1、隨著現(xiàn)代社會網絡與通信技術的飛速發(fā)展,人類物理與虛擬活動空間在不斷擴大,人類對于自身身份識別的安全性、準確性與實用性提出了更高的要求。傳統(tǒng)身份識別方法已經遠遠不能滿足這些要求,必須尋求使用更為方便且安全可靠的生物特征識別新方法。生物特征識別,指利用計算機技術,采集人的生物特征樣本,并將該樣本用于身份識別的過程。與傳統(tǒng)的身份識別方法相比,生物識別技術具有防偽性能好,不易偽造,不易遺忘,可隨身攜帶,隨時使用等優(yōu)點。常用的生物識別技術雖然在識

2、別領域取得了一定的發(fā)展,但在實際應用中仍面臨著巨大的挑戰(zhàn),較為突出的挑戰(zhàn)之一就是識別的安全問題。因此,探索更具安全性的生物識別新方法成為了身份識別領域的熱點之一。
　　 本文主要研究基于心音信號分析的身份辨識算法。在對心音信號產生機理和特性進行分析后,提出基于信號邊界譜和矢量量化的辨識算法以及基于信號Mel倒頻系數(shù)及其一階差分系數(shù)與高斯混合模型的辨識算法,并實際采集心音樣本,構建心音數(shù)據(jù)庫,測試了身份識別算法的性能,獲得了較高的

3、識別率,具體研究工作如下:
　　 1、首先闡述心音信號的產生機理,介紹了常用生物識別技術,然后回顧了國內外心音身份識別技術發(fā)展的歷史和現(xiàn)狀。
　　 2、提出了基于信號邊界譜和矢量量化的識別算法。首先研究了心音信號邊界譜的特征提取方法,然后探討了矢量量化識別模型的基本原理,基于常用初始碼本生成法,提出了改進的分裂碼本生成法,最后基于實際心音信號的具體分析給出識別算法流程。
　　 3、提出了基于信號Mel倒頻系數(shù)及其

4、一階差分系數(shù)與高斯混合模型的識別算法。首先研究了Mel倒頻系數(shù)及其一階差分系數(shù)的特征提取方法,然后探討了高斯混合識別模型的基本原理,研究了模型參數(shù)的具體估計算法,最后基于實際心音信號的具體分析給出識別算法流程。
　　 4、實驗階段,實際采集了心音信號,構建了心音數(shù)據(jù)庫,測試了基于邊界譜和矢量量化模型的心音身份識別算法和基于Mel倒頻系數(shù)及其一階差分系數(shù)和高斯混合模型的心音身份識別算法的性能,討論了不同參數(shù)設置對算法性能的影響,取