电-生物身份识别方法和设备的制作方法

专利名称：电-生物身份识别方法和设备的制作方法
电-生物身份识别方法和i殳备相关申请的交叉参考本申请要求作为申请号为PCT/US2003/23016的国际专利申请 的接续专利的、于2004年11月8日提交的PCT申请号为 PCT/IB04/03899的PCT申请的优先^又，其中，PCT/US2003/23016 号国际专利申请要求于2002年7月29日提交的美国临时申请第 60/398,832号的优先权，其全部内容结合于此作为参考。
背景技术：
身份识别在生活中的许多方面发挥重要作用，包括自助4艮行服 务、电子商务、电子银行、电子投资、电子数据保护、远程访问资 源、电子交易、工作安全性、防盗设备、刑事鉴定、安全门禁、以 及工作场所的进入登记。计算才几化的系统通常使用口令和个人身份号码(PIN)来进行 用户识别。但是为了确保安全性，需要定期更换口令，这为用户增 加了很大的负担。同样，签名验证方法也存在其他缺点，包括伪造 和登记欺诈。例如，见Beatson等人发布的第5,892,824号美国专利。因而，近年来已出现了 4吏用个体的生物现象-生物测定的身份识 别系统。期望单独或与其他技术(诸如，智能卡、加密密钥、以及 数字签名) 一起4吏用的生物普及到经济和日常生活中的所有方面。已开发出了多种先进技术来进行生物识别，包括指紋识别、视网膜和虹膜识别、以及语音识别。例如，Shockley等人在第5,534,855 号美国专利中概括描述了使用生物数据(诸如指紋)授权个人访问 计算机。Scheidt等人在第6,490,680号美国专利中描述了使用生物 数据的身份验证。Dulude等人在第6,310,966号美国专利中描述了 使用指紋、手掌的几何形状、虹膜和视网膜扫描、以及语音模式作 为生4勿iK另ll马t"i正(biometric authentication certificate)的一部分。 Murakami等人在第6,483,929号美国专利中概括描述了用于生物识 别的包括红外线辐射的"生理和组织标记(physiological and histological markers )"。然而，这些类型的^支术由于复杂和不友好地 获取形式、对环境参数(诸如照明条件和背景噪声)的敏感性、以 及高成本而仅能够获得有限的市场。另外，由于复杂的获取步骤， 上述技术通常需要有操作员在场。指紋识别是这一组中沿用已久的、最成熟的技术。但是它存在 多个缺点指紋识别系统不能验证指紋所有者的实际存在，因此容 易受骗，从而限制了它的在线应用的适用性；光学传感器是一种成 本高并且易碎的设备，通常不适合用于消费者市场；以及系统会受 到与犯罪学有关的负面涵义的影响。视网膜扫描技术的特征在于高性能。然而，其需要高精度的光 学传感器，并且由于它们需要变换头部姿势以及对特别敏感的器官 -人眼有影响，所以对用户来说不是很友好。光学传感器成本也很高 并且易碎。由于虹膜和脸部识别系统从远处记录图像并且不是强迫性的， 所以是用户-友好(user-friedly)的技术。然而，它们需要数字照相 设备并且对照明条件、瞳孔大小变化和脸部表情都很敏感。另夕卜， 虹膜识别的性能会由于墨镜和隐形眼睛的使用而降低，并且可以通 过假冒对面部识别进行欺骗。语音识别是该组中最用户-友好的才支术；然而，它需要低噪声环 境并且对包括语调在内的固有可变语音参数非常壽文感。此外，现有 的4专统记录4支术可以用于欺骗基于i吾音的识别系统。因而，需要可靠、强壮、难以欺骗(在线和离线)、低成本的、 用户友好的身份识别技术，其可以单独应用、或者与现有的安全系 统相结合。这些年来，心电图("ECG")测量已用于许多不同用途。ECG 信号是由心脏产生的电信号并且能够使用通常安装在对象胸部的 传统表面电极来拾取(pick up )。 ECG信号由表示在每次心跳期间 的不同功能阶段的若干个分量构成，并且会根据生成组织(generating tissue ) 的电定向 (electric orientation ) 而投影(projection )。由于在心脏ia织结^勾、心脏方向、以及电《且织定向(electrical tissue orientation )(它们者P会影响/人月支体中测量出来的心电4言号)中 的正夫见变差(normal variation )，因》匕个体的心电寸言号表示出不同的 特定对象的细节。许多类型的系统都使用这些特定对象的变差 (subject-specific variation )。例如，Blazey等人在第6,293,904号美国专利中描述了使用ECG 信号来评估或勾勒出了个体的生理和i^知状态。至于识别，Kyoso 等人在关于Engineering in Medical and Biology Society的第23届年 度国际IEEE会i义(在土耳其的"f尹斯坦布尔)的题为"Development of an ECG Identification System"的2001会i义文献^f病人的ECG与 先前登记的ECG特征参数进行比较来用于识别的用途。Wiederhold 在第2003013509号美国申请中建议使用直接或远程获取的ECG信 号来识别对象，"研究(explore)"用于识别个体的特征提取，并且 提供这些方法的"初步分析"。