一种改进的PPG信号稀疏分解身份识别方法

• 作者: 杨思元 陈小恵 王凯莉 梁莹
• 来源期刊: 计算机技术与发展
• 关键词: 光电血容积脉搏波信号 稀疏分解 匹配追踪 分类识别 决策树
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 图形与图像
• 页码范围: 55-60
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.09.010

摘要

光电血容积脉搏波(photo plethysmo graph,PPG)信号作为人体的一种固有的生理信号,包含了人体大量的病理、生理信息,不同个体之间的PPG信号存在着很大的差异,具有很好的保密性和唯一性.文中基于个体间PPG信号的特异性,利用改进的匹配追踪(matching pursuit,MP)稀疏分解算法对不同个体的PPG信号进行分解表示,以此来提取个体PPG信号20个特征值,然后结合PPG信号的1个时域特征值,组成21个融合特征,最后利用决策树分类算法建立分类模型进行分类识别.该方法直接以PPG信号的单个周期波形作为分解对象,不需要对波形进行复杂的变换处理,降低了特征提取的运算复杂性;在过完备原子库上,通过提取的特征可以最大程度地还原PPG信号,提高了特征提取的准确性.最终实验证明,提出的基于PPG信号稀疏分解和机器学习的身份识别方法,识别率可以达到98.3％.