基于奇异值分解的PPG信号身份识别方法及系统技术方案

本发明专利技术属于PPG信号生物识别技术领域，提供了一种基于奇异值分解的PPG信号身份识别方法及系统，本发明专利技术利用奇异值分解方法得到获取PPG信号相应的特征向量，减低了信号噪声，利用构建的多特征及其分组获取PPG信号中判别性强的特征，且充分利用不同PPG信号之间的关联信息，进一步增强PPG信号身份识别方法能力，以此来提高PPG信号身份识别系统的鲁棒性和性能；通过计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户，实现了PPG信号身份识别的目的。PPG信号身份识别的目的。PPG信号身份识别的目的。

【技术实现步骤摘要】
基于奇异值分解的PPG信号身份识别方法及系统


[0001]本专利技术属于PPG信号生物识别
，尤其涉及一种基于奇异值分解的PPG信号身份识别方法及系统。

技术介绍

[0002]近年来，人脸、声音、虹膜、脑电图(Electroencephalogram，EEG)、心电图(Electrocardiogram，ECG)、唇印、步态运动、光容积描记术(Photoplethysmography，PPG)、指纹、手掌静脉和手指静脉等生物特征受到越来越多学者的青睐，并取得了良好的效果。然而，人脸识别可以通过人工伪装来伪装，语音很容易被模仿，指纹可以用乳胶进行修改，并且基于EEG和ECG的方法获取生物信号非常复杂。而PPG是一种非侵入性的光电信号，可以从指尖、手腕或耳垂等处以低成本获取。作为一种新的生物特征识别技术，PPG的普遍性、唯一性、鲁棒性和适应性已经得到了研究的验证，并且PPG信号已被证明具有区分个体的能力。因此，PPG生物特征提取与识别越来越受到人们的重视。
[0003]专利技术人发现，人们对PPG生物特征识别的特征提取方法进行了广泛的研究，并取得了一些有希望的结果。然而，在用于PPG生物特征提取的方法中，有的对PPG信号的局部特征分析不够深入，有的时间开销大，有的需要太多复杂调整的超参数，不利于小尺度数据的训练；而且目前现有PPG信号身份识别方法考虑信号内部的结构特性比较单一，没有很好的利用不同PPG信号之间的关联信息，由于PPG信号存在个体内变化问题，导致现有PPG信号身份识别方法的准确率相对较低。/>
技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种基于奇异值分解的PPG信号身份识别方法及系统，属于一种基于奇异值分解和多特征判别分析的PPG信号身份识别方法，利用奇异值分解方法减低了信号噪声，利用构建的多特征及其分组获取PPG信号中判别性强的特征，且充分利用不同PPG信号之间的关联信息，进一步增强PPG信号身份识别方法能力，以此来提高PPG信号身份识别系统的鲁棒性和性能。
[0005]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0006]第一方面，本专利技术提供了一种基于奇异值分解的PPG信号身份识别方法，包括：
[0007]获取PPG信号；
[0008]利用投影矩阵，得到PPG信号相应的特征向量；
[0009]计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户；
[0010]其中，用户PPG向量模板库的构建包括：利用奇异值分解方法对训练集中PPG信号进行预处理；把预处理后的训练集中PPG信号进行单周期分段；依据单周期分段结果，构建训练集中PPG信号的多特征并进行分组，得到多特征组；对多特征组进行判别分析，计算出所有训练样本的投影矩阵，利用投影矩阵构造训练集的多特征模块库作为用户PPG向量模
板库。
[0011]进一步的，对PPG信号进行预处理包括：
[0012]获取PPG信号；
[0013]依据获取的PPG信号中的样本个数，构建汉克尔矩阵；
[0014]对构建的汉克尔矩阵进行奇异值分解，得到奇异值集合；
[0015]对奇异值集合进行处理，计算奇异值的均值，将奇异值中大于等于均值的奇异值保留，其余奇异值置零，得到；
[0016]依据处理后的奇异值集合，做奇异值分解逆运算，得到新的汉克尔矩阵；
[0017]对新的汉克尔矩阵反对角线元素求均值，得到预处理后的PPG信号。
[0018]进一步的，确定预处理后的PPG信号中的峰值点作为基准点；
[0019]确定基准点之前最近的谷值点以及基准点之后最近的谷值点；
[0020]以两个谷值点和基准点之间采样点的和再和加上1作为每个单周期波形的长度；
[0021]对所有的单周期波形进行归一化处理。
[0022]进一步的，多特征包括PPG信号的时域特征、三层稀疏表示特征和局部均值特征。
[0023]进一步的，对获取单周期PPG信号的时域特征、三层稀疏表示特征和局部均值特征进行串联融合，并使用平均值法计算融合后多特征所有个体的模板；
[0024]使用欧式距离计算多特征与模板的差异值，并按照差异值的大小对相应的PPG信号进行排序；
[0025]把排序后的PPG信号按顺序分成若干组。