4旦是ECG信号由具有可能为组所共有的特;f正的ECG分量构成 的。这些参考文献中没有一个描述消除ECG分量的共有特征来生 成用于对象识别的签名的系统或方法。因而，仍然需要具有这些属 性的系统和方法来识别个体。并非认为在该背景中包括的上述参考文献是关于本文中所披 露的本发明的现有技术或类似技术。然而，如本文中所述一样，该 背景部分中的所有参考文献结合于此作为参考。发明内容申请人提供具有多个方面的各种装置和方法来解决上述生物 i。、别问题。在第一方面中，申请人通过使用以下方法及其变化来解决上述 生物识别问题中的每个问题通过形成特定个体的心跳图形的表示和所存储的多个个 体的心跳图形的共有特征的表示之间的差异，生成并存储用于识别 特定个体的第 一生物签名；在生成步骤之后，获的所选个体的心跳图形的表示，并且 通过在所选个体的心跳图形的表示和所存储的多个个体的心跳图 形的共有特征的表示之间的差异来生成第二生物签名；以及将第二生物签名与第一生物签名进行比较来确定所选个 体是否是该特定个体。才艮据该方面的系统包括ECG信号获取才莫块、包括ECG签名生 成器的ECG信号处理模块、和输出模块。因而，才艮据该第一方面，本文中4皮露的系统和方法将生物-电信号变换为独特的电-生物(electro-biometric )签名。心电签名的独特 性4吏系统难以欺骗，并且本方法的固有的鲁^奉性4吏得其对于本地以 及远程和在线应用来"i兌都是4艮理想的。另外，基于生物签名的系统 的特征在于高识别特性以及支持开放式和封闭式搜索模式。在才艮据第 一方面的一个优选方法中，通过测量并存^f诸多个个体 的这种表示来获得所存储的一个或多个ECG分量的共有特征的表 示，然后平均所有所存储的表示。可选地，可以通过诸如主分量分 析(principal component analysis )、 模糊聚类分析(fuzzy clustering analysis),子波分解等获得共有特征。由于才艮据该第 一方面的心电方法是鲁棒的，所以它们还有另一 个重要的优点其允许使用能够作为低成本、用户友好的获取设备 来实施的简单并且直接的获取技术，并且还排除了对熟练操作员的 需要。根据关于这些系统和方法的变化，代替或者除了使用经验模 型，还可以使用一个或多个ECG分量的共有特征的分析才莫型来去 除对象的ECG分量中的一个或多个分量的共有特征。同样，可以 通过首先将所存储的表示分为子组、识别至少一个子组中的共有特 征、根据子组对对象信号进行分类、通过从对象信号中去除子组的 ECG分量中的一个或多个分量的共有特征来生成对象签名、以及通 过计算对象签名关于该子组的签名的相关性来识别对象来去除共 有特征。共有特4i可以通过平均来自 一组个体的多个同步的心电图来 确定，然后将其从对象的心电图中减去来确定对象的签名。但是该 方式是假设一组个体中的共有特征是恒定的。实际上，在任何给定 的个体中都或多或少地存在某些共有特征。因此，最好是^f吏共有特征近似，以在将其去除来获得对象签名之前，使其更好的符合给定 的对象的心电图。该技术为更准确地确定对象的签名做好了准备。才艮据该方法，可以将一组心电图分解(分解，decompose)为 特征波形集。然后表示该组的共有特征的这些特征波形进行加权， 以达到最近似存在于对象的心电图中的共有特征的程度。然后从对 象的心电图中将该近似减去。剩余的部分包括对象的心电图签名。例如，还可以通过存储由 一个个体以不同脉搏率产生的多个签名来为每个个体保留多个模板。在本实施例中，于是可以使对象签 名与诸如用于适当脉搏率的一个模板的适当模板相关联。因而，在变化中，本文中所披露的系统和方法可以使用多个签名模板来在环 境和反应范围内识别个体。可选地，或者除此之外，才艮据第一方面， 还可以基于脉搏率将对象信号和已登记信号标准化。根据本文中所披露的第二方面，识别处理可以设置动态阈值。 这个动态阈值可以以识别过程中的所需置信(confidence )度(诸如， 通过置信评分来确定的一个置信度)为基础。根据本文中所披露的第三方面，本文中所披露的系统和方法可 以使用"品质因子(Q-因子)"来确定是否减少由于噪声带来的信 号污染。同样，品质因子或信号测量的其他品质可以用于确定识别 具有所需置信度的对象所需的对象样本的长度。其还可以用于登记 具有所需置信度的样本，以使样本可以适用于将来的比较。在"品质因子"计算的可选实施例中，本文中所4皮露的系统和 方法可以计算在由于噪声带来的对象签名和/或已登记签名中的标 准偏差，并且一艮据这些计算来确定信号品质是否适合于进行识别。同样，本文中所披露的系统和方法可以通过测量触头或探针的 阻抗来确定信号品质。才艮据该方面的信号品质测量还可以用于通知 对象来调节他或她与传感器或探针的接触或相对于传感器或探针 的位置。根据第四方面，对象和数据库签名可以被加密作为安全预防措施来防止未经;t受权就存取和使用这些签名。才艮据第五方面，可以使用与产生一致信号的某些身体部位相接 触地设置的电极来获取ECG信号。对于某些身体部位来说，电极 放置的一个极小的改变也可能导致所接收到的信号形态的急剧改 变，并且甚至可能导致截然不同的信号分量出现或消失。因而，根 据该方面，本文中所纟皮露的方法和系统可以4吏用产生净争定只于象的一 致信号的电极放置部位，尽管在这些部位内的电极布置有所改变， 但该一致信号具有鲁棒性。这些部位包括臂和腿(包括手指和脚 趾)。在这些部位中的电极放置的鲁棒性来源于只要电极保持接近 肢体末端就不会改变的恒定心电信号投影。根据该相同的第五方面，通常所说的超高阻抗检测探针的某些 检测探针还可以用于获取信号，该信号包括来自诸如指尖的单个身 体点的信号。可选地，或者除此之外，这些超高阻抗检测探针可以 远程检测心电信号，从而在维持信号一致性的同时，消除电极放置 置的困难。才艮据第六方面，本文中所4皮露的系统和方法可以包括防止登记 欺骗以及降低数据库登记者谎报他或她身份的能力。根据第七方面，本文中所4皮露的系统和方法可以通过将他或她 的匹配评分与数据库登记者的匹配评分进行比较来识别对象。根据第八方面，本文中所披露的系统和方法可以使用力口权相关 技术，其将不同的权重授予不同的心电信号分量，以用于生成签名的用途。可选地，或者除此之外，可以〗吏用包括均方才艮计算或Ll 量度的各种量度(metric)来使签名标准化。一些生物测定4支术采用4兆战-应答协议来保证用户已经接收的 用户凝:才居有效。以此方式，可以减少由生物测定凝:据的回》文而造成 的系统可能被欺骗的风险。但是，至今，用于生物测定的才兆战-应答 机制需要用户积极的参与。积极的用户参与4吏用户-验i正过程复杂以 及延长了用户一睑i正过程。例如，语音识别系统通常需要用户重复随 才几选4奪的词或句子。因此，4艮据另一个方面，生物测定ID系统可 以通过有利地采用不需要用户的有意识的应答的生物4兆战-应答枳j 制来减小欺骗的风险。优选地，4艮据上述各个方面中的每个方面的系统和方法为了身 份识别的目的而自动执行其任务。另外，这些系统和方法可以结合 到4艮宽范围的装置和系统中。 一些非限制性的实例如下智能卡； 护照、驾驶执照设备；生物-登录(bio-logon)识别设备；个人数字 助理("PDA");蜂窝嵌入式识别设备；防盗设备；ECG监控设备； 电子银行设备；电子交易设备；宠物识别设备；物理存取设备；逻 辑存取设备；以及结合ECG和指紋监控的设备、血压监控和/或任 意其他形式的生物测定装置的设备。另夕卜，本文中所披露的系统和方法可以用于识别人的年龄，诸 如，通过将对象的QRS复合波的宽度(或者更相克括来i兌与对象的 QRS相关的签名分量)与登记组或分析ECG模型的宽度进行比较。在另一个应用中，本文中所4皮露的系纟充和方法可以用于i口、别侦: 用药物的人，诸如通过登记并计算、或分析得到一系列与药物相关法还可以用于识别或扭J主企图通过4吏用药物来更改其ECG信号以欺骗系统的对象。其他应用包括「使用本文中所4皮露的系统和方法，这些系统和方 法用于进入建筑和房屋的控制、监视系统使用、无线装置使用、控 制和用户-验证、移动电话启动、计算才几存取控制(例如通过膝上型 电脑、PC、鼠标、和/或键盘)、数据存取(诸如文档控制)、公共 运输的旅客识別、电梯使用控制、火器锁定、车辆控制系统(包括 通过点火启动和门锁)、智能卡存取控制和智能卡信货审核、对在 线内容的访问(包括受版权保护的著作)、电子客票、核材料的使 用和控制、机器人控制、飞机进入和控制(旅客身份、飞行控制、 维修工的进入)、自动贩卖机的使用和控制、自助洗衣店的洗衣机/ 干衣机的使用和控制、锁扣装置的使用、对儿童安全的锁、电视和 /或录像存取控制、解密密钥的存取和使用、无需货币的自动贩卖机、 自动贩卖机维修进入、游戏控制台的访问(包括在线交易能力)、 计算机网络安全(包括网络访问和控制)、销售点的买主识別、在 线交易(包括顾客识别和账户存取)、现金付款服务或电汇识别、 建筑维修的进入和控制、以及植入的医疗装置编程控制。对于本领 域技术人员来说，在本公开范围内的其他应用将是显而易见的。对于任何应用来i兌，4艮据任意或所有以上方面的i殳备可以连续 或者根据需要来运行。上述设备可以被构造成能够通过使一个或多 个电极或者远离个体的传感器与个体相接触来获得所选个体的心 跳图形的表示。当将该设备设置在智能卡中时，该卡可以在成功识别之后启用一^a有限的时间，然后失效，直到^U亍下一次成功识别。上述设备可以被构造为使用加密密钥或数字签名来操作。关于本文中所4皮露的方法，可以连续或以某一其他顺序扭J亍上 述方法的步骤。本文中所4皮露的系统和方法可以用于人或其4也动物 对象上。这些方面中的每个方面都可以相互交换和组合地4吏用。本文中 还描述了其他的实施例及其j奮改、改变以及增强。


