[發明專利]基于稀疏表示和深度級聯的心電信號身份識別方法和系統

有效

• 申請號: 202010579145.7
• 申請日: 2020-06-23
• 公開（公告）號: CN111753713B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 黃玉文;劉春英;黃復賢;于繼江
• 申請（專利權）人: 菏澤學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06V10/44;G06V10/764;G06K9/62;A61B5/00;A61B5/346;A61B5/28
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本公開公開的基于稀疏表示和深度級聯的心電信號身份識別方法和系統，包括：獲取待識別的心電信號，對待識別的心電信號進行噪聲消除；對消除噪聲后的心電信號進行切割，獲取等長化單周期信號；對等長化單周期信號通過稀疏表示和隨機森林獲取多尺度編碼；將獲得的多尺度編碼進行深度級聯獲得深度級聯編碼；通過獲得的深度級聯編碼對心電信號進行分類識別；對識別效果進行評價。在心電信號的識別過程中將稀疏表示和深度級聯相結合，既能消除心電信號中存在的噪聲，又能抽取出更多鑒別特征信息，可以充分學習心電信號隱藏的各種信息，提高了心電信號身份識別方法的性能和魯棒性。

技術領域

本公開涉及基于稀疏表示和深度級聯的心電信號身份識別方法和系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

由于心電信號具有不易被仿造、竊取和模仿的優點，心電信號作為一種新的生物特征識別技術已經成為身份識別領域的研究熱點。現有心電信號身份識別方法有很多，如基于子空間學習方法、基于形狀分析方法、基于稀疏表示方法和基于深度學習方法等等。由于心電信號中存在大量噪聲，稀疏表示學習和深度學習能夠較好的處理噪聲數據，故目前基于稀疏表示學習和深度學習的方法是心電身份識別研究的熱點。然而，現有稀疏表示學習只包含一步特征抽取步驟，無法抽取出更鑒別的特征，當數據被噪聲嚴重污染時，稀疏表示性能較差，深度學習方法需要大規模的訓練數據，訓練深度學習方法需要消耗大量訓練時間，同時深度學習對系統的軟件和硬件要求也較高，故深度學習方法在心電識別中存在瓶頸。

發明內容

本公開為了解決上述問題，提出了基于稀疏表示和深度級聯的心電信號身份識別方法和系統，在心電信號的識別過程中將稀疏表示和深度級聯相結合，既能消除心電信號中存在的噪聲，又能抽取出更多鑒別特征信息，可以充分學習心電信號隱藏的各種信息，提高了心電信號身份識別方法的性能和魯棒性。

本公開的第一目的是，提出基于稀疏表示和深度級聯的心電信號身份識別方法，包括：

獲取待識別的心電信號，對待識別的心電信號進行噪聲消除；

對消除噪聲后的心電信號進行切割，獲取等長化單周期信號；

對等長化單周期信號通過稀疏表示和隨機森林獲取多尺度編碼；

將獲得的多尺度編碼進行深度級聯獲得深度級聯編碼；

通過獲得的深度級聯編碼對心電信號進行分類識別。

進一步的，采用中值濾波法對待識別的心電信號進行噪聲消除。

進一步的，獲取等長化單周期信號的具體過程為：

(1)對消除噪聲后的心電信號的R波峰點檢測，通過R波峰把心電信號分割成若干單周期心電信號；

(2)把單周期心電信號分割成P波、QRS間期、ST段和T波；

(3)對P波、QRS間期、ST段和T波重采樣至特定長度；

(4)把重采樣后的P波、QRS間期、ST段和T波重新組合，獲得等長化單周期信號。

進一步的，獲取多尺度編碼的具體過程為：

將等長化單周期信號進行多尺度劃分，獲得不同子段心電信號；

基于稀疏表示和隨機森林的編碼方法對不同子段心電信號提取心電信號特征并進行編碼，得到不同子段心電信號的編碼；

對同一尺度下的不同子段心電信號的編碼進行平均池化，獲得同一尺度下的心電信號的預測概率編碼；

獲取所有尺度下的心電信號預測概率編碼，為多尺度編碼。

基于稀疏表示和隨機森林獲取不同子段心電信號的編碼的具體過程為：