[发明专利]基于肌电信号的身份识别系统、方法及设备

说明书

本发明属于生物特征识别算法技术领域，具体涉及了一种基于肌电信号的身份识别系统、方法及设备，旨在解决现有肌电信号去噪模型噪声去除鲁棒性较差，不能自适应调整的问题。本发明系统包括信号去噪模块，基于选定的滤波器组合，对输入的肌电信号进行去噪；所述选定的滤波器组合，基于预设的多个滤波器，通过循环神经网络，采用强化学习方法获取；特征提取模块，采用连续小波变换方法，将去噪后的肌电信号由离散的一维特征信号转变成二维的时频域图像；身份识别模块，基于所述二维的时频域图像，通过注意力机制的卷积神经网络获取身份识别信息。本发明提高了滤波去噪的鲁棒性和去噪效果，同时提升了识别率以及节约了计算资源。

背景技术

随着互联网的发展，个人信息的安全性越来越重要。因此，为了确保人们的信息安全，引入了各种各样的身份识别方法。传统的个人身份识别方法，如个人识别码(PIN)或识别标签(ID)，由于PIN/ID泄漏、盗窃和伪造的风险，不足以满足安全要求。然后，研究者们提出了利用人体独特的生理特征识别用户信息的生物识别技术，以消除传统识别方法的风险。目前，人脸，指纹，虹膜等形态学生物特征已被广泛应用于识别系统中。然而，这些生物特征模式也可以伪造和篡改。例如，人脸对人工伪装敏感，指纹很容易用乳胶重建，虹膜可以通过在隐形眼镜上打印其特征来伪造。来自日本横滨国立大学的研究人员制作了一个塑料模具，它起源于指纹读取器上留下的活指和手指痕迹，以欺骗指纹读取器。

生物识别的生物体特征如心电图(ECG)或脑电图(EEG)是一种实现活体检测和防止欺骗攻击的方法。有文献指出研究了使用从休息期间记录的ECG中特征提取的人体识别系统，识别的准确性为100％。也存在文献研究证实，EEG携带的个人特定信息可以成功地用于识别和认证。然而，收集ECG或EEG信号是不方便的。

肌电图(EMG)信号也可用于个人识别系统。它是由神经系统控制并依赖于肌肉的解剖学和生理特征的复杂信号。由于完整的肌肉，完整的中枢神经系统和大脑之间的直接联系是个体的，并且与每个人的生理学直接相关，因此EMG信号是独特的、稳定的并且难以伪造和篡改。因此，可以使用EMG信号进行个人识别。除此之外，EMG信号的采集比ECG或EEG更简单方便，因为EMG的采集装置可以佩戴在手臂或腿上或身体的任何其他部位。目前，关于基于EMG信号的识别的研究很少。研究者们通过使用来自下肢肌肉的肌电信号分析步态习惯，提出了一种个人识别方法。该实验获得了93％的平均识别准确度。另外也有采用人工神经网络算法处理通过电极获取的肌电信号来开展身份识别实验，该实验获得了81.6％的识别精度。前者的识别方法在适用人群中具有局限性，例如腿或脚不方便的残疾人可能不适用。后者采用的人工神经网络算法进行身份识别，获得的识别精度不高。然而这些研究都是基于假设采集的信号理想的情况下，忽略掉肌电信号获取过程中噪声引入形成误差信号，在这种情况下会影响识别率。此外，随着识别人群的壮大，计算资源也应当纳入考虑之中。

总结来说，目前现有的基于肌电信号的身份识别的算法处理系统还不完善，研究者们侧重的点仅仅在于基于肌电身份识别的识别率，而忽略掉从获取肌电信号的采集过程中噪声的引入、计算资源的节约。因此，本发明提出了一整套算法处理系统，既保障了识别率又节约计算资源。

发明内容

为了解决现有技术中的上述问题，即现有肌电信号去噪模型噪声去除鲁棒性较差，不能自适应调整的问题，本发明提供了一种基于肌电信号的身份识别系统，该身份识别系统包括信号去噪模块、特征提取模块以及身份识别模块；

所述信号去噪模块，基于选定的滤波器组合，对输入的肌电信号进行去噪；所述选定的滤波器组合，基于预设的多个滤波器，通过循环神经网络，采用强化学习方法获取；

所述特征提取模块，采用连续小波变换方法，将去噪后的肌电信号由离散的一维特征信号转变成二维的时频域图像；

所述身份识别模块，基于所述二维的时频域图像，通过注意力机制的卷积神经网络获取身份识别信息。

在一些优选的实施方式中，所述信号去噪模块中选定的滤波器组合，通过滤波器生成模块获取；所述滤波器生成模块包括搜索空间单元、搜索器模块、强化学习单元；