图1是用于以本文中所披露的各个方面来使用的包括信号获取模块、信号处理模块、和输出模块的系统的简化框图；图2是图1的系统中的信号获取模块的一个实施例的框图；图3是图1的系统中的信号处理模块的一个实施例的框图；图4是示出了从100个对象的池中抽取的首要的6个最有影响 的主要分量，以及首要的IO个主要分量对数据变化的表现的贡献。图5示出了通过去除三个最有影响的主要分量及其等待时移形 式(latency shifted version )的最佳组合来构造原始心电图信号及其 相应的签名。图6是示出了从20个对象的数据库计算出来的总平均心电信 号波形图；图7示出了参加到^t据库中并且对图4中的平均波形啦文出贡献 的10个对象的一组心电信号波形；图8示出了从图7的信号波形得到的一组电-生物签名波形、或 模板；图9示出了对图6的总平均波形^故出贡献的20个对象的"f呆持 符号的平方相关值的散布图和分布柱状图；图10示出了基于识别中断过程中的所需置信度的z-评分的表格；图lla示出了相关性的分布；图lib示出了经过Z-变换的相关性的分布；图12示出了识别性能曲线(静态)；图13示出了识别性能曲线(动态)；图14示出了作为NSR的函数的信号品质；图15示出了 5秒图段内作为信号品质的函数的匹配评分；图16示出了 20秒图l殳内作为信号品质的函凄t的匹配评分；图17示出了作为记录时间的函数的匹配评分(其中，Q-0.8);图18示出了作为记录时间的函数的匹配评分(其中，Q-0.5);图19示出了优选系统的功能部件图；以及图20示出了优选的信号处理器的功能部件图。
具体实施方式
定义除非另外指出，否则术语"识别(identify)","正在识别 (identifying)",和"识另'J (identification)"的含意分别包4舌"-睑i正身份(verify identity )，，、"正在^验ii身份(verifying identity )，，、和"身 ^f分的马全"i正(verification of identity )，，的4既念。"封闭式搜索，，意味着检查单个存储的签名来验证个体身份的搜索。"开放式搜索"意味着搜索多个存储签名来验证对象的搜索。 第一方面根据第一方面，获取、处理并分析生物-电信号(bio-electric signal)来-验证个体的身4分。例如，在图1中示出了才艮据该第一方面 的系统和方法的优选实施例。图1示出了4皮称作电-生物识别(Elector-Biometric Identification,缩写为E-BioID )系纟充的系纟充。 在该优选实施例中。所存々者的多个个体的一个或多个ECG分量的 共有特征的表示是那些个体的 一个或多个ECG分量的平均。然而， 其他实施例可以采用所存^f诸的不同类型的共有特征(诸如可以通过(例如)主分量分析、模糊聚类分析、或子波分解可获得的、或者 由分析模型提供的那些共有特征)的表示。在优选实施例中，E-BioID系统的基本元件包4舌单个壳体 (housing)中设置的信号获取模块12、信号处理才莫块14、和输出 模块16。在另一优选实施例中，系统可以提供本地获的的电-生物 信号的远程分析。基于现有技术中已知的原理和技术、结合本公开， 本领域技术人员可以容易地实现图1中所示的每个部件。图2示出了在E-BioID系统中的信号获取模块12的优选构造。 数据获取模块优选地包括一个或多个传感器22、前置放大器24、 带通滤波器26、和模数(A/D)转换器28。基于现有技术中已知的原理和技术、结合本公开，本领域技术人员可以容易地实现这些部 件。传感器22可以是能够检测心跳图形的任何类型的传感器。例 如，其可以是作为"附件，，连接至标准计算机键盘的金属板传感器。 根据另一方面，单个传感器可以单独地(例如)通过接触手指来从 接触的单个点获取信号；可选地，传感器完全可以不与对象接触。图3示出了 E-BioID系统中的信号处理才莫块14的优选元件。 信号处理才莫块优选地包括数字信号处理器(DSP) 32、双端口 R.am (DPR ) 34、电可4察可编考呈序只读存4诸器(E2PROM ) 36和I/O端 口 38。基于现有技术中已知的原理和技术、结合本公开，本领域4支 术人员可以容易地实现这些部件。信号处理模块14通过端口 38连 接至信号获取模块12和输出模块16。在一个可选实施例中，可以在作为灵活计算平台的个人计算机 上使用适当编程来实现信号处理才莫块，从而将该系统直接结合到家 庭、办公室、或研究所/企业环境中的现有计算设施中。输出模块16优选地包括诸如LCD或CRT监视器的专用显示 单元，并且可以包括用于启动诸如锁定机构的外部电气设备的继电 器(relay )。可选地，输出才莫块可以包括用于将识别结果转4番至远 程站点来进行进一 步的操作的通信线。信号获取、处理和分析以简单的形式获取生物电信号、或心跳信号，其中，指示对象 接触至少一个传感器22凄t秒钟。可以是金属板的一个或多个传感 器将生物电信号传导至将生物电信号放大到所需电压范围的放大 器24。在一个优选实施例中，电压范围是0到5伏。;改大的〗言号通过滤波器26,以去除伊乙选频率4Hz 40Hz以外 的分量。可选地，可以与陷波滤波器(notch filter)相结合来使用 0.1Hz ~ 100Hz的更宽的范围来排除电源频率干扰(50/60Hz )。优选 地，使用12-位A/D转换器28以优选地约为250Hz的釆样频率来 执行信号的数字化。在模块14中，通过"R，，峰值幅度对信号进行标准化，以说明 与外生电属性最相关的信号幅度变化。标准化后的数据被变换成与 预存^f诸的电-生物签名才莫4反相比较的电-生物签名(electro-biometric signature )。将比较结果量化、任意分配一个置信值，然后将其传输 至输出冲莫块16,其中，输出冲莫块16向给E-BioID系统的用户提供 识别反馈，并且还可以启动外部设备(诸如锁或警才艮器、如网络登 记确认的虚拟设备、或者通信链路)。