论文部分内容阅读
随着科学技术与通信网络的快速发展,人们对于身份识别技术的要求也越来越高,稳定性、实用性、安全性越来越被人们所重视,一些传统的身份识别方法已经不能满足人类的需求,所以越来越多的人将目光投向了生物特征识别这一新的领域。生物特征识别指的是利用计算机,采集人体某些部位的生物特征,并将其用于身份识别的过程。它兼具易采集、稳定性高、唯一性等特点,用作身份识别是十分理想的。但是不可否认的是,生物特征识别在实际应用方面还是面临着诸多的挑战,其中最具有代表性的就是识别安全的问题,所以寻求一种识别安全性能高的生物特征识别方法是很有必要的。心音检测的原理是在多个信号当中找出每组信号的不同之处,而心音识别是在不同信号当中找出与目标信号的相同之处。本文利用心音信号这一人体特征提出了新的身份识别算法,即基于Mel频率倒谱系数与短时能量相结合的GMM识别算法,该方法在原有参数MFCC的基础上,增加了心音信号的短时能量信息,结合高斯混合模型的辨识算法,采集心音数据样本,构建心音库,研究模型的具体估算算法,分析了高斯混合模型的基本原理,构建了心音身份识别系统,实现心音信号特征参数的识别。通过实验表明了该算法具有识别率比较高,并且计算复杂度小的特点。本文介绍了常用的生物识别技术同时阐述了心音信号的理论基础以及时频特性,分析了心音信号噪声的可能来源,根据心音信号中噪音的不同以及对几种去噪方法的比较;提出基于小波阈值去噪算法对心音信号进行预处理,介绍了几种常见的小波函数,并对其特性进行了简要的分析,通过对比不同小波函数的处理结果对小波基函数进行一个合理的选取进而有效的完成去噪;试验阶段,利用已经构建好的心音库对该算法进行测试,对于算法的不同参数的设置进行了具体的研究,分析比较了不同的参数对于系统识别性能的影响,得到了最优的参数组合,使系统获得了最好的识别性能。