CN105389489A - 基于心电图信号的用户认证方法和设备 - Google Patents

基于心电图信号的用户认证方法和设备 Download PDF

Info

Publication number
CN105389489A
CN105389489A CN201510520804.9A CN201510520804A CN105389489A CN 105389489 A CN105389489 A CN 105389489A CN 201510520804 A CN201510520804 A CN 201510520804A CN 105389489 A CN105389489 A CN 105389489A
Authority
CN
China
Prior art keywords
ecg signal
ecg
pretreated
error matrix
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510520804.9A
Other languages
English (en)
Other versions
CN105389489B (zh
Inventor
裴致成
金尚骏
辛镇宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Samsung Electronics Co Ltd
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd, Korea Advanced Institute of Science and Technology KAIST filed Critical Samsung Electronics Co Ltd
Publication of CN105389489A publication Critical patent/CN105389489A/zh
Application granted granted Critical
Publication of CN105389489B publication Critical patent/CN105389489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Abstract

提供一种基于心电图信号的用户认证方法和设备。一种认证设备包括：心电图(ECG)信号接收器，被配置为接收目标ECG信号；预处理器，被配置为对目标ECG信号进行预处理。所述设备还包括认证器，被配置为基于参考ECG信号的图案处理预处理后的目标ECG信号，并基于所述处理来确定目标ECG信号是否对应于参考ECG信号。

