一种基于心电信号的身份识别方法、装置和设备

技术领域

本发明涉及身份认证和识别技术领域，特别是涉及一种基于心电信号的身份识别方法、装置、设备、计算机可读存储介质和计算机设备。

背景技术

生物特征身份识别技术是指利用人体的生理信号或行为特征进行个人身份识别的一种技术。目前商业化的用于身份识别的生理特征包括指纹、掌纹、静脉、脸型、虹膜以及DNA等，行为特征包括签名、语音、步态等。

现有的生物特征识别技术在实际使用中还存在不少需要改进之处。例如人脸识别可用双胞胎甚至照片或视频攻破，指纹可用硅胶伪造，声音可以被模仿或录音，步态可以被模仿等等，这些都降低了安全性。另外，虽然DNA和虹膜的安全性和辨识性较高，但存在成本高昂和识别时间长等缺陷，且虹膜技术无法用于盲人和眼疾患者。

因此，需要提出一种用于识别生物特征的新的身份识别方法。

发明内容

为了解决上述问题至少之一，本发明第一方面提供一种基于心电信号的身份识别方法，包括：

接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分；

对经所述心拍划分的待识别心电信号进行模式计算并采集第一数量的心拍数据；

将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布；

将所述第一数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

进一步的，在所述接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分之前，所述方法还包括：

采集用户的样本心电信号并进行心拍划分；

对经所述心拍划分的样本心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布。

进一步的，所述对经所述心拍划分的样本心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布包括：

从经所述心拍划分的样本心电信号中采集第二数量的心拍数据；

使用样条插值法将所述第二数量的心拍数据插值为相同长度的数据集；

将经样条插值后的所述第二数据量的心拍数据分为第三数量的平均心拍数据和第四数量的偏差心拍数据，所述第三数量大于预设的心拍数量阈值；

根据所述第三数量的平均心拍数据计算对应的平均电压值并作为所述基模式数据；

根据所述第四数量的偏差心拍数据计算平均偏差电压值；

将所述平均偏差电压值和平均电压值计算的偏差值的概率密度作为所述基模式偏差分布。

进一步的，在所述将所述平均偏差电压值和平均电压值计算的偏差值的概率密度作为所述基模式偏差分布之后，所述身份识别方法还包括：

对所述基模式数据和基模式偏差分布进行加密并存储；

在所述将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布之前，所述身份识别方法还包括：

对加密的所述基模式数据和基模式偏差分布进行解密。

进一步的，所述对所述基模式数据和基模式偏差分布进行加密并存储包括：

对所述基模式数据和基模式偏差分布进行字节代换；

对进行所述字节代换后的所述基模式数据和基模式偏差分布进行行移位代换；

对进行所述行移位代换后的所述基模式数据和基模式偏差分布进行列混淆；

对进行所述列混淆代换后的所述基模式数据和基模式偏差分布进行轮秘钥加；

存储所述轮秘钥加后的所述基模式数据和基模式偏差分布。

进一步的，所述将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布包括：

使用样条插值法将所述第一数量的心拍数据插值为与所述基模式数据相同长度的数据集；

将样条插值后的第一数量的心拍数据分别与预存储的基模式数据进行偏差计算获得第一数量的偏差；

分别计算各所述偏差的偏差分布。

进一步的，所述将所述第一数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份包括：

通过K-S检验算法检验所述第一数量的偏差分布中各偏差分布与所述基模式偏差分布的差异性并判断该差异性是否满足偏差阈值；

若满足所述偏差阈值的数量与所述第一数据量的占比大于识别阈值则完成所述待识别用户的身份验证，否则验证失败。

进一步的，采集所述待识别心电信号和/或样本心电信号的心电检测设备的导联方式为单导联、三导联、五导联、七导联、十二导联或十五导联中的一种；和/或

采集所述待识别心电信号和/或样本心电信号的心电检测设备的佩戴方式为胸贴式、手指按压式或腕带式中的一种；和/或

采集所述待识别心电信号和/或样本心电信号的采样率大于等于128Hz，电压分度值小于等于1mv；和/或

所述心拍划分的方法为差分法、带通滤波法或小波变换法中的一个。

本发明第二方面提供一种基于心电信号的身份识别装置，包括：

心拍划分模块，用于接收心电信号并对所述心电信号进行心拍划分；

模式计算模块，用于对经所述心拍划分的心电信号进行模式计算并采集预定数量的心拍数据；

偏差计算模块，用于对所述预定数量的心拍数据进行数据处理，并将数据处理后的所述预定数量的心拍数据分别与预存储的基模式数据进行偏差计算并获取预定数量的偏差分布；

