CN108833085B - 一种基于心跳信号的可穿戴智能设备配对方法及系统 - Google Patents

一种基于心跳信号的可穿戴智能设备配对方法及系统 Download PDF

Info

Publication number
CN108833085B
CN108833085B CN201810297514.6A CN201810297514A CN108833085B CN 108833085 B CN108833085 B CN 108833085B CN 201810297514 A CN201810297514 A CN 201810297514A CN 108833085 B CN108833085 B CN 108833085B
Authority
CN
China
Prior art keywords
heartbeat
heartbeat data
smart machine
wearable smart
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.)
Active
Application number
CN201810297514.6A
Other languages
English (en)
Other versions
CN108833085A (zh
Inventor
伍楷舜
赵猛
韩晔彤
邹永攀
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201810297514.6A priority Critical patent/CN108833085B/zh
Publication of CN108833085A publication Critical patent/CN108833085A/zh
Priority to PCT/CN2019/070670 priority patent/WO2019192236A1/zh
Application granted granted Critical
Publication of CN108833085B publication Critical patent/CN108833085B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
    • 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
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0866—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving user or device identifiers, e.g. serial number, physical or biometrical information, DNA, hand-signature or measurable physical characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/30—Security of mobile devices; Security of mobile applications
    • H04W12/33—Security of mobile devices; Security of mobile applications using wearable devices, e.g. using a smartwatch or smart-glasses
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/50—Secure pairing of devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/80—Wireless
    • H04L2209/805—Lightweight hardware, e.g. radio-frequency identification [RFID] or sensor

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供种基于心跳信号的可穿戴智能设备配对方法及系统，所述可穿戴智能设备配对方法包括以下步骤：步骤S1，通过可穿戴智能设备采集光被血液吸收后的变化信号，并将其转化为电信号以获得用户的心跳数据；步骤S2，对用户的心跳数据进行滤波处理；步骤S3，对滤波后的心跳数据进行心跳周期计算；步骤S4，根据心跳周期以及心跳周期内的心跳数据差异值产生二进制密钥。本发明基于用户自己的心跳数据进行分析和处理，进而有效与心跳数据匹配的二进制密钥，且在数据分析和处理的过程中能够提取准确的心跳数据，能够实现很好的配对效果，给用户提供一个安全的配对和认证方法，实现了用户可穿戴智能设备的数据隐私保护，硬件成本低，易实现。

