CN109330585A - 一种基于nmf的心电信号身份识别、评价方法及装置 - Google Patents
一种基于nmf的心电信号身份识别、评价方法及装置 Download PDFInfo
- Publication number
- CN109330585A CN109330585A CN201811365487.8A CN201811365487A CN109330585A CN 109330585 A CN109330585 A CN 109330585A CN 201811365487 A CN201811365487 A CN 201811365487A CN 109330585 A CN109330585 A CN 109330585A
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- matrix
- nmf
- qrs
- instruction
- 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
Links
Classifications
-
- 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
- A61B5/117—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
-
- 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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了种一种基于NMF的心电信号身份识别、评价方法及装置，该方法包括：接收心电信号，作为样本点，并对心电信号进行预处理；根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；对重构后的心电信号进行非负矩阵分解，获取系数矩阵；采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；利用特征值矩阵进行心电信号身份识别。利用特征值矩阵，通过马氏距离计算同源相似度矩阵和异源相似度矩阵，并由同源相似度矩阵和异源相似度矩阵计算误识率、拒识率和相等错误率，对心电信号身份识别的识别效果进行度量评价。
Description
技术领域
本公开属于心电信号识别的技术领域，涉及一种基于NMF的心电信号身份识别、评价方法及装置。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
随着科技的进步与发展，由于心电信号具有唯一性、并且其具有安全性高、可采集性强等特点，可以利用心电信号对身份进行识别。但是利用心电信号进行身份识别时存在以下困难：
第一，在采集过程中会受外界因素影响而导致一定程度的失真；
第二，心电信号容也易受到人体的心理活动和生理活动的影响；
因此，同一个人在不同状态下的采集的心电信号可能会产生波动，从而影响识别效果。基于心电信号的身份识别，关键在于如何避免这些干扰，准确提取心电信号的波形特征，获得精确的匹配结果。
目前，对心电信号进行识别的方法有很多，如小波变换，经验模态分解等方法，但是这些方法在提取心电信号特征方面仍然存在不足之处：
在小波分解中，小波基选取困难并且分解结果不唯一；
在经验模态分解中，由于心电信号是非平稳信号，当信号出现较大波动，有脉冲干扰、或有较大的噪声影响时，容易产生模态混叠现象，不利于对心电信号的识别。
发明内容
针对现有技术中存在的不足，本公开的一个或多个实施例提供了一种基于NMF的心电信号身份识别、评价方法及装置，根据心电信号结构，对心电信号波形进行重构，并采用非负矩阵分解(Nonnegative Matrix Factor，简称NMF)的方法提取系数矩阵，用次成分分析(Minor Components Analysis，简称MCA)法获取系数矩阵的次成分作为最终的特征值矩阵，以此来提高心电信号身份识别方法的性能和鲁棒性。
根据本公开的一个或多个实施例的一个方面，提供一种基于NMF的心电信号身份识别方法。
一种基于NMF的心电信号身份识别方法，该方法包括：
接收心电信号，作为样本点，并对心电信号进行预处理；
根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
利用特征值矩阵进行心电信号身份识别。
进一步地，在该方法中，所述对心电信号进行预处理，具体方法步骤包括：
检测心电信号，确定心电信号的R波波峰；
从R波波峰向两侧取m个点作为单周期心电信号，对每个人的k个单周期心电信号求平均值；
计算每个单周期心电信号到心电信号平均值的欧式距离，保留距离小于预设阈值的单周期心电信号。
进一步地，在该方法中，所述对预处理后的心电信号进行重构，具体方法步骤包括：
采用pan_tompkin算法，获取预处理后的心电信号QRS波段；
对QRS波段进行双向粒度扫描，采用1×3滑动窗口，步长为1，以R波波峰为窗口中心分别向R峰两侧滑动，并将扫描到的信号值按照窗口滑动的方向进行拼接；
将扫描的QRS波段与QRS之前的波段和QRS之后的波段整合，得到重构的单周期心电信号。
进一步地，在该方法中，所述对重构后的心电信号进行非负矩阵分解，具体方法步骤包括：
对重构后的心电信号去均值化，获取去均值化后的信号；
将去均值化后的信号与其最小值的绝对值相加，得到非负信号；
对非负信号进行非负矩阵分解，获取系数矩阵。
进一步地，在该方法中，所述采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵的具体步骤为：
通过次成分分析法，求解系数矩阵的协方差矩阵的前k个最小特征值对应的特征向量；
将样本点投影到选取的特征向量上，获取系数矩阵的次成分作为最终的特征值矩阵。
根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于NMF的心电信号身份识别方法。
根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。