Description

基于心电图信号的用户认证方法和设备
本申请要求于2014年8月26日提交到韩国知识产权局的第10-2014-0111611号韩国专利申请的优先权，用于所有目的，该申请的全部公开通过引用包含于此。
技术领域
以下描述涉及一种基于心电图(ECG)信号的用户认证方法和用户认证设备。
背景技术
生物计量技术可指这样的技术：提取与用户的身体相关联的信号或数据并将提取结果与预存的数据进行比较，从而通过识别将用户认证为已登记的用户。个人生物信号因固有的唯一性而不会被盗或丢失。因此，基于个人生物信号的生物计量技术对于伪造或篡改可具有鲁棒性。
发明内容
提供本发明内容以按照简化的形式来介绍对构思的选择，将在下面的具体实施方式中对所述构思进行进一步描述。本发明内容不意图标识所要求保护的主题的关键特征或必要特征，也不意图用作帮助确定所要求保护的主题的范围。
在一个总体方面中，提供一种认证设备，包括：心电图(ECG)信号接收器，被配置为接收目标ECG信号；预处理器，被配置为对目标ECG信号进行预处理；认证器，被配置为基于参考ECG信号的图案处理预处理后的目标ECG信号，并基于所述处理来确定目标ECG信号是否对应于参考ECG信号。
预处理器可被配置为：基于目标ECG信号的R峰值对目标ECG信号进行排列；基于目标ECG信号的连续的R峰值之间的时间间隔对目标ECG信号进行归一化。
归一化器可被配置为：基于预先确定的电压电平对目标ECG信号的幅度进行归一化。
认证器可被配置为：确定预处理后的目标ECG信号与参考ECG信号之间的差；从所述差去除参考ECG信号的图案。
认证器可被配置为：基于预处理后的目标ECG信号的ECG波形提取ECG矢量；基于指示参考ECG信号的ECG波形的平均的平均矢量与ECG矢量之间的差，提取指示预处理后的目标ECG信号与参考ECG信号之间的差的误差矩阵。
认证器可被配置为：从误差矩阵去除参考ECG信号的主要误差矩阵分量，主要误差矩阵分量指示所述图案。
认证器可被配置为：确定去除了主要误差矩阵分量的误差矩阵的范数；基于所述范数确定目标ECG信号是否对应于参考ECG信号。
认证器可被配置为：响应于所述范数小于或等于预定范数，将目标ECG信号认证为与参考ECG信号对应。
响应于多个参考ECG信号被获取，认证器可被配置为：针对所述多个参考ECG信号中的每个提取范数；将所述多个参考ECG信号之中的具有最小范数的参考ECG信号认证为与目标ECG信号对应。
在另一总体方面中，提供一种登记设备，包括：心电图(ECG)信号接收器，被配置为接收ECG信号；预处理器，被配置为对ECG信号进行预处理。所述登记设备还包括登记器，被配置为从预处理后的ECG信号提取图案，并对ECG信号的信息进行登记，所述信息包括所述图案。
预处理器可被配置为：基于ECG信号的R峰值对ECG信号进行排列；基于ECG信号的连续的R峰值之间的时间间隔对ECG信号进行归一化。
登记器可被配置为：存储所述图案。
登记器可被配置为：确定预处理后的ECG信号与预处理后的ECG信号的平均之间的差。
登记器可被配置为：基于预处理后的ECG信号的ECG波形提取ECG矢量；通过确定ECG矢量的平均来提取指示预处理后的ECG信号的平均的平均矢量。
登记器可被配置为：基于平均矢量与每个ECG矢量之间的差提取误差矩阵；基于奇异值分解(SVD)方案从误差矩阵提取指示主要误差分量的主要误差矩阵。
主要误差矩阵的秩可低于误差矩阵的秩。
在另一总体方面中，提供一种认证设备，包括：心电图(ECG)信号接收器，被配置为接收第一ECG信号和第二ECG信号；预处理器，被配置为对第一ECG信号和第二ECG信号进行预处理。所述认证设备还包括：登记器，被配置为从预处理后的第一ECG信号提取图案，并对第一ECG信号的信息进行登记，所述信息包括所述图案；认证器，被配置为基于预处理后的第一ECG信号的图案处理预处理后的第二ECG信号，并基于所述处理确定第二ECG信号是否对应于第一ECG信号。
预处理器可被配置为：基于第一ECG信号的R峰值和第二ECG信号的R峰值分别对第一ECG信号和第二ECG信号进行排列；基于第一ECG信号的连续的R峰值之间的时间间隔和第二ECG信号的连续的R峰值之间的时间间隔分别对第一ECG信号和第二ECG信号进行归一化。
登记器可被配置为：基于预处理后的第一ECG信号的ECG波形提取第一ECG矢量；通过确定第一ECG矢量的平均来提取指示预处理后的第一ECG信号的平均的平均矢量。
登记器可被配置为：基于平均矢量与每个第一ECG矢量之间的差提取第一误差矩阵；基于奇异值分解(SVD)方案从第一误差矩阵提取指示主要误差分量的主要误差矩阵。
认证器可被配置为：基于预处理后的第二ECG信号的第二ECG波形提取第二ECG矢量；基于平均矢量与第二ECG矢量之间的差提取指示预处理后的第二ECG信号与预处理后的第一ECG之间的差的第二误差矩阵；从第二误差矩阵去除预处理后的第一ECG信号的主要误差矩阵分量，主要误差矩阵分量指示所述图案。
认证器可被配置为：确定去除了主要误差矩阵分量的第二误差矩阵的范数；基于所述范数确定第二ECG信号是否对应于第一ECG信号。
在另一总体方面中，提取一种方法，包括：对第一ECG信号进行预处理；基于预处理后的第一ECG信号、第二ECG信号和第二ECG信号的图案确定第一ECG信号是否对应于第二ECG信号。
确定的步骤可包括：确定预处理后的第一ECG信号与第二ECG信号之间的差；从所述差去除第二ECG信号的图案；基于去除了第二ECG信号的图案的差，确定第一ECG信号是否对应于第二ECG信号。
所述方法还可包括：对第二ECG信号进行预处理；从预处理后的第二ECG信号提取图案；将提取的图案登记为第二ECG信号的图案。
提取的步骤可包括：确定预处理后的第二ECG信号与预处理后的第二ECG信号的平均之间的差；从所述差提取预处理后的第二ECG信号的图案。
从以下具体实施方式、附图和权利要求，其它特征和方面将是清楚的。
附图说明
图1是示出登记设备的示例的框图。
图2是示出认证设备的示例的框图。
图3是示出对心电图(ECG)信号进行排列的示例的示图。
图4A和图4B是示出对ECG信号进行预处理的示例的示图。
图5是示出主要误差矩阵的示例的示图。
图6是示出用户认证的示例的示图。
图7是示出用户认证的另一示例的示图。
图8是示出认证设备的示例的示图。
图9是示出认证设备的另一示例的示图。
图10是示出认证设备的另一示例的示图。
图11是示出认证设备的另一示例的框图。
图12是示出认证方法的示例的流程图。
图13是示出登记方法的示例的流程图。
图14是示出认证方法的另一示例的流程图。
除非另有描述或规定，否则贯穿附图和具体实施方式，相同的附图标号将被理解为指示相同的元件、特征和结构。附图可不按比例缩放，并且为了清楚、说明和方便，附图中的元件的相对大小、比例和描绘可被夸大。
具体实施方式
提供以下详细描述以帮助读者获取对描述在此的方法、设备和/或系统的全面理解。然而，对于本领域普通技术人员而言，在此描述的系统、设备和/或方法的各种改变、修改以及等同物将是清楚的。所描述的处理步骤和/或操作的进程是示例性的；然而，除非步骤和/或操作必须按照特定顺序发生，否则步骤和/或操作的顺序不受在此阐述的顺序的限制，并且可如本领域中所知的那样改变。此外，为了更清楚和简明，对本领域普通技术人员公知的功能和结构的描述可被省略。
可以以不同形式来实施描述在此的特征，并且描述在此的特征不应被解释为受限于在此描述的示例。与之相反，已提供在此描述的示例使得本公开将是彻底且完整的，并且在此描述的示例将向本领域普通技术人员传达本公开的完整范围。
图1是示出登记设备110的示例的框图。参照图1，登记设备110包括心电图(ECG)信号接收器120、预处理器130和登记器140。登记设备110对用户的ECG信号进行登记。图2的认证设备210将获取的用于执行认证的ECG信息和预先在登记设备110中登记的ECG信息进行比较，从而认证获取的ECG信号的用户是否对应于预先登记的ECG信号的用户。在一个示例中，虽然登记设备110被描述为与图2的认证设备210分开，但是登记设备110和认证设备210可被构造在单个设备中或者可以彼此分开。
ECG信号接收器120使用ECG传感器接收用户的ECG信号。ECG传感器可包括例如多个电极、模拟前端(AFE)和/或数字滤波器。电极可通过例如与用户的手指皮肤接触来感测用户的ECG信号。AFE可对由电极感测到的ECG信号进行放大，并将放大后的ECG信号转换为数字信号。在放大后的ECG信号之中，数字滤波器可允许ECG频带通过而去除其它频带。通过该处理，可提高ECG信号的信噪比(SNR)。
预处理器130将ECG信号处理为具有适合用户认证的形式。ECG信号可具有可变的时间周期和可变的强度。例如，在同一用户的ECG信号中，时间周期和强度可基于用户的呼吸状态而变化。此外，由于通过在ECG传感器中进行采样来获取ECG信号，因此在ECG传感器中获取的ECG信号的峰值可能与实际ECG信号的峰值不同。
虽然在图1中未示出，但是预处理器130可包括排列器、归一化器和去除器。排列器可基于R峰值对ECG信号进行排列。P波、QRS波、T波和U波可在ECG信号中重复出现，QRS波的R峰值可具有最大强度。因此，排列器可基于R峰值对ECG信号进行排列。在该示例中，排列器可将连续的R峰值之间的间隔设置为一个时间周期，并基于设置的时间周期对ECG时间周期进行排列。通过该处理，ECG信号可被排列为具有基于连续的R峰值之间的间隔设置的时间周期的多个ECG波形。
