申请/专利权人：南京润楠医疗电子研究院有限公司

申请日：2021-06-18

公开（公告）日：2024-04-05

公开（公告）号：CN113468988B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/2411;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.10.26#实质审查的生效;2021.10.01#公开

摘要：本发明公开了一种基于ECG信号的多压力状态下身份识别方法，包括以下步骤：S1、信号采集及预处理：利用可穿戴设备采集心电信号，并对采集的心电信号进行预处理；S2、手动特征采集：提取预处理后心电信号中的心率变异性特征，并利用高斯混合模型对心率变异性特征进行处理，得到手动特征；S3、自动特征采集：利用预先构建的一维卷积神经网络对原始的心电信号进行处理，得到自动特征；S4、识别模型构建：将手动特征与自动特征相结合，并利用预先构建的支持向量机模型实现不同心理压力下的身份识别。有益效果：本发明可以有效地实现在不同心理压力状态下进行ECG身份识别，从而有效地扩展了ECG身份识别的应用场景。

主权项：1.一种基于ECG信号的多压力状态下身份识别方法，其特征在于，该身份识别方法包括以下步骤：S1、信号采集及预处理：利用可穿戴设备采集心电信号，并对采集的心电信号进行预处理；S2、手动特征采集：提取预处理后心电信号中的心率变异性特征，并利用高斯混合模型对心率变异性特征进行处理，得到手动特征；S3、自动特征采集：利用预先构建的一维卷积神经网络对原始的心电信号进行处理，得到自动特征；S4、识别模型构建：将手动特征与自动特征相结合，并利用预先构建的支持向量机模型实现不同心理压力下的身份识别；所述S2中提取预处理后心电信号中的心率变异性特征，并利用高斯混合模型对心率变异性特征进行处理，得到手动特征包括以下步骤：S201、利用Pan-Tompkins波峰检测算法在预处理的心电信号上标记R峰的特征点，得到RR间期；S202、利用RR间期提取出单条心电信号中的多种心率变异性特征参数，构成心率变异性特征向量ai，bi，ci…；S203、利用高斯混合模型对提取出的心率变异性特征进行聚类，并利用高斯混合模型的聚类结果求出每个类别的中心参数；S204、利用聚类中心参数对高维的心率变异性特征进行去中心化的尺度变换，得到手动特征；所述S204中利用聚类中心参数对高维的心率变异性特征进行去中心化的尺度变换，得到手动特征包括以下步骤：S2041、利用高斯混合模型进行聚类，获得单个心率变异性特征向量所属类别X，Y，Z…，其中，X，Y，Z…表征不同的心理压力状态；S2042、对所有的心率变异性特征向量进行整合，得到同一类别的心率变异性特征向量中心aX，bX，cX…，aY，bY，cY…，aZ，bZ，cZ…，其中，a，b，c…表征不同特征；S2043、针对每个原始心率变异性特征向量进行中心化处理：aXi，bXi，cXi…＝ai，bi，ci…-aX，bX，cX…；aYi，bYi，cYi…＝ai，bi，ci…-aY，bY，cY…；aZi，bZi，cZi…＝ai，bi，ci…-aZ，bZ，cZ…；……；所述S4中将手动特征与自动特征相结合，并利用预先构建的支持向量机模型实现不同心理压力下的身份识别包括以下步骤：S401、将获取的手动特征和自动特征相结合，形成识别模型的身份识别特征向量，得到新的混合特征向量；S402、将新的混合特征向量输入预先构建的支持向量机模型，并利用该模型实现不同心理压力下的身份识别；所述新的混合特征向量包含经过处理的心率变异性特征和卷积网络提取的短时间低维度上的特征。

全文数据：

权利要求：

百度查询： 南京润楠医疗电子研究院有限公司 一种基于ECG信号的多压力状态下身份识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD