计算机工程

作者：严洁, 张烨菲, 张显飞

单位：1. 杭州电子科技大学通信工程学院, 浙江 杭州 3100182. 杭州电子科技大学网络空间安全学院, 浙江 杭州 3100183. 杭州电子科技大学电子信息学院, 浙江 杭州 310018

关键词：心电图,ECG识别,卷积自动编码器,残差网络,信号预处理

基金：浙江省自然科学基金(LQ24F010011); 浙江省基础公益研究计划项目(LGG20F010008); 浙江省基础公益研究计划项目(LGG21F020002)

随着物联网技术和人工智能技术的不断发展, 生物识别技术面临着信息泄露的风险。心电图(ECG)信号因其活体识别的高防伪性在生物识别领域具有一定的优势。针对传统ECG识别算法不能适应多变的采集环境、识别稳定性不高以及基于深度神经网络的ECG识别算法模型参数量较大与难以实现快速响应等问题, 提出一种基于卷积自动编码器(CAE) 和改进式VGGNet的ECG身份识别算法。首先设计了结合小波阈值去噪和单心拍分割的预处理方法, 得到干净的单周期ECG信号作为模型输入。其次构建了基于CAE的信号模态特征提取与降维处理模块, 学习得到输入数据更小维度的潜在表示。最后基于VGGNet优化模型设计, 进一步深入学习特征表示, 得到个体识别的结果。实验结果表明, 该算法在MIT-BIH Arrhythmia Database、European ST-T Database和ECG-ID等数据库的189位测试者中实现了96%以上的识别精度, 其中European ST-T Database的识别精度高达99.82%, 可实现准确率较高、泛化能力较强的个体身份识别。

来源：2025年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第1期