基于心电信号的身份识别系统研究

马壮飞，梁栗炎，罗延丰，徐曼

北京工业大学 生命科学与生物工程学院， 北京 100124

基于心电信号的身份识别系统研究

马壮飞，梁栗炎，罗延丰，徐曼

北京工业大学 生命科学与生物工程学院， 北京 100124

目的设计一套基于心电信号的身份识别系统，对采集到的心电信号进行算法设计，进而实现身份识别功能。方法首先采集心电数据：一部分是MIT数据库的心电数据，一部分是用便携式心电采集装置采集的心电数据。然后进行心电信号特征提取，在每个心动周期内先找到R波的最高点，然后再提取R波最高点前80个点和后170个点作为处理对象。最后在MATLAB中采用主成分分析（PCA）方法进行数据降维，采用线性判别分析（LDA）方法设计分类器，并进行测试。结果实验结果表明，该心电采集设备可以实时采集心电数据，分类后的数据具有唯一性且分类的正确率达到了90%以上。结论本系统在技术与应用层面上具有一定的创新性，可为社会的安全性提供一定的保障，具有一定应用价值。

身份识别；心电信号；安全性；智能化

随着信息技术的快速发展，网络已成为人们生活中必不可少的一部分，与此同时信息的安全性也面临着巨大的挑战，如何精准的实现身份识别成为了重要的研究课题。传统的身份识别方法如个人证件、ID卡等需要随身携带，容易丢失或被窃取，一旦被窃取或者盗用，自身安全及隐私则会受到威胁。现代科技下，人们拓展了人脸识别与指纹识别技术，但这两种技术的问题在于可以用照片或孪生兄妹代替，而指纹可以用硅胶伪造，降低了安全性。因此，传统的个人身份认证已不能很好地满足信息时代对于信息安全的要求，最近兴起的生物识别技术或许能在某种程度上解决这个难题[1]。

生物识别技术是一种以生物技术为基础，以信息技术为手段，将生物和信息这两种技术融合为一体的模式识别，它是根据人体生理特征和行为特征来识别身份的技术。由于生物特征具有唯一性和一定时期的稳定性，不容易伪造和假冒，所以利用生物识别技术进行身份认定安全、可靠、准确[2]。随着生物识别技术的不断深入，借助于人体内含的生物电、声信号等生理特征进行身份识别的技术逐渐进入了研究视野，基于心电信号的生物识别技术在这样的背景下被提出[3-4]。

心电图（Electrocardiograph，ECG）是人体心脏跳动时产生的生物电势，由于每个人的心脏大小、形状、位置等不同，因而心脏跳动时所产生的生物电势也大不相同，也就是每个心电都是独一无二的，这样就弥补了传统身份识别的缺点，同时也增强了安全性和可靠性。本研究设计了一套基于心电信号的身份识别系统，对采集到的心电信号进行算法设计，进而实现身份识别功能，报道如下。

1 系统设计

基于心电信号的身份识别系统流程图，见图1。系统主要包括心电数据的实时采集、理论研究、系统的软件制作等3部分。首先采集心电信号，通过蓝牙传输将生理信息传输至计算机，然后对采集的心电信号进行滤波处理，并设计一套心电身份识别算法，最后通过软件系统进行展示。为了使得算法更加准确可靠，首先利用美国麻省理工的MIT数据库对算法进行初步验证，然后再采用便携式心电采集设备采集的数据对算法进行再次验证。分3期进行数据采集，第一期是隔一天采集一次，第二期是隔一周采集一次，第三期是隔一个月采集一次，目的是采用不同分期的数据来验证算法的稳定性。

