复杂环境下心音身份识别关键技术研究

探索复杂环境下基于心音特征的个人身份识别技术。针对复杂环境下心音信号质量提高、非平稳心音中稳定可区分的特征提取和任意听诊位置下的识别等关键问题，分别在心音信号的预处理、特征提取、匹配识别及决策等关键技术领域进行深入研究。构建心音消噪方案，保持信号特征同时提高信噪比，提高干扰环境下系统的鲁棒性；构建基于自相关分析的时域特征提取及匹配算法和基于时频域的Teager-Huang边界谱特征提取及匹配算法，提取具有个体特异性的相对稳定的心音信号特征，提高系统的准确性；建立多听诊位置模式识别的决策融合技术，实现任意听诊位置的身份识别，提高系统的容错性。设计实验，探索环境变化、个体不同的身体状态和情绪状态等对识别性能的影响。.本项目的研究为心音身份识别技术的实际应用奠定坚实的理论基础和技术支撑，提供一种准确率高、鲁棒性强、防伪能力好的生物识别新途径。

在高度信息化的现代社会，个体身份的有效辨识变得越来越重要，以心音为代表的人体内源生理信号身份识别技术满足了生物识别的高安全性和可靠性要求，得到国内外学者的广泛关注并开展了系列研究，成为该领域的研究热点之一。. 本课题围绕心音信号的预处理、特征提取和匹配识别决策等方面，系统研究了复杂环境下心音身份识别的关键技术。本课题在探索心音和噪声不同分解特性基础上，构建了基于总体平均经验模式分解的心音增强算法，保持信号特征的基础上有效提高了信噪比。充分利用心音信号的生理特点和准周期特性，构建了基于高阶香农熵的心音自动分段鲁棒算法，无需借助于心电等参考信号，实现了心音信号的准确分段。寻找具有可区分性并相对稳定的心音特征是提高识别系统性能的根本途径之一。在时域提出了基于时域自相关特征提取识别算法，在频域提出了基于信号边界谱和矢量量化的识别算法和基于信号Mel倒频系数及其一阶差分系数与高斯混合模型的识别算法，获得了较高的身份识别准确率。不同听诊位置的敏感性是制约心音身份识别准确的关键因素，在研究不同采集位置心音信号差异性基础上，建立了多听诊位置决策融合算法，消除了不同采集位置所造成的识别差异性，提高了系统在复杂环境下的鲁棒性和稳定性。通过对不同类型心音数据的分析研究，本课题发现不同的运动状态和情绪状态下心音身份识别效果是不同的，在静坐和快乐情绪下识别率最高。本课题构在开发心音采集探头基础上，利用虚拟仪器平台，构建了嵌入式心音身份识别系统和基于Android智能手机的心音身份识别系统，实现了个体身份的有效辨识。同时构建了足够容量的心音数据库，可供相关研究者使用。. 本课题取得的系列研究成果为心音身份识别技术的实用化奠定了坚实的理论基础和技术支撑。