面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法与流程

技术特征：
1.面向可穿戴设备光电容积脉搏波信号的发现和识别新用户的身份识别方法，其特征在于，包括下列步骤：步骤s1：以用户的面向可穿戴设备光电容积脉搏波信号(ppg信号)设置训练集s；对训练集s中的ppg信号进行信号预处理，获取指定长度的心跳周期信号，将每个心跳周期信号作为一个样本，每个样本对应的用户作为样本标签，得到输入信号训练集t；步骤s2：基于所述输入信号训练集t对设置的深度神经网络进行训练，将训练好的深度神经网络作为特征提取器；步骤s3：基于所述特征提取器对输入信号训练集t的各样本进行特征向量提取，以构建模板数据库：步骤s301：基于特征提取器提取得到的每个样本的特征向量x
j
，将每个用户作为一个聚类的类别，对所有特征向量进行聚类处理，得到每个用户y
i
的用户聚类中心步骤s302：基于同一个用户的所有特征向量x
j
到各用户聚类中心的马氏距离的平均值得到每个用户的分类特征向量并存入模板匹配数据库；其中，m
i
表示第i个用户的总体训练样本个数，表示第i个用户上的第j个样本的特征向量，d(
·
)表示马氏距离；步骤s4：基于特征提取器和模板匹配数据库对待识别的ppg信号进行身份识别处理：步骤s401：采集待识别用户的ppg信号，得到待识别信号；对待识别信号进行信号预处理，得到待识别的心跳周期信号，其中，信号预处理与对训练集s中的ppg信号进行信号预处理的方式相同；步骤s402：基于所述特征基于所述特征提取器对待识别的心跳周期信号进行特征向量提取，得到待识别特征向量；步骤s403：计算待识别特征向量到各用户聚类中心的马氏距离，得到待识别分类特征向量计算待识别分类特征向量与模板匹配数据库中的各分类特征向量之间的余弦相似度若存在一个大于或等于预设阈值的余弦相似度则待识别用户为当前分类特征向量所对应的用户y
i
，若所有余弦相似度均小于预设阈值，则判定待识别用户为新用户，并将待识别分类特征向量加入至模板匹配数据库。2.如权利要求1所述的方法，其特征在于，步骤s1中，信号预处理包括：滤波去噪、正则化归一化处理、波峰检测和心跳周期提取，以及对心跳周期的信号样本点进行插值处理。3.如权利要求2所述的方法，其特征在于，步骤s1中，滤波去噪具体为：通过截止频率为0.5hz-5hz的二阶巴特沃斯带通滤波器进行去噪。4.如权利要求2所述的方法，其特征在于，步骤s1中，正则化归一化处理方式为：归一化为零均值和单位方差。5.如权利要求1所述的方法，其特征在于，步骤s2中，所述深度神经网络的网络结构包括依次连接的两层cnn模块、两层lstm网络和一层全连接层；其中，cnn模块包括以依次连接
的正则化层、最大池化层、dropout层和非线性激活函数单元。6.如权利要求1所述的方法，其特征在于，步骤s301中，采用k-means聚类算法对所有特征向量进行聚类处理。7.如权利要求1所述的方法，其特征在于，步骤s403中，余弦相似度为：其中，为表示模板匹配数据库中的所有用户的分类特征向量的平均值。8.如权利要求1至7任一项所述的方法，其特征在于，步骤s2中，对设置的深度神经网络进行训练时，采用的损失函数为：l
new
＝l
s
λl
c
其中，交叉熵损失函数l
s
为：n表示样本数，p
i,k
表示第i个样本预测为第k个标签值的概率，y
i,k
表示第i个样本的样本标签，k表示标签数量；中心损失函数l
c
为：其中，x
i
表示第i个样本，代表训练过程中第y
i
个老用户的样本中心；标量λ表示用于平衡两个损失函数的参数。

技术总结
本发明公开了一种面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法。本发明将经过预处理后的部分脉搏波信号作为训练集，通过深度神经网络训练具有提取时间稳定的可辨识性特征；基于聚类方法找到各类别的中心点，并根据中心点进行特征转换，得出各类别下类别特征向量，构建模板数据库；在测试集中，通过同样的信号处理方法和特征转换得到特征向量，计算其与模板数据库中各类别的特征向量的调整余弦相似度，判断其是否超过设定的阈值从而判断其是否属于模板数据库中的老用户或是一个新用户。本发明实施便捷、实用性高、识别精度高，不仅能够识别模板数据库中已存在的老用户，同时能够有效地发现和识别未在数据库中的新用户。库中的新用户。库中的新用户。


技术研发人员：叶娅兰 徐洁 熊国枨 孟千贺
受保护的技术使用者：电子科技大学
技术研发日：2021.12.13
技术公布日：2022/3/25