心电图(ECG)作为一种重要的生命体征,在生物特征识别领域具有很强的鉴别能力。有研究显示心电信号在不同的个体之间具有差异性,并且每个人的心电信号在一段持续的时间内不会发生较大变动。随着微型传感器技术的发展,心电信号的采集愈发方便。因此心电信号满足生物特征识别的前提,是一种较为安全的、可靠的身份识别技术,具有很好的应用价值。基于心电信号的身份识别(简称心电身份识别)技术虽然具有一些优势,但是现有的识别技术仍然有很多需要克服的难题。如何更好地去除干扰信息,提取具有高度辨别性的心电身份识别特征是目前亟待解决的问题之一。针对上述问题,本文以非负矩阵分解(NMF)为主要技术手段,提出了两种心电身份识别方法,一种是基于非负矩阵分解的心电身份识别方法,另一种是基于图非负矩阵分解(GNMF)和稀疏表示的心电身份识别方法。基于非负矩阵分解的心电身份识别方法通过对心电信号的重构,强化了心电信号QRS波段的作用,有利于提取更具有辨别力的心电特征。将重构后的心电信号加上一个正值,变换为正值心电信号,以满足非负矩阵分解的非负性约束,保证了分解后的基矩阵和系数矩阵中的元素都是正值,保证了矩阵的稀疏性。在非负矩阵分解的过程中,不仅可以对非平稳信号进行分解,而且不用考虑分解等级,在计算过程中也可以随机初始化基矩阵和系数矩阵,实现对心电信号的降维,得到心电信号的本质特征,从而提高心电身份识别的效果。通过实验可以看到,基于非负矩阵分解的心电身份识别方法有效地提取了心电信号的本质特征,去除了心电信号的冗余数据,具有较好的识别性。基于图非负矩阵分解和稀疏表示的心电身份识别方法通过对心电信号执行图非负矩阵分解和稀疏表示实现心电分类。图非负矩阵分解可以在充分利用心电信号数据信息的情况下,编码数据的几何信息,并加入标签信息,实现心电信号的降维和初步特征提取。稀疏表示进一步压缩了心电数据从而获得最终的心电特征来实现心电信号的识别与匹配。本文的方法捕获了心电身份识别的重要信息,减小了心电特征的类内差异,增大了心电特征的类间差异,在MITDB数据集和ECG-ID数据集上的识别率均高达100%。随着测试样本中融合的心动周期数量的增加,EER的值在两个数据集上几乎下降到0%。实验表明该方法可以获取鲁棒性的心电特征,具有较好的心电身份识别效果。