Description

一种基于心跳信号的可穿戴智能设备配对方法及系统
技术领域
本发明涉及一种可穿戴智能设备的配对方法，尤其涉及一种基于心跳信号的可穿戴智能设备配对方法，并涉及采用了该基于心跳信号的可穿戴智能设备配对方法的可穿戴智能设备配对系统。
背景技术
随着智能化社会进程的不断推进，新兴智能设备的不断发展，尤其是可穿戴智能设备的爆炸式增长，越来越多的可穿戴智能设备出现在我们的日常生活中，它能够随时给我们的生活提供便利，比如：智能耳机能给我们提供很多个人健康相关的数据，能让我们实时检测到自己的生命体征相关的信息，为我们每个人的健康保驾护航，大大为我们的生活质量提供了强有力的保障。我们在使用智能设备的便利的同时，我们可能需要频繁的断开和重新连接，在传输个人隐私数据的时候，也伴随着很多严峻的考验，怎样保证每次我们都是配对都是安全的，所以保护个人隐私数据的前提是提供一个安全可靠的设备配对，才能有效保护我们的数据隐私。
国内外研究的配对有如下几个：在智能手机上，我们常常蓝牙配对，但是蓝牙配对有如下几个缺点，首先，蓝牙配对是很不安全的，对于高级黑客，完全可以通过信号信道的干扰来不断监听我们所要发送的隐私数据，这些在很多文献中都有所证明；其次，蓝牙的匹配设备的数量是有限的，智能匹配一个设备，而我们需要匹配很多的可穿戴智能设备，这一点蓝牙是不能达到我们的需求；最后，我们都知道一直打开蓝牙，是相当费电的，这对于电池容量很小的可穿戴智能设备来说是不能接受的。
现在还有使用基于步态进行多个可穿戴智能设备之间的配对方式，因为人在行走的时候，步态会影响人的全身，也就是走路全身都是会动，利用加速度来手机不同设备之间的信号，通过信号处理，产生一系列密钥，但是这个有个很大的问题就是只有在人移动的时候，才能使用，也就是说，我们在安静的时候，是不能够配对成功的，这必然在很大程度上限制了其工作范围。
还有一些现有技术是使用周围的光和声音等周围信息，产生一系列密钥，这种现有技术存在的问题在于，由于周围的环境复杂变化，而且噪音很大，并不能够准确的识别安全密钥。
发明内容
本发明所要解决的技术问题是需要提供一种既能保护用户隐私，又能够有效实现可穿戴智能设备配对的可穿戴智能设备配对方法，并提供采用了该可穿戴智能设备配对方法的可穿戴智能设备配对系统。
对此，本发明提供一种基于心跳信号的可穿戴智能设备配对方法，包括以下步骤：
步骤S1，通过可穿戴智能设备采集光被血液吸收后的变化信号，并将其转化为电信号以获得用户的心跳数据；
步骤S2，对用户的心跳数据进行滤波处理；
步骤S3，对滤波后的心跳数据进行心跳周期计算；
步骤S4，根据心跳周期以及心跳周期内的心跳数据差异值产生二进制密钥。
本发明的进一步改进在于，还包括步骤S5，通过在不同的可穿戴智能设备之间制定协议，进而实现不同的可穿戴智能设备之间的密钥匹配。
本发明的进一步改进在于，所述步骤S5中，预先设置相似度阈值，然后比较至少两个可穿戴智能设备的密钥之间的相似度，若该相似度达到所述相似度阈值，则实现配对。
本发明的进一步改进在于，所述步骤S1中，将可穿戴智能设备设置于穿戴位置，然后通过所述可穿戴智能设备中的光敏传感器和摄像头传感器采集光被血液吸收后的变化信号；所述穿戴位置包括手腕、耳朵、脚背和颈部中的至少一种。
本发明的进一步改进在于，所述步骤S2包括以下子步骤：
步骤S201，根据用户心跳数据的时域信号和频域信号的分布特征，分析每个用户的心跳频率分布范围；
步骤S202，根据每个用户的心跳频率分布范围，对其心跳数据采用带通滤波器进行滤波。
本发明的进一步改进在于，所述步骤S3包括以下子步骤：
步骤S301，对滤波后的心跳数据进行自相关性计算；
步骤S302，根据心跳数据的自相关性选取超过自相关阈值的心跳数据；
步骤S303，计算所述步骤S302中选取的心跳数据之间的平均距离；
步骤S304，根据自相关性和平均距离来确定自相关性索引，并根据索引对所述步骤S2过滤后的心跳数据进行切割，得到心跳数据的心跳周期。
本发明的进一步改进在于，所述步骤S301中，通过公式计算在时延k之后的心跳数据的自相关性，其中，T是时延的时间，σ是心跳数据的方差，是Zt的共轭，Z是心跳振幅值的大小，Zt是在事件t处的幅值，Zt+k是在时间t后的延迟时间k的幅值，t是时间，n是样本数；所述步骤S304中，以自相关性最高的心跳信号和与之距离平均距离最接近的心跳信号作为索引，对所述步骤S2过滤后的心跳数据进行切割，得到处理后的心跳数据的心跳周期。
本发明的进一步改进在于，所述步骤S4包括以下子步骤：
步骤S401，在每个心跳周期内重新采样预定数量的心跳样本；
步骤S402，对每个心跳周期内的心跳样本进行样本平均值计算；
步骤S403，对每个心跳周期内的原始的心跳数据和样本平均值之间计算其心跳数据差异值，进而根据心跳数据差异值产生密钥。
