發(fā)布時(shí)間：2021-01-19 02:44

　　隨著信息技術(shù)的高速發(fā)展,個(gè)人與組織的數(shù)據(jù)安全越來越受到人們的重視。為了提高數(shù)據(jù)與信息的安全性,人們提出了多種身份識(shí)別技術(shù)。其中,相比于其他傳統(tǒng)的身份識(shí)別技術(shù),如人臉、指紋等,基于心電信號(hào)（Electrocardiographic,ECG）的身份識(shí)別技術(shù),由于有著更高的安全隱私性,易獲取性,活體檢測(cè)性與健康信息存儲(chǔ)性,具有得天獨(dú)厚的使用價(jià)值和應(yīng)用前景。然而,國(guó)內(nèi)外學(xué)者提出的基于ECG的身份識(shí)別方法中均存在著一個(gè)嚴(yán)重問題:身份識(shí)別模型嚴(yán)重依賴于數(shù)據(jù),模型泛化能力低下,對(duì)不同環(huán)境、不同設(shè)備采集的ECG信號(hào),無法達(dá)到理想的識(shí)別效果。為了解決這個(gè)問題,對(duì)不同渠道采集的E CG心電信號(hào)獲取更穩(wěn)定的身份識(shí)別效果,本文提出了 一種基于類別距離損失的殘差網(wǎng)絡(luò)ECG身份識(shí)別方法。該方法設(shè)計(jì)了一種并行多尺度一維殘差網(wǎng)絡(luò),采用了三種不同尺寸的卷積核來提取ECG信號(hào)中不同長(zhǎng)度信號(hào)段的細(xì)節(jié)特征,經(jīng)實(shí)驗(yàn)證明效果好于傳統(tǒng)的其他網(wǎng)絡(luò)結(jié)構(gòu)。此外,為了最大化網(wǎng)絡(luò)結(jié)構(gòu)的性能,本文還提出了一種新型類別距離損失函數(shù)用于網(wǎng)絡(luò)訓(xùn)練。與傳統(tǒng)的softmax損失函數(shù)相比,類別距離損失函數(shù)更多地關(guān)注類內(nèi)聚合性和類間離散性,使得網(wǎng)絡(luò)更多地聚... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 身份識(shí)別技術(shù)概述
    1.2 生物特征身份識(shí)別技術(shù)
    1.3 基于ECG的身份識(shí)別技術(shù)
        1.3.1 ECG心電信號(hào)概況
        1.3.2 ECG身份識(shí)別的優(yōu)勢(shì)
    1.4 國(guó)內(nèi)外研究現(xiàn)狀
        1.4.1 信號(hào)預(yù)處理
        1.4.2 特征預(yù)處理
        1.4.3 特征提取
        1.4.4 分類器的選擇
    1.5 研究?jī)?nèi)容與論文結(jié)構(gòu)
2 ECG心電信號(hào)的預(yù)處理
    2.1 ECG心電信號(hào)常見噪聲
    2.2 基于小波變換的信號(hào)預(yù)處理
        2.2.1 連續(xù)小波變換
        2.2.2 離散小波變換
        2.2.3 小波基函數(shù)的選擇
        2.2.4 信號(hào)預(yù)處理過程
    2.3 基于R波峰值點(diǎn)檢測(cè)的特征預(yù)處理
        2.3.1 R波峰值點(diǎn)檢測(cè)
        2.3.2 心拍提取與增廣
    2.4 本章小結(jié)
3 ECG心電信號(hào)的特征提取與分類
    3.1 卷積神經(jīng)網(wǎng)絡(luò)算法原理
        3.1.1 全連接神經(jīng)網(wǎng)絡(luò)
        3.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.3 殘差網(wǎng)絡(luò)架構(gòu)
    3.2 并行多尺度一維殘差網(wǎng)絡(luò)
    3.3 類別距離損失
        3.3.1 Softmax損失函數(shù)
        3.3.2 中心損失函數(shù)
        3.3.3 邊界損失函數(shù)
        3.3.4 類別距離損失函數(shù)
    3.4 本章小結(jié)
4 實(shí)驗(yàn)與結(jié)果
    4.1 數(shù)據(jù)集簡(jiǎn)介
        4.1.1 訓(xùn)練數(shù)據(jù)集
        4.1.2 測(cè)試數(shù)據(jù)集
    4.2 訓(xùn)練策略與參數(shù)設(shè)置
    4.3 測(cè)試方法與實(shí)驗(yàn)結(jié)果
        4.3.1 匹配測(cè)試
        4.3.2 閉集分類測(cè)試
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
        5.1.1 成果總結(jié)
        5.1.2 不足與改進(jìn)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介
作者攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于小波分解和數(shù)據(jù)融合方法的ECG身份識(shí)別[J]. 楊向林,嚴(yán)洪,李延軍,魏莉,孫即祥.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2009(04)
[2]濾除ECG中肌電和寬頻率范圍工頻干擾的小波算法[J]. 趙捷,華玫.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2004(03)
[3]心電圖各波的頻率分析[J]. 曹細(xì)武,鄧親愷.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2001(01)

碩士論文
[1]ECG身份識(shí)別技術(shù)在運(yùn)動(dòng)狀態(tài)下的擴(kuò)展研究[D]. 陳曉丹.浙江大學(xué) 2015
[2]基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的PCA人臉識(shí)別方法研究[D]. 胡琳.蘇州大學(xué) 2002



本文編號(hào)：2986179