可选地，或者除此之外，可以为^M專率4吏信号标准化。由于心 电信号会受到作为众所周知的心电调节器(modifier)的脉搏率的 影响，所以上述操作是很有用的。脉搏率的改变可以引起"P"和"T" 分量相对于心电信号的"QRS"分量(这些分量出现在图7中)的 等待时间、幅度和形态的改变。然而，可以通过信号复合波(signal complex)的后向、脉搏率-驱动调整来自动补偿脉搏率改变。另夕卜， 系统的自适应运行模式可以跟踪和补偿引起改变的脉冲率。这可以 通过压缩或扩展心跳波形的一个周期的时标来实现。可以使用描述 波形特征(例如，S-T、 P-Q段持续时间)与脉搏率之间的关系的更 复杂的表述。因而，根据这个变化的方法可以基于心电信号的鉴别， 其中，分析与心跳同时执行，从而消除了一般人共有特征，因而， 增强了构成原始心电信号中通常不能检测到的电-生物、或生物、签 名的特定对象的特4i。在另一个实施例中，将该E-BioID系统作为完整的紧凑装置来 实现，其中，许多功能元件都在基于ASIC的系统上实现。在另 一个实施例中，可以将该设备结合到戴在手腕上的表中， 其中，在戴表手腕和佩带者的另一只手之间测量信号。手表的背面 可以由与手腕的后部相接触的导电介质(例如，金属板)制成，并 且手表的正面可以设置有需要与另一只手的手指相接触的另一个 金属触点。手表可以传输表示确i人佩带者身4分、和/或启动诸如门、 计算机、保险箱等的物理或逻辑锁定装置的信号。手表还可以传输 关于佩带者的个人信息。该设备可以以相同的方式结合到皮带或包 括导电介质的任何其他力良饰中。于是皮带或其他服饰可以传输表示 确《人佩戴者身份的信号，和/或启动物理或逻辑锁定的装置和/或传 输关于佩戴者的个人信息。操作原理生物识别需要将新获取的生物签名与已记录的或登记的生物 签名模板数据库中的签名模板进行比较。这需要系统进行两个阶段的才喿作登i己和识别。 登记阶段在一个优选实施例中，每个新对象都被指示用左手的手指触摸 第一传感器，同时用右手的手指触摸另一个传感器。在可选实施例 中，对象可以用身体的其他部分(优选地，手或腿)来4妄触摸通常 由金属制成的传感器。在另一个实施例中，对象可以用单个身体点 来触摸单个传感器。可选地，对象根本无需接触传感器。系统监视 对象的力永4粵率并且开始记录，优选地，持续至少20秒。可以4艮据 所需的并fr度来^f吏用更短的时间间隔。 一旦完成记录，系统可以进4亍 自我测试，以通过比较从所登记的段的两个部分中得到的至少两个 生物签名来-验i正签名的一致性。两个部分可以是两个半个、或者两 个更大、重叠的革殳。两个部分可以用于获得两个生物签名。如果自 我测试的结果是成功的，则完成对象的登i己，而如果不成功则重复上述过程。成功记录用于构造被添加到心电信号数据库中的心电信 号或一系列心电信号。然后，通过去除加入到凄t据库中的对象中的所有或一个子组所 共有的特征将心电信号变换成一组电-生物签名模板，从而增强特定 对象的区别特征。在一个优选实施例中，系统创建通过同步平均来自整个对象池 的标准化心电信号而计算得到的总平均心电模板。总平均表示上述 的共有特征，因此，从每一个心电信号中减去总平均就产生一组不 同的、特定对象的电-生物模板签名。在一个可选实施例中，可以使 用消除共有特征的其他装置，诸如主分量分析、模糊聚类分析或子 波分解。在一个更优选的实施例中， 一组心电图可以;陂分解(分解)成 特征波形集。根据该优选实施例，从个体组的心电图中去除了噪声。该系统可以使用主要分量分析(PCA)来将该组的心电图分解成正 交(不相关)分量集。被联系在一起的这些不相关的分量表示存在 100%的信号差异的信号的全部能量。与首要主要分量与PCA表示的最大特征值相关。通常在任何 情况下，少于所述组的心电图的首要10个分量的首要3到5个分 量通常表示接近90%的心电图能量或差异，且包括共有特征。显著 的是，这些首要分量表示在所有人中存在并且稳定的共有特征。因 此，这些首要主要分量可以用来识别任何人对象的签名，并不需要 为每个对象重新计算。其余较少的分量(其通常可以为全部波形能 量的10% )表示噪声和该组某些个体的信息。然后，乂人对象的心电图中减去表示该组的共有特征的特征波 形。剩余的部分包括对象的心电图签名加上一些其余的噪声。特^正波形可以以不同的方式、以及4艮t居所需的每个波形之间 "距离，，或"重叠，，来生成。例如，尽管其他方法也可以起作用， 但是优选地可以使用相关性函数来确定所需的波形之间的距离。显箸地，如果心电图取自没有参与到登记数据集的个体，则通常可以相对于已登记的数据集的首要3到4个PCA分量及其时移 形式(time shifted version )来确定^f也或她的心电图签名。确定签名所有对象的心电图都或多或少地包4舌第 一主要分量组中的每一个。根据本优选实施例，可以4艮据下面的方程使用来自样本集的 主要分量来近似个体的心电图。尤C i PC i = ECG國vM'^ 该方程中，Ci是重建系数，p是模型阶数，以及PC是主要分量。目的是为了找到用于最好近似对象的心电图的数据库主要分量 的加权系数。换言之，目的在于最小化通过加权数据库的主要分量 构成的对象的近似和原始对象签名之间的误差。