本发明的进一步改进在于，所述步骤S403中，若所述心跳数据差异值大于0，则该心跳数据差异值对应的心跳周期所在位置的密钥设定为1；否则，该心跳数据差异值对应的心跳周期所在位置的密钥设定为0。
本发明还提供一种基于心跳信号的可穿戴智能设备配对系统，采用了如上所述的基于心跳信号的可穿戴智能设备配对方法。
与现有技术相比，本发明的有益效果在于：基于用户自己的心跳数据进行分析和处理，进而有效与心跳数据匹配的二进制密钥，且在数据分析和处理的过程中能够提取准确的心跳数据，给用户提供一个安全的配对和认证方法，实现了用户可穿戴智能设备的数据隐私保护；在此基础上，即使在不同的可穿戴智能配备也能够实现很好的配对效果；本发明的硬件成本非常低且系统简单，现有的大部分可穿戴智能配备都配备所需要的传感器，因此，无需增加硬件成本就能够准确识别和配对出正确的可穿戴智能设备，拒绝错误的可穿戴智能设备，有很好的实用性，人性化程度高。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例的步骤S3的工作流程示意图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1所示，本例提供一种基于心跳信号的可穿戴智能设备配对方法，包括以下步骤：
步骤S1，通过可穿戴智能设备采集光被血液吸收后的变化信号，并将其转化为电信号以获得用户的心跳数据；
步骤S2，对用户的心跳数据进行滤波处理；
步骤S3，对滤波后的心跳数据进行心跳周期计算；
步骤S4，根据心跳周期以及心跳周期内的心跳数据差异值产生二进制密钥。
本例所述可穿戴智能设备包括智能手表、智能手机、智能眼镜、智能衣服以及智能鞋等任意一种或几种可穿戴智能设备，用户戴上所述可穿戴智能设备，本例利用所述可穿戴智能设备中的光敏传感器或者摄像头传感器就能够有效收集每个人的心跳数据。
优选的，如图1所示，本例还包括步骤S5，通过在不同的可穿戴智能设备之间制定协议，进而实现不同的可穿戴智能设备之间的密钥匹配。
比如，在本例所述步骤S5中制定的协议可以是：预先设置相似度阈值，该相似度阈值默认设置为85％，在实际应用中，该相似度阈值可以根据用户的需求进行修改；然后比较至少两个可穿戴智能设备的密钥之间的相似度，若该相似度达到所述相似度阈值，则实现配对。也就是说，不同的可穿戴智能设备之间约定，当两者之间的心跳数据相似度达到相似度阈值时，判定为同一用户，实现配对。
设置步骤S5的原因在于，不同的可穿戴智能设备所产生的秘钥并不是完全一致的，也就是说，可能会出现一部分不匹配的情况，由于外部环境和可穿戴智能设备本身的问题，这些可能暂时是不能避免的，所以本例提出一个协议，该协议是同一个用户的不同的可穿戴智能设备之间制定的，只要双方约定好该协议，就能够很好的处理这些少部分密钥不能匹配的问题，同时，还可以在协议中设定不同的可穿戴智能设备之间的同步问题，比如，通过时间戳的方式记录可穿戴智能设备的数据，进而在不同的可穿戴智能设备之间实现同步的时候，以时间戳为依据覆盖掉旧的数据。
本例所述步骤S1中，将可穿戴智能设备设置于穿戴位置，然后通过所述可穿戴智能设备中的光敏传感器和摄像头传感器采集光被血液吸收后的变化信号；所述穿戴位置包括手腕、耳朵、脚背和颈部中的至少一种。
用户在使用可穿戴智能设备时，要让可穿戴智能设备戴在合适的位置，即穿戴位置；这样就能够利用所述可穿戴智能设备中的光敏传感器和摄像头传感器收集光被血液吸收后的变化信号。
当可穿戴智能设备发出光后，光照通过皮肤组织后，再反射到可穿戴智能设备上的光敏传感器上时，光照有一定的衰减，比如人体的肌肉和骨骼等组织对光的吸收是基本不变的(相对静止情况下)，但是人体的血液不同，动脉里的血液流动，对光的吸收也是动态变化的，因此，本例光被血液吸收后的变化的光信号转换为电信号，就能反应心跳的变化信号了。
变化的心跳数据反应的是心脏输血时的搏动反应，心脏的跳动是具有周期性的(健康的人)，因此，本例通过可穿戴智能设备接受到的变化的心跳信号就是我们想要获得的周期心跳信号。
本例所述步骤S2包括以下子步骤：
步骤S201，根据用户心跳数据的时域信号和频域信号的分布特征，分析每个用户的心跳频率分布范围；
步骤S202，根据每个用户的心跳频率分布范围，对其心跳数据采用带通滤波器进行滤波。
更为具体的，本例所述步骤S2根据所述的光敏传感器和摄像头传感器所检测到的变化信号，进而获取每个用户原始的心跳数据，然后去除一些在原始信号中的噪音便可以得到能够应用的心跳数据了。所述步骤S201中，根据所述的光敏传感器和摄像头传感器对采集到的心跳数据，根据信号的时域和频域的特点，结合光谱相干的信息特征分析方法，得出心跳数据分布的频率范围，即：心跳信息主要分布在哪个频率范围内。所述S202中，根据上述得到的每个用户的心跳频率分布范围，使用带通滤波器进行滤波，比如通过切比雪夫带通Ⅱ型滤波器实现滤波，采用切比雪夫带通Ⅱ型滤波器的原因在于，因为切比雪夫带通Ⅱ型滤波器可以在截止频率那里迅速下降衰减，对于低频信号能够很好的过滤，这跟我们的要求是相符的，因此能够有效的去除噪声的干扰。
