基于Android的心音身份识别系统研究

何圣康，赵治栋

(1.杭州电子科技大学通信工程学院，浙江 杭州310018;2.杭州电子科技大学电子信息学院，浙江 杭州310018)

0 引 言

常见的生物特征识别技术有指纹、虹膜、视网膜、人脸、声纹、步态等[1-2]。不同于传统的生物识别技术，心音身份识别技术采用心音信号进行身份识别。不同的人的心音信号有着完全不同的特征且具有极高的稳定性，可以作为生物识别技术的识别特征[3]。近年来，国内外一些研究人员对心音身份识别进行了研究，证明了采用心音信号进行个人身份识别的可能性，并取得了一定的进展[4]。本文开发的基于Android的心音身份识别系统，能够方便地完成对用户心音信号的采集，完成用户的注册以及识别。

1 心音身份识别原理

利用心音信号进行身份识别主要包括两个过程:训练过程和识别过程。

在训练的过程中，本文提取MFCC 作为特征参数。MFCC 指的是MEL 频率倒谱系数，常用于提取语音信号的特征参数。考虑到心音信号和语音信号同属于音频信号，心音信号同样可以提取MFCC 作为特征参数。

MFCC参数提取流程如图1所示。

图1 MFCC参数提取流程

在对语音信号提取MFCC 特征参数时，帧长范围是20 25 ms。不同于语音信号，心音信号具备准周期性，标准语音帧长的20 25 ms 并不适用于心音信号，而是应该大于20 25 ms[4]。本文选取的心音信号的帧长为256 ms，帧移为64 ms。由于心音信号的频率范围为30 500 Hz，所以MEL 滤波器组的截止频率选取500 Hz[5]。

在模式匹配的过程中，采用矢量量化VQ模型匹配算法。通过LBG算法从所有特征矢量中训练出可以表征一个人身份的码本。LBG 初始码本的生成采用分裂法，通过不断地寻找与质心的畸变最大的矢量，并以该矢量作为质心进行下一次分裂的分裂方法。

在识别的过程中，提取待测试心音信号的特征矢量序列，计算特征矢量序列对应每一个码本的平均量化误差，平均量化误差最小的码本对应的人便是系统的识别结果。

2 系统实现

2.1 硬件系统

系统由上位机和下位机组成，下位机完成心音信号的采集、AD 转换，通过HC-06 蓝牙模块将AD 转换后的数据通过蓝牙传输技术发送至Android 智能手机。Android 智能手机作为上位机，完成心音信号的接收、显示及处理，系统的硬件框图如图2所示。

图2 硬件系统框图

心音信号通过自制心音拾音头采集，由驻极体话筒、听诊头改装而成，可以将声音信号转换为电压信号。通过30 500 Hz 有源滤波器获取有效频率范围内的心音信号。音频放大电路选用LM4811，通过dsPIC 主控电路完成对增益大小的控制。经过主放大电路后，通过耳机收听实时的心音。此外，dsPIC 主控单元的作用还包括AD 转换、电源管理。心音信号的采样频率为2 000 Hz，波特率为57 600 bps。经过12位AD 转换后的数字信号通过dsPIC 芯片的串口发送至HC-06 蓝牙模块。通过蓝牙发送数据至上位机。

2.2 基于蓝牙的心音数据传输系统

Android 智能手机和心音采集设备的蓝牙配对及传输过程如图3所示。

经过AD 转换后的数据，通过HC-06 蓝牙模块发送，每一个HC-06 蓝牙模块具备一个固有的MAC地址。接收方Android 手机打开蓝牙，并向系统注册程序UUID。搜索蓝牙设备，找到HC-06 蓝牙模块，获取其MAC 地址。通过该MAC 地址得到BluetoothDevice 对象。该BluetoothDevice 对象使用上述UUID 获得BluetoothSocket 对象。通过BluetoothSocket 对象的connect()方法完成BluetoothSocket的连接。若Android 手机在此之前并未与HC-06 配对，便需要输入配对密码完成与HC-06 模块的配对，该配对密码由HC-06 模块设定，可人为修改。完成上述步骤后，便完成了手机同蓝牙模块的连接，可以完成蓝牙数据的接收。