差异性判定模块，用于将所述预定数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

进一步的，还包括：

基模式计算模块，用于对经所述心拍划分的心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布；

加密模块，用于对所述基模式数据和基模式偏差分布进行加密；

解密模块，用于对加密的所述基模式数据和基模式偏差分布进行解密。

本发明第三方面提供一种基于心电信号的身份识别设备，包括心电采集装置和第二方面所述的身份识别装置；其中

所述心电采集装置，用于采集待识别用户的心电信号；

所述身份识别装置，用于根据所述心电信号进行识别以验证所述待识别用户的身份。

本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。

本发明第五方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

本发明的有益效果如下：

本发明针对目前现有的问题，制定一种基于心电信号的身份识别方法、装置、设备、计算机存储介质和计算机设备，根据心电信号的特征参数和波形，通过统计偏差分布能够提升身份识别的速度、提高身份识别的准确率并具有较好的抗噪声性能。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明的一个实施例所述身份识别方法的流程图；

图2示出本发明的一个实施例所述心电检测设备的示意图；

图3示出本发明的一个实施例所述加密过程的流程图；

图4a-4d示出本发明的一个实施例所述身份识别中各信号的示意图；

图5示出本发明的一个实施例所述身份识别装置的结构框图；

图6示出本发明的另一个实施例所述身份识别装置的结构框图；

图7示出本发明的另一个实施例所述的一种计算机设备的结构示意图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

心电信号(ECG)具有周期性，每个周期的心电图曲线包括一个P波，一个QRS波群，一个T波，一个U波，这些基本波段包含了R波峰值、RR间期、S-T段、P-R间期等特征参数，所述特征参数反映了心脏在不同阶段的收缩与舒张状态。个体的心脏位置、大小、构造、年龄、性别、体重及胸腔结构等诸多因素均会影响心电信号，同时，心电信号具备身份识别所需的四个重要特征：(1)普遍性：每个活体的心脏时刻产生ECG信号；(2)唯一性：不同个体产生的心电信号具有唯一性；(3)稳定性：成年个体的心脏构造、大小基本定型，未成年个体的心脏生长变化速度与身体变化节奏类似，在年月跨度的时间范围内是基本不变的。(4)可测量性：各个医院均有心电图机，便携式的心电检测设备也已非常普遍，腕带和贴片式设备更是使得ECG的采集成本降低、时间大大缩短。

目前研究中用ECG信号进行身份识别的方法有两大类，一类是基于特征点，一类是基于波形。基于特征点提取特征参数的方法由于只能利用心电信号中的R波峰值、RR间期、S-T段、P-R间期等特征参数，而上述特征参数没有标准的边界定义，且上述特征不能完全涵盖心电信号中的信息，而提取过多特征又会增加计算复杂度，增加冗余数据和处理时间；因此存在稳定性较差且错误率较高的问题。基于波形提取的方法采用自相关系数、遗传算法、人工神经网络等方法进行波形分类，一方面计算复杂度也很高，另一方面对单条心电信号进行分类具有较高难度且模型的解释性较差，并且，基于波形形状的方法过度依赖波形，难免受心电信号畸变的影响，尤其是容易受到心率变化的影响。

为解决上述问题，如图1所示，本发明的一个实施例提供了一种基于心电信号的身份识别方法，包括：接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分；对经所述心拍划分的待识别心电信号进行模式计算并采集第一数量的心拍数据；将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布；将所述第一数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

即对输入的待识别心电信号进行心拍划分，通过模式计算算法将心拍数据处理为待识别的身份特征模式；再提取已存储的身份特征模式的基模式数据(即存储的样本数据)与待识别的身份特征模式进行偏差分布计算，根据待识别的心电信号与预存储的心电信号的差异性通过差异性判定完成待识别用户的身份验证。

在一个可选的实施例中，在所述接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分之前，所述方法还包括：采集用户的样本心电信号并进行心拍划分；对经所述心拍划分的样本心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布。

即所述身份识别方法还包括身份采集过程，在身份识别之前先进行身份采集，例如对大量已知用户进行身份采集以便于后续身份识别，采集用户的样本心电信号并进行心拍划分，通过基模式计算算法将心拍数据处理为身份特征模式的基模式数据和基模式偏差分布，并作为对应用户的身份识别的样本数据。

