摘要
随着信息技术的快速发展，信息安全问题日益突出，安全性与便捷性更高的生物识别技术成为发展趋势。在现实场景的应用中，单一生物识别系统中的数据噪声、特征类间相似性、非普遍性和欺骗攻击，都会对生物识别的准确性产生影响，多模生物识别技术研究为解决单一特征识别系统的诸多缺陷提供了有效的解决方案。本文选取心脏信号中的心电信号(Electrocardiograph, ECG)和光电容积脉搏波信号(Photoplethysmograph, PPG)进行融合识别研究，主要工作如下： (1)针对目前缺少同一受试者的ECG信号和PPG信号的数据库，难以展开相关工作的情况，利用实验室自行设计开发的信号采集装置对受试者的ECG信号和PPG信号进行了采集，建立了后续融合识别中所需的小型双模数据库，并对两种信号受到的干扰影响采取了相应的预处理手段，为后续信号处理奠定基础。 (2)研究了ECG信号特征提取的P-T算法和小波变换方法，分别提取了ECG信号的时域特征和幅值特征，并对信号进行周期分割。使用支持向量机分类器对信号特征进行多分类识别，P-T算法的识别率为96.1%，在阈值0.7368处等错误率为9.68%，小波变换方法的识别率为95.3%，在阈值0.7249处等错误率为12.15%。 (3)针对PPG信号的波形特征，提出了微分阈值法进行特征提取，从PPG信号的一阶导数曲线和二阶导数曲线中提取了信号4个时域特征与7个幅值特征，使用支持向量机分类器对PPG信号进行分类识别，并分析了单模态PPG识别系统的性能，识别率达到91.5%，在阈值0.8017处等错误率为24.3%。 (4)针对单模态的ECG信号和PPG信号识别技术存在的缺陷，在典型相关分析法的基础上提出了改进的判别相关分析法用于特征层融合，并针对本实验中两种信号融合的情况下提出了多集判别相关分析法。经过实验得到了融合识别的识别率为98.2%，短时训练情况下识别率相比较于单模识别有显著提升，在阈值0.6188处等错误率为8.642%，证明了双模融合识别系统的有效性。
NETL