通过实验证明和一些心脏相关的理论知识，得到正常人心跳的时域和频域特点并不困难。比如：心跳由P波、QRS波群和T波组成，P波的最大电压值不会超过0.25mv，持续的时间一般在0.08-0.11s，P-R持续时间为0.12-0.2s,QRS波群时间为0.06-0.1s等时域信息。频域信息比如：正常人的心电频率一般在0.5-100HZ之间，心电信号的主要能量集中范围却只在0.5-45HZ之间，RQS波形能量占据了大部分的能量，频谱范围集中10-20HZ，根据这些通过光谱相干信息特征得到的时域和频域的特点，本例就可以对心跳数据进行有效的滤波处理了。
如图2所示，本例所述步骤S3包括以下子步骤：
步骤S301，对滤波后的心跳数据进行自相关性计算；
步骤S302，根据心跳数据的自相关性选取超过自相关阈值的心跳数据；
步骤S303，计算所述步骤S302中选取的心跳数据之间的平均距离；
步骤S304，根据自相关性和平均距离来确定自相关性索引，并根据索引对所述步骤S2过滤后的心跳数据进行切割，得到心跳数据的心跳周期。
本例所述步骤S301中，通过公式计算在时延k之后的心跳数据的自相关性，其中，T是时延的时间，σ是心跳数据的方差，是Zt的共轭，Z是心跳振幅值的大小，Zt是在事件t处的幅值，Zt+k是在时间t后的延迟时间k的幅值，t是时间，n是样本数；所示步骤S302中，可以得到一系列自相关的值，根据自相关的物理意义知道，自相关越大的，说明信息的相似度越高，其实本例求心跳周期，就是为了找心跳数据中相似重复的部分。因此，通过选取一部分局部最大的值，假设用p表示心跳周期的数量，那么本例选取的局部最大值的数量是2*p个心跳数据的值，这种选取方式可以通过设定的自相关阈值来实现，也就是说，自相关阈值是用户自定义设置的自相关性的选取值，而自相关阈值可以根据实际需要的不同进行设置和调整；所述步骤S303中，得到了一系列的选取好的心跳数据之后，计算这些选取好的心跳数据之间的平均距离；所述步骤S304中，以自相关性最高的心跳信号和与之距离平均距离最接近的心跳信号作为索引，对所述步骤S2过滤后的心跳数据进行切割，得到处理后的心跳数据的心跳周期。
通过以上的步骤，本例得到了心跳周期的中两个心跳信号作为索引，一个是自相关性最高的心跳信号，另一个是以自相关性最高的心跳信号为基础且距离平均距离最近的心跳信号，然后把得到的这两个索引直接对应到原始的心跳数据中，所述心跳数据也称心跳信号，即：假如得到了100和120这两个索引，那么在原始的心跳数据上，我们直接取100-120这段心跳数据所对应的信号就好了，这样就能得到所需要的心跳周期了。简单的说，本例在过滤后的心跳数据上使用周期检测算法，进而得到了干净的心跳周期。
一段正常人的心电信号，是具有周期性的特点的，假如，现在有5个周期信号，第一个周期的第一个样本和第二个周期的第一个样本，他们的自相关数据的相关性是很高的，那么样本之间的时间差，也就是这心跳周期的时延，也就是上面公式的时延的时间T，分别计算每个周期在时延T后他们的自相关性。
本例对每个周期信号中的每个样本点都进行自相关数据的计算，计算公式如上所述，计算后，就能得到一系列的数据值，那么这些数据值中肯定有最大值，最大值意味着他们之间的相关性最大，也就是本例找到的正确的两个周期信号。
本例将找到很多个局部最大值的点，而最终目的是找到心跳的周期，那么本例就会分别计算这些局部最大值这些点之间的距离，这里取得是平均距离，代表了一个心跳周期的时间，也就是心跳周期。
根据以上得到用户时间，就能够得到每个时间段的索引，也就得到了这段心跳周期的心跳信号。
本例所述步骤S4根据步骤S3得到的用户的心跳周期这个非常重要的信息，进而产生一系列连续且安全的二进制密钥，具体包括以下子步骤：
步骤S401，在每个心跳周期内重新采样预定数量的心跳样本；
步骤S402，对每个心跳周期内的心跳样本进行样本平均值计算；
步骤S403，对每个心跳周期内的原始的心跳数据和样本平均值之间计算其心跳数据差异值，进而根据心跳数据差异值产生密钥。
本例所述步骤S401的设置目的在于，想要看到更能反应心跳周期变化的信号，因此采用了重采样的方式进行了重新采样，采样点默认为C＝50，当然，在实际应用中，采样数量C可以调整，进而使得得到的用户心跳周期数据更加的规范。
本例所述步骤S402通过公式A＝(A1,A2.....Aj....AC)计算样本平均值，其中，Di＝{Di1,Di2.....DiC}，Di是一个心跳周期里对应的样本点，A是平均值的计算公式，i和j为自然数。
本例所述步骤S403中，若所述心跳数据差异值大于0，则该心跳数据差异值对应的心跳周期所在位置的密钥设定为1；否则，该心跳数据差异值对应的心跳周期所在位置的密钥设定为0。也就是说，当原始的心跳数据大于样本平均值，其密钥为1；当原始的心跳数据大于样本平均值，其密钥为0；当然，在实际应用中，也可以反过来设置。