在一个具体的示例中，按照如下步骤进行身份采集：

首先，使用心电检测设备采集心电信号。

所述心电检测设备可以采用现有的各类心电检测设备，具体的，所述心电检测设备的采样率大于等于128Hz，电压分度值小于等于1mv，满足上述要求的心电检测设备采集的心电信号即可用于身份验证。其中，所述心电检测设备的导联方式可以为单导联、三导联、五导联、七导联、十二导联或十五导联中的一种，所述心电检测设备的佩戴方式为胸贴式、手指按压式或腕带式中的一种。在本实施例中，为了最大限度的保证心电信号的采集质量，在进行心电数据采集时要求用户在情绪稳定且静息的状态下进行心电数据采集，如图2所示，采用的心电检测设备为手指按压式检测设备，导联方式为第二导联方式，采集用户的心电信号作为样本心电信号，该方式相对简单和稳定，能够实现对用户的心电信号的采集。本领域技术人员应当理解，根据实际应用场景选择适当的心电检测设备和导联方式，以满足心电信号的采集为设计准则，在此不再赘述。

其次，对采集用户的样本心电信号并进行心拍划分。

所述心电检测设备采集到的心电信号为连续的一维时序信号，为便于后续处理，对所述心电信号进行心拍数据提取。

在本实施例中，采用差分法(Derivative)，利用R波幅度大、斜率高的特性进行判断以实现心拍划分。具体的，设采集的原始心电信号(ECG)为：{x(n),n＝1,2,…,N}，差分算子如下：y0[n]＝|x[n]–x[n-2]|；y1[n]＝|x[n]–2x[n-2]+x[n-4]|；y2[n]＝1.3y0[n]+1.1y1[n]；当y2[n]达到或超过预设阈值0.6时，即y2[n]>＝0.6，则在t＝n附近寻找寻找x(n)的最大值，设定该最大值为单点R值，将相邻两个R值之间的数据设定为一个心拍周期，该心拍周期的数据为心拍数据。所述差分法具有简单快速的特点，能够自动识别心拍周期，值得说明的是，带通滤波法(Bandpass filter)和小波变换(Wavelet Transfrom)等传统方法也可以实现对采集的心电信号的心拍周期的自动识别，本领域技术人员应当根据实际应用场景选择适当的识别算法，在此不再赘述。

最后，对经所述心拍划分的样本心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布。

具体包括：

第一步，从经所述心拍划分的样本心电信号中采集第二数量的心拍数据。

在本实施例中，采集30s心电信号，经过心拍划分后，从中随机获取11个完整的心拍数据。

第二步，使用样条插值法将所述第二数量的心拍数据插值为相同长度的数据集。

在本实施例中，将心拍数据的两个RR点作为对齐点，即根据R波的最高点进行定位，采用三次样条插值法将11个心拍数据插值为相同长度的数据集。

第三步，将经样条插值后的所述第二数量的心拍数据分为第三数量的平均心拍数据和第四数量的偏差心拍数据，，所述第三数量大于预设的心拍数量阈值。即将第二数量的心拍数据集划分为用于求取平均电压值的第一样本集和用于求取平均偏差电压值的第二样本集。在本实施例中，将11个心拍数据集中的10个作为求取平均电压值的第一样本集，将另外1个作为求取平均偏差电压值的第二样本集。当用于求取平均电压值的样本数大于预设的心拍数量阈值时，第一样本集能够覆盖心电信号的波动造成的随机偏差，以得到稳定的均值。在本实施例中，所述心拍数量阈值为6，并且求取平均偏差电压值的第二样本集的数量小于求取平均电压值的第一样本集的数量。

第四步，根据所述第三数量的平均心拍数据计算对应的平均电压值并作为所述基模式数据。

在本实施例中，从11个心拍数据集中随机选取其中10个心拍数据，将对应时刻的电压值求平均，得到平均后的一个心拍的数据，即平均电压值作为该用户的心电信号的基模式数据。

第五步，根据所述第四数量的偏差心拍数据计算平均偏差电压值。

当第四数量大于1时，按照上述平均电压值的获取方法计算平均偏差电压值。在本实施例中，仅使用1个心拍数据作为偏差心拍数据，则直接进行偏差计算。

第六步，将所述平均偏差电压值和平均电压值计算的偏差值的概率密度作为所述基模式偏差分布。

在本实施例中，将另1个心拍数据与上述平均电压值相减，计算获取的偏差值的概率密度分布，作为该用户的心电信号的基模式偏差分布。

考虑到对用户的心电信号的基模式数据和基模式偏差分布的保护，防止数据外泄或为了有效抵抗外部攻击，在一个可选的实施例中，在所述根据所述平均偏差电压值和平均电压值计算偏差值的概率密度作为所述基模式偏差分布之后，所述身份识别方法还包括：对所述基模式数据和基模式偏差分布进行加密并存储。