归一化器可基于时间周期对ECG信号进行归一化。在一个示例中，归一化器可将ECG信号的长度设置为均一化的值。例如，当第一ECG信号的RR间隔是800微秒(μs)时，并且当第二ECG信号的RR间隔是750μs时，归一化器可将第一ECG信号和第二ECG信号中的每个的RR间隔设置为800μs以对第一ECG信号和第二ECG信号进行归一化。在该示例中，当ECG信号是离散信号时，归一化器可基于插值方案对ECG信号进行归一化。在另一示例中，归一化器可基于预定电压电平对ECG信号的幅度进行归一化。例如，归一化器可将第一ECG信号和第二ECG信号的最大幅度电平设置为一毫伏(mV)，并基于设置的最大幅度电平将第一ECG信号和第二ECG信号进行归一化。
去除器可从归一化后的ECG信号的分量去除具有相对低的相关性的分量，以对归一化后的ECG信号进行滤波。例如，去除器可确定归一化后的ECG信号的分量之间的相关性，并从归一化后的ECG信号去除与其他或剩余的分量中的每个分量具有低于或等于预定阈值相关性的相关性的分量。去除器可基于例如余弦相似度、皮尔逊(Pearson)相关性和归一化后的均方根误差,确定ECG信号的分量之间的相关性。当去除器从归一化后的ECG信号的分量去除与其他或剩余的分量具有低相关性的分量时，登记器140中运算量会减少，并且用于对用户的ECG信息进行登记的时间也会减少。在另一实施例中，可省略去除器。换言之，可不执行上述滤波的处理。
预处理器130对ECG信号进行预处理或滤波。登记器140提取滤波或处理后的ECG信号的主要误差分量和平均值。当针对单个用户提供多个滤波后的ECG信号时，登记器140可提取滤波后的ECG信号的主要误差分量和平均值。
在预处理器130中滤波的ECG信号可包括预定变化，该变化可反映用户的独特特征。预定变化可由预定图案来表示，预定图案可指示滤波后的ECG信号的主要误差分量。登记器140可在提取主要误差分量之前提取滤波后的ECG信号的平均值。登记器140可基于滤波后的ECG信号中的多个ECG波形提取多个ECG矢量，并通过确定ECG矢量的平均来提取指示滤波后的ECG信号的平均值的平均矢量。例如，当滤波后的ECG信号包括第一ECG波形和第二ECG波形时，登记器140可基于第一ECG波形提取第一ECG矢量，并可基于第二ECG波形提取第二ECG矢量，其中，第一ECG波形指示第一R峰值与第二R峰值之间的ECG波形，第二ECG波形指示第二R峰值与第三R峰值之间的ECG波形。在该示例中，第一ECG矢量可包括作为元素的第一ECG波形的幅度(例如，电压值)，第二ECG矢量可包括作为元素的第二ECG波形的幅度。登记器140可确定第一ECG矢量和第二ECG矢量的平均值，并确定包括作为元素的第一ECG矢量和第二ECG矢量的平均值的平均矢量。
登记器140可基于平均矢量与至少一个ECG矢量之间的差提取误差矩阵，并基于k秩近似(k-rankapproximation)方案从误差矩阵提取指示主要误差分量的主要误差矩阵(dominanterrormatrix)。在一个示例中，登记器140可基于奇异值分解(SVD)方案从误差矩阵提取主要误差矩阵。如下所示，使用等式1，滤波后的ECG信号的噪声可被定义为滤波后的ECG信号与滤波后的ECG信号的平均值之间的差距。
[等式1]
N(i,j)＝averagei-signali(j)
在等式1中，N(i,j)表示第i个用户的滤波后的ECG信号中的第j个ECG波形中出现的噪声，averagei表示第i个用户的滤波后的ECG信号的平均值，signali(j)表示第i个用户的滤波后的ECG信号的第j个ECG波形的值。登记器140可基于第i个用户的滤波后的ECG信号中的多个ECG波形提取多个ECG矢量，并从ECG矢量减去滤波后的ECG信号的平均矢量，从而产生指示滤波后的ECG信号的噪声的误差矩阵。在一个示例中，登记器140可使用等式2产生误差矩阵。
[等式2]
E i = X i - X i ‾
在等式2中，Ei表示第i个用户的滤波后的ECG信号的误差矩阵。Xi表示包括多个ECG矢量的ECG矩阵，表示包括平均矢量的平均矩阵。此外，误差矩阵可近似为如等式3中所示。
[等式3]
在等式3中，Ai表示第i个用户的滤波后的ECG信号的权重矩阵，Bi表示第i个用户的滤波后的ECG信号的主要误差矩阵。登记器140可基于SVD方案或低秩近似(lowrankapproximation)方案将误差矩阵Ei分解为权重矩阵Ai和主要误差矩阵Bi。在该示例中，主要误差矩阵Bi可指示基于第i个用户的独特特征的ECG信号的图案。此外，由于通过划分误差矩阵Ei来提取主要误差矩阵Bi，因此主要误差矩阵Bi的秩可低于误差矩阵Ei的秩。
登记器140可存储包括例如平均矢量、误差矩阵和主要误差矩阵的ECG信号的提取的信息。登记器140还可通过通信接口将ECG信息发送到图2的认证设备210。当多个用户使用登记设备110时，登记器140可存储与各个用户中的每个相应的平均矢量、误差矩阵和主要误差矩阵。
图2是示出认证设备210的示例的框图。参照图2，认证设备210包括ECG信号接收器220、预处理器230和认证器240。认证设备210基于用户的ECG信号认证用户是否是预先登记的用户。认证设备210可将存储在图1的登记设备110中的预先登记的用户的ECG信息与从用户获取的ECG信息进行比较，并认证与获取的ECG信息相应的用户与预先登记的用户是否匹配。如上所述，虽然认证设备210被描述为与图1的登记设备110分开，但是认证设备210和登记设备110可被构造在单个设备中或者可以彼此分开。如参照图1所述，当登记设备110和认证设备210被构造在单个设备中时，ECG信号接收器1120和预处理器1130可用于登记和认证两者。
ECG信号接收器220使用ECG传感器接收指示用户的ECG信号的目标ECG信号，并执行与图1的ECG接收器120的操作相同的操作。预处理器230对目标ECG信号进行滤波和处理以具有适合于认证的形式，并执行与图1的预处理器130的操作相同的操作。
认证器240从滤波后的目标ECG信号去除参考ECG信号的主要误差分量和平均值，并确定目标ECG信号是否对应于参考ECG信号。参考ECG信号是用户的预先登记的ECG信号，多个参考ECG信号可分别用于多个用户。在一个示例中，认证器240可预先存储参考ECG信号的主要误差分量和平均值的信息。此外，认证器240可从外部源(例如，图1的登记设备110)接收预先登记的ECG信号的主要误差分量和平均值的信息。
认证器240可基于滤波后的目标ECG信号的ECG波形提取ECG矢量。在该示例中，认证器240可产生包括作为元素的ECG波形的幅度(例如，电压值)的ECG矢量。此外，认证器240可基于指示参考ECG信号的平均值的平均矢量与多个ECG矢量之间的差提取误差矩阵。认证器240可从误差矩阵去除指示参考ECG信号的主要误差分量的主要误差矩阵分量，并确定去除了主要误差矩阵分量的误差矩阵的范数。在一个示例中，认证器240可使用等式4确定范数。
[等式4]
L i = | | ( y - x i ‾ ) - Σ j = 1 k ( y · B i j T · y ) | |
在等式4中，Li表示第i个用户的去除主要误差矩阵分量的误差矩阵的范数，y表示包括ECG矢量的ECG矩阵，表示包括参考ECG信号的平均矢量的平均矩阵，Bij表示主要误差矩阵的第j行，k表示主要误差矩阵的秩。||||表示指示矢量的长度的范数。在该示例中，范数可指示例如欧几里德范数、L1范数和/或P范数。例如，当试图被认证的用户的目标ECG信号包括第一ECG波形和第二ECG波形时，认证器240可基于第一ECG波形和第二ECG波形产生第一ECG矢量和第二ECG矢量，并通过从第一ECG矢量和第二ECG矢量减去参考ECG信号的平均矢量来产生误差矩阵
认证器240可基于确定的范数确定ECG信号是否对应于预先登记的ECG信号。在一示例中，认证器240可将误差矩阵的范数和去除了主要误差矩阵分量的误差矩阵的范数进行比较，以确定ECG信号是否对应于预先登记的ECG信号。认证器240可使用等式5确定误差矩阵的范数，并确定去除了主要误差矩阵分量的误差矩阵的范数。
[等式5]
M i = | | ( y - x i ‾ ) | |
在等式5中，Mi表示第i个用户的误差矩阵的范数，y表示包括ECG矢量的ECG矩阵，表示包括参考ECG信号的平均矢量的平均矩阵。主要误差矩阵可指示基于预先登记的用户的独特特征的ECG信号的图案。在该示例中，从误差矩阵去除主要误差矩阵分量可对应于从目标ECG波形去除预先登记的用户的独特特征。当试图认证的用户与预先登记的用户匹配时，从误差矩阵去除主要误差矩阵分量可引起目标ECG信号与参考ECG信号之间的差距的减小。由于该减小，去除了主要误差矩阵分量的误差矩阵的范数可小于包括主要误差矩阵分量的误差矩阵的范数，例如，Li<Mi。因此，去除了主要误差矩阵分量的误差矩阵的范数与包括主要误差矩阵分量的误差矩阵的范数之间的差|Li–Mi|可增大。当试图被认证的用户与预先登记的用户不匹配时，虽然去除了主要误差矩阵分量，但是目标ECG信号与参考ECG信号之间的差距也不会减小，从而去除了主要误差矩阵分量的误差矩阵的范数可与包括主要误差矩阵分量的误差矩阵的范数近似。当去除了主要误差矩阵分量的误差矩阵的范数与包括主要误差矩阵分量的误差矩阵的范数之差的绝对值大于或等于第一预定阈值范数时，认证器240可认证目标ECG信号对应于参考ECG信号。
