本发明属于心电信号身份识别领域，尤其涉及一种基于核的有界判别分析的心电身份识别方法及系统。
背景技术：
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
基于心电信号的身份识别技术得到了广泛的关注。心电信号是人身体上重要的生理信号，蕴含了个体独特的身份信息。此外，心电信号一般不会随着时间推移发生较大变化，并且随着微型传感器技术的发展，心电信号的采集也越来越方便。心电信号具有普遍性、独特性、稳定性、易采集等特点，是一种较为安全的、可靠的身份识别技术，具有很好的应用前景。发明人发现，现有的识别方法常常基于一定的数据分布假设，不能很好的提取心电信号中有区分度的特征，存在心电特征的区分性不强、不够鲁棒等问题，如何更好地提取具有区分度的心电身份识别特征是目前亟待解决的问题之一。
技术实现要素：
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于核的有界判别分析的心电身份识别方法及系统，其针对心电信号的非线性分布，基于核的有界判别分析使用多项式核函数，隐式地将心电信号投影到更具有可区分性的高维空间，进一步提高了心电信号特征的区分度，提高了心电身份识别的效果。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于核的有界判别分析的心电身份识别方法。
一种基于核的有界判别分析的心电身份识别方法，包括：
获取心电信号并提取单周期的心拍信号；
通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征；
基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
本发明的第二个方面提供一种基于核的有界判别分析的心电身份识别系统。
一种基于核的有界判别分析的心电身份识别系统，包括：
信号获取模块，其用于获取心电信号并提取单周期的心拍信号；
特征提取模块，其通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征；
身份识别模块，其基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于核的有界判别分析的心电身份识别方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于核的有界判别分析的心电身份识别方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明通过滤波去噪对心电信号进行预处理，使用pan-tompkins算法检测r波顶点位置进而提取心拍；使用训练集心拍，通过基于核的有界判别分析获得一组子空间的基底；对任意心拍，利用核函数和子空间基底得到更具有区分性的低维心电特征向量。
传统的一些图嵌入降维方法假设每一类数据都符合高斯分布，并不符合心电信号的真实情况，当心电信号数据不满足这个假设时，类间分散程度不能很好的通过类内紧凑程度描述，本发明基于核的有界判别分析专门建立一个惩罚图来描述心电信号的类间分散程度，使提取的低维心电特征可以同时保留心电信号的类内和类间邻域关系，同时针对心电信号的非线性分布，基于核的有界判别分析使用多项式核函数，隐式地将心电信号投影到更具有可区分性的高维空间，进一步提高了心电信号特征的区分度，提高了心电身份识别的效果。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的基于核的有界判别分析的心电身份识别方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
参照图1，本实施例的一种基于核的有界判别分析的心电身份识别方法，其包括：
s101：获取心电信号并提取单周期的心拍信号。
在具体实施中，在采集原始心电信号时存在一些噪声干扰，比如肌电干扰、接触噪声、基线漂移等。
正常的心电信号频率一般分布在在0.5-100hz，其中主要能量集中在1-40hz，并且心电信号的幅值较弱，对噪声比较敏感。根据心电信号频率范围，本方案采用四阶带通巴特沃斯滤波器进行去噪，设置滤波器的低频截止频率为1hz，高频截止频率为40hz。
s102：通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征。
心电信号是非平稳的类周期信号，一条心电信号记录包含多个单周期心拍。一个完整的心拍依次包括p波波段、qrs波段、t波波段，其中r波顶点幅值最为突出，可以作为提取单个心拍的依据。
使用pan-tompkins算法检测心电信号中的r波顶点位置。首先将信号下采样为200hz采样频率，使用滤波器削弱噪声和p波、t波，突出心电信号中的qrs波群。再通过差分方程对qrs波群进行增强，得到差分信号，差分信号经过逐点平方、窗口滑动积分等一系列非线性运算，得到积分信号。当差分信号与积分信号上点的幅值同时满足一个阈值设定时，确定为检测到qrs波群。在qrs波群范围内寻找信号幅值的极大值处，即r波顶点位置。最后使用回溯机制防止漏检与误检。
以pan-tompkins算法检测到的r波顶点位置为基准，根据心电信号的采样频率向前向后各取一定数目的点构成一个心拍。对每条心电记录分割出的多个心拍，计算出平均心拍，通过平均值阈值法筛除与平均心拍距离过大的心拍。
基于核的有界判别分析通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍映射到低维子空间，使正样本距离之间更小、负样本之间距离更大。为了达到这个目标，基于核的有界判别分析使用近邻图描述类内紧凑程度，使用惩罚图描述类间分散程度。同时，针对心电信号在线性空间不可分的问题，基于核的有界判别分析引入了多项式核函数，隐式地将心电信号投影到更具有可区分性的高维空间
使用心电信号分割得到的n个长度为m的单周期心拍信号，作为基于核的有界判别分析方法学习过程的训练数据，其中来自同一用户的心拍为同类心拍，否则为不同类心拍。设x＝(x1，x2，....xn)为来自c位不同受测者的c类心拍，其中每一列xi为位于m维空间中的第i个心拍。若xi与xj均来自同一位受测者，称(xi，xj)正样本对，否则称为负样本对。
