人体局域网(Body Area Network,BAN),就是通过体表或者体内的传输媒介,进行生理体征信号采集的一种方式,并将采集到的信号传输到智能终端、医院、以及社区医疗中心,以缓解近年来医疗物资匮乏的现象。虽然BAN技术的迅速发展带给人们生活极大的便利,但同时也产生了一系列未知的安全隐患。本文针对体域网安全方面所存在的隐患,提出了一种新型的基于心电信号特征与信道量化参数的体域网安全技术加密方案。首先,运用QRS特征波群识别,提取心电信号特征值。在提取心电信号特征值之前,设计基于形态学和双树复小波变换的心电信号预处理方案,来增强信号的时域特征,进而可以有效地提取心电信号的特征值。然后,对比分析了一系列R波提取方法,提出一种基于双阈值粗细模板匹配的R波识别方案,通过不断地更新幅度阈值来进行心电信号波形中R波的定位。通过实验分析表明,R波的识别率在98.32%以上。并通过斜率突变法成功地识别Q、S波,完成心电信号特征值的计算。该算法的运算量小于窗口搜索法的Q、S波识别,且易于实现。其次,分析BAN信道的特性和影响BAN信道的因素。分析超短信道的信道估计系统模型,详细分析了在该信道模型下,最小二乘法和最小均方误差信道估计算法的原理,并总结出最小均方误差法为最小二乘法的后置滤波。运用最小均方误差算法仿真得到信道相位和幅度信息,通过自适应的双门限量化方法将得到的信道相位和幅度信息进行量化处理,来完成联合加密技术参数的设定。最后,根据所研究的心电信道特征值、信道相位和幅度信息,设计出基于心电信号特征与信道量化参数的密钥生成方案。对该算法进行仿真,并采用统计学指标,对加密结果进行定量分析。实验结果显示该算法的二维图像相关性和相邻像素点相关性等指标均趋于理想值,表明本文提出算法有较强的加密效果。