认证器240可设置第二预定阈值范数。当去除了主要误差矩阵分量的误差矩阵的范数小于或等于第二预定阈值范数时，认证器240可认证目标ECG信号对应于参考ECG信号。当范数用于确定目标ECG信号是否对应于参考ECG信号时，确定用户是否对应于预先登记的用户的准确性可增加，从而在认证设备210中减小错误接受率(FAR)和错误拒绝率(FRR)。
当多个用户被预先登记时，认证器240可针对指示预先登记的用户的ECG信号的多个参考ECG信号中的每个提取范数，并将具有与多个范数之中的最小范数相应的参考ECG信号的预先登记的用户确定为试图被认证的用户。例如，当第一用户和第二用户被预先登记时并且当第三用户试图被认证时，认证器240可通过从第三用户的ECG信号去除第一用户的ECG信号的主要误差分量和平均值来产生第一范数，并通过从第三用户的ECG信号去除第二用户的ECG信号的主要误差分量和平均值来产生第二范数。在该示例中，当第一范数和第二范数小于或等于阈值范数时，认证器240可确定第三用户与第一范数和第二范数中的较小范数所对应的预先登记的用户匹配。例如，当第一范数小于第二范数时，认证器240可将第三用户认证为与第一用户匹配。
图3是示出对ECG信号310进行排列的示例的示图。参照图3，P波、QRS波、T波和U波在ECG信号310中重复出现。认证设备可对ECG信号310进行排列以减小FAR和FRR。在该示例中，认证设备可基于作为P波、QRS波、T波和U波的峰值中的最高峰值的QRS波的R峰值321、322和323对ECG信号310进行排列。认证设备可将R峰值321与322之间的间隔和R峰值322与323之间的间隔中的每个设置为单个时间周期。因此，认证设备可从ECG信号310提取基于R峰值321、322和323排列的第一ECG波形331和第二ECG波形332，并基于第一ECG波形331和第二ECG波形332认证具有ECG信号310的用户是否是预先登记的用户。
图4A和图4B是示出对ECG信号411或421进行预处理的示例的示图。参照图4A和图4B，在曲线图410和420中，横轴表示时间，纵轴表示电压电平。ECG信号411是指在ECG传感器中感测到的原始ECG信号。认证设备可基于R峰值对ECG信号411进行排列，并将连续的R峰值之间的间隔设置为单个时间周期，从而基于设置的时间周期对ECG信号411进行归一化。在该示例中，认证设备可基于预定电压电平对ECG信号411的幅度进行归一化，还可基于预定频带对ECG信号411进行归一化。
此外，认证设备可通过从ECG信号411去除与其他或剩余的分量具有相对低的相关性的分量来提取ECG信号421。认证设备可基于具有比包括在ECG信号411中的分量的数量少的分量的数量的ECG信号421对用户进行认证，从而减少运算量和用于运算的时间量。
图5是示出主要误差矩阵530的示例的示图。参照图5，登记设备从试图被登记的用户获取ECG信号。ECG信号包括n个ECG波形，登记设备基于n个ECG波形产生n个ECG矢量。登记设备通过确定n个ECG矢量的平均来产生平均矢量。登记设备通过从n个ECG矢量中的每个减去平均矢量，来产生n个误差矢量，例如，第一误差矢量511、第二误差矢量512、第三误差矢量513、第n-1误差矢量514和第n误差矢量515，并基于n个误差矢量产生误差矩阵510。在该示例中，n个ECG矢量具有m维，因此，误差矩阵510的大小为n×m。
登记设备基于SVD方案将误差矩阵510分解为权重矩阵520和主要误差矩阵530。主要误差矩阵530表示基于用户的独特特征的图案。在该示例中，主要误差矩阵530的秩为k，k小于作为误差矩阵510的秩的n。登记设备可将包括例如平均矢量、误差矩阵510和主要误差矩阵530的提取的信息存储在存储器中，并通过通信接口将所述信息发送到认证设备。
图6是示出用户认证的示例的示图。参照图6，在曲线图610至640中，横轴表示时间，纵轴表示电压电平。ECG信号611是指通过对从用户获取的原始目标ECG信号进行滤波而获得的目标ECG信号。信号621是指这样的信号，所述信号与通过从ECG信号611的多个ECG波形提取的多个ECG矢量减去平均矢量而产生的误差矩阵相应。平均矢量指示参考ECG波形的平均值。信号631是指这样的信号，所述信号与指示参考ECG信号的主要误差分量的主要误差矩阵相应。信号641是指这样的信号，所述信号与通过从信号621的误差矩阵去除主要误差矩阵分量而获得的误差矩阵相应。
在图6中，当信号641的范数小于或等于阈值范数时，ECG信号611的用户可与参考ECG信号的用户匹配。因此，当信号641的范数小于或等于阈值范数时，用户可被认证为与预先在认证设备中登记的用户相同。
图7是示出用户认证的另一示例的示图。参照图7，在曲线图710至740中，横轴表示时间，纵轴表示电压电平。ECG信号711是指通过对从用户获取的原始目标ECG信号进行滤波而获得的目标ECG信号。信号721是指这样的信号，所述信号与通过从ECG信号711的至少一个ECG波形提取的至少一个ECG矢量减去平均矢量而产生的误差矩阵相应。平均矢量指示与预先登记的用户的ECG信号相应的参考ECG信号中的多个ECG波形的平均值。信号731是指这样的信号，所述信号与指示参考ECG信号的主要误差分量的主要误差矩阵相应。信号741是指这样的信号，所述信号与通过从信号721的误差矩阵去除主要误差矩阵分量而获得的误差矩阵相应。
在图7中，当信号741的范数大于阈值范数时，ECG信号711的用户可与参考ECG信号的用户不同。因此，用户可被认证为与预先在认证设备中登记的用户不同。
图8是示出认证设备的示例的示图。参照图8，移动终端810包括正极电极820、参考电极830和负极电极840，以感测ECG信号。在该示例中，正极电极820和参考电极830布置在移动终端810的两侧，负极电极840布置在移动终端810的下部。
当用户的手指接触多个电极(例如，正极电极820、参考电极830和负极电极840)时，移动终端810感测用户的ECG信号。移动终端810可使用AFE对ECG信号进行放大，并将放大后的ECG信号转换为数字信号。
当用户的ECG信号被登记时，移动终端810可基于R峰值对ECG信号进行排列，基于ECG信号的时间周期对ECG信号进行归一化，并从归一化后的ECG信号去除多个分量之中的具有相对低的相关性的分量，从而对ECG信号进行滤波，其中，基于连续的R峰值之间的间隔设置ECG信号的时间周期。此外，移动终端810可基于ECG信号产生多个ECG矢量，并确定指示ECG矢量的平均的平均矢量。移动终端810可通过从ECG矢量减去平均矢量来产生误差矩阵，并基于SVD方案从误差矩阵提取主要误差矩阵。
当用户试图被认证时，移动终端810可基于R峰值对ECG信号进行排列，基于ECG信号的时间周期对ECG信号进行归一化，并从归一化后的ECG信号去除与预先登记的参考ECG信号具有相对低的相关性的分量，从而对ECG信号进行滤波，其中，基于连续的R峰值之间的间隔设置ECG信号的时间周期。此外，移动终端可基于ECG信号产生多个ECG矢量，并通过从ECG矢量减去参考ECG信号的平均矢量来产生误差矩阵。移动终端810可从误差矩阵去除指示参考ECG信号的主要误差分量的主要误差矩阵分量，并产生去除了主要误差矩阵分量的误差矩阵的范数。在该示例中，参考ECG信号的主要误差矩阵和平均矢量可被预先存储在移动终端810的存储器中。此外，可从外部源(例如，认证设备)接收参考ECG信号的主要误差矩阵和平均矢量的信息。基于确定的范数，移动终端810可认证手指接触多个电极的用户是否是预先登记的用户。
图9是示出认证设备的另一示例的示图。参照图9，可穿戴终端910包括正极电极921、参考电极922和负极电极911，以感测ECG信号。在该示例中，正极电极921和参考电极922布置在可穿戴终端910的背面，负极电极911布置在可穿戴终端910的正面。
与图8的移动终端810相似，可穿戴终端910可使用多个电极(例如，正极电极921、参考电极922和负极电极911)获取用户的ECG信号，并对ECG信号进行滤波。此外，可穿戴终端910可执行与图8的移动终端810的操作相同的操作，以预先对用户的ECG信号进行登记，并认证用户与预先登记的用户是否匹配。
图10是示出认证设备的另一示例的示图。参照图10，移动终端1010包括正极电极1020、参考电极1030和负极电极1040，以感测ECG信号。
与图8的移动终端810相似，移动终端1010可基于R峰值对用户的ECG信号进行排列，并基于ECG信号的时间周期对ECG信号进行归一化，其中，基于连续的R峰值之间的间隔设置ECG信号的时间周期。此外，移动终端1010可从服务器1050接收指示预先登记的ECG信号的参考ECG信号的信息，并从归一化后的ECG信号去除与参考ECG信号具有相对低的相关性的分量，从而对ECG信号进行滤波。此外，移动终端1010可基于ECG信号产生多个ECG矢量，并从服务器1050接收指示参考ECG信号的主要误差分量和参考ECG信号的平均矢量的主要误差矩阵的信息。移动终端1010可通过从ECG矢量减去参考ECG信号的平均矢量来产生误差矩阵。移动终端1010可从误差矩阵去除参考ECG信号的主要误差矩阵分量，并确定去除了主要误差矩阵分量的误差矩阵的范数。基于确定的范数，移动终端1010可认证手指接触多个电极的用户是否是预先登记的用户。此外，移动终端1010可将以下信息中的至少一个发送到服务器1050：误差矩阵的信息、去除了主要误差矩阵分量的误差矩阵的信息、用户与预先登记的用户是否匹配的认证信息。服务器1050可基于从移动终端1010接收的认证信息允许用户访问服务器1050。
图11是示出认证设备1110的另一示例的框图。参照图11，认证设备1110包括ECG信号接收器1120、预处理器1130、登记器1140和认证器1150。
