基于心電信號的身份識別系統(tǒng)研究

馬壯飛，梁栗炎，羅延豐，徐曼

北京工業(yè)大學 生命科學與生物工程學院， 北京 100124

基于心電信號的身份識別系統(tǒng)研究

馬壯飛，梁栗炎，羅延豐，徐曼

北京工業(yè)大學 生命科學與生物工程學院， 北京 100124

目的設(shè)計一套基于心電信號的身份識別系統(tǒng)，對采集到的心電信號進行算法設(shè)計，進而實現(xiàn)身份識別功能。方法首先采集心電數(shù)據(jù)：一部分是MIT數(shù)據(jù)庫的心電數(shù)據(jù)，一部分是用便攜式心電采集裝置采集的心電數(shù)據(jù)。然后進行心電信號特征提取，在每個心動周期內(nèi)先找到R波的最高點，然后再提取R波最高點前80個點和后170個點作為處理對象。最后在MATLAB中采用主成分分析（PCA）方法進行數(shù)據(jù)降維，采用線性判別分析（LDA）方法設(shè)計分類器，并進行測試。結(jié)果實驗結(jié)果表明，該心電采集設(shè)備可以實時采集心電數(shù)據(jù)，分類后的數(shù)據(jù)具有唯一性且分類的正確率達到了90%以上。結(jié)論本系統(tǒng)在技術(shù)與應(yīng)用層面上具有一定的創(chuàng)新性，可為社會的安全性提供一定的保障，具有一定應(yīng)用價值。

身份識別；心電信號；安全性；智能化

隨著信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)已成為人們生活中必不可少的一部分，與此同時信息的安全性也面臨著巨大的挑戰(zhàn)，如何精準的實現(xiàn)身份識別成為了重要的研究課題。傳統(tǒng)的身份識別方法如個人證件、ID卡等需要隨身攜帶，容易丟失或被竊取，一旦被竊取或者盜用，自身安全及隱私則會受到威脅?，F(xiàn)代科技下，人們拓展了人臉識別與指紋識別技術(shù)，但這兩種技術(shù)的問題在于可以用照片或?qū)\生兄妹代替，而指紋可以用硅膠偽造，降低了安全性。因此，傳統(tǒng)的個人身份認證已不能很好地滿足信息時代對于信息安全的要求，最近興起的生物識別技術(shù)或許能在某種程度上解決這個難題[1]。

生物識別技術(shù)是一種以生物技術(shù)為基礎(chǔ)，以信息技術(shù)為手段，將生物和信息這兩種技術(shù)融合為一體的模式識別，它是根據(jù)人體生理特征和行為特征來識別身份的技術(shù)。由于生物特征具有唯一性和一定時期的穩(wěn)定性，不容易偽造和假冒，所以利用生物識別技術(shù)進行身份認定安全、可靠、準確[2]。隨著生物識別技術(shù)的不斷深入，借助于人體內(nèi)含的生物電、聲信號等生理特征進行身份識別的技術(shù)逐漸進入了研究視野，基于心電信號的生物識別技術(shù)在這樣的背景下被提出[3-4]。

心電圖（Electrocardiograph，ECG）是人體心臟跳動時產(chǎn)生的生物電勢，由于每個人的心臟大小、形狀、位置等不同，因而心臟跳動時所產(chǎn)生的生物電勢也大不相同，也就是每個心電都是獨一無二的，這樣就彌補了傳統(tǒng)身份識別的缺點，同時也增強了安全性和可靠性。本研究設(shè)計了一套基于心電信號的身份識別系統(tǒng)，對采集到的心電信號進行算法設(shè)計，進而實現(xiàn)身份識別功能，報道如下。

