[發明專利]基于WT與WOA-PNN算法的ECG身份識別方法

在審

• 申請號: 202011060834.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112257518A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 秦曙光;鄭強蓀;李寧;何復興;朱龍輝
• 申請（專利權）人: 西安交通大學第二附屬醫院;西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;A61B5/366;A61B5/346;A61B5/352;A61B5/117
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 弓長

本發明公開了一種基于WT與WOA?PNN算法的ECG身份識別方法，具體按照如下步驟實施：步驟1，采集心電信號，進行預處理去噪，得到去噪后的ECG信號；步驟2，對步驟1去噪后的ECG信號采用小波定位方法對R波峰值點進行定位；步驟3，通過步驟2所得R波峰值點，確定QRS波群位置，確定P波與T波的峰值點、起點與終點；步驟4，基于步驟2和步驟3得到的QRS波群、P波和T波的峰值點、起點和終點進行組合得到特征向量，然后運用WOA?PNN算法進行ECG信號識別。本發明的基于WT與WOA?PNN算法的ECG身份識別方法，解決了現有ECG識別過程中，對小容量多分類樣本識別精度不高的問題。

技術領域

本發明屬于生物特征識別技術領域，涉及一種基于WT與WOA-PNN算法的ECG身份識別方法。

背景技術

隨著信息化的發展，網絡的迅速普及，個人身份識別技術已在醫療、安防、保密等領域得到了廣泛的應用。然而，傳統身份識別技術存在一些固有缺陷，例如鑰匙容易丟失，且容易被復刻，應用密碼方式時，密碼若是忘記或是泄露都將會失去其原有的安全性，無法滿足現代社會人群對于安全性的基本要求。以往，生物特征僅僅作為一種輔助驗證方式存在，然而隨著科技的不斷發展，生物特征越來越顯示出其獨特的優勢，利用生物特征進行識別開始更多的引起人們的關注。

相較于傳統的生物特征，心電信號有許多巨大的優勢；首先，由于心電信號來自于身體內部，因此極其難于仿造，其次，任何存活的個體都會具有心電信號，故其不會被遺忘或者丟失，最后，心電信號作為一種一維信號，其處理簡單，計算量小，識別速度更快。綜上所述，心電圖(Electrocardiogram，ECG)信號具有的眾多優勢都使其成為21世紀生物識別領域不可忽視的重要組成部分。

基于ECG的身份識別面臨三個重要問題。一是心電圖信號的預處理，從人體初始采集的心電圖信號帶有大量的諧波，波形質量不高，因此需要對心電圖信號進行預處理，心電圖信號預處理的結果好壞直接決定了后期特征提取與識別質量的高低，目前，已有研究采用經驗模態分解(Empirical Mode Decomposition，EMD)和小波變換(Wavelet Transform，WT)對心電圖信號進行預處理。二是ECG信號的特征提取，一個典型的心電波形可由P波、QRS波群、T波等主要部分構成，目前的研究主要集中在兩個方面：一方面是針對不同波群進行特征提取，由于QRS波群能夠反映左、右心室除極電位和時間的變化，大多數文獻針對QRS波群進行提取。也有部分文獻出于其他目的對P波和T波進行特征提取；另一方面是提出新的特征提取方法，目前常用的提取方法有多尺度自回歸模型(MSARM)提取，自相關提取和變換識別提取，其中變換識別提取根據變換方法不同又分為離散余弦變換(DCT)提取、離散傅里葉變換(DFT)提取，沃爾什哈達瑪變換(WHT)提取，小波變換提取等。三是心電圖信號分類方法，常見的分類方法有支持向量機(Support Vector Machine,SVM)，BP(BackPropagation)神經網絡，深度學習、卷積神經網絡等，以及一些其他改進方法。

基于國內外研究不難發現影響識別效果的因素是多重的，信號預處理結果的好壞，特征波形的提取效果，特征點的選擇，這些因素無疑都會影響最終的識別結果，所以要想準確的識別ECG信號，所用的方法必將是從上至下相輔相成的。

現有的ECG信號識別技術多使用EMD做濾波處理，該方法在進行心電信號預處理存在閾值選擇的問題，由于實際情況的多樣化，單一的閾值選擇會導致濾波后的波形存在較大程度失真。同時，現有ECG識別技術中，一般使用單一的智能算法做智能識別，然而單一的智能算法對小容量多分類樣本的識別效果不佳。因此，本發明采用小波變換方法免去了EMD的閾值選擇問題，同時提出WOA-PNN算法，將兩種算法結合，能夠有效的識別小容量多分類樣本。

發明內容

本發明的目的是提供一種基于WT與WOA-PNN算法的ECG身份識別方法，解決了現有ECG識別過程中，對小容量多分類樣本識別精度不高的問題。