基于核的有界判别分析方法使用多项式核函数，隐式地将心拍映射到一个更具有可分性的高维空间
k(xi，xj)＝φ(xi)tφ(xj).(1)
其中φ为将心拍映射到空间
k(x，y)＝(xty 1)2.(2)
使用核函数计算高维空间中的距离，公式如下
通过核函数计算的距离，在高维空间中，寻找xi的k1个来自同类的近邻心拍，建立近邻图g＝{x，w}，其中w为近邻图的标记矩阵，寻找xi的k2个来自不同类的近邻心拍，建立一个惩罚图gp＝{x，wp}，其中wp为惩罚图的标记矩阵。
借助g和gp，基于核的有界判别分析方法求解一个能同时保持类内和类间邻域关系的低维子空间。求解子空间基底的目标函数为
式中d为一个对角矩阵，其定义为
当目标函数最小化时必须满足
k(dp-wp)kα＝λk(d-w)kα.(6)
使用广义特征值分解得到特征向量，选取前d个最小的特征值对应的特征向量组成低维子空间的一组基底a。
使用基于核的有界判别分析得到的低维子空间的基底a后，任意心电信号x，可表示为低维子空间特征y，表示公式为
基于核的有界判别分析的降维过程如下：
输入：心拍训练数据矩阵x，降维后的维度d，心拍近邻数k1，k2。
输出：低维特征y。
step1:使用公式(2)计算并保存点对之间的内积。
step2:使用公式(3)计算距离，寻找xi的k1个类内近邻与k2个类间近邻。
step3:建立近邻图g和惩罚图和gp，使用公式(5)计算对角矩阵d和dp。
step4:使用公式(6)进行广义特征值分解，计算特征值和特征向量。
step5:选取最小的d个特征值对应的特征向量组成子空间一组基底a。
step6:对任意心拍x，使用公式(7)计算心拍的低维特征。
s103：基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
在具体实施中，在识别时，对于一个新输入的待识别心拍，同样利用核函数和子空间基底得到信号的低维特征。进而通过欧式距离计算，寻找最相似的模板，输出最相似的模板对应的用户为待识别用户。
根据心电信号特点，通过滤波对心电信号进行预处理、根据r波顶点定位提取单周期心拍，进而采用基于核的有界判别分析方法学习一个低维子空间的基底。对任意的心电信号样本，均可以将其从高维空间投影到低维空间，得到更具有区分性的低维心电信号特征，最后使用欧式距离度量对提取的心电信号特征进行相似性比较。基于核的有界判别分析专门建立一个惩罚图来描述心电信号的类间分散程度，使提取的低维心电特征可以同时保留心电信号的类内和类间邻域关系。同时针对心电信号的非线性分布，基于核的有界判别分析使用多项式核函数，隐式地将心电信号投影到更具有可区分性的高维空间，进一步提高了心电信号特征的区分度，提高了心电身份识别的效果。
实施例二
本实施例提供了一种基于核的有界判别分析的心电身份识别系统，包括：
信号获取模块，其用于获取心电信号并提取单周期的心拍信号；
特征提取模块，其通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征；
身份识别模块，其基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
本实施例的基于核的有界判别分析的心电身份识别系统中的各个模块，与实施例一中的基于核的有界判别分析的心电身份识别方法中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于核的有界判别分析的心电身份识别方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于核的有界判别分析的心电身份识别方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种基于核的有界判别分析的心电身份识别方法，其特征在于，包括：
获取心电信号并提取单周期的心拍信号；
通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征；
基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
2.如权利要求1所述的基于核的有界判别分析的心电身份识别方法，其特征在于，获取心电信号之前，使用四阶带通巴特沃斯滤波器消除原始心电信号的噪声。
3.如权利要求2所述的基于核的有界判别分析的心电身份识别方法，其特征在于，四阶带通巴特沃斯滤波器的截止频率为1-40hz。
4.如权利要求1所述的基于核的有界判别分析的心电身份识别方法，其特征在于，基于r波顶点选取左右两侧指定长度的信号，得到一个单周期的心拍信号。
5.如权利要求4所述的基于核的有界判别分析的心电身份识别方法，其特征在于，以pan-tompkins算法检测到的r波顶点位置为基准，根据心电信号的采样频率向前向后各取一定数目的点构成一个心拍。
6.如权利要求1所述的基于核的有界判别分析的心电身份识别方法，其特征在于，还包括：对每条心电信号分割出的多个心拍，计算出平均心拍，通过平均值阈值法筛除与平均心拍距离过大的心拍。
7.如权利要求1所述的基于核的有界判别分析的心电身份识别方法，其特征在于，提取单周期的心拍信号的低维特征的过程为：
通过核函数计算的距离，在高维空间中，寻找同一用户的任一心拍的设定数量个来自同类的近邻心拍，建立近邻图；寻找同一用户的任一心拍的设定数量个来自不同类的近邻心拍，建立一个惩罚图；
借助近邻图和惩罚图，基于核的有界判别分析方法求解一个能同时保持类内和类间邻域关系的低维子空间。
8.一种基于核的有界判别分析的心电身份识别系统，其特征在于，包括：
信号获取模块，其用于获取心电信号并提取单周期的心拍信号；
特征提取模块，其通过核函数将心拍隐式地投影到高维空间，在高维空间中使用有界判别分析将心拍信号映射到低维子空间，提取单周期的心拍信号的低维特征；
身份识别模块，其基于欧式距离从模板数据库中寻找最相似的模板，输出最相似的模板对应的用户为待识别用户；所述模板数据库中存储有单周期的心拍信号模板及其对应用户。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于核的有界判别分析的心电身份识别方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于核的有界判别分析的心电身份识别方法中的步骤。
技术总结