[发明专利]一种心电信号的认证方法和认证装置

说明书

本申请公开了一种心电信号的认证方法和认证装置。方法包括：获取待认证的心电信号；基于深度模型提取所述心电信号的语义特征，并基于提取的语义特征对所述心电信号执行认证。

技术领域

本发明涉及信号处理技术领域，更具体的说，涉及一种心电(ElectroCardiogram，ECG)信号的认证方法和认证装置。

背景技术

生物特征认证是利用每个人与生俱来独有的生理特征或行为特征如虹膜、指纹、人脸、语音和步态来确认个体的身份。相比于传统的认证方法有着较大的优势但同时也面临巨大的挑战，如出现的假手指、假人脸，语音可以被录音等等。心电信号认证是利用心电信号对操作者的身份进行确认的过程。由于其难以被仿造假冒、低成本获取途径和高度的判别性，作为一种新的生物特征，在安全领域中逐渐被广泛关注。

通常的心电信号认证涉及到以下步骤：

1.滤波：对采集到的心电信号进行数字滤波处理，以去除由仪器或者人体带来的信号噪声影响，从而供后续的认证或者识别。

2.QRS波群检测：心电信号记录心脏的周期性电活动，典型的心电波形包括P波、QRS波和T波。

3.分割:将一段经过滤波处理和QRS波群检测的心电信号分割成单独的心跳(heartbeat)或者信号分割段(segment)，其中一个信号分割段可以包含一个或者多个心跳。

4.特征提取：对心跳或者信号分割段提取手工特征(hand-craft features)，通常包括时域特征(time domain features)、频域特征(frequency domain features)和统计特征(statistical features)中的一种或者多种。

5.特征降维：由于提取的特征通常维度较高，为了节约计算时间和提高计算精度，通常用主成分分析(principle component analysis,PCA)或线性判别分析(lineardiscriminant analysis,LDA)对特征进行降维。

6.认证算法：主要包括基于相似度方法(similarity-based，如模板匹配)、基于概率方法(probabilistic-based，如贝叶斯决策)和基于分类方法(classification-based，如支持向量机、神经网络和决策树)等。

7.决策策略：两个测试信号经过上述处理之后，计算测试信号的信号分割段的特征均值，送入认证算法中得到的分类器或者模板。

ECG认证多用于安全领域，对精度要求很高。然而，在现有技术中，采用原始的手工特征执行ECG认证，认证准确度不高。

发明内容

本申请提出一种心电信号的认证方法和认证装置。本申请的技术方案如下：一种心电信号的认证方法，包括：

获取待认证的心电信号；

基于深度模型提取所述心电信号的语义特征，并基于提取的语义特征对所述心电信号执行认证。

一种心电信号的认证装置，包括：

心电信号获取模块，用于获取待认证的心电信号；

认证模块，用于基于深度模型提取所述心电信号的语义特征，并基于提取的语义特征对所述心电信号执行认证。

由此可见，本发明采用语义特征代替现有技术所采用的手工特征对心电信号执行认证，由于语义特征相比手工特征具有更强的判别力，因此本发明具有更高的认证准确性。

附图说明

图1为本发明的心电信号认证方法的流程图；

图2为本发明的相同心跳经过不同频率滤波器的效果示意图；