图1 系统流程图

2 系统算法

本研究设计了心电识别算法，算法流程图，见图2。

图2 算法流程图

（1）设计滤波器，对心电进行预处理。由于算法是在采集设备中使用，为保留更多的生理信息，这里仅对基线及尖刺脉冲进行处理。

（2）设计算法，检测心电特征点，并进一步提取心电相关特征。

（3）采用逐步回归对特征进行筛选，保留有显著差异的特征，以减少算法运算量并提高正确率。

（4）设计分类器，使用不同的分类器并调整参数进行评估测试，最终得到最优分类器。

2.1 心电信号的滤波

本研究采用的滤波方法为去尖刺脉冲、去基线漂移、数据平滑处理[5-6]。

2.1.1 去尖刺脉冲

本研究中，对每个点做向前差分处理，当某个点的差分值大于固定阈值时，则用前一个点替代这个样本点，以此达到去除尖刺脉冲的效果。

2.1.2 去基线漂移

心电数据通常含有一定的基线漂移，这是由呼吸、微小运动等干扰造成的，与心电监测所需诊断的病理信息无关，通常被视为噪声。本研究设计了基线滤波器对心电进行去基线处理。

2.1.3 数据平滑处理

一般情况下，直接采集的生理信号需要做平滑处理。本研究设计简单实用的平滑滤波器：

其中，L1为常数，本研究取10；x(n)为平滑处理前的数据；X(n)为平滑处理后的数据。利用公式(1)处理过的数据画出的心电波形更加平滑，可为后续处理心电信号打下良好的基础，同时也可提高心电波形的可信度。

2.2 心电信号特征提取

在每个心动周期内先找到R波的最高点，然后再提取R波最高点前80个点和后170个点作为处理对象。同时也要找到R波最高点所对应的横坐标。

2.2.1 QT校正的目的

由于不同人在不同时期心率不同，因此心电图中的QT间期各不相同，对QT间期做校正的目的是：心率不同的情况下，QT间期能够大概相同。

QT校正的计算公式为QTc=QT+0.13(1-RR)[7-8]。RR是指第一个R波峰值到第二个R波峰值的距离，QTc是指经过QT校正后的QT间期的值。QT校正的目的是为下一步做主成分分析（Principal Component Analysis，PCA）降维做准备。QT校正前后的对比图，见图3。

图3QT校正前后对比图

可以看出，QT校正前的心电波形由于心率不同导致QT间期不同，因此有可能导致错误的识别，而经过QT校正后的心电波形不会因为心率不同而导致QT间期不同，可提高识别的准确率。

QT校正分为两部分：平均叠加、计算欧式距离。

2.2.2 平均叠加

每10个心动周期取一次平均心动周期，从而为找到离平均心动周期最近的6个心动周期做准备。平均叠加图，见图4。可以看出，经过平均叠加后的心电波形综合了每10个心动周期的特征，可减小运算量并提高识别的准确率。

图4 平均叠加图

2.2.3 欧氏距离公式

本研究使用欧式距离公式计算出不同心动周期与平均心动周期距离最近的6个，因为这6个心动周期已经可以代表每10个的平均水平。欧式距离，见图5。可以看出，与平均值距离最近的6个已经能够代表一个人的心电特征了，这样做可以去掉那些因为外界干扰或外界噪声而导致不正确的心电信号，从而提高了识别的准确率。

图5 欧式距离

2.3 特征筛选

特征筛选是分类或模式识别中的重要步骤，目的是去除与目标不相关的干扰信息，提高正确率，同时减少特征维度，提高算法运行效率。常用的特征筛选或数据降维方法有逐步回归[9]、主成分分析（PCA）[10]、独立成分分析（ICA）[11]、奇异值分解（SVD）[12]、小波变换（WT）[13]等。以上特征筛选方法各有优劣，有时会结合使用。本研究采用PCA法和WT法，结果表明PCA法比WT法的正确率高，因此本研究采用PCA法来进行特征筛选。