这可以通过多种方法来完成。 一种方法是^f吏用最小二乘近似来最小化重建误差的范数来确定重建系数。如下所示一旦确定了最优系数，就可以使用其来根据下面的方程计算数 据库的首要主要分量(诸如上述的3或4 )的和然后从对象信号中减去该和。所剩下的部分为对象签名和可能 的一些P桑声。进而，由于通过定义使噪声为不相关的，因此通常通过与最小的净争^M直才目关的那些最后的主要分量(last principal component)来 描述这些噪声。因此，通过加权这些最后的主要分量以使最符合对 象签名、然后从对象信号去除它们，从而可以从对象信号中任意去 除p桑声。还可以通过其〗也的方法去除p桑声。解决等^f寺时间变化心电图分量凄t据库中的一些变化是由于等待时间的改变，即， 已登记的数据签名中的时间差异。因此，通过时移主要分量(优选 地相左和向右)可以增强前述的方法。例如，如果4吏用三个主要分 量来近似心电图特征，则可以添加六个更多的分量(每个分量两个， 左移和右移)来解决等待时间变化。在该实例中，该三个主要分量和六个时移分量将被用于计算构 建系数。 一旦确定了最佳构建系数，就构建共有特征分量并将其从 原始对象心电图签名中减去来产生个体签名Signature = ECG - PC;M图4是示出了从100个对象的池中抽取的首要6个最有影响的 主要分量，以及首要IO个主要分量对数据变化的表现的贡献。图5 示出了通过去除三个最有影响的主要分量及其等待时移形式的最 佳组合来构造原始心电图信号及其相应的签名。尽管PCA是在主要信号、次要信号和噪声之间的幅度中为累 积的、有影响的分量表示提供明显的不同的鲁棒算法，但是可以使 用两个替代冲支术来分解该组的心电图。在第一个替代实施例中，独 立分量分析(ICA)可以用于将合成信号分解成独立分量(与PCA 的正交分量相反)。然后，这些独立分量可以用于以类似于PCA的 方式来^t拟和重建心电图。在第二个替代实施例中，子波分解(WD)可以用来将合成信 号分解成被称为子波的时标波形集。WD基于瞬时子波波形，与傅 立叶分解(其基于连续的正弦和余弦分解)相反。因此，WD具有 优于傅立叶分解(analysis)优点在于子波是瞬时信号分量(诸如心 电图)的更有效的描述符。可选地，或除此之外，代替使用有已登记的数据计算出来的经 验模型，可以通过使用用于一个或多个ECG分量的共有特征的分 析模型来去除共有特征。在另 一 个优选实施例中，以增强子集内部相似性和子集间的差 异性的方式来将数据库分成若干个子集。然后，本实施例计算用于 一个或多个子集的不同的总平均或其他共有特征确定。该数据库划 分本身可以使用标准模式分类方案(诸如线性分类器、贝氏分类器、 模糊分类器、或神经网络)来执行。在大数据库的情况下，将数据 库分成多个子集以简化和缩短搜索过程，并且确保作为心电信号中 的相似性的适当表示的总平均的有效性是4艮有用的。该对象签名于 是可以通过去除在适当子组中发现的共有特征来创建。图6示出了由加入到凄t据库中的20个对象组成的池构成的总 平均的实例。图7示出了心电信号的10个实例，以及图8示出了通过消除 包括在数据库中的所有对象的共有特征，从以上心电信号中得到的 电-生物模板签名。具体地，图8的每个签名是通过从图7的相应信 号中减去图6的波形而得到的。将会看到，尽管原始心电信号非常 相似，而得到的电-生物签名明显不同。已发现这些不同反映了成为 E-BioID系统的识别能力的基础的固有p舉一 的心电差异。^只别阶賴在识别阶_敬，对象与系统以类似于登记阶^:的方式进4于交互， 然而，大约几秒钟量级的更短的记录时间就足够了 。在一个优选实施例中，系统执行验证过程(封闭式搜索)系 统处理所获得的信号；通过去除在整个数据库中发现的、在数据库 的所划分的子组中发现的、或者由分析ECG模型提供的共有特征 来形成电-生物对象签名；根据脉搏率来调整签名；并且对经过调整 的电-生物签名与对象的已登记的电-生物签名模板进行比较。在另一个优选实施例中，系统执4亍识别过程(开》文式搜索) 系统对整个数据库或数据库的所划分的子组进行重复比较，从而提 供匹配身^f分的识别。比4交处理在一个优选实施例中，通过如下计算电-生物签名CJj和电-生物签名模板①i之间的相关系数p来执行比较相关系数被进行平方，从而维持其原始符号77 = ^g (P)*|P「。 在一个可选实施例中，比较可以基于其他相似性测量(诸如电-生物 签名之间的RMS误差)。比较可以根据操作模式(封闭式搜索，或开放式搜索)产生一 个或多个相关系数。在封闭式搜索模式中，保持符号不变的平方相 关系数(sign-maitained squared correlation coefficient )(7)可以用于 做出识别决定大于预置的阈值的值被认为是正识别、或匹配；边 界线、接近阈值的值可以表示需要扩展或重复记录。在开放式搜索 模式中，假设最高系数在所选阈值之上，则在所有保持符号不变的 平方相关系数中的最大的保持符号不变的平方相关系数产生最可 能的对象识别。预置的阈值来自于所需置信度；较高的所需置信度需要较高的 阈值。在一个实施例中，大于0.8的保持符号不变的平方相关值是 匹配的特征，而小于0.7的值是不匹配的特征。