1 系統(tǒng)設(shè)計

基于心電信號的身份識別系統(tǒng)流程圖，見圖1。系統(tǒng)主要包括心電數(shù)據(jù)的實時采集、理論研究、系統(tǒng)的軟件制作等3部分。首先采集心電信號，通過藍牙傳輸將生理信息傳輸至計算機，然后對采集的心電信號進行濾波處理，并設(shè)計一套心電身份識別算法，最后通過軟件系統(tǒng)進行展示。為了使得算法更加準確可靠，首先利用美國麻省理工的MIT數(shù)據(jù)庫對算法進行初步驗證，然后再采用便攜式心電采集設(shè)備采集的數(shù)據(jù)對算法進行再次驗證。分3期進行數(shù)據(jù)采集，第一期是隔一天采集一次，第二期是隔一周采集一次，第三期是隔一個月采集一次，目的是采用不同分期的數(shù)據(jù)來驗證算法的穩(wěn)定性。

圖1 系統(tǒng)流程圖

2 系統(tǒng)算法

本研究設(shè)計了心電識別算法，算法流程圖，見圖2。

圖2 算法流程圖

（1）設(shè)計濾波器，對心電進行預(yù)處理。由于算法是在采集設(shè)備中使用，為保留更多的生理信息，這里僅對基線及尖刺脈沖進行處理。

（2）設(shè)計算法，檢測心電特征點，并進一步提取心電相關(guān)特征。

（3）采用逐步回歸對特征進行篩選，保留有顯著差異的特征，以減少算法運算量并提高正確率。

（4）設(shè)計分類器，使用不同的分類器并調(diào)整參數(shù)進行評估測試，最終得到最優(yōu)分類器。

2.1 心電信號的濾波

本研究采用的濾波方法為去尖刺脈沖、去基線漂移、數(shù)據(jù)平滑處理[5-6]。

2.1.1 去尖刺脈沖

本研究中，對每個點做向前差分處理，當某個點的差分值大于固定閾值時，則用前一個點替代這個樣本點，以此達到去除尖刺脈沖的效果。

2.1.2 去基線漂移

心電數(shù)據(jù)通常含有一定的基線漂移，這是由呼吸、微小運動等干擾造成的，與心電監(jiān)測所需診斷的病理信息無關(guān)，通常被視為噪聲。本研究設(shè)計了基線濾波器對心電進行去基線處理。

2.1.3 數(shù)據(jù)平滑處理

一般情況下，直接采集的生理信號需要做平滑處理。本研究設(shè)計簡單實用的平滑濾波器：

其中，L1為常數(shù)，本研究取10；x(n)為平滑處理前的數(shù)據(jù)；X(n)為平滑處理后的數(shù)據(jù)。利用公式(1)處理過的數(shù)據(jù)畫出的心電波形更加平滑，可為后續(xù)處理心電信號打下良好的基礎(chǔ)，同時也可提高心電波形的可信度。

2.2 心電信號特征提取

在每個心動周期內(nèi)先找到R波的最高點，然后再提取R波最高點前80個點和后170個點作為處理對象。同時也要找到R波最高點所對應(yīng)的橫坐標。

2.2.1 QT校正的目的

由于不同人在不同時期心率不同，因此心電圖中的QT間期各不相同，對QT間期做校正的目的是：心率不同的情況下，QT間期能夠大概相同。

QT校正的計算公式為QTc=QT+0.13(1-RR)[7-8]。RR是指第一個R波峰值到第二個R波峰值的距離，QTc是指經(jīng)過QT校正后的QT間期的值。QT校正的目的是為下一步做主成分分析（Principal Component Analysis，PCA）降維做準備。QT校正前后的對比圖，見圖3。

圖3QT校正前后對比圖

可以看出，QT校正前的心電波形由于心率不同導(dǎo)致QT間期不同，因此有可能導(dǎo)致錯誤的識別，而經(jīng)過QT校正后的心電波形不會因為心率不同而導(dǎo)致QT間期不同，可提高識別的準確率。

QT校正分為兩部分：平均疊加、計算歐式距離。

2.2.2 平均疊加

每10個心動周期取一次平均心動周期，從而為找到離平均心動周期最近的6個心動周期做準備。平均疊加圖，見圖4?？梢钥闯?，經(jīng)過平均疊加后的心電波形綜合了每10個心動周期的特征，可減小運算量并提高識別的準確率。

