基于形态特征和KPCA融合特征的ECG身份识别

作     者：陈晓丹 徐慧芳 沈海斌 Chen Xiaodan;Xu Huifang;Shen Haibin

作者机构：浙江大学超大规模集成电路设计研究所 西湖电子集团有限公司医务室 

出 版 物：《电子技术（上海）》 (Electronic Technology)

年 卷 期：2015年第42卷第3期

页      码：5-8页

摘      要：ECG信号由于其唯一性,在身份识别中得到了越来越广泛的应用。但以往的研究基本只讨论在平静状态或不同情绪下的身份识别,没有考虑个体在运动中及运动后的识别情况。本文针对这个问题,研究在平静和运动状态混合下ECG身份识别的特征向量选取问题。实验分别提取QRS等特征点组成的形态特征、核主成分以及两者的融合特征,利用支持向量机(SVM)进行识别测试。其中训练使用平静状态下的数据,测试则使用平静与运动状态混合的数据集。实验结果显示当ECG身份识别扩展到平静和运动状态混合的情况下,形态特征和KPCA融合的特征有最优的识别效果,识别率达到98.7342%。

主 题 词：心电信号 运动状态 身份识别 特征提取 核主成分分析 融合特征 支持向量机 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

D　O　I：10.3969/j.issn.1000-0755.2015.03.002

馆 藏 号：203114010...