摘要
随着信息技术产业与互联网行业的蓬勃发展，日常便捷的生活与工作环境离不开个人身份识别系统。目前，使用证件、密码等传统的判别身份的方法由于无法满足人们的日常需求逐渐被淘汰，基于人体生理特征的生物信号身份识别技术逐渐成为研究热点。由于不同个体间存在的差异性，且生理信号独有的唯一性、稳定性、难伪造性等特征，利用其进行人体的身份识别具有得天独厚的优势。本文以光电容积脉搏波（PPG）信号与心电（ECG）信号为对象，设计并验证了一套完整的可网络化视窗的身份识别系统。 本文首先对PPG信号与ECG进行信号清洗，包括信号滤波、去噪处理等；接着切分信号周期，化为单周期信号，对PPG信号从时域、频域、血流信息参数等方面提取信号特征；对ECG信号从QRS主波时域与频域提取信号特征，分别构成PPG信号与ECG信号特征向量。 接着，为了增强身份识别系统的稳定性，本文提出了基于PPG信号与ECG信号特征层融合的方法，利用两个模态信号间相关性最小的原理，使各模态特有的特征得到充分表达，实现了各模态间特征互补，避免了单一模态特征身份识别系统识别精度不高的缺点。 由于融合过程只考虑到了两个模态信号之间的相关性，忽略了信号特征与个体类别之间的联系，因此，本文提出了基于柯西扰动粒子群改进邻域粗糙集模型实现融合特征的进一步降维，得到最终的融合特征向量。 为了获得更高的识别准确率，本文利用人工蜂群算法优化支持向量机，构建身份识别模型，将融合降维后的信号特征输入进模型中进行测试，验证本文所提算法的有效性。经过多次试验，本文所提出的基于PPG信号与ECG信号融合的身份识别方法性能良好，可以达到较高的正确识别率。 最后，本文实现了基于两个模态生理信号融合的身份识别系统网络化。利用WI-FI模块完成数据的无线传输，云平台或上位机上完成算法实现过程，通过图形显示界面或其他显示识别预测结果，构建一套完整的网络化身份识别系统。
NETL