ECG信号接收器1120接收第一ECG信号和第二ECG信号。
预处理器1130对将被登记的用户的第一ECG信号和将被认证的用户的第二ECG信号进行滤波。在该示例中，虽然在图11中未示出，但是预处理器1130可包括排列器、归一化器和去除器，其中，排列器被配置为基于R峰值对第一ECG信号和第二ECG信号进行排列，归一化器被配置为基于第一ECG信号和第二ECG信号的时间周期对第一ECG信号和第二ECG信号进行归一化，每个时间周期对应于连续的R峰值之间的间隔，去除器被配置为可归一化后的第二ECG信号去除多个分量之中的与归一化后的第一ECG信号具有相对低的相关性的分量。
登记器1140从包括主要误差分量的滤波后的第一ECG信号提取独特图案，并对与第一ECG信号相关联的用户的信息进行登记。在该示例中，登记器1140可基于滤波后的第一ECG信号的多个ECG波形提取多个第一ECG矢量，并通过确定第一ECG矢量的平均来提取指示滤波后的第一ECG信号的平均值的平均矢量。此外，登记器1140可基于平均矢量与第一ECG矢量中的每个之间的差来提取第一误差矩阵，并基于SVD方案从第一误差矩阵提取指示主要误差分量的主要误差矩阵。
认证器1150基于滤波后的第一ECG信号的独特图案来处理滤波后的第二ECG信号，并确定第二ECG信号是否对应于第一ECG信号。在一个示例中，认证器1150可基于滤波后的第二ECG信号的多个第二ECG波形来提取多个第二ECG矢量，基于平均矢量与第二ECG矢量中的每个之间的差来提取第二误差矩阵，并通过从第二误差矩阵去除主要误差矩阵分量来确定第二ECG信号是否对应于第一ECG信号。此外，认证器1150可确定去除了主要误差矩阵分量的第二误差矩阵的范数，并基于确定的范数确定第二ECG信号是否对应于第一ECG信号。
为了更加清楚和简明，将省略针对图11的认证设备1110的重复描述，这是因为参照图1至图10提供的描述也适用于图11的认证设备1110。
图12是示出认证方法的示例的流程图。参照图12，在操作1210，认证设备接收目标ECG信号。
在操作1220，认证设备对目标ECG信号进行滤波。
在操作1230，认证设备基于参考ECG信号的独特图案来处理滤波后的目标ECG信号，并基于所述处理确定目标ECG信号是否对应于参考ECG信号。
为了更加清楚和简明，将省略针对图12的认证方法的重复描述，这是因为参照图1至图11提供的描述也适用于图12的认证方法。
图13是示出登记方法的示例的流程图。参照图13，在操作1310，登记设备接收ECG信号。
在操作1320，登记设备对ECG信号进行滤波。
在操作1330，登记设备从包括主要误差分量的滤波后的ECG信号提取独特图案，并对关于ECG信号的用户的信息进行登记。
为了更加清楚和简明，将省略针对图13的登记方法的重复描述，这是因为参照图1至图11提供的描述也适用于图13的登记方法。
图14是示出认证方法的另一示例的流程图。参照图14，在操作1410，认证设备接收第一ECG信号和第二ECG信号。
在操作1420，认证设备对第一ECG信号和第二ECG信号进行滤波。
在操作1430，认证设备从包括主要误差分量的滤波后的第一ECG信号提取独特图案，并对关于第一ECG信号的用户的信息进行登记。
在操作1440，认证设备基于滤波后的第一ECG信号的独特图案处理滤波后的第二ECG信号，并基于所述处理确定第二ECG信号是否对应于第一ECG信号。
为了更加清楚和简明，将省略针对图14的认证方法的重复描述，这是因为参照图1至图11提供的描述也适用于图14的认证方法。
可使用一个或更多个硬件组件或者一个或更多个硬件组件与一个或更多个软件组件的组合来实现以上描述的各种元件和方法。
硬件组件可以是例如物理上执行一个或更多个操作的物理装置，但不限于此。硬件组件的示例包括麦克风、放大器、低通滤波器、高通滤波器、带通滤波器、模数转换器、数模转换器和处理装置。
例如，软件组件可通过由软件或指令控制的处理装置来实现以执行一个或更多个操作，但不限于此。计算机、控制器或其它控制装置可使处理装置运行软件或执行指令。一个软件组件可由一个处理装置来实现，或者两个或更多个软件组件可由一个处理装置来实现，或者一个软件组件可由两个或更多个处理装置来实现，或者两个或更多个软件组件可由两个或更多个处理装置来实现。
可使用一个或更多个通用或专用计算机(诸如，处理器、控制器和算术逻辑单元、数字信号处理器、微计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够运行软件或执行指令的任何其它装置)来实现处理装置。处理装置可运行操作系统(OS)，并可运行在OS下操作的一个或更多个软件应用。处理装置可在运行软件或执行指令时访问、存储、操纵、处理并创建数据。为了简明，在描述中可使用单数术语“处理装置”，但是本领域普通技术人员将理解，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括一个或更多个处理器或者一个或更多个处理器和一个或更多个控制器。此外，可有不同的处理配置，诸如并行处理器或多核处理器。
被配置为实施软件组件以执行操作A的处理装置可包括被编程为运行软件或执行指令以控制处理器执行操作A的处理器。此外，被配置为实施软件组件以执行操作A、操作B和操作C的处理装置可具有不同配置，诸如，被配置为实施软件组件以执行操作A、操作B和操作C的处理器；被配置为实施软件组件以执行操作A的第一处理器和被配置为实施软件组件以执行操作B和操作C的第二处理器；被配置为实施软件组件以执行操作A和操作B的第一处理器和被配置为实施软件组件以执行操作C的第二处理器；被配置为实施软件组件以执行操作A的第一处理器、被配置为实施软件组件以执行操作B的第二处理器和被配置为实施软件组件以执行操作C的第三处理器；被配置为实施软件组件以执行操作A、操作B和操作C的第一处理器和被配置为实施软件组件以执行操作A、操作B和操作C的第二处理器；或者每个实施操作A、操作B和操作C中的一个或更多个操作的一个或更多个处理器的任何其它配置。虽然这些示例提到了三个操作A、B和C，但是可被实施的操作的数量不限于三个，而可以是任何数量的实现期望的结果或执行期望的任务所需的操作。
用于控制处理装置实现软件组件的软件或指令可包括用于独立地或共同地指示或配置处理装置以执行一个或更多个期望操作的计算机程序、代码段、指令或它们的一些组合。软件或指令可包括可由处理装置直接执行的机器代码(诸如由编译器产生的机器代码)和/或可由处理装置使用解释器来执行的更高级代码。可在任何类型的机器、组件、物理或虚拟装备、计算机存储介质或装置或能够将指令或数据提供给处理装置或由处理装置解释的传播信号波中永久地或临时地实施所述软件或指令以及任何关联的数据、数据文件和数据结构。也可将所述软件或指令以及任何关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得按照分布方式来存储并执行所述软件或指令以及任何关联的数据、数据文件和数据结构。
例如，可在一个或更多个非暂时性计算机可读存储介质中记录、存储或固定所述软件或指令以及任何关联的数据、数据文件和数据结构。非暂时性计算机可读存储介质可以是能够存储所述软件或指令以及任何关联的数据、数据文件和数据结构以使得它们可被计算机系统或处理装置读取的任何数据存储装置。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-RLTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘或本领域普通技术人员已知的任何其它非暂时性计算机可读存储介质。
可由所述示例所属领域的程序员基于附图和在此提供的它们的相应描述来容易地构建用于实现在此公开的示例的功能程序、代码和代码段。
仅作为非详尽的说明，在此描述的终端或装置可指移动装置，诸如，蜂窝电话、智能电话、可穿戴智能装置(诸如，戒指、手表、一副眼镜、手环、脚踝支撑、腰带、项链、耳环、束发带、头盔、嵌在衣服中的装置等)、个人计算机(PC)、平板个人计算机(平板)、平板手机、个人数字助理(PDA)、数码相机、便携式游戏机、MP3播放器、便携式/个人多媒体播放器(PMP)、掌上电子书、超级移动个人计算机(UMPC)、便携式膝上型PC、全球定位系统(GPS)导航、以及诸如高清电视(HDTV)、光盘播放器、DVD播放器、蓝光播放器、机顶盒或与在此公开的一致的能够无线通信或网络通信的任何其它装置的装置。在非详尽的示例中，可穿戴装置(诸如，眼镜或手环)可自身被安装在用户身体上。在另一非详尽的示例中，可穿戴装置可通过固定装置被安装在用户身体上，例如，使用臂带将智能手机或平板固定到用户手臂上，或使用系绳将可穿戴装置悬挂在用户颈部周围。
虽然本公开包括特定示例，但是本领域普通技术人员将清楚的是：在不脱离权利要求和它们的等同物的精神和范围情况下，可在这些示例中进行形式上和细节上的各种改变。在此描述的示例可仅在描述意义上考虑，而非为了限制的目的。在每个示例中的特征或方面的描述将被视为可被应用于在其它示例中的相似特征或方面。如果按照不同顺序执行描述的技术，和/或如果按照不同方式组合在描述的系统、架构、装置或电路中的组件和/或由其它组件或其等同物来替代或补充在描述的系统、架构、装置或电路中的组件，则可实现适当的结果。因此，本公开的范围并非由具体实施方式限定而是由权利要求和它们的等同物所限定，并且在权利要求和它们的等同物的范围内的所有变化将被解释为包括在本公开中。

