1、在信息和經(jīng)濟高速發(fā)展、網(wǎng)絡迅速普及的當今社會，基于指紋、人臉、虹膜等生物特征進行身份識別已經(jīng)在金融安全、訪問控制、醫(yī)療、安防監(jiān)控和資料保密等領域得到了廣泛的應用。而基于心電圖(Electrocardiogram，ECG)的身份識別技術研究也已經(jīng)格外引起了國內(nèi)外研究學者的注意。
　　目前，心電信號身份識別技術受到消噪、特征提取等限制，致使心電信號的識別效果難以提升。深度學習作為機器學習和神經(jīng)網(wǎng)絡的科技新銳，在人工智能領域發(fā)揮了重要作

2、用。其中卷積神經(jīng)網(wǎng)絡在圖像識別上已取得舉世矚目的成績，而且其無需復雜的圖像預處理和特征提取等步驟。本文圍繞心電信號身份識別的難點，采用卷積神經(jīng)網(wǎng)絡來完成相應的改進。
　　本文研究了卷積神經(jīng)網(wǎng)絡應用于ECG身份識別的優(yōu)勢，并通過實驗得到了印證，具體工作如下:
　　1.本文闡述了指紋、虹膜等傳統(tǒng)生物特征在身份識別領域的應用情況，對ECG波形的產(chǎn)生和各導聯(lián)意義進行了簡單介紹，并對其用于身份識別的可行性及發(fā)展現(xiàn)狀進行了分析。

3、　　2.本文簡單介紹了深度學習的發(fā)展歷史，著重介紹了卷積神經(jīng)網(wǎng)絡發(fā)展歷程、網(wǎng)絡結(jié)構(gòu)、特性、訓練過程等，并通過實例解析加深了對卷積神經(jīng)網(wǎng)絡的理解和認識。接著，分析了當前一些ECG身份識別方法的缺陷，并針對這些難點構(gòu)建了適用于ECG身份識別的卷積神經(jīng)網(wǎng)絡整體結(jié)構(gòu)。
　　3.本文對實驗數(shù)據(jù)樣本進行了簡單預處理，包括它的工頻消噪和導聯(lián)卷積正則化，構(gòu)建了用于ECG識別的卷積神經(jīng)網(wǎng)絡。在其基礎上做了多組實驗，討論了卷積核、學習率的選取對實驗結(jié)