因而，大于0.8的 保持符号不变的平方相关值可以被认为是真匹配，而小于0.7的值 净皮i人为是不匹配。图9上部的图示出了保持符号不变的平方相关值的散布图，用 虚线标出0.8的阔值。在匹配(圓圏)和不匹配(星)之间的清晰 间隔是很明显的。在其它两个图中的柱状图提供了 E-BioID系统的 强大识别能力的不同一见图，其中，可以看到不匹配集中在零值附近 (不相关)周围，而匹配密集分布在1.0附近(绝对相关)。在一个可选实施例中，可以使用更复杂的识别决定机制，诸如 多参数机制(例如，模糊逻辑机制)，其使用一个以上的距离量度； 例如，可以根据分段数据分析获得多个相关值。在一个优选实施例中，当在信号中遇到改变时，系统通过向对 象的数据库文件添加心电信号来随着时间提高性能。在随后的识别 过程中，系统处理新获得的信号、计算脉搏率、形成电-生物对象签 名、选择具有最类似脉搏率的所登记的电-生物签名模板、并且将新 的电-生物签名与所选的已登记的电-生物签名冲莫板进行比较。在另 一个优选实施例中，系统使用在长期系统运行过程中获得 的信号来跟踪登记对象的心电信号中的可能变化，并且如果出现了 一致的改变，则自动调整所登记的信号来反映这些改变。该跟踪过 程补偿了电子-心脏信号在长时期中的逐渐改变，但是并不补偿如与 临床心脏条件相关的所期望的那些快速、急剧的改变。在另一个实施例中，这种急剧改变可以#:才艮告给表明需要医疗咨询的对象。第二方面生物识别方法得益于识别阈值的适当确定。可以才艮据4美选签名 和已登记的数据库签名之间的相关性的分析来得到识别阈值。可以 使用经验数据的分布来确定阈值以实现最优的识别性能。然而，固 定阈值含蓄地采取确定性签名和稳定的噪声，尽管实际上签名是可 变的并且噪声取决于几乎不可预测的外部影响。因此，包括根据第 一方面的的那些生物识别方法的生物识别方法可能受到ft据库中 的信号和噪声变化以及测试示数的不利影响。通常，这可以对匹配 和不匹配产生减小的相关性。因而，才艮据第二方面，包括才艮据第一方面的生物识别的生物识 别方法和系统可以使用能够补偿信号变化和噪声干扰的影响的动 态阈值。该方面产生动态的、取决于数据的识别阈值。在优选实施 例中，1吏用统计方法在每个识别尝试中重新计算动态阈1直，以标准 化相关数据，从而能够计算出可量化、统计上有效的识别阈值。所 示阔值对可变信号和噪声条件是有抵抗力的。根据该第二方面的优选方法是基于用于测试签名和 一 组已登记签名之间的基于相关性的评分的置信界限的确定。这些ECG签 名可以凭经-验确定，但是它们还可以是合成的，在任何情况下，在 生物测定匹配过程中都不需要背景数据库。合成ECG签名可以通 过使用基于PCA的ECG模型中的重建系数的随机组来创建。可选 地，可以根据从真实个体得到的真实的重建系数的分布提取的 一组 规则得出重建系数组。在任何情况下，具有给定的统计置信度的置信界限描述所讨"i仑 的值的上限和下限。两端限定的界限描述上和下界限，而一端限定 的界限仅描述上或下界限，可以理解变量值或者没有下限或者没有 上限。如果考虑中的变量满足适合于每个统计方法的确定统计标 准，那么就可以以若干不同方式来统计地确定置信界限。大多数的统计方法依赖正态分布变量的值，即，才艮据钟形高斯 分布。已充分统计地描述了正态分布的变量的特征，并且其统计界 限可以基于变量平均和变化以直4妄的方式来确定。当变量没有按照正态分布时，可以使用正态变换将原始变量好 变换为将服从正态分布的新变量，并且因而可以用于确定置信界 限。可以〗吏用统计考虑、或通过足够大的^t据集的经-验4企查来确定 适当的数学变换。为了根据原始变量来表示置信界限，还需要反向 变换。信号交叉相关性的分析可以用于匹配过程。值的范围从-1 (绝 对负相关)经过0 (不相关)到+ 1 (绝对正相关)。通常，显著的正 相关表示可能的真识别，并且因而，应使用一端限定的上置信界限 来描述动态识别阈Y直。通过限定，相关性是有界的变量，因而，不服从正态分布。需 要算术变换来标准化允许确定上置信界限的相关性分布。可选地，可以〗吏用不依赖这种变4奐的经-验方法。以下将更加全面描述的优选方法尤其适合于校正分析。其基于将相关性变换为正态分布变量的费希尔(Fisher) Z变换。另一种方法可以使用平方相关性。由于原始相关性不是加性 的，因此相关性的平均或其4^统计函l"t不具有统计意义。平方相关 性是加性的，但是它们还不是正态分布的，从而将需要其他的变换。 如果相关性的先前处理改变了它们值的分布，则可能需要其他的变 换来解决这些改变。这些其他的变换包括但不限于对数、平方、平 方才艮、和超越函凄t。另外一种方法可以包4舌先前经-验测试的等级，优选地，其中， 使大量候选签名与大型数据库相关。错误识别的可能性将直接通过 沖企查该教:才居库来确定，或可以依经-验确定适当的变才灸。然而，由于 该方法不是动态的并且必须在实际测试之前执行，所以不能够轻易 补偿测试条件的影响，从而需要改进用于噪声影响的数学模型。才艮据该第二方面的优选方法(费希尔变换方法)包括在候选签 名和已登记的签名之间的相关性的变换，以获得更加接近正态分布 的评分的分布。如上所述，满足正态性假定的数据可以用于得到参 数置信界限。费希尔Z变换用于正态相关性。