转换为目标格式编码，形成标注有真实相似度的训练样本；/nS4、设置用于度量两段心电信号通过信号编码模型转换后的目标格式编码之间相似度的目标函数，并结合训练样本和目标函数训练信号编码模型并固定；/nS5、建立签名库，签名库中存储有关联用户的签名编码；签名编码为用户的心电信号经过信号编码模型转换并标注用户的目标格式编码；/nS6、获取待识别心电信号，将待识别心电信号通过信号编码模型转换为待识别编码，将待识别编码与签名库中的签名编码比对，获取对应的用户身份。/n

【技术特征摘要】
1.一种基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，包括以下步骤：
S1、建立用于将心电信号转换为目标格式编码的信号编码模型；
S2、获取多个作为原始样本的心电信号对，每一个心电信号对包含两段心电信号；每一个原始样本均标注有真实相似度；当样本中的两段心电信号来自同一人，则样本标注为“1”；反之，样本标注为“0”；
S3、将原始样本中的心电信号通过信号编码模型转换为目标格式编码，形成标注有真实相似度的训练样本；
S4、设置用于度量两段心电信号通过信号编码模型转换后的目标格式编码之间相似度的目标函数，并结合训练样本和目标函数训练信号编码模型并固定；
S5、建立签名库，签名库中存储有关联用户的签名编码；签名编码为用户的心电信号经过信号编码模型转换并标注用户的目标格式编码；
S6、获取待识别心电信号，将待识别心电信号通过信号编码模型转换为待识别编码，将待识别编码与签名库中的签名编码比对，获取对应的用户身份。


2.如权利要求1所述的基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，步骤S1中设置的信号编码模型为：Bi＝H(G(Xi))，其中，G为深度神经网络，H为哈希函数，Xi为心电信号，Bi为目标格式编码。


3.如权利要求2所述的基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，目标格式编码为二进制编码。


4.如权利要求2所述的基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，深度神经网络G采用单层的循环神经网络、全连接神经网络或者转换神经网络。


5.如权利要求1所述的基于深度哈希神经网络的心电信号身份识别的方法，其特征在于，步骤S4中，目标函数为：其中，Si...

【专利技术属性】
技术研发人员：洪申达，傅兆吉，周荣博，俞杰，
申请(专利权)人：安徽心之声医疗科技有限公司，
类型：发明
国别省市：安徽;34