[0026]进一步的，利用投影矩阵，将各个组的测试样本进行投影，并将得到的每个样本的多组特征再进行联合，获得测试集投影矩阵。
[0027]进一步的，每个个体的训练样本和测试样本都通过投影矩阵得到相应的特征子矩阵，通过欧式距离计算特征子矩阵中每个特征向量与其它特征向量之间的距离，得到同源相似度矩阵；计算PPG信号的测试样本的特征向量与用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到阈值的模板作为要识别的用户。
[0028]第二方面，本专利技术还提供了一种基于奇异值分解的PPG信号身份识别系统，包括：
[0029]数据采集模块，被配置为：获取PPG信号；
[0030]特征向量构建模块，被配置为：利用投影矩阵，得到PPG信号相应的特征向量；
[0031]身份识别模块，被配置为：计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户；
[0032]其中，用户PPG向量模板库的构建包括：利用奇异值分解方法对训练集中PPG信号进行预处理；把预处理后的训练集中PPG信号进行单周期分段；依据单周期分段结果，构建训练集中PPG信号的多特征并进行分组，得到多特征组；对多特征组进行判别分析，计算出所有训练样本的投影矩阵，利用投影矩阵构造训练集的多特征模块库作为用户PPG向量模板库。
[0033]第三方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于奇异值分解的PPG信号身份识别方法的步骤。
[0034]第四方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上
并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于奇异值分解的PPG信号身份识别方法的步骤。
[0035]与现有技术相比，本专利技术的有益效果为：
[0036]1、本专利技术利用奇异值分解方法得到获取PPG信号相应的特征向量，减低了信号噪声，利用构建的多特征及其分组获取PPG信号中判别性强的特征，且充分利用不同PPG信号之间的关联信息，进一步增强PPG信号身份识别方法能力，以此来提高PPG信号身份识别系统的鲁棒性和性能；通过计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户，实现了PPG信号身份识别的目的；
[0037]2、本专利技术利用个体间散度矩阵和个体内散度矩阵得到多特征组共享空间下的线性判别分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于奇异值分解的PPG信号身份识别方法，其特征在于，包括：获取PPG信号；利用投影矩阵，得到PPG信号相应的特征向量；计算特征向量与预设的用户PPG向量模板库中每一个模板之间的欧式距离，把距离值最小且达到一定阈值的模板作为要识别的用户；其中，用户PPG向量模板库的构建包括：利用奇异值分解方法对训练集中PPG信号进行预处理；把预处理后的训练集中PPG信号进行单周期分段；依据单周期分段结果，构建训练集中PPG信号的多特征并进行分组，得到多特征组；对多特征组进行判别分析，计算出所有训练样本的投影矩阵，利用投影矩阵构造训练集的多特征模块库作为用户PPG向量模板库。2.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，对PPG信号进行预处理包括：获取PPG信号；依据获取的PPG信号中的样本个数，构建汉克尔矩阵；对构建的汉克尔矩阵进行奇异值分解，得到奇异值集合；对奇异值集合进行处理，计算奇异值的均值，将奇异值中大于等于均值的奇异值保留，其余奇异值置零，得到；依据处理后的奇异值集合，做奇异值分解逆运算，得到新的汉克尔矩阵；对新的汉克尔矩阵反对角线元素求均值，得到预处理后的PPG信号。3.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，确定预处理后的PPG信号中的峰值点作为基准点；确定基准点之前最近的谷值点以及基准点之后最近的谷值点；以两个谷值点和基准点之间采样点的和再和加上1作为每个单周期波形的长度；对所有的单周期波形进行归一化处理。4.如权利要求1所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，多特征包括PPG信号的时域特征、三层稀疏表示特征和局部均值特征。5.如权利要求4所述的一种基于奇异值分解的PPG信号身份识别方法，其特征在于，对获取单周期PPG信号的时域特征、三层稀疏表示特征和局部均值特征进行串联融合，并使用平均值法计算融合后多特征所有个体的模板；使用欧式距离计算多特征与模板的差异值，并按照差异值的大小...

【专利技术属性】
技术研发人员：杨俊峰，李静，黄玉文，黄复贤，郭玉滨，
申请(专利权)人：菏泽学院，
类型：发明
国别省市：