一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于NMF的心电信号身份识别方法。
根据本公开的一个或多个实施例的一个方面，提供一种基于NMF的心电信号身份识别评价方法。
一种基于NMF的心电信号身份识别评价方法，该方法基于一种基于NMF的心电信号身份识别方法，包括：
接收心电信号，作为样本点，并对心电信号进行预处理；
根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
利用特征值矩阵进行心电信号身份识别；
利用特征值矩阵，通过马氏距离计算同源相似度矩阵和异源相似度矩阵，并由同源相似度矩阵和异源相似度矩阵计算误识率、拒识率和相等错误率，对心电信号身份识别的识别效果进行度量评价。
根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于NMF的心电信号身份识别评价方法。
根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。
一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于NMF的心电信号身份识别评价方法。
本公开的有益效果：
(1)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，通过对心电信号的重构，强化了心电信号QRS波段的作用，有利于提取心电信号的主要特征。
(2)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，将重构信号通过非负矩阵分解获取系数矩阵，由于非负的约束，保证了基矩阵和系数矩阵中的元素都是正值，因此原始矩阵是基矩阵的线性叠加，更加符合了局部表达整体的思想，保证了基矩阵和系数矩阵的稀疏性；在非负矩阵分解的过程中，不仅可以对非平稳信号进行分解，而且不用考虑分解等级，在计算过程中也可以随机初始化基矩阵，最终用系数矩阵来表示原始矩阵，得到心电信号的本质特征。
(3)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，最后通过MCA提取系数矩阵的次成分，获取心电信号之间的差异性特征作为最终的特征值矩阵，从而提高对心电信号的识别效果。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是根据一个或多个实施例的一种基于NMF的心电信号身份识别方法流程图；
图2是根据一个或多个实施例的一种基于NMF的心电信号身份识别评价方法流程图。
具体实施方式：
下面将结合本公开的一个或多个实施例中的附图，对本公开的一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本公开的一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。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。
需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合，下面结合附图与实施例对本公开作进一步说明。
根据本公开的一个或多个实施例的一个方面，提供一种基于NMF的心电信号身份识别方法。
如图1所示，一种基于NMF的心电信号身份识别方法，该方法包括：
步骤(1)：接收心电信号，作为样本点，并对心电信号进行预处理；
步骤(2)：根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
步骤(3)：对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
步骤(4)：采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
步骤(5)：利用特征值矩阵进行心电信号身份识别。
在所述步骤(1)中，所述对心电信号进行预处理。
由于原始心电信号中存在一些噪声干扰，如肌电干扰、工频干扰、基线漂移等。本方案主要根据心电信号频率范围，采用滤波器对噪声进行去除。通过对心电信号的检测确定R波波峰，从R波波峰向两侧取m个点作为单周期心电信号，对每个人的k个单周期心电信号求平均值并且计算每个单周期心电信号到的欧式距离，保留距离小于λ的单周期心电信号。
在所述步骤(2)中，所述对预处理后的心电信号进行重构。
心电信号可以分为P波、QRS波、T波波段，在本公开的一个或多个实施例中选择QRS波段，在这些波段中QRS波段具有更大的代表性。
通过pan_tompkin算法，获取心电信号QRS波段，波段长度为lQRS，对QRS波段进行双向粒度扫描，用一个1×3滑动窗口，步长为1，以R波波峰为窗口中心分别向R峰两侧滑动，并将扫描到的信号值按照窗口滑动的方向进行拼接，获取新的QRS波段，新的QRS波段长度为3(lQRS-2)，并将其与QRS之前的波段和QRS之后的波段整合，得到重构后的心电信号。
在所述步骤(3)中，所述对重构后的心电信号进行非负矩阵分解，具体方法步骤包括：
对重构后的心电信号去均值化，获取去均值化后的信号；即求所有单周期心电信号均值，并用每个单周期心电信号减去心电信号均值，获取去均值化后的信号R；
将去均值化后的信号与其最小值的绝对值相加，得到非负信号；将信号R加上一个正数，这个正数为R的最小值的绝对值，得到新的信号V＝R+abs(min R)，得到了非负信号V；
对非负信号进行非负矩阵分解，获取系数矩阵。对非负信号V进行非负矩阵分解，获得系数矩阵H；
所述的非负矩阵分解模块主要有以下几个方面：
a)非负矩阵分解的基本依据公式(1)：
V≈W×H s.t.W∈R+ H∈R+ (1)
b)基于欧几里得距离的代价函数(2)，以及求解出来的迭代公式(3)：
代价函数：minJ＝||V-WH||2 (2)
迭代公式：
c)通过NMF对V信号进行非负矩阵分解获取系数矩阵H，如公式(4)：
NMF分解：V＝WH (4)
