文献类型：期刊文章

作　　者：梁盛德[1] 王寻[2] 梁金福[3]

Liang Shengde;Wang Xun;Liang Jinfu(Department of Physics and Hydropower Engineering,Gansu Normal University for Nationalities,Hezuo 747000,China;Key Laboratory of Speech Acoustics and Content Understanding,Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China;School of Physics and Electronic Science,Guizhou Normal University,Guiyang 550025,China)

机构地区：[1]甘肃民族师范学院物理与水电工程系,合作747000 [2]中国科学院声学研究所语言声学与内容理解重点实验室,北京100190 [3]贵州师范大学物理与电子科学学院,贵阳550025

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(11564006,11864007)资助项目。

年　　份：2020

卷　　号：32

期　　号：4

起止页码：1-10

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用生物特征进行身份识别是目前模式识别领域的研究热点之一,由于人体的心电信号较为稳定且容易获取,因此利用心电进行身份识别得到了广泛的关注。传统基于心电的身份识别算法需要预先提取特征,然后进行模式识别,处理流程比较复杂,且容易受到噪声的影响。考虑心电QRS波群具有相对稳定的特点,利用QRS波群进行身份识别。首先对心电信号进行小波阈值降噪,然后提取QRS波群,将其转换为二值图,最后输入到卷积神经网络进行身份识别。通过几种不同超参数的卷积神经网络的计算比较,发现本文所述方法的最高准确率可达98.2%。此外,也对比了其他典型心电身份识别方法,结果表明,所述方法的识别准确率高于其他算法。

关 键 词：心电图 QRS波群 身份识别 卷积神经网络

分 类 号：R318.6[生物医学工程类]