[发明专利]基于人体PPG信号分段的身份识别方法

摘要

本发明公开了一种基于人体PPG信号分段的身份识别方法，主要解决现有基于PPG信号身份识别率较低的问题。实现步骤：1)获取训练数据库和测试数据；2)对训练数据预处理，建立单周期波形库；3)对单周期波形分段，获取各子波形集及权重因子；4)利用DNMF方法对各子波形集分解，获取基空间和训练子特征集；5)利用权重因子对训练子特征融合，获取训练模板库；6)对测试数据预处理并分段，获取子波形集及权重因子；7)将测试数据子波形在基空间上投影，获取测试子特征集；8)对测试子特征加权融合，获取测试特征集，利用SVM分类器完成身份识别。本发明识别率在99.62％以上，可应用于金融、政府机构等领域的个人身份识别。

主权项

1.基于人体PPG信号分段的身份识别方法，包括如下步骤：(1)获取训练数据库和测试数据；采集M个人在规定时间段内的光电容积脉搏波PPG信号，组成训练数据库S；再采集其中一人在另一时间段内的PPG信号，作为被鉴定者的测试数据x_G；(2)对训练数据库S依次进行去噪，归一化处理，波峰检测，波形分割，插值，去除差异性大的波形和进行波形平均，得到单周期平均波形数据库W；(3)将单周期平均波形数据库W中每一个单周期波形进行分段处理，得到训练数据的上子波形集V₁、中子波形集V₂和下子波形集V₃，并计算各子波形集中同一个人两两子波形之间的相似度，得到训练数据上子波形集的权重因子d₁、中子波形集的权重因子d₂和下子波形集的权重因子d₃；(4)利用鉴别式非负矩阵分解DNMF方法分别对训练数据的上子波形集V₁、中子波形集V₂和下子波形集V₃进行分解，得到训练数据上子波形集的基空间Z₁、中子波形集的基空间Z₂、下子波形集的基空间Z₃、训练数据上子波形特征集H₁、中子波形特征集H₂和下子波形特征集H₃；(5)利用训练数据上子波形集的权重因子d₁，中子波形集的权重因子d₂和下子波形集的权重因子d₃分别对训练数据上子波形特征集H₁，中子波形特征集H₂下子波形特征集H₃中相应的子特征进行加权融合，得到训练模板库H；(6)对被鉴定者的测试数据x_G依次进行步骤(2)‑(3)操作，得到测试数据x_G的上子波形集Α₁，中子波形集Α₂，下子波形集Α₃和测试数据上子波形集的权重因子a₁，测试数据中子波形集的权重因子a₂和测试数据下子波形集的权重因子a₃；(7)将测试数据x_G的上子波形集Α₁，中子波形集Α₂，下子波形集Α₃分别在训练数据上子波形集的基空间Z₁，中子波形集的基空间Z₂，下子波形集的基空间Z₃上进行投影，获得测试数据上子波形特征集F₁，中子波形特征集F₂和下子波形特征集F₃；(8)利用测试数据x_G的各子波形集的权重因子a₁，a₂和a₃，将测试数据x_G的上子波形特征集F₁，中子波形特征集F₂和下子波形特征集F₃进行加权融合，得到测试特征集F；(9)利用训练模板库H和被鉴定者的测试特征集F，对被鉴定者的身份进行识别。