[发明专利]基于神经网络时频分析相结合的心电身份识别方法及系统

说明书

本发明提供了一种基于神经网络时频分析相结合的心电身份识别方法及系统。其中，该方法包括对心电信号进行预处理；将预处理后的心电信号进行时频转换，提取出每个心拍的倒谱系数作为识别特征，得到初始频域特征向量，再将初始频域特征向量输入至第一神经网络模型，得到抽象后的频域特征向量；基于第二神经网络模型提取预处理后的心电信号的时域特征，获取时域特征向量；将抽象后的频域特征向量与时域特征向量拼接后输入最后的激活函数为softmax的全连接层进行识别，输出识别结果。

技术领域

本发明涉及生物特征识别领域，尤其涉及一种基于神经网络时频分析相结合的心电身份识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

心电信号作为一种安全性很高的生物特征，近年来得到了广泛的关注，这种生物特征在不同个体间具有比较明显的差异性，除了可以被用作疾病诊断的依据外，同样可被用于身份识别。此外心电信号产生于人体内，很难被窃取或伪造，因此基于心电信号的身份识别(简称心电身份识别)具有很好的发展前景。常见的心电信号特征提取方法有滤波器组法、阈值判别法、小波变换等。

另外随着深度学习的发展，使用深度网络来解决身份识别问题的技术方法也层出不穷，例如常见的BP神经网络、RNN、LSTM等模型，然而这些网络模型都存在着一定的缺陷。发明人发现，BP神经网络非常容易陷入局部最小值，RNN无法解决长时依赖问题，LSTM无法进行并行计算，训练所消耗的资源巨大。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于神经网络时频分析相结合的心电身份识别方法及系统，可以进一步提高心电身份识别系统的识别性能和效率。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于神经网络时频分析相结合的心电身份识别方法。

一种基于神经网络时频分析相结合的心电身份识别方法，包括：

对心电信号进行预处理；

将预处理后的心电信号进行时频转换，提取出每个心拍的倒谱系数作为识别特征，得到初始频域特征向量，再将初始频域特征向量输入至第一神经网络模型，得到抽象后的频域特征向量；基于第二神经网络模型提取预处理后的心电信号的时域特征，获取时域特征向量；

将抽象后的频域特征向量与时域特征向量拼接后输入最后的激活函数为softmax的全连接层进行识别，输出识别结果。

本发明的第二个方面提供一种基于神经网络时频分析相结合的心电身份识别系统。

一种基于神经网络时频分析相结合的心电身份识别系统，包括：

预处理模块，其用于对心电信号进行预处理；

特征提取模块，其用于将预处理后的心电信号进行时频转换，提取出每个心拍的倒谱系数作为识别特征，得到初始频域特征向量，再将初始频域特征向量输入至第一神经网络模型，得到抽象后的频域特征向量；基于第二神经网络模型提取预处理后的心电信号的时域特征，获取时域特征向量；

识别模块，其用于将抽象后的频域特征向量与时域特征向量拼接后输入最后的激活函数为softmax的全连接层进行识别，输出识别结果。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于神经网络时频分析相结合的心电身份识别方法中的步骤。

本发明的第四个方面提供一种计算机设备。