嵌入式心音身份识别系统研究

　　针对CRR 分析，表1 横排代表注册时间，竖排代表辨识时间，从表1 中可以看出，注册时间越长识别率越高，但超过40 后，延长注册时间CRR 已经不会再有明显的提升; 理论上讲，辨识时间也是越长越好，但时间越长需要处理的数据量越大，并且会影响整个系统的辨识效率，在保证注册时间长度为40s的情况下，辨识时间为10s 即可，延长辨识时间对CRR 无任何明显影响。针对EER，在CRR 最为理想的情况下进行分析，注册时间为40s，确认时间与辨识时间一样为10s，此时EER 为6． 67%，即有3 个人无法正确确认。经过分析，没有被正确辨识和确认的心音信号中含有较多噪声，心动周期不明显，导致不能被正确确认和辨识结果错误。 

　　今后将研究基于自适应增强技术的心音去噪方案，提高识别算法的鲁棒性; 虽然在本次小容量模板实验情况下EER 为6． 67%，但在大容量模板情况下，为保证EER 仍然是一个比较小的值，用户确认模式下的阈值选取将是下一步研究的重点。 

　　5 结束语 

　　本文在MFCC 特征提取和VQ 模式匹配识别原理的基础上，基于LabVIEW 开发了一种嵌入式心音身份识别系统，具有用户注册、用户辨识和用户确认功能。在小容量心音模板下具有较高CRR 和较低EER，充分证明了嵌入式心音身份识别技术的可行性，这将为当前社会所面临的各种身份鉴定和信息安全问题提供一种准确率高、防伪能力强的生物识别新设备。

　　参考文献 

　　［1］ 刘娟，赵治栋． 基于心音信号谱分析的身份特征提取算法［J］． 杭州电子科技大学学报， 2010，4( 30) : 181 － 185．
　　［2］ Phua K，Chen J F，Dat T H． Heart Sound As a Biometric［J］． Pattern Recognition， 2008， 41( 1) : 906 － 919．
　　［3］ 赵力． 语音信号处理［M］． 北京: 机械工业出版社， 2003: 45 － 56．
　　［4］ 陈伯胜． 基于VQ 和GMM 的与文本无关的说话人识别研究［D］． 重庆: 重庆大学， 2007: 35 － 44．
　　［5］ 罗保钦，曾庆宁，陈远贵，等． 基于LabVIEW 的心音信号分析系统设计［J］． 仪器仪表学报， 2009， 30( 10) : 110 － 113．