本例还提供一种基于心跳信号的可穿戴智能设备配对系统，采用了如上所述的基于心跳信号的可穿戴智能设备配对方法。
本例基于用户自己的心跳数据进行分析和处理，进而有效与心跳数据匹配的二进制密钥，且在数据分析和处理的过程中能够提取准确的心跳数据，给用户提供一个安全的配对和认证方法，实现了用户可穿戴智能设备的数据隐私保护；在此基础上，即使在不同的可穿戴智能配备也能够实现很好的配对效果。
值得一提的是，本例的硬件成本非常低且系统简单，现有的大部分可穿戴智能配备都配备所需要的光敏传感器和摄像头传感器，因此，本例无需增加硬件成本就能够准确识别和配对出正确的可穿戴智能设备，拒绝错误的可穿戴智能设备，有很好的实用性，人性化程度高。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于心跳信号的可穿戴智能设备配对方法，其特征在于，包括以下步骤：
步骤S1，通过可穿戴智能设备采集光被血液吸收后的变化信号，并将其转化为电信号以获得用户的心跳数据；
步骤S2，对用户的心跳数据进行滤波处理；
步骤S3，对滤波后的心跳数据进行心跳周期计算；
步骤S4，根据心跳周期以及心跳周期内的心跳数据差异值产生二进制密钥；
还包括步骤S5，通过在不同的可穿戴智能设备之间制定协议，进而实现不同的可穿戴智能设备之间的密钥匹配；所述步骤S5中，预先设置相似度阈值，然后比较至少两个可穿戴智能设备的密钥之间的相似度，若该相似度达到所述相似度阈值，则实现配对；
所述步骤S4包括以下子步骤：
步骤S401，在每个心跳周期内重新采样预定数量的心跳样本；
步骤S402，对每个心跳周期内的心跳样本进行样本平均值计算；
步骤S403，对每个心跳周期内的原始的心跳数据和样本平均值之间计算其心跳数据差异值，进而根据心跳数据差异值产生密钥；
所述步骤S403中，若所述心跳数据差异值大于0，则该心跳数据差异值对应的心跳周期所在位置的密钥设定为1；否则，该心跳数据差异值对应的心跳周期所在位置的密钥设定为0。
2.根据权利要求1所述的基于心跳信号的可穿戴智能设备配对方法，其特征在于，所述步骤S1中，将可穿戴智能设备设置于穿戴位置，然后通过所述可穿戴智能设备中的光敏传感器和摄像头传感器采集光被血液吸收后的变化信号；所述穿戴位置包括手腕、耳朵、脚背和颈部中的至少一种。
3.根据权利要求1所述的基于心跳信号的可穿戴智能设备配对方法，其特征在于，所述步骤S2包括以下子步骤：
步骤S201，根据用户心跳数据的时域信号和频域信号的分布特征，分析每个用户的心跳频率分布范围；
步骤S202，根据每个用户的心跳频率分布范围，对其心跳数据采用带通滤波器进行滤波。
4.根据权利要求1所述的基于心跳信号的可穿戴智能设备配对方法，其特征在于，所述步骤S3包括以下子步骤：
步骤S301，对滤波后的心跳数据进行自相关性计算；
步骤S302，根据心跳数据的自相关性选取超过自相关阈值的心跳数据；
步骤S303，计算所述步骤S302中选取的心跳数据之间的平均距离；
步骤S304，根据自相关性和平均距离来确定自相关性索引，并根据索引对所述步骤S2过滤后的心跳数据进行切割，得到心跳数据的心跳周期。
5.根据权利要求4所述的基于心跳信号的可穿戴智能设备配对方法，其特征在于，所述步骤S301中，通过公式计算在时延k之后的心跳数据的自相关性，其中，T是时延的时间，σ是心跳数据的方差，是Zt的共轭，Z是心跳振幅值的大小，Zt是在事件t处的幅值，Zt+k是在时间t后的延迟时间k的幅值，t是时间，n是样本数；所述步骤S304中，以自相关性最高的心跳信号和与之距离平均距离最接近的心跳信号作为索引，对所述步骤S2过滤后的心跳数据进行切割，得到处理后的心跳数据的心跳周期。
CN201810297514.6A 2018-04-04 2018-04-04 一种基于心跳信号的可穿戴智能设备配对方法及系统 Active CN108833085B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810297514.6A CN108833085B (zh) 2018-04-04 2018-04-04 一种基于心跳信号的可穿戴智能设备配对方法及系统
PCT/CN2019/070670 WO2019192236A1 (zh) 2018-04-04 2019-01-07 一种基于心跳信号的可穿戴智能设备配对方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810297514.6A CN108833085B (zh) 2018-04-04 2018-04-04 一种基于心跳信号的可穿戴智能设备配对方法及系统

