基于形态特征和KPCA融合特征的ECG身份识别

• 作者: 徐慧芳 沈海斌 陈晓丹
• 来源期刊: 电子技术
• 关键词: 心电信号 运动状态 身份识别 特征提取 核主成分分析 融合特征 支持向量机
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 电子技术研发
• 页码范围: 5-8
• 页数: 4页
• 字数: 3688字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0755.2015.03.002

摘要

ECG信号由于其唯一性,在身份识别中得到了越来越广泛的应用.但以往的研究基本只讨论在平静状态或不同情绪下的身份识别,没有考虑个体在运动中及运动后的识别情况.本文针对这个问题,研究在平静和运动状态混合下ECG身份识别的特征向量选取问题.实验分别提取QRS等特征点组成的形态特征、核主成分以及两者的融合特征,利用支持向量机(SVM)进行识别测试.其中训练使用平静状态下的数据,测试则使用平静与运动状态混合的数据集.实验结果显示当ECG身份识别扩展到平静和运动状态混合的情况下,形态特征和KPCA融合的特征有最优的识别效果,识别率达到98.7342％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈海斌	浙江大学超大规模集成电路设计研究所	139	832	13.0	21.0
2	陈晓丹	浙江大学超大规模集成电路设计研究所	9	21	2.0	4.0
3	徐慧芳	西湖电子集团有限公司医务室	2	8	1.0	2.0