Claims (29)

1.一种认证设备，包括：
心电图信号接收器，被配置为接收目标心电图信号；
预处理器，被配置为对目标心电图信号进行预处理；
认证器，被配置为基于参考心电图信号的图案处理预处理后的目标心电图信号，并基于所述处理来确定目标心电图信号是否对应于参考心电图信号。
2.如权利要求1所述的认证设备，其中，预处理器包括：
去除器，被配置为对目标心电图信号进行滤波。
3.如权利要求2所述的认证设备，其中，预处理器还包括：
排列器，被配置为基于目标心电图信号的R峰值对目标心电图信号进行排列；
归一化器，被配置为基于目标心电图信号的连续的R峰值之间的时间间隔对目标心电图信号进行归一化。
4.如权利要求3所述的认证设备，其中，归一化器被配置为：
基于预先确定的电压电平对目标心电图信号的幅度进行归一化。
5.如权利要求1所述的认证设备，其中，认证器被配置为：
确定预处理后的目标心电图信号与参考心电图信号之间的差；
从所述差去除参考心电图信号的图案。
6.如权利要求5所述的认证设备，其中，认证器被配置为：
基于预处理后的目标心电图信号的心电图波形提取心电图矢量；
基于指示参考心电图信号的心电图波形的平均的平均矢量与心电图矢量之间的差，提取指示预处理后的目标心电图信号与参考心电图信号之间的差的误差矩阵。
7.如权利要求6所述的认证设备，其中，认证器被配置为：
从误差矩阵去除参考心电图信号的主要误差矩阵分量，主要误差矩阵分量指示所述图案。
8.如权利要求7所述的认证设备，其中，认证器被配置为：
确定去除了主要误差矩阵分量的误差矩阵的范数；
基于所述范数确定目标心电图信号是否对应于参考心电图信号。
9.如权利要求8所述的认证设备，其中，认证器被配置为：
响应于所述范数小于或等于预定范数，将目标心电图信号认证为与参考心电图信号对应。
10.如权利要求8所述的认证设备，其中，响应于多个参考心电图信号被获取，认证器被配置为：
针对所述多个参考心电图信号中的每个提取范数；
将所述多个参考心电图信号之中的具有最小范数的参考心电图信号认证为与目标心电图信号对应。
11.一种登记设备，包括：
心电图信号接收器，被配置为接收心电图信号；
预处理器，被配置为对心电图信号进行预处理；
登记器，被配置为从预处理后的心电图信号提取图案，并对心电图信号的信息进行登记，所述信息包括所述图案。
12.如权利要求10所述的登记设备，其中，预处理器包括：
去除器，被配置为对电图信号进行滤波。
13.如权利要求12所述的登记设备，其中，预处理器还包括：
排列器，被配置为基于心电图信号的R峰值对心电图信号进行排列；
归一化器，被配置为基于心电图信号的连续的R峰值之间的时间间隔对心电图信号进行归一化。
14.如权利要求11所述的登记设备，其中，登记器被配置为：
存储所述图案。
15.如权利要求11所述的登记设备，其中，登记器被配置为：
确定预处理后的心电图信号与预处理后的心电图信号的平均之间的差。
16.如权利要求15所述的登记设备，其中，登记器被配置为：
基于预处理后的心电图信号的心电图波形提取心电图矢量；
通过确定心电图矢量的平均来提取指示预处理后的心电图信号的平均的平均矢量。
17.如权利要求16所述的登记设备，其中，登记器被配置为：
基于平均矢量与每个心电图矢量之间的差提取误差矩阵；
基于奇异值分解方案从误差矩阵提取指示主要误差分量的主要误差矩阵。
18.如权利要求17所述的登记设备，其中，主要误差矩阵的秩低于误差矩阵的秩。
19.一种认证设备，包括：
心电图信号接收器，被配置为接收第一心电图信号和第二心电图信号；
预处理器，被配置为对第一心电图信号和第二心电图信号进行预处理；
登记器，被配置为从预处理后的第一心电图信号提取图案，并对第一心电图信号的信息进行登记，所述信息包括所述图案；
认证器，被配置为基于预处理后的第一心电图信号的图案处理预处理后的第二心电图信号，并基于所述处理确定第二心电图信号是否对应于第一心电图信号。
20.如权利要求19所述的登记设备，其中，预处理器包括：
去除器，被配置为对第一心电图信号和第二心电图信号进行滤波。
21.如权利要求20所述的登记设备，其中，预处理器还包括：
排列器，被配置为基于第一心电图信号的R峰值和第二心电图信号的R峰值分别对第一心电图信号和第二心电图信号进行排列；
归一化器，被配置为基于第一心电图信号的连续的R峰值之间的时间间隔和第二心电图信号的连续的R峰值之间的时间间隔分别对第一心电图信号和第二心电图信号进行归一化。
22.如权利要求19所述的登记设备，其中，登记器被配置为：
基于预处理后的第一心电图信号的心电图波形提取第一心电图矢量；
通过确定第一心电图矢量的平均来提取指示预处理后的第一心电图信号的平均的平均矢量。
23.如权利要求22所述的登记设备，其中，登记器被配置为：
基于平均矢量与每个第一心电图矢量之间的差提取第一误差矩阵；
基于奇异值分解方案从第一误差矩阵提取指示主要误差分量的主要误差矩阵。
24.如权利要求23所述的登记设备，其中，认证器被配置为：
基于预处理后的第二心电图信号的第二心电图波形提取第二心电图矢量；
基于平均矢量与第二心电图矢量之间的差提取指示预处理后的第二心电图信号与预处理后的第一心电图信号之间的差的第二误差矩阵；
从第二误差矩阵去除预处理后的第一心电图信号的主要误差矩阵分量，主要误差矩阵分量指示所述图案。
25.如权利要求24所述的设备，其中，认证器被配置为：
确定去除了主要误差矩阵分量的第二误差矩阵的范数；
基于所述范数确定第二心电图信号是否对应于第一心电图信号。
26.一种用户认证方法，包括：
对第一心电图信号进行预处理；
基于预处理后的第一心电图信号、第二心电图信号和第二心电图信号的图案确定第一心电图信号是否对应于第二心电图信号。
27.如权利要求26所述的方法，其中，确定的步骤包括：
确定预处理后的第一心电图信号与第二心电图信号之间的差；
从所述差去除第二心电图信号的图案；
基于去除了第二心电图信号的图案的差，确定第一心电图信号是否对应于第二心电图信号。
28.如权利要求26所述的方法，还包括：
对第二心电图信号进行预处理；
从预处理后的第二心电图信号提取图案；
将提取的图案登记为第二心电图信号的图案。
29.如权利要求28所述的方法，其中，提取的步骤包括：
确定预处理后的第二心电图信号与预处理后的第二心电图信号的平均之间的差；
从所述差提取预处理后的第二心电图信号的图案。
CN201510520804.9A 2014-08-26 2015-08-21 基于心电图信号的用户认证方法和设备 Active CN105389489B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140111611A KR102257289B1 (ko) 2014-08-26 2014-08-26 심전도 신호를 이용한 사용자 인증 방법 및 장치
KR10-2014-0111611 2014-08-26