圖4 平均疊加圖

2.2.3 歐氏距離公式

本研究使用歐式距離公式計算出不同心動周期與平均心動周期距離最近的6個，因為這6個心動周期已經(jīng)可以代表每10個的平均水平。歐式距離，見圖5?？梢钥闯觯c平均值距離最近的6個已經(jīng)能夠代表一個人的心電特征了，這樣做可以去掉那些因為外界干擾或外界噪聲而導(dǎo)致不正確的心電信號，從而提高了識別的準確率。

圖5 歐式距離

2.3 特征篩選

特征篩選是分類或模式識別中的重要步驟，目的是去除與目標不相關(guān)的干擾信息，提高正確率，同時減少特征維度，提高算法運行效率。常用的特征篩選或數(shù)據(jù)降維方法有逐步回歸[9]、主成分分析（PCA）[10]、獨立成分分析（ICA）[11]、奇異值分解（SVD）[12]、小波變換（WT）[13]等。以上特征篩選方法各有優(yōu)劣，有時會結(jié)合使用。本研究采用PCA法和WT法，結(jié)果表明PCA法比WT法的正確率高，因此本研究采用PCA法來進行特征篩選。

本研究中，特征點的數(shù)量是250個。將250個特征點降低到30、20、10個，結(jié)果發(fā)現(xiàn)降低到20個的正確率比降低到10個和30個的正確率高。因此本研究采用PCA法將250維的數(shù)據(jù)降低到20維，結(jié)果見圖6?？梢钥闯?，當主成分數(shù)目為20時，方差累計百分比已經(jīng)基本接近100%，也就是說，特征點數(shù)是20時所代表的特征已經(jīng)基本可以代表特征點是250時所代表的特征。因此本研究將250維的數(shù)據(jù)降低到20維，既減小了運算量又提高了識別的準確率。

圖6 PCA降維圖

2.4 設(shè)計分類器

經(jīng)過查閱文獻得知，主要有3種方法設(shè)計分類器，分別為線性距離判別[14]、支持向量機（SVM）[15]、Fisher判別（LDA）。本研究分別對這3種分類器進行了測試，結(jié)果見圖7。

圖7 測試不同的分類器

由圖7可知，F(xiàn)isher判別（LDA）方法設(shè)計分類器分類成功率達到96%，是3種分類器中分類效果最好的。因此本研究采用Fisher判別（LDA）方法設(shè)計分類器。

2.5 采集新數(shù)據(jù)

為驗證算法的正確性，本研究采集了新的心電數(shù)據(jù)。

實驗方案：采集20名健康大學生的30 s心電數(shù)據(jù)，其中男女各10名。實驗設(shè)備采用實驗室自主研發(fā)的穿戴式多參數(shù)生理信息監(jiān)護系統(tǒng)及十二導(dǎo)聯(lián)心電圖機。共采集了4次心電數(shù)據(jù)，分別是第一次采集、隔一天采集，隔一周采集和隔一個月采集。

第一、二次采集數(shù)據(jù)后分類的成功率達到96%，第3次采集數(shù)據(jù)后分類的成功率達到94%，第4次采集數(shù)據(jù)后分類的成功率達到90%。

3 結(jié)果

系統(tǒng)具有依據(jù)心電信號進行身份識別的特點。由于心電信號不容易造假，因此該系統(tǒng)具有較高的可信度，并且數(shù)據(jù)計算精確，分類成功率達到90%以上，具有較強的市場應(yīng)用價值。

本研究采用QT校正法使得相同人在不同時間段的心電信號大致相同，同時利用LDA分類器進行分類，進而提高了身份識別的準確率。由于當今社會身份識別的方法已經(jīng)較為完善，該系統(tǒng)可以作為一種輔助身份識別的方法來確保社會安定。

隨著移動終端與社交網(wǎng)絡(luò)的進一步普及，基于大數(shù)據(jù)挖掘的醫(yī)療保健將成為新的熱點。該系統(tǒng)的不足之處在于，人數(shù)較多的情況下有可能會出現(xiàn)身份識別成功率較低。未來的研究一方面將進一步完善算法，提高系統(tǒng)的實用性；另一方面將擴展系統(tǒng)的互聯(lián)網(wǎng)服務(wù)功能，并將軟件嵌入平板電腦與手機，進一步擴大可應(yīng)用范圍。

[1] 羅棻.生物識別技術(shù)的發(fā)展展望[J].重慶工商大學學報:自然科學版,2005,22(3):249-252.

