[发明专利]基于PPG信号的邻域粗糙集属性约简身份识别方法及装置

说明书

本发明公开了一种基于PPG信号的邻域粗糙集属性约简身份识别方法及装置，方法包括：获取光电容积脉搏波PPG信号；依次进行预处理、特征提取得到特征信息，将带个体标签值的一个PPG信号周期提取得到的特征信息与对应的个体标签值整合起来组成一个样本，得到PPG信号决策信息表；基于设定的邻域参数和属性重要度阈值下限，采用邻域粗糙集属性约简的前向贪心搜索算法对PPG信号决策信息表中的特征属性进行约简处理，得到约简特征子集；根据待识别身份的PPG信号提取得到的特征信息，计算在设定的邻域参数下根据约简特征子集预测的个体标签，得到身份识别结果。提升了对PPG信号进行身份识别的效率与识别精度。

技术领域

本发明属于生理信号分析与处理技术领域，涉及一种基于PPG信号的邻域粗糙集属性约简身份识别方法及装置。

背景技术

随着网络安全与信息技术的飞速发展，传统的身份识别技术由于存在易丢失、易被遗忘等缺点，已经无法满足人们的日常需求。近年来，一些用于医学目的的生理信号也被广泛用于生物识别。生物识别技术具有唯一性、稳定性、可采集性等优点，目前已经被广泛应用于网络交易、军事安全等领域中。但是这些方法亦存在易被伪造、易获取等问题，基于人体生理信号的身份识别技术由此发展。

光电容积脉搏波(PPG)信号是人体的重要生理信号之一，其借助光电检测手段获得，反映人体固有生理特征，且个体间有明显差异。PPG信号因其具有易采集、唯一性、普遍性、稳定性等特点，获得了广大研究人员的青睐。目前，基于PPG信号的身份识别技术还有待完善且识别率不高，难以应用于实际生活。

近年来，关于PPG信号身份识别技术的研究如下：

A.Walia和A.Kaul于2019年在“2019 5th International Conference on SignalProcessing,Computing and Control(ISPCC)”会议上发表的文章“Human Recognitionvia PPG Signal using Temporal Correlation”中通过计算PPG信号及其一阶、二阶导数的自相关得到三个特征向量，分别送入基于欧氏距离的最小距离分类器，最终将分类结果进行融合，最终仅获得89.48％的识别率，算法识别率较低，无法满足日常需求。

Siam,A.I.,Elazm,A.A等人2021年在“Multimedia Tools and Applications”期刊上发表的文章“PPG-based human identification using Mel-frequency cepstralcoefficients and neural networks”提取梅尔频率倒谱系数(MFCC)并输入人工神经网络(ANN)中进行身份识别，最高达到98％的识别率，但MFCC特征提取过程复杂，大大提高了算法流程的复杂性，且特征值只能通过估计得到，缺乏严谨性。

发明内容

目的：为了完善现有技术的不足之处，本发明提供一种基于PPG信号的邻域粗糙集属性约简身份识别方法及装置。该方法利用邻域粗糙集理论划分特征域，前向贪心搜索决策空间中属性重要度较大的特征，完成对PPG信号特征的约简过程，并利用约简后的PPG信号特征子集，对个体身份进行识别，以获得和约简前同样的识别精度，同时缩短运行时间。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

第一方面，提供一种邻域粗糙集属性约简身份识别方法，包括：

获取光电容积脉搏波PPG信号；其中所述光电容积脉搏波PPG信号包括带个体标签值的PPG信号和待识别身份的PPG信号；

对获取的光电容积脉搏波PPG信号进行预处理；

对预处理后的PPG信号进行周期划分，每个个体选取N个单周期波形，对每个周期的PPG信号进行特征提取得到n个特征信息，