心電図生体認証のための判別スペクトログラム局所記述子

科学分野:

• 生体認証
• 信号処理
• 機械学習

背景:

• 心電図（ECG）生体認証は、その固有のユーザーの利便性と生存検出能力により、成長分野です。
• ECG信号の非定常および非線形特性は、信頼性の高い生体認証に重大な課題をもたらします。
• 既存の方法は、ECG信号データの複雑さに効果的に対処するのに苦労しています。

研究 の 目的:

• 心電図（ECG）生体認証を強化するための新しい方法を提案する。
• ECG信号の非定常および非線形な性質によってもたらされる限界を克服する。
• ECGベースのユーザー識別のパフォーマンスと信頼性を向上させる。

主な方法:

• 短時間フーリエ変換（STFT）を使用して、ECG心拍を2Dスペクトログラム画像に変換しました。
• スペクトログラム画像からピクセル差分ベクトル（PDV）を抽出し、投影行列を学習して低次元バイナリ記述子を作成しました。
• 再構成誤差、クラス内変動を最小限に抑え、クラス間変動を最大化し、L2,1ノルムを最小化することによってバイナリ記述子を最適化しました。
• バイナリ記述子のクラスタリングとプーリングを通じて、スペクトログラムをヒストグラム特徴として表現しました。

主要な成果:

• 提案手法は、既存のECG生体認証技術と比較して優れたパフォーマンスを示しました。
• STFTと局所バイナリ記述子の組み合わせは、ECG信号から判別的特徴を効果的に捉えました。
• 実験結果は、標準データベースにおける開発されたアプローチの有効性を検証しました。

結論:

• 開発されたSTFTおよび局所バイナリ記述子学習方法は、ECG生体認証における有望な進歩を提供します。
• このアプローチは、安全なユーザー識別のためのECG信号処理の固有の課題に効果的に対処します。
• 調査結果は、ECGベースの生体認証の精度と堅牢性の大幅な向上を示唆しています。