[发明专利]基于孪生神经网络的心电身份识别方法与装置

权利要求书

1.基于孪生神经网络的心电身份识别方法，其特征在于，包括如下步骤：

步骤10、用穿戴式设备采集心电信号并送入手机端，手机端将所获取的数据送入云端服务器；

步骤20、在云端服务器对心电信号进行滤波和标准化，将心电信号切片后由小波滤波滤除基线漂移，而后选取IIR50Hz陷波滤波器滤除工频干扰，并采取Z-score标准化，将信号幅值限定在0到1之间；

步骤30、将标准化后的心电信号提取心电信号的心率变异性HRV特征，获取时域指标、频域指标和非线性指标；

步骤40、建立融合模型对待检测信号进行身份识别；

步骤50、云端服务器将身份识别的结果传输回手机终端进行实时显示。

2.根据权利要求1所述的基于孪生神经网络的心电身份识别方法，其特征在于：所述穿戴式设备包括3个湿性心电电极、前段放大电路、带通滤波电路、50Hz陷波电路、主放大电路、A/D转换电路、微控制器及蓝牙模块；所述湿性心电电极用于采集心电信号；所述带通滤波电路用于限制心电信号的频率范围；所述50Hz陷波电路用于滤除工频干扰；所述前段放大电路及主放大电路用于放大信号；所述A/D转换电路用于对心电信号进行模数转换，所述微控制器通过蓝牙模块将心电信号传输到手机终端。

3.根据权利要求1所述的基于孪生神经网络的心电身份识别方法，其特征在于：所述步骤20中，采用动态软值函数来提供小波系数的临界阈值，判断该层小波分解是否需要被舍弃；通过将上述小波变换所得的各层小波系数与对应临界阈值进行比较，来确定信号中所包含的噪声成分；如果小波系数小于阈值，则认为其反映的是噪声成分，应予以舍弃；若大于临界阈值，则认为该系数反映的是信号的固有部分，予以保留；上述的动态软值处理过程的数学形式为：其中，临界阈值j为小波分解的尺度，λ为通用阈值；估计值与实际值w_jk之间的差值因动态软值函数的作用，会始终处于λ以下；当|w_jk|＞T_j，则有而滤除工频干扰的IIR50Hz的带阻滤波器设计为其中，a和b均为三维数组，由以下各式决定：对滤波信号采取Z-score标准化，并将数据映射到(0,1]范围内，即