[2] 劉元寧.基于指紋與虹膜生物識別技術(shù)研究[D].吉林:吉林大學,2003.

[3] Jain AK,Ross A,Prabhakar S.An introduction to biometric recognition[J].IEEE Transactions on Circuits and Systems for Video Technology,2004,14(1):4-20.

[4] Ao S,Ren W,Tang S.Analysis and reflection on the security of biometrics system[C].International Conference on Wireless Communications, Networking & Mobile Computing,2008:1-5.

[5] 陳光建,何華平,曾惠彬,等.心電信號放大濾波電路的研究與設(shè)計[J].四川理工學院學報:自然科學版,2009,22(4):107-109.

[6] 鄭秀玉,盧瑞祥.基于FIR濾波和數(shù)學形態(tài)學的心電信號預(yù)處理算法[J].中國醫(yī)療設(shè)備,2015,30(9):20-23.

[7] 周紅麗,劉仁光.QT間期校正和QT離散度檢測方法的探討[J].遼寧醫(yī)學院學報,2002,23(6):8-10.

[8] 趙仁剛.關(guān)于QT間期校正方法的探究[J].科技信息,2011,(34): 151-152.

[9] 陳同生.冠脈臨界病變患者心肌橋相關(guān)因素的回歸分析[J].河北醫(yī)藥,2014,(11):1669-1671.

[10] 張鵬.基于主成分分析的綜合評價研究[D].南京:南京理工大學, 2004.

[11] 史振威.獨立成分分析的若干算法及其應(yīng)用研究[D].大連:大連理工大學,2005.

[12] 趙峰,黃慶明,高文.一種基于奇異值分解的圖像匹配算法[J].計算機研究與發(fā)展,2010,47(1):23-32.

[13] 楊嬌.基于小波變換的圖像融合算法的研究[D].北京:中國地質(zhì)大學,2014.

[14] 李玉榕,項國波.一種基于馬氏距離的線性判別分析分類算法[J].計算機仿真,2006,23(8):86-88.

[15] 丁世飛,齊丙娟,譚紅艷.支持向量機理論與算法研究綜述[J].電子科技大學學報,2011,40(1):2-10.

Research on Identification System Based on ECG Signal

MA Zhuang-fei, LIANG Li-yan, LUO Yan-feng, XU Man
College of Life Science and Bioengineering, Beijing University of Technology, Beijing 100124, China

ObjectiveTo design a set of identifcation system based on ECG signal and to carry out algorithm design for the ECG signal so as to realize the function of identity recognition.MethodsFirstly, ECG data was collected partly from MIT database of the ECG data and partly from a portable ECG acquisition device. Then the features of ECG signals were extracted and the highest point of each R wave was located. We extracted 80 points before the highest point of the R wave and 170 points after the highest point. Finally, the principal component analysis (PCA) was used to reduce the dimension of data in matrix laboratory (MATLAB). The lineal discriminant analysis (LDA) was adopted to design a categorizer, which was also tested.ResultsThe experimental result indicated that the use of portable ECG acquisition equipment could collect ECG data in real time. The data after classifcation was unique and the correct classifcation rate was above 90%.ConclusionThis system has high innovation at the level of technology and application, which could provide certain guarantee for the security of the society, and has certain application value.

identifcation; ECG signal; security; intelligence

R197.39

A

10.3969/j.issn.1674-1633.2016.06.009

1674-1633(2016)06-0047-03

2015-11-24

2016-04-03

國家級大學生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項目（GJDC-2015-41）。

作者郵箱：632986169@qq.com