Publications (2)

Publication Number Publication Date
CN108833085A CN108833085A (zh) 2018-11-16
CN108833085B true CN108833085B (zh) 2019-11-29

Family

ID=64154402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810297514.6A Active CN108833085B (zh) 2018-04-04 2018-04-04 一种基于心跳信号的可穿戴智能设备配对方法及系统

Country Status (2)

Country Link
CN (1) CN108833085B (zh)
WO (1) WO2019192236A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108833085B (zh) * 2018-04-04 2019-11-29 深圳大学 一种基于心跳信号的可穿戴智能设备配对方法及系统
CN110367934B (zh) * 2019-07-25 2023-02-03 深圳大学 一种基于非语音身体声音的健康监测方法及监测系统
CN113555132A (zh) * 2020-04-24 2021-10-26 华为技术有限公司 多源数据处理方法、电子设备和计算机可读存储介质
CN113873017B (zh) * 2021-09-06 2023-12-26 绿盟科技集团股份有限公司 一种心跳周期调整方法、装置、客户端以及服务器
CN113768483B (zh) * 2021-09-14 2023-12-29 北京清雷科技有限公司 一种基于毫米波雷达的hrv信号提取方法及设备
CN115204238B (zh) * 2022-07-29 2023-05-23 山东光辉人力资源科技有限公司 用于可穿戴设备上的ppg信号身份识别方法及可穿戴设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104993922A (zh) * 2015-05-26 2015-10-21 惠州Tcl移动通信有限公司 一种智能穿戴设备及其加密、解密方法
CN106096589A (zh) * 2016-07-14 2016-11-09 重庆海睿科技有限公司 基于智能终端摄像头进行短时脉率变异性分析的方法
CN106923812A (zh) * 2017-03-30 2017-07-07 华南理工大学 一种基于心音信号自相关分析的心率计算方法
US9740844B1 (en) * 2013-12-24 2017-08-22 EMC IP Holding Company LLC Wireless wearable authenticators using attachment to confirm user possession

