[发明专利]基于稀疏表示和深度级联的心电信号身份识别方法和系统

说明书

本公开公开的基于稀疏表示和深度级联的心电信号身份识别方法和系统，包括：获取待识别的心电信号，对待识别的心电信号进行噪声消除；对消除噪声后的心电信号进行切割，获取等长化单周期信号；对等长化单周期信号通过稀疏表示和随机森林获取多尺度编码；将获得的多尺度编码进行深度级联获得深度级联编码；通过获得的深度级联编码对心电信号进行分类识别；对识别效果进行评价。在心电信号的识别过程中将稀疏表示和深度级联相结合，既能消除心电信号中存在的噪声，又能抽取出更多鉴别特征信息，可以充分学习心电信号隐藏的各种信息，提高了心电信号身份识别方法的性能和鲁棒性。

技术领域

本公开涉及基于稀疏表示和深度级联的心电信号身份识别方法和系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

由于心电信号具有不易被仿造、窃取和模仿的优点，心电信号作为一种新的生物特征识别技术已经成为身份识别领域的研究热点。现有心电信号身份识别方法有很多，如基于子空间学习方法、基于形状分析方法、基于稀疏表示方法和基于深度学习方法等等。由于心电信号中存在大量噪声，稀疏表示学习和深度学习能够较好的处理噪声数据，故目前基于稀疏表示学习和深度学习的方法是心电身份识别研究的热点。然而，现有稀疏表示学习只包含一步特征抽取步骤，无法抽取出更鉴别的特征，当数据被噪声严重污染时，稀疏表示性能较差，深度学习方法需要大规模的训练数据，训练深度学习方法需要消耗大量训练时间，同时深度学习对系统的软件和硬件要求也较高，故深度学习方法在心电识别中存在瓶颈。

发明内容

本公开为了解决上述问题，提出了基于稀疏表示和深度级联的心电信号身份识别方法和系统，在心电信号的识别过程中将稀疏表示和深度级联相结合，既能消除心电信号中存在的噪声，又能抽取出更多鉴别特征信息，可以充分学习心电信号隐藏的各种信息，提高了心电信号身份识别方法的性能和鲁棒性。

本公开的第一目的是，提出基于稀疏表示和深度级联的心电信号身份识别方法，包括：

获取待识别的心电信号，对待识别的心电信号进行噪声消除；

对消除噪声后的心电信号进行切割，获取等长化单周期信号；

对等长化单周期信号通过稀疏表示和随机森林获取多尺度编码；

将获得的多尺度编码进行深度级联获得深度级联编码；

通过获得的深度级联编码对心电信号进行分类识别。

进一步的，采用中值滤波法对待识别的心电信号进行噪声消除。

进一步的，获取等长化单周期信号的具体过程为：

(1)对消除噪声后的心电信号的R波峰点检测，通过R波峰把心电信号分割成若干单周期心电信号；

(2)把单周期心电信号分割成P波、QRS间期、ST段和T波；

(3)对P波、QRS间期、ST段和T波重采样至特定长度；

(4)把重采样后的P波、QRS间期、ST段和T波重新组合，获得等长化单周期信号。

进一步的，获取多尺度编码的具体过程为：

将等长化单周期信号进行多尺度划分，获得不同子段心电信号；

基于稀疏表示和随机森林的编码方法对不同子段心电信号提取心电信号特征并进行编码，得到不同子段心电信号的编码；

对同一尺度下的不同子段心电信号的编码进行平均池化，获得同一尺度下的心电信号的预测概率编码；

获取所有尺度下的心电信号预测概率编码，为多尺度编码。

基于稀疏表示和随机森林获取不同子段心电信号的编码的具体过程为：