本研究中，特征点的数量是250个。将250个特征点降低到30、20、10个，结果发现降低到20个的正确率比降低到10个和30个的正确率高。因此本研究采用PCA法将250维的数据降低到20维，结果见图6。可以看出，当主成分数目为20时，方差累计百分比已经基本接近100%，也就是说，特征点数是20时所代表的特征已经基本可以代表特征点是250时所代表的特征。因此本研究将250维的数据降低到20维，既减小了运算量又提高了识别的准确率。

图6 PCA降维图

2.4 设计分类器

经过查阅文献得知，主要有3种方法设计分类器，分别为线性距离判别[14]、支持向量机（SVM）[15]、Fisher判别（LDA）。本研究分别对这3种分类器进行了测试，结果见图7。

图7 测试不同的分类器

由图7可知，Fisher判别（LDA）方法设计分类器分类成功率达到96%，是3种分类器中分类效果最好的。因此本研究采用Fisher判别（LDA）方法设计分类器。

2.5 采集新数据

为验证算法的正确性，本研究采集了新的心电数据。

实验方案：采集20名健康大学生的30 s心电数据，其中男女各10名。实验设备采用实验室自主研发的穿戴式多参数生理信息监护系统及十二导联心电图机。共采集了4次心电数据，分别是第一次采集、隔一天采集，隔一周采集和隔一个月采集。

第一、二次采集数据后分类的成功率达到96%，第3次采集数据后分类的成功率达到94%，第4次采集数据后分类的成功率达到90%。

3 结果

系统具有依据心电信号进行身份识别的特点。由于心电信号不容易造假，因此该系统具有较高的可信度，并且数据计算精确，分类成功率达到90%以上，具有较强的市场应用价值。

本研究采用QT校正法使得相同人在不同时间段的心电信号大致相同，同时利用LDA分类器进行分类，进而提高了身份识别的准确率。由于当今社会身份识别的方法已经较为完善，该系统可以作为一种辅助身份识别的方法来确保社会安定。

随着移动终端与社交网络的进一步普及，基于大数据挖掘的医疗保健将成为新的热点。该系统的不足之处在于，人数较多的情况下有可能会出现身份识别成功率较低。未来的研究一方面将进一步完善算法，提高系统的实用性；另一方面将扩展系统的互联网服务功能，并将软件嵌入平板电脑与手机，进一步扩大可应用范围。

[1] 罗棻.生物识别技术的发展展望[J].重庆工商大学学报:自然科学版,2005,22(3):249-252.

[2] 刘元宁.基于指纹与虹膜生物识别技术研究[D].吉林:吉林大学,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] 陈光建,何华平,曾惠彬,等.心电信号放大滤波电路的研究与设计[J].四川理工学院学报:自然科学版,2009,22(4):107-109.

[6] 郑秀玉,卢瑞祥.基于FIR滤波和数学形态学的心电信号预处理算法[J].中国医疗设备,2015,30(9):20-23.

[7] 周红丽,刘仁光.QT间期校正和QT离散度检测方法的探讨[J].辽宁医学院学报,2002,23(6):8-10.

[8] 赵仁刚.关于QT间期校正方法的探究[J].科技信息,2011,(34): 151-152.

[9] 陈同生.冠脉临界病变患者心肌桥相关因素的回归分析[J].河北医药,2014,(11):1669-1671.

[10] 张鹏.基于主成分分析的综合评价研究[D].南京:南京理工大学, 2004.

[11] 史振威.独立成分分析的若干算法及其应用研究[D].大连:大连理工大学,2005.

[12] 赵峰,黄庆明,高文.一种基于奇异值分解的图像匹配算法[J].计算机研究与发展,2010,47(1):23-32.

[13] 杨娇.基于小波变换的图像融合算法的研究[D].北京:中国地质大学,2014.

[14] 李玉榕,项国波.一种基于马氏距离的线性判别分析分类算法[J].计算机仿真,2006,23(8):86-88.

[15] 丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,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

国家级大学生创新创业训练项目（GJDC-2015-41）。

作者邮箱：632986169@qq.com