Publications (2)

Publication Number Publication Date
CN105389489A true CN105389489A (zh) 2016-03-09
CN105389489B CN105389489B (zh) 2020-03-27

Family

ID=53761929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510520804.9A Active CN105389489B (zh) 2014-08-26 2015-08-21 基于心电图信号的用户认证方法和设备

Country Status (5)

Country Link
US (1) US9594892B2 (zh)
EP (1) EP2989966B1 (zh)
JP (1) JP6529369B2 (zh)
KR (1) KR102257289B1 (zh)
CN (1) CN105389489B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107174236A (zh) * 2017-06-21 2017-09-19 广东工业大学 一种基于优化理论的心电信号去噪方法及装置
CN109964226A (zh) * 2016-11-16 2019-07-02 三星电子株式会社 电子装置及其控制方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101657005B1 (ko) * 2015-06-11 2016-09-12 전문석 심전도 생체 인증 방법
JP6648597B2 (ja) * 2016-03-28 2020-02-14 富士通株式会社 生体データ記録方法、生体データ記録装置、及び生体データ記録プログラム
KR101878567B1 (ko) * 2016-11-15 2018-07-13 가톨릭대학교 산학협력단 심전도 기반의 운전 능력 평가 방법
JP6765657B2 (ja) * 2017-06-27 2020-10-07 公立大学法人会津大学 認証装置、認証方法及びコンピュータプログラム
US11457872B2 (en) 2017-12-01 2022-10-04 Samsung Electronics Co., Ltd. Bio-signal quality assessment apparatus and bio-signal quality assessment method
KR102588906B1 (ko) * 2017-12-01 2023-10-13 삼성전자주식회사 생체 신호 품질 평가 장치 및 방법
KR102021491B1 (ko) * 2018-04-24 2019-09-16 조선대학교산학협력단 사용자 인증을 위한 장치 및 방법
KR20240048751A (ko) * 2022-10-07 2024-04-16 제3의청춘주식회사 휴대용 심전도 측정장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093133A (zh) * 2013-01-08 2013-05-08 西安电子科技大学 面向ieee802.15.6的生物身份认证方法
CN101421744B (zh) * 2004-11-08 2013-06-05 依德西亚有限公司 电-生物身份识别方法和设备
US20140165184A1 (en) * 2012-12-12 2014-06-12 Daniel H. Lange Electro-Biometric Authentication