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006304167A (ja) * 2005-04-25 2006-11-02 Sony Corp キー生成方法およびキー生成装置
CN103916540B (zh) * 2014-03-31 2018-03-16 惠州Tcl移动通信有限公司 一种信息反馈的方法及移动终端
CN106572431B (zh) * 2016-10-27 2019-12-13 北京小米移动软件有限公司 一种设备配对方法及装置
CN108833085B (zh) * 2018-04-04 2019-11-29 深圳大学 一种基于心跳信号的可穿戴智能设备配对方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9740844B1 (en) * 2013-12-24 2017-08-22 EMC IP Holding Company LLC Wireless wearable authenticators using attachment to confirm user possession
CN104993922A (zh) * 2015-05-26 2015-10-21 惠州Tcl移动通信有限公司 一种智能穿戴设备及其加密、解密方法
CN106096589A (zh) * 2016-07-14 2016-11-09 重庆海睿科技有限公司 基于智能终端摄像头进行短时脉率变异性分析的方法
CN106923812A (zh) * 2017-03-30 2017-07-07 华南理工大学 一种基于心音信号自相关分析的心率计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"一种基于绿光的可穿戴式光电容积脉搏测量系统";李皙茹等;《现代电子技术 第125-128页》;20161108;第39卷(第20期);全文 *

Also Published As

Publication number Publication date
CN108833085A (zh) 2018-11-16
WO2019192236A1 (zh) 2019-10-10

Similar Documents

Publication Publication Date Title
CN108833085B (zh) 一种基于心跳信号的可穿戴智能设备配对方法及系统
Ertin et al. AutoSense: unobtrusively wearable sensor suite for inferring the onset, causality, and consequences of stress in the field
Tang et al. Flexible and efficient authenticated key agreement scheme for BANs based on physiological features
US10304267B2 (en) Systems, apparatus, and methods for continuous authentication
US11766182B2 (en) Systems and methods for real-time signal processing and fitting
Peris-Lopez et al. Effect of attacker characterization in ECG-based continuous authentication mechanisms for Internet of Things
Moosavi et al. Low-latency approach for secure ECG feature based cryptographic key generation
Lagido et al. Using the smartphone camera to monitor heart rate and rhythm in heart failure patients
Pirbhulal et al. A comparative study of fuzzy vault based security methods for wirless body sensor networks
Ohtsuki et al. Biometrie authentication using hand movement information from wrist-worn PPG sensors
Arpaia et al. A wearable SSVEP BCI for AR-based, real-time monitoring applications
Bagade et al. Protect your BSN: No handshakes, just namaste!
CN104809371A (zh) 判断头戴式智能设备的鉴权信息有效性的装置和方法
Pourbemany et al. A survey of wearable devices pairing based on biometric signals
US20230414149A1 (en) Method and System for Measuring and Displaying Biosignal Data to a Wearer of a Wearable Article
Zhao et al. Filter bank convolutional neural network for SSVEP classification
Nakayama et al. A continuous user authentication system based on galvanic coupling communication for s-health
Zhao et al. Robust continuous authentication using cardiac biometrics from wrist-worn wearables
Li et al. SoK: an overview of PPG's application in authentication
Vasyltsov et al. Entropy extraction from bio-signals in healthcare IoT
CN110051351B (zh) 咬牙信号获取方法以及电子设备的控制方法及装置
KR102248739B1 (ko) 치과용 진료의자를 이용한 환자의 심박/호흡 모니터링 시스템
CN110247770B (zh) 一种体域网的密钥生成方法、装置、终端、介质
KR20190044869A (ko) 생체신호 인증 장치 및 방법
JP6356400B2 (ja) 周波数検出装置

Legal Events

Date Code Title Description
PB01 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