一种实用的跨域ECG生物特征识别方法

心电图(ECG)作为一种生物识别技术,对此类攻击具有较高的抵抗力并受到研究者的广泛关注。该方法的,识别率可达95%左右。然而,我们发现,当训练周期和应用周期之间存在明显的间隔时,如果将其自身的实际情况,准确率将突然降低到40%。造成这种突变的首要是:(1)在现有的训练和测试周期中,由于连续样本被用于训练和测试阶段,所提取到的特征具有时间敏感性; 2)在卷积神经网络分类中没有充分利用与性能相关的特征; 3)还没有通过设置最佳参数来为个体获得足够的多有效样本。 :1)确定随机抽样方法的最佳参数,为个体获得足够的有效样本; 2)提出一种跨时间,频率和能量域提取深度特征的方法,该方法对时间不敏感且个体区分度大; 3)在CNN中约会通道注意模块并修改其激活函数以优化识别性能。我们在PTBDB和ECG-ID数据库上验证了我们的方法。实验表明,识别精度分别达到56.93%和85.94%,比现有方法提高了41.5%和20.7%。