在所述步骤(4)中，所述采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵的具体步骤为：
通过次成分分析法，求解系数矩阵H的协方差矩阵的前k个最小特征值对应的特征向量w；
将样本点投影到选取的特征向量上，获取系数矩阵的次成分F作为最终的特征值矩阵。
根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于NMF的心电信号身份识别方法。
根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。
一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于NMF的心电信号身份识别方法。
根据本公开的一个或多个实施例的一个方面，提供一种基于NMF的心电信号身份识别评价方法。
如图2所示，一种基于NMF的心电信号身份识别评价方法，该方法基于一种基于NMF的心电信号身份识别方法，包括：
步骤(1)：接收心电信号，作为样本点，并对心电信号进行预处理；
步骤(2)：根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
步骤(3)：对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
步骤(4)：采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
步骤(5)：利用特征值矩阵进行心电信号身份识别；
步骤(6)：利用特征值矩阵，通过马氏距离计算同源相似度矩阵和异源相似度矩阵，并由同源相似度矩阵和异源相似度矩阵计算误识率、拒识率和相等错误率，对心电信号身份识别的识别效果进行度量评价。
在所述步骤(6)中，每类样本的特征值都对应矩阵的一部分，通过特征值矩阵，我们可以得到每类样本对应的特征子矩阵，通过马氏距离来计算特征子矩阵中每个特征向量与其他特征向量之间的距离得到同源相似度矩阵，通过马氏距离计算每个特征子矩阵与其他特征子矩阵的特征向量之间的距离得到异源相似度矩阵，并由同源相似度矩阵和异源相似度矩阵计算误识率(FAR)、拒识率(FRR)和相等错误率(EER)来衡量基于NMF的心电信号身份识别方法的效果。具体公式如(5)—(8)：
马氏距离：
(5)式中，x、y是两个单周期心电信号的特征向量，μx、μy，分别是这两个向量各自的均值，∑是x、y的协方差矩阵。
误识率：
拒识率：
(6)(7)式中，NGRA是类内测试的总次数、NIRA是类间测试的总次数；NFR和NFA是错误拒绝和错误接受的次数。
相等错误率：
根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于NMF的心电信号身份识别评价方法。
根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。
一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于NMF的心电信号身份识别评价方法。
这些计算机可执行指令在设备中运行时使得该设备执行根据本公开中的各个实施例所描述的方法或过程。
在本实施例中，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开内容的各个方面。
本公开的有益效果：
(1)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，通过对心电信号的重构，强化了心电信号QRS波段的作用，有利于提取心电信号的主要特征。
(2)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，将重构信号通过非负矩阵分解获取系数矩阵，由于非负的约束，保证了基矩阵和系数矩阵中的元素都是正值，因此原始矩阵是基矩阵的线性叠加，更加符合了局部表达整体的思想，保证了基矩阵和系数矩阵的稀疏性；在非负矩阵分解的过程中，不仅可以对非平稳信号进行分解，而且不用考虑分解等级，在计算过程中也可以随机初始化基矩阵，最终用系数矩阵来表示原始矩阵，得到心电信号的本质特征。
(3)本发明所述的一种基于NMF的心电信号身份识别、评价方法及装置，最后通过MCA提取系数矩阵的次成分，获取心电信号之间的差异性特征作为最终的特征值矩阵，从而提高对心电信号的识别效果。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于NMF的心电信号身份识别方法，其特征在于，该方法包括：
接收心电信号，作为样本点，并对心电信号进行预处理；
根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
利用特征值矩阵进行心电信号身份识别。
2.如权利要求1所述的一种基于NMF的心电信号身份识别方法，其特征在于，在该方法中，所述对心电信号进行预处理，具体方法步骤包括：
检测心电信号，确定心电信号的R波波峰；
从R波波峰向两侧取m个点作为单周期心电信号，对每个人的k个单周期心电信号求平均值；
计算每个单周期心电信号到心电信号平均值的欧式距离，保留距离小于预设阈值的单周期心电信号。
3.如权利要求1所述的一种基于NMF的心电信号身份识别方法，其特征在于，在该方法中，所述对预处理后的心电信号进行重构，具体方法步骤包括：
采用pan_tompkin算法，获取预处理后的心电信号QRS波段；
对QRS波段进行双向粒度扫描，采用1×3滑动窗口，步长为1，以R波波峰为窗口中心分别向R峰两侧滑动，并将扫描到的信号值按照窗口滑动的方向进行拼接；
将扫描的QRS波段与QRS之前的波段和QRS之后的波段整合，得到重构的单周期心电信号。
4.如权利要求1所述的一种基于NMF的心电信号身份识别方法，其特征在于，在该方法中，所述对重构后的心电信号进行非负矩阵分解，具体方法步骤包括：
对重构后的心电信号去均值化，获取去均值化后的信号；
将去均值化后的信号与其最小值的绝对值相加，得到非负信号；
对非负信号进行非负矩阵分解，获取系数矩阵。
