基于心臟信號生物識別綜述

肖 劍 董 威 邵 強 林 峰 許文曜

1(長安大學電子與控制工程學院 陜西 西安 710064) 2(浙江大學計算機科學與技術學院網絡空間安全研究中心 浙江 杭州 310027) 3(紐約州立大學布法羅分校計算機系 美國 紐約 14200)

0 引 言

生物識別技術是根據個體的生理和行為屬性[1]進行身份識別的方法。在現代社會中,生物識別技術廣泛應用在關鍵區域的訪問和控制、海關進出口管理和執法等過程中。生物識別技術應用的前提是這些生理或行為是每個個體所獨有的，這些特征可以可靠地獲得并且用于識別目的。生物識別技術為身份識別提供了先進的技術手段，與傳統的身份識別手段(密碼、鎖具等)相比，其優點[2]是：(1) 長期至終身不變；(2) 不存在丟失；(3) 偽造模仿難度太高或不可能偽造。

Jain等[3]首次提出能夠作為生物特征的性能評價指標，一種特征要成為識別標志必須具備以下幾個條件：(1) 普遍性；(2) 唯一性；(3) 穩定性；(4) 可測量性；(5) 識別性能；(6) 可接受性；(7) 受環境影響性。而心臟的生理特征具備生物特征識別的條件[4]，因此基于心臟的生物特征識別成為眾多學者關注的研究熱點。

近些年Broek等[5]提出利用人體醫學生理信號作為下一代身份識別以及認證的可行性。醫學生理信號是由人體肌肉細胞、神經元細胞和汗腺組織細胞等生物電化學反應生成的[6]。表1是部分心臟信號與傳統的生物特征識別的對比，心臟信號已經被證實在識別方向的巨大潛力，識別性能出色[4]。基于心臟信號的生物特征識別相比于傳統的生物特征識別的優勢在于其具有以下特點：(1) 內在活性[7]：心臟運動僅存在于“活”用戶中，系統能夠區分驗證對象是“活”用戶還是偽造攻擊。(2) 高度安全[8]：生物識別應該具備高度安全性和特異性，從而不易被偽造和被盜。心臟信號取決于用戶的心臟肌肉結構，因此不可能被完全模仿[9]。(3) 經濟高效且易于使用[10]：一些生物識別技術雖然具有可靠和強大的功能，但信息采集需要昂貴的設備和特定的條件，如虹膜/視網膜認證系統，而心臟信號的信息采集較為便利、經濟。

表1 心電信號(Electrocardiograph,ECG)和 光學體積描記術(Photoplethysmograph，PPG) 與其他生物特征識別的比較

1 心臟信號產生機理及采集

1.1 心臟信號

人的心臟包含四個腔室[11]:左心房、右心房、左心室和右心室，通過對血液流動提供壓力，為人體各部分送血。這種機械活動是由心臟內部的電刺激驅動的,心臟特定部分(心房或心室)的去極化(電活動)導致機械收縮,復極化導致機械松弛。

不同主體間的心臟信號變異性是健康監測和醫學診斷的重要依據[12-14]，這種特異性在識別領域中有助于區分生物識別的各個主體，這些異變主要來源于以下幾個方面：

(1) 心臟幾何特征：心臟體積、心肌厚度、心臟的形狀決定了心臟內部電流路徑、心肌細胞去極化的數量、心臟運動周期。運動員身體素質好，心臟較大，心肌較厚，這都會對ECG信號有影響，QRS波群電壓較高，基礎心率較低[13，15]。

(2) 個人屬性：年齡、體重和懷孕會導致心臟位置以及方向發生變化，這些偏移量會改變向心臟傳導的電流向量方向，從而使得不同角度的電極采集到的心電信號會有所差異[16]。

(3) 運動狀態：心臟信號周期的持續時間與間隔會隨著心率的變化而變化，在心動過速或心動過緩的情況下，心電信號QRS復合波與T波之間的間隔變化非常明顯[17]。

(4) 心臟病：心臟的醫學狀況也會干擾電脈沖傳導并使心臟信號產生變化，在目前的生物識別技術中，研究最多的病癥之一是心律失常，它會使心率隨時間的變換很大，對基于心臟信號的生物識別系統的性能影響有一定的影響[18-19]。

(5) 姿態：站立與躺下等姿勢會對包括心臟在內的內臟器官位置和形狀產生影響，從而改變信號采集裝置放置的參考位置，導致收集到的信號發生變化[16]。

(6) 情緒和疲勞：神經系統中的交感神經和副交感神經系統控制心率的增加和降低，該系統會受到心理狀態的直接影響，因此壓力、恐懼和其他強烈情緒以及疲勞和困倦會使得心率和心電信號受到影響[15，17]，此外還有電極采集位置錯誤[20]等影響。

1.2 心臟特征信號

心臟提供了非常多的生物信號，如圖1所示，其中有多種信號具有生物識別的能力，下面對主要信號進行介紹。

圖1 心臟特征信號分類

1.2.1ECG信號

心電信號ECG，主要描繪心臟起搏的電活動過程，反映了人體潛在的生理特征。心電采集裝置基本上通過附著在人體皮膚上的傳感器來獲取這些電活動，并以mV為單位來繪制電活動。心電信號有著個體豐富的身份信息，滿足生物特征用于個人識別的重要特性[21]，關于心電信號的個人身份識別的研究已經是生物特征識別技術領域的一個熱門課題。心肌細胞一次完整的去極復極過程產生一個心動周期，其由P波、QRS波群、T波和U波組成，ECG信號波形圖如圖2所示。這些波形蘊含了大量的醫學信息和個體差異性信息，為心臟疾病的診斷和ECG身份識別提供了基礎。心電信號具有普遍性，由于每個人的心臟的大小、位置、胸腔結構等因素的影響,任何不同個體間的ECG信號都有所差異。在沒有外力損傷和突發疾病的情況下，心電信號在相當長的一段時間內不會發生變化，穩定性好。隨著心電采集裝置的小型化，心電信號的采集技術越來越成熟。

圖2 ECG信號

電極采集是醫療領域經常用來采集心電信號的方式，有3種類型電極：濕電極、干電極和非接觸式電極。醫學上和早期ECG身份識別廣泛采用12導聯方式，考慮到電極在手臂及手腕上采集接受性更高也常采用Ⅱ導聯采集方式。

1.2.2PPG信號

光學體積描記波PPG利用光電容積描記技術進行人體運動心率的檢測，是種紅外無損檢測技術。PPG信號利用光的透射和反射原理來測量動脈脈搏信號，PPG信號波形圖如圖3所示。PPG信號主要有以下四個特點：(1) 特異性。每個采集個體因其年齡、性別、心臟大小、血液稠密、血管壁彈性等生理因素存在差異，這些差異單獨或綜合作用時會使得采集到的PPG信號因人而異。(2) 低頻率。PPG信號的主要頻譜分布在0 Hz～20 Hz，反映的是心臟舒張壓縮的頻率。(3) 時變性。由于采集個體自身因素的原因，例如年齡的增長、健康狀況的影響，會導致同一個人的PPG信號在不同時間點的測量結果不一樣。(4) 弱信號易受干擾。PPG信號的輸出幅度一般在幾十μV至幾mV，極易隨著人的生理因素或者外界采集環境的改變而改變，信噪比低。

圖3 PPG信號

PPG信號的采集利用了光的透射和反射原理，人體不同組織吸收光強大小不同，但是同一種類型的組織對光強吸收能量不變。通過電光學方法采集到的心臟信號，可以將波長λ的光源放置在身體的凸出部(例如手指)的一側上，并且在另一側上放置光電檢測器，該檢測信號提供關于流經人體測試區域并接近皮膚的血量信息。

1.2.3SCG信號

心震信號SCG反映了身體由于心臟活動而產生的運動。SCG目前被認為是一種潛在的生物特征，與分析心臟活動的ECG相比，SCG是從機械角度來測量心血管活動,在胸腔上量化與心臟相關的機械活動，例如心臟壁運動和血流情況。SCG一般采用三軸加速度計貼在胸口測量，量化心臟產生的各種壓縮波。目前SCG已經成為各種冠狀動脈疾病的主要測量方法，同時也可用于生物特征識別領域。

從機械角度測量心血管活動，量化與胸壁上的機械心臟活動相關的加速度，例如心臟壁運動和血流。SCG采用不同的基于接觸的感測模式，即使用三軸加速度計，放置在更靠近心臟的位置(例如貼在胸部)進行數據采集。

1.2.4心臟運動

心臟運動的行為特征與心臟內在的幾何結構、血液循環系統等相關的多種生物學特征緊密結合，這些身體特征使得心臟運動成為每個人獨特的身份認證信息，Lin等[7]使用多普勒(Doppler)雷達以無線方式映射心臟尺寸和心臟運動。

1.2.5LDV信號

激光多普勒測速儀LDV(Laser Doppler Velocimetry)，LDV信號是用于檢測由于頸動脈的動脈壁運動以及呼吸等其他生理活動引起的表面振動脈沖的信號，具有線性特性，采集過程具有不需要接觸的優點，并且精度高、響應快[22]。通過激光多普勒測速儀采集到的LDV信號同樣被應用到生物特征識別領域。激光多普勒測振儀用于檢測與中央血壓脈搏相關的頸動脈壁上方皮膚表面的振動，使用非接觸方法記錄頸動脈LDV信號。這種技術的主要優勢在于獲得信號的隱蔽性。

1.2.6其他信號及其采集方法

除了上述信號及采集方法，還有許多方法可以用于心臟信號的采集。例如，通過數字或電子聽診器對心臟運動產生的聲音進行采集得到的心音圖(PCG)可以用來進行身份識別。Garbey等[23]通過一個高度敏感的熱成像系統獲得遠處人類的心臟脈搏。Zhuang等[24]提出了非接觸式心臟運動傳感,以非接觸式手段獲取心臟的運動信息從而達到生物識別。Yang等[25]使用Kinect 2.0來捕捉人體的視頻，估計心率和節奏。Aarts等[26]通過分析由血液循環引起的皮膚顏色的細微變化，使用單個常規數字照相機記錄來自RGB視頻的估計心率。Antink等[27]提出了一種貝葉斯方法，該方法使用從網絡攝像機記錄的視頻中提取的機械心沖擊(BCG)信號、皮膚顏色變化和頭部運動，以提供心跳心率估計。

目前心臟信號的采集方式如圖4所示。

圖4 心臟信號采集方式

2 基于心臟信號的生物識別

基于心臟信號的身份識別步驟與傳統生物特征識別步驟具有相似性，一般包括信號預處理、特征提取和模式識別三步。其中特征提取是基于心臟信號身份識別中非常重要的一步，方法的好壞和識別率的高低很大程度上取決于特征提取的結果。

心臟識別有兩種基本的操作模式。第一種是驗證(或認證)模式，在這種模式下，系統將所捕獲的特征與存儲在生物特征數據庫中的特定模板進行一對一的比較，以驗證個體是否是正確對象。第二種是識別模式，系統對試圖建立未知個體身份的生物特征數據庫執行一對多比較。如果生物特征樣本與數據庫模板的比較落在預先設定的閾值范圍內，系統將成功識別個體，心臟信號識別原理如圖5所示。

圖5 心臟信號身份識別系統原理

2.1 基于ECG生物特征信號識別

基于ECG的人體識別技術是目前心臟信號中相關研究最多的一項工作，基于ECG生物特征信號識別的步驟是：通過對由傳感器采集到的心電信號進行預處理，再對特征進行提取，最后分類處理特征得出識別結果。

2.1.1心電圖的預處理

收集的心電數據通常包含噪聲，由于存在噪聲，特征提取和分類變得不太準確。為了理想的數據結構，必須處理原始ECG數據。第一步必須確定噪音源。在此基礎上設計一個濾波器并應用于原始數據。用過濾后的數據執行特征提取。預處理階段涉及的步驟是：

(1) 數字濾波：這是預處理中最重要的一步。它用于過濾ECG信號中的噪聲。例如用于消除電源線干擾的數字陷波濾器。使用截止頻率為0.5 Hz的高通濾波器來消除采集信號上的直流偏移[28-29]。

(2) 下采樣：對于高采樣信號的算法，下采樣常作為可靠的解決方法。

(3) 峰值檢測：在峰值檢測中，收到原始信號，進行數字濾波，并在特征選擇設置中使用檢測到的峰值指數。

(4) 分割：在該步驟中，識別信號的特定峰值以及識別點，再將ECG波形分割成單獨的心跳周期[30-31]。

2.1.2特征提取

預處理之后提取特征用于識別目的。其特征提取方式可以分為基準方法[32-33]、非基準方法[34-35]、混合方法[36-37]三種。基準方法依靠心跳的局部特征進行生物特征模板設計，如連續基準點之間的時間差或幅度差，并用于識別目的。基準特征的缺點是它們對噪聲敏感。此外，在心律失常異常情況下檢測基準特征可能包括數據錯誤。非基準方法最初由Plataniotis等[38]提出。為了消除心電信號的基準點定位的必要性。它整體處理心電信號或孤立的心臟跳動，并根據波形的整體形態提取特征。混合方法是將基于基準特征方法與非基準特征方法結合起來，混合方法提高了技術的復雜性和識別效率，當前還沒有相關出版物評估其實用性，因此在考慮到實際應用的可行性和系統復雜度后建議優先選擇基準方法或非基準方法。該模塊的主要目的是將ECG波形轉換為某種類型的參數表示以供進一步分析和處理，常采用的方法有：

(1) 小波變換：小波變換與傅里葉變換相似[39-40]。小波變換使用在實數和傅里葉空間中定位的函數，小波變換有兩種類型，即離散小波變換和連續小波變換。

(2) 主成分分析[41]：在對數據運行機器學習算法之前，經常使用主成分分析法實現維數降低技術將高維數據集轉換為較小維數的子空間。

(3) 線性判別分析[12]：它是Fisher線性判別式的一種推廣，是統計學中常使用的方法，可以找出表征或分離兩類或多類物體或事件的線性組合特征。

2.1.3分 類

預處理和特征提取之后，下一步是對輸入進行分類。這是為了檢查系統的健壯性。常用的分類器包括貝葉斯網(Bayesian Network,BN)[39]、支持向量機(Support Vector Machines，SVM)[20，39]、K最近鄰分類算法(k-NearestNeighbor,kNN)[19，41]，以及基于度量的歐幾里得距離[42-43]等。基于這些分類器，用戶可以輕松地確定技術的可靠性和效率。現有基于ECG的生物識別技術文獻的總結如表2所示。

表2 當前ECG生物識別技術總結

續表2

2.2 基于PPG生物特征識別

身份識別技術中，基于PPG信號身份識別技術起步較晚，但信號易采集、實用性好、發展比較迅速。現在的基于PPG信號的身份識別方法主要有以下兩類：

(1) 基于P波特征點的識別。此方法以PPG信號的特征點為基礎，采用了峰值、間隔、斜率等時域特點作為特征值，來實現身份識別。基于P波特征點的身份識別方法優點在于取特征值簡便，計算復雜度較低，適用于小樣本數據條件。

(2) 基于波形的識別。此方法一般以P波為基準點分割出單周期的PPG信號波形，然后通過數據降維處理，處理后的數據作為特征值。此種方法優勢在于不易受到噪聲干擾、穩定性強，不過因為提取的特征數據量龐大，會導致識別速度有所下降。

Spachos等[58]對29名健康受試者的指尖進行光電容積脈搏波(PPG)信號采集，采用近鄰分類器進行分類，驗證了PPG作為生物識別的可行性。Salanke等[59]以PPG信號的P波為基準，分割出單周期的PPG信號波形，通過主成分分析法對PPG信號單周期波形進行特征取，并分析了在受試者緊張的條件下分類器的識別性能，結果顯示在緊張條件下取得的信號特異性更明顯，緊張比放松狀況下的識別效果更顯著。Bonissi等[60]對PPG在生物識別系統中連續認證情況下進行了初步研究，所獲得的實驗結果說明PPG信號具有作為生物識別的辨識性，然而獲得的特征呈現低耐久性，因此他們認為PPG技術應該應用在連續認證系統中。

Namini等[61]定義了PPG的97個參數特征用于決策和分類。使用前向特征選擇算法，分別對30個上級特征進行排序。研究了四個分類器的結果：K最近鄰、高斯混合模型、Parzen窗口和模糊K最近鄰分類器。這些分類器被應用于從主要特征的組合提取的兩組人工特征上。該研究表明，使用PPG的身份認證可以達到2.17%±0.31%的等錯誤率。Karimian等[62]采用PPG做生物識別，使用神經網絡以及支持向量機進行分類，對42名受試者使用了基準和非基準方法進行實驗比較結果，發現采取非基準特征方法達到的準確度為100%，而使用基準特征的準確率為95.0%～99.5%。

2.3 其他心臟信號識別方法

目前認為SCG是一種潛在的實時變化的生物特征模式與分析心臟活動，與ECG相比，SCG是從機械角度來測量心血管活動,在胸腔上量化與心臟相關的機械活動，例如心臟壁運動和血流情況。

Bui等[63]提出了基于SCG的生物識別驗證系統，如圖6所示，利用自相關特性進行特征提取，使用主成分分析(PCA)方法降維，并且通過結合三軸SCG信號實現數據融合，提高了系統的精度和魯棒性，通過實驗得出SCG可以作為生物識別方式的結論。然而SCG信號可能容易受到各種情況的影響，例如SCG信號會隨著被測者的當前狀態(坐著、站立、躺著等)以及走動、跑步等而變化，也會因為被測者的情緒狀況(平靜、悲傷、喜悅等)而變化。另外根據Bui等的觀察，同一個用戶的SCG信號會在很長一段時間(如2至5年)內發生顯著的變化，這會使SCG生物認證很難大規模部署，不過在短期內被測者的SCG信號比較穩定，所以利用SCG信號作為生物認證需要在短期內更新數據。

圖6 基于SCG身份識別系統原理

通過使用非接觸式多普勒激光探測頸動脈中的血壓脈沖引起的皮膚機械振動，獲得LDV信號并應用于生物識別，并不需要直接檢測心臟信號。Chen等[64]開發了一種用激光多普勒測振儀遙測與頸動脈脈搏有關的機械活動的新方法。Odinaka等[65]研究了285名受試者并證實激光多普勒振動信號識別可行性。

心臟運動的行為特征是與心臟內在的幾何結構、血液循環系統等相關的多種生物學特征緊密結合，這些身體特征使得心臟運動成為每個人獨特的身份認證信息。Zhuang等[24]提出了非接觸式心臟運動傳感,以非接觸式手段獲取心臟的運動信息從而達到生物識別，對心臟運動進行檢測，利用發射的微波擊中對象時獲得由心跳引起的身體位移，通過解調這個相位信息獲得心臟運動的特征信息。Lin等[7]使用多普勒雷達以無線方式映射心臟尺寸和心臟運動，如圖7所示。心臟的形狀和跳動獨一無二，因此可有效識別用戶、驗證身份、解鎖設備等。相比指紋、視網膜掃描和面部識別系統，該系統更具優勢，它不需要直接接觸，也無須持續監控用戶。不同的人站在計算機屏幕面前,該系統會識別出不同的用戶,阻止未授權人的登錄。

PCG通常能聽到的兩個最響亮的聲音是第一聲S1和第二聲S2，S1是在心室的等容收縮期間產生,S2是在舒張期間時產生。Phua等[66]對身份識別中使用心音的可能性進行了研究，需要電子聽診器，用于執行識別任務的簡單的處理器和數據庫服務器。研究提出的倒譜特征以及相關的預處理可以用于身份識別，在實驗評估中產生了相對較好且穩健的結果。Beritelli等[67]提出了一種通過心音頻率分析來識別個體的自動系統。研究了心臟聽診PCG(心音圖)信號的生物特征。PCG信號具有特定的個人特征，可以將其作為生物特征識別系統中使用的有效生理符號來考慮。

3 基于心臟信號的身份識別技術研究趨勢

由于應用心臟信號進行身份識別的研究還在研究階段，且作為識別特征也有其局限之處。本節結合目前存在的問題指出以下幾點未來研究方向:

(1) 大規模心臟信號數據庫的建立。表2列出的數據庫主要是由麻省理工大學的研究人員建設的MIT-BIH心律失常庫和MIT-BIH正常竇性心律庫[68-69]，Lugovaya為其研究所建立的ECG-ID數據庫[49]以及PTB診斷ECG數據庫[70]，這些數據庫中的ECG數據只有幾十到上百種，最大的庫為多倫多大學心電數據庫[71]，共采集了1 019個志愿者的心電數據。其他心臟信號只能由科研人員自行收集，往往采集的信號數量不多，只能滿足于科研要求，無法對基于心臟信號的身份識別系統大規模應用提供可靠的數據。目前中國、美國、印度等人口大國正在籌備搭建全國范圍的識別系統[72]，為了進一步推動基于心臟信號進行身份識別的研究，并真正能夠應用于實際生活中，建立大規模的心臟信號數據庫是未來一項重要的工作。

(2) 引入生物醫學學科經驗，結合研究更為穩定的算法。目前以心臟信號作為生物識別方式的實驗結果還存在識別率不夠穩定的缺陷，一種方法進行多次實驗的結果會有波動，隨著實驗人數的變化，識別的準確率也會變得不穩定。目前健康個體的識別能夠達到較高的識別率，而患有心臟病的患者的識別率明顯降低。心臟病患者產生的心臟信號具有變異性，提高了系統準確識別的難度。醫療學科對于心臟信號的研究以及心臟病患者的心臟信號變化情況的研究會對基于心臟信號的生物識別技術的準確性和穩定性有很大的幫助。

(3) 心臟信號采集的集成化與可穿戴性研究。傳統的心電信號需要利用電極直接接觸皮膚進行采集，這很大程度上降低了心臟信號識別的實用性，目前Zhang等[73]已經表明可以從單臂采集到ECG信號，并成功應用于識別。Nymi band[74]是一種可穿戴式的腕帶，在其內部利用兩個金屬電極采集ECG信號，可以實時進行識別工作，不過這種識別產品需要長時間佩戴，并且每次開始認證還需要另一只手觸碰外部電極。Yathav等[75]開發了一種可以同時采集ECG和PPG信號的系統，命名為miBEAT，該系統可以用在智能手機或平板電腦上進行信號采集并用于個人識別或認證。雖然目前已經存在上述可穿戴設備和集成系統，但仍然有很多需要改進的地方，它們仍然需要與兩肢接觸，今后的工作將對采集方式進行改進，盡量減少與肢體的接觸，可以進行中距離采集信號識別工作，增加設備的用戶友好性。

(4) 心臟信號與其他生物信號的多模態融合研究。由于基于心臟信號的身份識別相比于傳統的識別方案更有優勢，信號采集的方式更加地趨近于隱蔽性、安全性、便攜性，并且通過多種信號的融合識別可以提高識別率和穩定性，多種生物信號融合識別成為了研究者們的熱門課題。目前已存在一些結合心臟信號識別的多模態識別系統，如心電信號與指紋融合識別[76]，心電信號自融合進行識別[77-78]，心電信號與面部融合識別[79]，以及心電信號、面部和指紋三者融合進行識別[80]。進行融合可以增加識別的可靠性和準確性，因此心臟信號的多模態識別系統的研究會是今后主要的發展方向。

4 結 語

基于心臟信號的生物特征為其他傳統生物特征提供了一個有吸引力的替代選擇，主要優勢在于在監督環境下偽造者難以進行攻擊。本文闡述了基于心臟信號的身份識別方法，從心臟信號的產生原理、分類、感知形式等方面進行介紹，并對基于不同心臟信號的生物特征識別技術做了一些比較和評價。通過這些分析可以看出，心臟信號作為一種新的生物特征在生物識別領域有廣闊的前景，研究者們可以解決當前存在的問題，提出更具競爭力與實用性的心臟信號識別系統。