论文部分内容阅读
生物特征识别是利用人体的生理特征或行为特征进行身份识别的技术,目前常用的生物特征识别技术主要有:人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声音识别等,具有防伪性能好,不易遗忘,随身携带,随时可用等优点。但是这些生物特征在应用中面临许多挑战,其中共同的不足是这些生物特征都可以被蓄意伪造,在安全性上存在潜在问题。心音身份识别是分析人体心音来进行身份识别的技术,心音是来自于人体内部的信号,不容易被模仿或复制,心音身份识别技术正逐渐受到国内外的重视。本文主要研究了基于频域特征的心音信号身份识别算法。首先在分析心音信号产生机理和时频域特性基础上,提出了一种基于频域特征的心音信号身份识别算法,分别在信号特征提取、匹配算法、信息融合等技术领域进行深入研究,并在实验阶段构建了在同听诊位置,不同身体状态、不同情绪、不同外界条件的心音数据库,进行了不同环境下的身份识别性能测试,取得了较高的识别率。本文主要工作如下:1、回顾了常用的生物识别技术和心音身份识别技术的发展和现状,介绍了心音信号的产生机理,分析了信号的时频特性,为提取有效的特征参数用于身份辨识奠定了基础。2、提出了基于希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)的心音信号特征提取方法。首先研究了HVD基本原理,算法步骤和特征参数的特性,然后仿真验证希尔伯特变换的有效性,最后提出了一种基于HVD的新型心音特征提取算法,得到最优参数条件下的识别性能,实验证明这种新型特征参数具有较高的识别率。3、研究了心音多特征融合方案,采用决策层融合策略,比较了单特征和多特征融合的识别性能,证明了多特征融合的优越性。同时利用不同情绪、不同身体状况的综合性心音数据库,研究了心音身份识别的影响因素。4、针对听诊位置敏感性对心音识别的影响,提出多位置信息的融合方案。首先分析了A、P、M、T四个不同听诊位置对识别的影响,选用最优的多位置融合策略,实验阶段测试位置融合的有效性,通过和单位置识别的比较表明此识别算法能够减轻对采集环境的依赖性,提高鲁棒性。本文的研究实现了复杂环境下更具安全性的生物识别新途径,也为今后嵌入式心音身份识别系统的研发奠定了完善的基础。