5.如权利要求1所述的一种基于NMF的心电信号身份识别方法，其特征在于，在该方法中，所述采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵的具体步骤为：
通过次成分分析法，求解系数矩阵的协方差矩阵的前k个最小特征值对应的特征向量；
将样本点投影到选取的特征向量上，获取系数矩阵的次成分作为最终的特征值矩阵。
6.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1-5中任一项所述的一种基于NMF的心电信号身份识别方法。
7.一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1-5中任一项所述的一种基于NMF的心电信号身份识别方法。
8.一种基于NMF的心电信号身份识别评价方法，其特征在于，该方法基于如权利要求1-5中任一项所述的一种基于NMF的心电信号身份识别方法，包括：
接收心电信号，作为样本点，并对心电信号进行预处理；
根据心电信号结构，对QRS波段进行双向粒度扫描，并将其与QRS之前的波段和QRS之后的波段整合，对预处理后的心电信号进行重构；
对重构后的心电信号进行非负矩阵分解，获取系数矩阵；
采用次成分分析法选取系数矩阵的次成分作为心电信号最终的特征值矩阵；
利用特征值矩阵进行心电信号身份识别；
利用特征值矩阵，通过马氏距离计算同源相似度矩阵和异源相似度矩阵，并由同源相似度矩阵和异源相似度矩阵计算误识率、拒识率和相等错误率，对心电信号身份识别的识别效果进行度量评价。
9.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求8中所述的一种基于NMF的心电信号身份识别评价方法。
10.一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求8中所述的一种基于NMF的心电信号身份识别评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811365487.8A CN109330585B (zh) | 2018-11-16 | 2018-11-16 | 一种基于nmf的心电信号身份识别、评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811365487.8A CN109330585B (zh) | 2018-11-16 | 2018-11-16 | 一种基于nmf的心电信号身份识别、评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109330585A true CN109330585A (zh) | 2019-02-15 |
| CN109330585B CN109330585B (zh) | 2020-04-24 |
Family
ID=65315775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811365487.8A Active CN109330585B (zh) | 2018-11-16 | 2018-11-16 | 一种基于nmf的心电信号身份识别、评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109330585B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110471104A (zh) * | 2019-08-26 | 2019-11-19 | 电子科技大学 | 基于智能特征学习的叠后地震反射模式识别方法 |
| CN111582138A (zh) * | 2020-04-30 | 2020-08-25 | 山东大学 | 基于频域倒谱系数特征的心电身份识别方法及系统 |
| CN112446307A (zh) * | 2020-11-16 | 2021-03-05 | 山东大学 | 基于局部约束的非负矩阵分解的心电身份识别方法及系统 |
| CN112818315A (zh) * | 2021-02-26 | 2021-05-18 | 山东大学 | 一种融合多特征信息的心电信号身份识别方法及系统 |
| CN113017620A (zh) * | 2021-02-26 | 2021-06-25 | 山东大学 | 基于鲁棒判别式非负矩阵分解的心电身份识别方法及系统 |
| CN113221736A (zh) * | 2021-05-11 | 2021-08-06 | 菏泽学院 | 基于多特征协同非负矩阵分解的心电身份识别方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021275A (zh) * | 2014-05-12 | 2014-09-03 | 银江股份有限公司 | 一种新型心电图相似性度量方法 |
| CN104398256A (zh) * | 2014-11-13 | 2015-03-11 | 北京海思敏医疗技术有限公司 | 一种通过计算机实现的心电波形的检测方法及装置 |
| CN104771178A (zh) * | 2015-04-13 | 2015-07-15 | 深圳市飞马与星月科技研究有限公司 | 身份识别的方法及装置 |
| CN108537100A (zh) * | 2017-11-17 | 2018-09-14 | 吉林大学 | 一种基于pca和lda分析的心电信号身份识别方法及系统 |
-
2018
- 2018-11-16 CN CN201811365487.8A patent/CN109330585B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021275A (zh) * | 2014-05-12 | 2014-09-03 | 银江股份有限公司 | 一种新型心电图相似性度量方法 |
| CN104398256A (zh) * | 2014-11-13 | 2015-03-11 | 北京海思敏医疗技术有限公司 | 一种通过计算机实现的心电波形的检测方法及装置 |
