[发明专利]基于光电容积脉搏波的身份识别方法及其系统

权利要求书

1.基于光电容积脉搏波的身份识别方法，其特征在于包括以下步骤：

S1、数据预处理程序模块对采集的PPG信号进行预处理；

S2、广义S变换程序模块对预处理后的PPG信号进行广义S变换获取PPG频谱特征图；

S3、Getframe图像处理模块调用Getframe函数对PPG频谱特征图在每个时间点进行快照，获得一个连续的PPG频谱轨迹特征图；

S4、卷积神经网络对PPG频谱轨迹特征图进行特征提取、特征分类，实现身份识别。

2.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S1：所述预处理采用小波变换对PPG信号进行滤波处理以去除噪声，把PPG信号分割成分段信号以减少每段信号的数据处理量。

3.根据权利要求2所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S1：所述分段信号是任意分割成的具有相同时间长度的滤波处理后的PPG信号。

4.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S2：所述广义S变换程序模块通过广义S变换把时域的PPG信号转换到时频域，充分反映PPG信号的时频联合特性，获得每个时间点的PPG频谱特征图。

5.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S3：所述Getframe图像处理模块将PPG频谱轨迹特征图的大小和像素调整一致，作为卷积神经网络的输入信号。

6.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S4：所述卷积神经网络的卷积层和池化层对PPG频谱轨迹特征图提取特征；所述卷积神经网络的激活函数层和全连接层对PPG频谱轨迹特征图特征分类以进行身份识别。

7.根据权利要求6所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S4：所述激活函数层采用ReLu激活函数来降低梯度，所述全连接层采用Softmax分类器进行特征分类。

8.基于光电容积脉搏波的身份识别系统，其特征在于：所述系统包括数据预处理程序模块、广义S变换程序模块、Getframe图像处理程序模块、卷积神经网络，所述数据预处理程序模块、广义S变换程序模块、Getframe图像处理程序模块、卷积神经网络依次顺序连接，所述卷积神经网络包括卷积层、池化层、激活函数层、全连接层，采集的PPG信号经过所述系统执行权利要求1至7任一权利要求所述的基于光电容积脉搏波的身份识别方法，输出身份识别结果。