基于多种学习方法在运动与静息状态下的 ECG 身份识别
信号处理
2019-05-14 v1 机器学习
机器学习
摘要
随着信息安全的进展，作为其核心技术的人体识别在过去几年中吸引了越来越多的关注。包括指纹、人脸、虹膜在内的众多生物特征已被应用于安全系统，但这些特征偶尔被认为易受伪造与欺骗攻击。由于难以伪造，心电图（ECG）已引起大量关注。尽管许多工作已展示 ECG 所提供的优异人体识别能力，当前大多数 ECG 人体识别（ECGID）研究仅关注静息状态。在本稿件中，我们克服先前研究的过度简化，评估运动与静息两种状态下的性能，尤其是运动对 ECGID 的影响。通过将多种现有学习方法应用于我们的 ECG 数据集，我们发现当前能在静息下良好支持个体识别的方法，不足以在运动状态下呈现令人满意的 ECGID 性能，从而暴露出已有 ECG 识别方法的不足。
引用
@article{arxiv.1905.04442,
title = {ECG Identification under Exercise and Rest Situations via Various Learning Methods},
author = {Zihan Wang and Yaoguang Li and Wei Cui},
journal= {arXiv preprint arXiv:1905.04442},
year = {2019}
}