基于局部约束的非负矩阵分解的心电身份识别方法及系统技术方案

本发明专利技术公开了基于局部约束的非负矩阵分解的心电身份识别方法及系统，包括：获取待识别的心电信号；对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。份识别结果。份识别结果。

【技术实现步骤摘要】
基于局部约束的非负矩阵分解的心电身份识别方法及系统


[0001]本申请涉及身份识别
，特别是涉及基于局部约束的非负矩阵分解的心电身份识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]近年来，心电信号的普遍性和可辨别性得到了广泛的关注，并应用到身份识别中去。心电信号是人身体上重要的生理信号，不同的个体之间具有差异性，心电信号在一段持续的时间内不会发生较大变动，并且随着微型传感器技术的发展，心电信号的采集也愈发方便。因此心电信号具有普遍性、可辨别性、稳定性、易采集等特点，满足生物特征识别的前提，是一种较为安全的、可靠的身份识别技术，具有很好的应用前景。但是，基于心电信号的身份识别技术虽然具有一些优势，但是现有的识别技术仍然有很多需要克服的难题。如何更好地去除干扰信息，提取具有高度辨别性的心电身份识别特征是目前亟待解决的问题之一。

技术实现思路

[0004]为了解决现有技术的不足，本申请提供了基于局部约束的非负矩阵分解的心电身份识别方法及系统；该方法根据心电信号结构，对心电信号波形进行滤波、心拍划分等，并采用局部非负矩阵分解(LNMF)的方法获取基矩阵W和系数矩阵H，对任意的心电信号样本，均可以通过基矩阵的伪逆矩阵将其从高维空间投影到低维空间，得到提取后的特征矩阵。然后用相关向量机(RVM)对提取特征后的心电信号进行分类，以此来提高心电信号身份识别方法的性能和鲁棒性。
[0005]第一方面，本申请提供了基于局部约束的非负矩阵分解的心电身份识别方法；
[0006]基于局部约束的非负矩阵分解的心电身份识别方法，包括：
[0007]获取待识别的心电信号；
[0008]对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；
[0009]对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；
[0010]其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；
[0011]将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。
[0012]第二方面，本申请提供了基于局部约束的非负矩阵分解的心电身份识别系统；
[0013]基于局部约束的非负矩阵分解的心电身份识别系统，包括：
[0014]获取模块，其被配置为：获取待识别的心电信号；
[0015]划分模块，其被配置为：对待识别的心电信号进行心拍划分，得到若干个单周期心
电信号；
[0016]投影模块，其被配置为：对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；
[0017]其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；
[0018]识别模块，其被配置为：将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。
[0019]第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。
[0020]第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0021]第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
[0022]与现有技术相比，本申请的有益效果是：
[0023]通过对心电信号进行去噪、滤波等预处理过程，去除了对心电信号影响比较大的噪声，得到较为纯净的心电信号；将划分好的心拍通过局部非负矩阵分解获取基矩阵W和系数矩阵H，并计算得到基矩阵的伪逆矩阵M，利用M得到映射后的心电信号。LNMF相比于传统的NMF算法有了非常大的改进，它在基础组件中强加特征的局部性，并且为了表现形式适合于特征定位的任务，定义了一个目标函数来施加局部约束以及非负性约束。所以它捕捉局部特征的能力要高于传统的NMF，而且算法整体更具有健壮性。利用LNMF算法得到的低维信号具有更多的细节信息，更能反映心拍的本质特征。最后将映射后的低维信号送入在多分类问题上表现优异的相关向量机中进行分类，从而提高心电信号的识别效果。
[0024]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0025]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0026]图1为第一个实施例的方法流程图。
具体实施方式
[0027]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，
意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0030]实施例一
[0031]本实施例提供了基于局部约束的非负矩阵分解的心电身份识别方法；
[0032]如图1所示，基于局部约束的非负矩阵分解的心电身份识别方法，包括：
[0033]S101：获取待识别的心电信号；
[0034]S102：对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；
[0035]S103：对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；
[0036]其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；
[0037]S104：将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。
[0038]作为一个或多个实施例，所述S101获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局部约束的非负矩阵分解的心电身份识别方法，其特征是，包括：获取待识别的心电信号；对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；对每个单周期心电信号，利用预先获取的基矩阵的伪逆矩阵进行投影，将心电信号从高维空间投影到低维空间，得到降维后的特征表示；其中，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；将降维后的特征表示，输入到训练后的分类模型中，得到当前待识别心电信号对应的身份识别结果。2.如权利要求1所述的方法，其特征是，获取待识别的心电信号步骤之后，所述对待识别的心电信号进行心拍划分，得到若干个单周期心电信号步骤之前，还包括：对待识别的心电信号进行预处理。3.如权利要求2所述的方法，其特征是，所述对待识别的心电信号进行预处理，具体包括：对待识别的心电信号进行去噪处理和滤波处理。4.如权利要求1所述的方法，其特征是，对待识别的心电信号进行心拍划分，得到若干个单周期心电信号；具体步骤包括：通过pan_tompkin算法定位R峰，以R峰为基准根据心电信号的采样频率向前和向后各取设定数目的点构成一个心拍，所述心拍即单周期心电信号；对每条待识别的心电信号，使用pan_tompkin算法分割出若干个单周期心电信号，计算出平均心拍；计算每个单周期心电信号与平均心拍之间的差值；将所述差值与设定阈值进行比较，将差值大于设定阈值的单周期心电信号予以剔除，保留差值小于设定阈值的单周期心电信号。5.如权利要求1所述的方法，其特征是，预先获取的基矩阵的伪逆矩阵，是通过基于局部约束的非负矩阵分解方式对心电信号训练数据集进行处理来获取的；具体步骤包括：对训练集中的心电信号进行心拍划分处理，得到若干个单周期心电信号；将每个单周期心电信号向上平移p个单位，得到非负单周期心电信号；p为正整数；将每个非负单周期心电信号的每个时刻振幅作为矩阵的一列，n个m维的非负单周期心电信号组成一个m*n的矩阵V；n和m均为正整数；对矩阵V，执行基于局部约束的非负矩阵分解...

【专利技术属性】
技术研发人员：杨公平，盛怡璇，孙启玉，刘玉峰，张永忠，
申请(专利权)人：山东锋士信息技术有限公司，
类型：发明
国别省市：