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7548787B2 (en) 2005-08-03 2009-06-16 Kamilo Feher Medical diagnostic and communication system
US20060136744A1 (en) 2002-07-29 2006-06-22 Lange Daniel H Method and apparatus for electro-biometric identity recognition
JP4257538B2 (ja) 2003-12-17 2009-04-22 誠次郎 富田 心音波形及び／又は呼吸波形パターンを利用した個人認証システム
US8918900B2 (en) 2004-04-26 2014-12-23 Ivi Holdings Ltd. Smart card for passport, electronic passport, and method, system, and apparatus for authenticating person holding smart card or electronic passport
WO2006039693A1 (en) * 2004-09-30 2006-04-13 Cardiac Pacemakers, Inc. Cardiac activation sequence monitoring and tracking
US7797036B2 (en) * 2004-11-30 2010-09-14 Cardiac Pacemakers, Inc. Cardiac activation sequence monitoring for ischemia detection
KR100685784B1 (ko) 2005-08-17 2007-02-22 한국전자통신연구원 안전성을 향상시킨 양자화 기반 워터마크 삽입 장치 및 그방법과 그를 이용한 워터마크 인증 장치 및 그 방법
KR101002020B1 (ko) 2008-03-27 2010-12-16 계명대학교 산학협력단 실시간 심전도 모니터링 시스템 및 방법, 패치형 심전도측정장치, 통신장치
JPWO2010023962A1 (ja) * 2008-09-01 2012-01-26 独立行政法人情報通信研究機構 ユビキタス型心電計システム
US8301236B2 (en) 2009-05-22 2012-10-30 Biomedical Systems Corporation System and method for high resolution wireless full disclosure ECG episode monitoring and analysis
KR101192932B1 (ko) 2009-12-22 2012-10-18 삼성전자주식회사 터치스크린을 구비한 휴대용 단말기에서 ｉｄ 인식 방법 및 장치
JP2012176106A (ja) * 2011-02-25 2012-09-13 Sony Corp 認証装置及び認証方法、電子機器、並びにコンピューター・プロクラム
JP2012210235A (ja) 2011-03-30 2012-11-01 Sony Corp 信号処理装置、信号処理方法、およびプログラム、並びに情報処理装置
WO2012151680A1 (en) 2011-05-10 2012-11-15 Agrafioti Foteini System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals
US20130173926A1 (en) 2011-08-03 2013-07-04 Olea Systems, Inc. Method, Apparatus and Applications for Biometric Identification, Authentication, Man-to-Machine Communications and Sensor Data Processing
US8607319B2 (en) 2011-11-22 2013-12-10 Daon Holdings Limited Methods and systems for determining biometric data for use in authentication transactions
KR102010304B1 (ko) 2012-06-14 2019-10-21 삼성전자주식회사 심전도 신호를 이용한 사용자 인증 방법 및 장치
EP2722001B1 (en) 2012-10-22 2016-11-09 Tata Consultancy Services Limited Secure data communication
JP5642210B2 (ja) * 2013-02-04 2014-12-17 インテル コーポレイション 電子バイオメトリック識別認識のための方法及び装置
US9699182B2 (en) * 2014-06-24 2017-07-04 Abdulmotaleb El Saddik Electrocardiogram (ECG) biometric authentication

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101421744B (zh) * 2004-11-08 2013-06-05 依德西亚有限公司 电-生物身份识别方法和设备
US20140165184A1 (en) * 2012-12-12 2014-06-12 Daniel H. Lange Electro-Biometric Authentication
CN103093133A (zh) * 2013-01-08 2013-05-08 西安电子科技大学 面向ieee802.15.6的生物身份认证方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈甸甸: ""ECG信号身份识别技术与算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109964226A (zh) * 2016-11-16 2019-07-02 三星电子株式会社 电子装置及其控制方法
US11435826B2 (en) 2016-11-16 2022-09-06 Samsung Electronics Co., Ltd. Electronic device and control method thereof
CN107174236A (zh) * 2017-06-21 2017-09-19 广东工业大学 一种基于优化理论的心电信号去噪方法及装置

Also Published As

Publication number Publication date
KR20160024600A (ko) 2016-03-07
JP2016045939A (ja) 2016-04-04
CN105389489B (zh) 2020-03-27
US9594892B2 (en) 2017-03-14
KR102257289B1 (ko) 2021-05-27
US20160063231A1 (en) 2016-03-03
EP2989966B1 (en) 2024-02-21
JP6529369B2 (ja) 2019-06-12
EP2989966A1 (en) 2016-03-02

Similar Documents

Publication Publication Date Title
CN105389489A (zh) 基于心电图信号的用户认证方法和设备
CN106031638B (zh) 基于指纹和心电图信号的用户验证方法和设备
CN105740680B (zh) 用于基于生物信号对用户进行认证的方法和设备
Kang et al. ECG authentication system design based on signal analysis in mobile and wearable devices
US11109812B2 (en) Electrocardiogram (ECG) signal based authentication apparatus and method
CN105373719A (zh) 基于心电图信号的用户认证方法和设备
CN104093353B (zh) 信息处理装置以及代表波形生成方法
Al-Naffakh et al. Unobtrusive gait recognition using smartwatches
Dar et al. ECG biometric identification for general population using multiresolution analysis of DWT based features
JP2012176106A (ja) 認証装置及び認証方法、電子機器、並びにコンピューター・プロクラム
CN108108974A (zh) 支付方法及装置和电子设备
Derawi Wireless chest-based ECG biometrics
CN116150670A (zh) 一种基于特征去相关解耦的任务无关脑纹识别方法
KR101760441B1 (ko) 심전도 정점 주기를 이용한 개인 식별 장치 및 그 방법
CN109842487A (zh) 一种基于生物特征的随机数生成方法
CN111274924A (zh) 一种掌静脉检测模型建模方法、掌静脉检测方法及装置
Derawi et al. Real-time wireless ECG biometrics with mobile devices
KR102119169B1 (ko) 사용자 식별을 위한 심전도 신호의 2차원 영상 생성 방법
KR20180082943A (ko) 심전도 신호 인증에 사용되는 인증 참조 정보를 업데이트하는 방법 및 장치
CN108492106A (zh) 安全支付方法及相关产品
Nguyen Security from Implicit Information
Huang et al. Human identification with electroencephalogram (EEG) for the future network security
CN113656776A (zh) 手机端身份认证方法、系统、设备、介质、终端及应用
CN117668601A (zh) 基于遗传算法的脑电信号识别方法、装置、设备和介质
CN116992421A (zh) 基于注意力增强的多分支卷积神经网络的ecg身份识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant