一种实用的跨域ECG生物特征识别方法

心电图（ECG）作为一种生物识别技术，对此类攻击具有较高的抵抗力并受到研究者的广泛关注。该方法的，识别率可达95％左右。然而，我们发现，当训练周期和应用周期之间存在明显的间隔时，如果将其自身的实际情况，准确率将突然降低到40％。造成这种突变的首要是：（1）在现有的训练和测试周期中，由于连续样本被用于训练和测试阶段，所提取到的特征具有时间敏感性； 2）在卷积神经网络分类中没有充分利用与性能相关的特征； 3）还没有通过设置最佳参数来为个体获得足够的多有效样本。 ：1）确定随机抽样方法的最佳参数，为个体获得足够的有效样本； 2）提出一种跨时间，频率和能量域提取深度特征的方法，该方法对时间不敏感且个体区分度大； 3）在CNN中约会通道注意模块并修改其激活函数以优化识别性能。我们在PTBDB和ECG-ID数据库上验证了我们的方法。实验表明，识别精度分别达到56.93％和85.94％，比现有方法提高了41.5％和20.7％。