在一个可选的实施例中，如图3所示，所述对所述基模式数据和基模式偏差分布进行加密并存储包括：对所述基模式数据和基模式偏差分布进行字节代换；对进行所述字节代换后的所述基模式数据和基模式偏差分布进行行移位代换；对进行所述行移位代换后的所述基模式数据和基模式偏差分布进行列混淆；对进行所述列混淆代换后的所述基模式数据和基模式偏差分布进行轮秘钥加；存储所述轮秘钥加后的所述基模式数据和基模式偏差分布。

在本实施例中，将所述基模式数据及基模式偏差分布采用Rijndael算法(AES)加密后安全存储。

具体步骤如下：

第一步，将所述基模式数据和基模式偏差分布作为明文输入，对所述明文进行字节代换。即采用一个S盒完成分组中的按字节的代换，所述S盒为事先设计好的16x16的查询表，该查询表中定义了置换规则，将所述明文按照查询表的置换规则进行字节代换，形成字节代换矩阵。

第二步，对进行所述字节代换后的所述基模式数据和基模式偏差分布进行行移位代换。即进行行移位代换，具体表示为将矩阵中的数据按照对应的行数进行循环移位，形成行移位代换矩阵。

第三步，对进行所述行移位代换后的所述基模式数据和基模式偏差分布进行列混淆。其中，所述列混淆指的是分别对行移位代换矩阵的每列数据进行独立操作，即在域GF(2^8)上的算术特征的代换，例如将第一列的每个字节映射为一个新值，该新值由该列中的4个字节通过预设函数计算获得，形成列混淆矩阵。

第四步，对进行所述列混淆代换后的所述基模式数据和基模式偏差分布进行轮秘钥加。即利用所述列混淆矩阵和预设置的扩展密钥的一部分进行按位异或(XOR)。

第五步，存储所述轮秘钥加后的所述基模式数据和基模式偏差分布。最后，存储加密后的基模式数据和基模式偏差分布用于后续身份识别。

本实施例中采用的Rijndael算法易于实现，性能稳定，密钥灵活性强，安全性高，可以有效抵抗强力攻击、差分和线性密码分析，具有良好的安全性和高运行效率；并且，所述Rijndael算法原理清晰，能够通过C++/Python的Crypto++/Crypto开源库实现。基于上述特性，该算法适于对一维数据流的心电基模式数据的进行加密。

至此，完成用户的身份采集。值得说明的是，在实际应用中，可以预先集中对大量用户进行身份采集，也可以单独对新增用户进行身份采集，以便于后续的身份识别，例如增加功能选择模块，通过选择功能实现身份采集和身份识别的切换，在此不再赘述。

在完成用户的身份采集后，根据接收到的心电信号进行身份识别：

首先，接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分；

具体步骤与前述身份采集中的心拍划分相同，在此不再赘述。

其次，对经所述心拍划分的待识别心电信号进行模式计算并采集第一数量的心拍数据。

在本实施例中，采集30s心电信号，经过心拍划分后，从中随机获取5个完整的心拍数据。

考虑到身份采集中进行了加密操作，在一个可选的实施例中，在所述将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布之前，所述身份识别方法还包括：对加密的所述基模式数据和基模式偏差分布进行解密。

在本实施例中，采用Rijndael算法(AES)进行解密，获得所述基模式数据和基模式偏差分布。

再次，将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布。

具体包括：

使用样条插值法将所述第一数量的心拍数据插值为与所述基模式数据相同长度的数据集。

在本实施例中，将随机获取5个完整的心拍数据根据R波的最高点进行定位，将两个RR点作为对齐点，采用三次样条插值法将5个心拍数据插值为与所述基模式数据相同长度的数据集。

将样条插值后的第一数量的心拍数据分别与预存储的基模式数据进行偏差计算获得第一数量的偏差。

在本实施例中，分别将经样条差值的5个心拍数据与所述基模式数据进行偏差计算，例如将第一个心拍数据与所述基模式数据相减获得第一个心拍数据的偏差，同理，分别获得5个心拍数据的偏差。

分别计算各所述偏差的偏差分布。

在本实施例中，根据所述5个心拍数据的偏差，分别计算各偏差的概率密度分布，即偏差分布。

最后，将所述第一数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

具体包括：

第一步，通过K-S检验算法检验所述第一数量的偏差分布中各偏差分布与所述基模式偏差分布的差异性并判断该差异性是否满足偏差阈值。

在本实施例中，采用K-S检验算法分别检验5个心拍数据的偏差分布与所述基模式偏差分布的差异性。其中，所述K-S检验算法(Kolmogorov-Smirnov test)用于检验心拍数据的偏差分布是否符合基模式偏差分布，即通过K-S检验算法比较心拍数据的偏差分布f(x)与基模式偏差分布g(x)的差异性D，D＝max|f(x)-g(x)|，若差异性D大于预设差异阈值则认为心拍数据的偏差分布与基模式偏差分布不同，否则认为相同。本实施例采用的K-S检验作为判定心拍数据的偏差分布与所述基模式偏差分布的差异性的检验方法，获得各心拍数据的偏差分布与所述基模式偏差分布的差异性。在本实施例中，相比于t检验之类的其他检验方法，所述K-S检验为非参数检验方法，即所述K-S检验无需知道心拍数据的偏差分布的分布情况。

