基于稀疏编码的手指心电信号身份识别算法

研究了心电(ECG)信号在身份识别中的应用,提出了基于过完备字典下稀疏编码的手指心电身份识别认证算法。在预处理阶段,对ECG信号进行预处理消噪,去除心电信号里的噪声、基线漂移和心率变异的干扰。在特征提取阶段,提取单周期心电信号构成特征向量并构建字典模型,用核奇异值分解(KSVD)训练成冗余字典,然后对每一部分特征向量进行稀疏编码,实现在该字典上的稀疏表示。在分类识别阶段,利用得到的稀疏系数矩阵构建特征模板向量作为特征参数。通过欧氏距离匹配输出个体身份信息,实现个体身份识别认证。通过两个手指心电信号数据库对该算法进行了性能测试,获得了较高的识别率。

基于EEMD和自适应滤波的手指心电信号基线漂移消噪算法

针对手指心电数据的基线漂移问题,提出了一种新的联合集合经验模式分解(EEMD)和自适应滤波的信号去噪方法。首先,采用EEMD将含噪信号分解为若干个固有模态函数(IMF)。其次将分解后高阶IMF分量进行重构。然后用零相位滤波对重构信号进行处理,去除其中的高频信息,作为自适应滤波器的参考输入信号。最后,将该算法用于实际采集手指心电信号。结果表明,该方法能够较好的去除手指心电信号中的基线漂移,失真度小,较好保留信号中的有用信息。

基于EEMD-MD的手指心电信号消噪算法

针对心电数据的噪声干扰问题,提出了一种新的联合集合经验模式分解(EEMD)和马氏距离(MD)的信号去噪方法。首先,采用EEMD将含噪信号分解为若干个固有模态函数(IMF)。其次根据核密度估计方法对原始含噪信号和各IMF分量的概率密度函数(pdf)进行估计。然后利用各IMF分量的pdf同原始信号的pdf之间的MD距离来选取相关模态函数,从而区分噪声层与信号层,解决了人为选择相关IMF分量导致去噪效果不明显的问题。最后,将该算法用于模拟信号和手指心电信号的消噪实验。结果表明,该方法能够较好地去除手指心电信号中的噪声,信号的输出信噪比显著提高,且失真度小,较好地保留了真实信号中的有用信息。