| CN104771178A (zh) * | 2015-04-13 | 2015-07-15 | 深圳市飞马与星月科技研究有限公司 | 身份识别的方法及装置 |
| CN108537100A (zh) * | 2017-11-17 | 2018-09-14 | 吉林大学 | 一种基于pca和lda分析的心电信号身份识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张井伟: "基于非负矩阵分解的盲源分离算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》 * |
| 蔡琛: "基于主成分分析的AES算法相关功耗分析攻击", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110471104A (zh) * | 2019-08-26 | 2019-11-19 | 电子科技大学 | 基于智能特征学习的叠后地震反射模式识别方法 |
| CN111582138A (zh) * | 2020-04-30 | 2020-08-25 | 山东大学 | 基于频域倒谱系数特征的心电身份识别方法及系统 |
| CN112446307A (zh) * | 2020-11-16 | 2021-03-05 | 山东大学 | 基于局部约束的非负矩阵分解的心电身份识别方法及系统 |
| CN112818315A (zh) * | 2021-02-26 | 2021-05-18 | 山东大学 | 一种融合多特征信息的心电信号身份识别方法及系统 |
| CN113017620A (zh) * | 2021-02-26 | 2021-06-25 | 山东大学 | 基于鲁棒判别式非负矩阵分解的心电身份识别方法及系统 |
| CN112818315B (zh) * | 2021-02-26 | 2022-03-15 | 山东大学 | 一种融合多特征信息的心电信号身份识别方法及系统 |
| CN113221736A (zh) * | 2021-05-11 | 2021-08-06 | 菏泽学院 | 基于多特征协同非负矩阵分解的心电身份识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109330585B (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109330585A (zh) | 一种基于nmf的心电信号身份识别、评价方法及装置 | |
| CN110797021B (zh) | 混合语音识别网络训练方法、混合语音识别方法、装置及存储介质 | |
| CN107679507B (zh) | 面部毛孔检测系统及方法 | |
| CN105160318B (zh) | 基于面部表情的测谎方法及系统 | |
| CN111027378B (zh) | 行人重识别的方法、装置、终端及存储介质 | |
| CN109065027B (zh) | 语音区分模型训练方法、装置、计算机设备及存储介质 | |
| CN109497990B (zh) | 一种基于典型相关分析的心电信号身份识别方法及系统 | |
| CN105678273B (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
| CN109330584B (zh) | 基于字典学习和稀疏表示的心电信号身份识别方法和系统 | |
| CN109620213A (zh) | 一种基于多尺度差分特征的心电识别方法及装置 | |
| CN108549848B (zh) | 用于输出信息的方法和装置 | |
| Sujadevi et al. | A hybrid method for fundamental heart sound segmentation using group-sparsity denoising and variational mode decomposition | |
| CN110786849B (zh) | 基于多视图鉴别分析的心电信号身份识别方法及系统 | |
| CN107092874A (zh) | 基于心电和指纹融合特征的身份识别方法、装置及系统 | |
| CN110176250A (zh) | 一种基于局部学习的鲁棒声学场景识别方法 | |
| CN110458091A (zh) | 基于位置筛选的人脸识别1比n算法优化方法 | |
| CN110188602A (zh) | 视频中的人脸识别方法及装置 | |
| Abbas et al. | Heart‐ID: human identity recognition using heart sounds based on modifying mel‐frequency cepstral features | |
| CN110222647A (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN110598522A (zh) | 一种基于人脸和掌纹掌静脉识别的身份比对方法 | |
| Speth et al. | Digital and physical-world attacks on remote pulse detection | |
| CN107894837A (zh) | 动态情感分析模型样本处理方法及装置 | |
| Hari et al. | Design of a Hamming-distance classifier for ECG biometrics | |
| Makwana et al. | Evaluation and analysis of illumination normalization methods for face recognition | |
| CN116861217A (zh) | 用于移动终端的身份识别方法及系统 |
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 |