图3 使用传统方式蓝牙配对完成数据传输

3 心音身份识别系统软件实现

本文设计的心音身份识别系统基于Android 操作系统开发，可以完成心音数据的蓝牙接收、波形显示、注册及识别。

1)数据蓝牙接收处理。AD 转换后的心音数据为12位AD数据，数据按照字节传送，先传低8位，后发高4位，一个AD 转换结果为2 byte。Android 智能手机在接收蓝牙模块发送而来的数据的过程中，通过BluetoothSocket 对象的getInputStream()方法获得InputStream输入流对象。按照字节接收通过蓝牙模组发送到手机的数据。

2)波形显示。在自定义的SurfaceView 显示控件中显示心音信号波形。在应用的主Activity 中接收AD 转换后的心音数据，接受到的数据不断更新，在自定义SurfaceView 显示控件中不断处理更新后的数据，并显示到屏幕中。

3)注册模块。心音信号的注册模块包括基本信息的注册和心音信号的采集。基本信息的注册包括姓名、年龄、联系方式。将个人信息保存到SQLite数据库中，然后采集一段心音信号，由蓝牙传输至Android 手机。完成采集后，提取MFCC 特征参数，利用LBG算法生成码本，以txt 文档格式保存。在SQLite数据库中保存对应码本文件的文件路径，方便辨识操作的调用。

4)辨识模块。在用户辨识模块，首先采集一段待识别心音信号，提取其MFCC 特征参数，分别与系统中的每一个码本计算平均量化误差。平均量化误差最小的便是识别结果。

4 实验结果

试验采集了40 人的心音信号，用于进行系统识别性能的测试。本次心音数据均采集于心脏的P区。主要从两个方面进行试验分析。

1)心音采集时间对系统识别性能的影响。不同的心音采集时间对系统识别性能有较大影响，不同采集时间对于本系统性能的影响如表1所示。选取FFT点数为512，Mel 滤波器的个数为64，横排表示注册时间，竖排表示辨识时间。

由表1可知，当辨识心音信号和注册心音信号的采集时间分别6 s和40 s时，系统的正确识别率不会随着采集时间的增加发生明显的变化，此时的正确识别率为95%。

表1 不同心音信号采集时间对应的正确识别率

2)Mel 滤波器个数对识别性能的影响。Mel 频率滤波器个数的增加会增加心音频域的个性特征，但个数过多会导致算法的复杂度增加。本系统在注册信号采集时间为40 s，辨识信号采集时间为6 s，FFT点数为512时，不同的Mel 滤波器个数对应的系统正确识别率CRR 如表2所示。

表2 不同Mel 滤波器个数对应的正确识别率

由表2可知，当滤波器个数达到一定值时，识别率固定在一定的值，不再发生变化，并不会随着滤波器个数的增加而不断上升。根据实验结果，本文可以取48 64的滤波器个数。

5 结束语

本文基于Android 操作系统开发了心音身份识别系统，利用MFCC 提取特征参数，并基于VQ 实现了身份匹配。数据采集系统和数据传输系统自行研发，可完成心音信号的高质量采集。实验表明，本文设计的心音身份识别系统可以准确高效地实现用户的身份识别。

[1]陈洪京.几种生物识别方法的比较研究[J].河北省科学院学报，2007，24(4):33-37.

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

[3]刘娟，赵治栋.基于心音信号谱分析的身份特征提取算法[J].杭州电子科技大学学报，2010，30(4):181-185.

[4]Phua K，Chen J，Dat T H，et al.Heart sound as a biometric[J].Pattern Recognition，2008，41(3):906-919.

[5]赵力.语音信号处理[M].北京:机械工业出版社，2009∶51-55.