具体的，根据5个的心拍数据的偏差分布，通过K-S检验算法检验各偏差分布与所述基模式偏差分布的差异性，并判断各差异性是否满足偏差阈值。本实施例的偏差阈值为0.5，分布判断各差异性是否小于偏差阈值，并统计小于所述偏差阈值的数量。

第二步，若满足所述偏差阈值的数量与所述第一数据量的占比大于识别阈值则完成所述待识别用户的身份验证，否则验证失败。

在本实施例中，若其中有3个及以上的偏差分布与基模式偏差分布的K-S统计量小于0.5，即60％以上的偏差分布与基模式偏差分布相同，则认为待认证心电数据与基模式数据为同一个体的心电图数据，所述待识别用户的身份验证通过；否则验证失败。

在一个采用心电信号进行身份识别的示例中，如图4a所示为存储的基模式数据的示意图，如图4b所示为存储的基模式偏差分布示意图，如图4c所示为待识别用户的模式数据的示意图，如图4d所示为待识别用户的模式数据的偏差分布示意图，经过K-S检验算法进行检验，所述K-S统计量为0.91，大于预设置的偏差阈值，则认为待识别用户的心电数据与存储的基模式数据为不同个体的心电图数据，则待识别用户的身份验证失败。因此本申请提供的实施例能够通过心电信号实现身份识别功能，能够克服现有身份识别方式存在的问题。

与上述实施例提供的身份识别方法相对应，本申请的一个实施例还提供一种身份识别装置，由于本申请实施例提供的身份识别装置与上述几种实施例提供的身份识别方法相对应，因此在前述实施方式也适用于本实施例提供的身份识别装置，在本实施例中不再详细描述。

如图5所示，本申请的一个实施例还提供一种身份识别装置，包括：心拍划分模块，用于接收心电信号并对所述心电信号进行心拍划分；模式计算模块，用于对经所述心拍划分的心电信号进行模式计算并采集预定数量的心拍数据；偏差计算模块，用于对所述预定数量的心拍数据进行数据处理，并将数据处理后的所述预定数量的心拍数据分别与预存储的基模式数据进行偏差计算并获取预定数量的偏差分布；差异性判定模块，用于将所述预定数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

如图6所示，在一个可选的实施例中，所述身份识别装置还包括：基模式计算模块，用于对经所述心拍划分的心电信号进行基模式计算，获取并存储所述基模式数据和基模式偏差分布；加密模块，用于对所述基模式数据和基模式偏差分布进行加密；解密模块，用于对加密的所述基模式数据和基模式偏差分布进行解密。

本申请的一个实施例还提供一种基于心电信号的身份识别设备，包括心电采集装置和上述身份识别装置；其中，所述心电采集装置用于采集待识别用户的心电信号，即为能够采集心电信号的采集装置，例如如图2所示的手指按压式检测设备；所述身份识别装置，用于根据所述待识别用户的心电信号进行识别以验证所述待识别用户的身份。值得说明的是，所述身份识别设备可以为一体式结构，也可以为分体式结构，本领域技术人员应当根据实际应用需求设计身份识别设备，以满足身份识别功能为设计准则，在此不再赘述。

本发明的另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：接收待识别用户的预设时间的待识别心电信号并对所述待识别心电信号进行心拍划分；对经所述心拍划分的待识别心电信号进行模式计算并采集第一数量的心拍数据；将所述第一数量的心拍数据进行数据处理并分别与预存储的基模式数据进行偏差计算并获取第一数量的偏差分布；将所述第一数量的偏差分布与预存储的基模式偏差分布进行差异性判定以验证所述待识别用户的身份。

在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。

如图7所示，本发明的另一个实施例提供的一种计算机设备的结构示意图。图7显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图7中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种身份识别方法。

本发明针对目前现有的问题，制定一种基于心电信号的身份识别方法、系统、计算机设备和介质，根据心电信号的特征参数和波形，通过统计偏差分布能够加快计算的速度、提高识别准确率并具有更好的抗噪声性能。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。