可以如下来表示该变换Zy = OTC^w/7 ( r )其中，々是经过变换的值，"r"a"/z是反双曲正切函数，以及r 是相关值。"w/o"/ 应以弧度来表示。一旦变换了所有的相关值，用于经过变换的评分的一端限定的 置信界限可以通过计算除了候选相关性以外的所有经过变换的相 关性的平均和所有经过变换的相关性的标准差，然后如下进行计算 来确定置4言界卩艮=tanh (Zfme加+ Z* sdZf )其中，Z是正态分布"Z评分"，Zf mean是使用数据库变换的相 关性的平均，以及Sdzf是使用数据库变换的相关性的标准差。小写的Z此处指的是正态分布Z-评分的值，其是根据截止期间 所需的置信度得到的。在图10中给出了这些评分的表格。在图IO的表才各中，以适当z-评分乘以标准差并加到平均上，然后通过取双曲正切将全部凄t量反变4奐回相关性。例如，可以使用1.65的z评分来确定95。/。的置信界限。所以如 果经过变换的值的平均数是0.05,且标准差是0.25，则95%的置信 界限将是0.72。即，超过0.72的相关值只会偶尔出现少于5%的时间。4吏用相反的过程来确定任意指定候选识别是由于随机偶然性 的可能性。通过求出z-评分Z = ( Zfc — Zfmean ) /sdzf其中，Z是正态分布"Z评分"，Zfe是经过变换的候选相关性， Zf mean是使用数据库变换的相关性的平均数，以及sdZf是使用数据 库变换的相关性的标准差。可以通过参考累积正态分布、并且如果需要进行内插来将所得 到的Z评分转换成一端的4既率值。例如，参考以上的缩略表格，1.80 的Z评分将表明3.75%的可能性，其中所述可能性只偶尔与候选如it匕高l冲目^:。如上所述，如果在已登记的签名中或在候选签名中的噪声是随 机的，则将会降低与候选值的全部相关性。如果存在真识别，则真 识别将因此具有与候选值更低的相关性。应注意，原始相关性的可 变性随着原始值的减少而增加。由于高原始相关性由于最大相关性 1的上限效应而很少可变，但这通过变换进行补偿。因而，在每个 识别尝试中，可以^使用上述方法来再计算具有所需确定性的动态阈 值。重要的是，全部随机噪声仍然易于将所有的相关性驱向于零并且减小全部真可变性，从而相应降4氐置信界限；只要信噪比不落在确定的界限下，真匹配将仍保持显著。第二方面的以下实例是基于38-对象数据库的。所有对象都是 自愿加入到到研究中的健康个体。实例1:相关性的正态4匕一组703个交叉相关性是通过^f吏在^:据库中的所有对都相关而 获得的。在图11中示出了原始和经过z变换的相关性分布。虽然 原始相关性不服从正态分布(上图)，但是经过变换的相关性看起 来似乎表示为近似正态分布(下图)。实例2:性能〃使用38个已登记的签名和38个测试签名来实现生物识别方 法。图12表示作为静态阈值的函数的FAR和FRR性能曲线，以及 图13表示作为动态阈值的函数的性能曲线。明显地，动态阈值提 供明显优良的结果(例如，EERStatic = 3%, EERDvmmic=0% )。第三方面如上所述，动态识别阈值是数据驱动阈值(data-driven threshold ),优选地，在每个识别期间进4亍重新计算来建立置信界限， 并且证明识别过程的统计意义。全部评分仍然随着由于背景噪声而 带来的信号品质的下降而降低，从而降低了动态阈值并减小了识另'J 置信度。这个问题需要在登记和识别阶段都要评估信号品质，以有 助于高性能识别。第三方面通过计算Q值-一种信号品质指数来解决这个问题。 信号指数Q的品质是ECG签名的品质的定量描述。它是基于由参 考两个或更多的ECG复合波的信号平均ECG得出的它们之间的随 机误差的分析的。Q值可以用于在登记和识别阶,史期间确认信号品质，以确保适 当的系统性能。在Q因子低于预定的阈值所需(其本身基于所需的 识别置信度)的情况下，可以扩大或重复测量，直到满足置信要求。一个优选的方法以以下一系列步骤来得到Q:(1 )将输入的ECG信号分割成包括传统波形特征(例如，P、 Q-R-S、 T元素)的多个ECG复合波。(2 )相对于R波峰来校准("时间锁定")该多个ECG复合波。(3 )从校准的多个ECG复合波中得到平均ECG。虽然可以使 用诸如调和平均、加冲又平均、或中值的其他方法，-f旦优选方法是采 取算术平均。其他可选的方案包括通过其他方法(诸如通过主分量 分析)变换原始信号。(4 )相对于平均ECG对每个原始ECG复合波进4亍处理，以 相对于平均ECG得到某一差。虽然可以采用其他方法(例如，用 平均ECG除原始ECG)，但优选方法是执行减法，即，从原始ECG 减去平均ECG。如果平均ECG是对象的ECG的稳定并且真实的表 示，则得到的差是每个个体ECG复合波(ECG噪声)中所固有的 噪声表示。(5 )穿过每个ECG噪声复合波的在时间上一致的每个采样点 -故一起处理，以得到可变性的测量。最优选的方法是确定不一致性。 可以采用的其他测量包>^标准差或范围。(6)取这些可变性的测量的平均。最优选的方法是取算术平 均。其他方法可以包括在变换(例如，对数)之后取平均数，或者 取可选平均(几何、调和、中值)。还可以使用其他简要评分，诸 如最大值。应注意，可以在分析之前使信号标准化，由于平均数本身与 SNR直接相关，因此其可以用作Q指数。可选地，各种其他定比 变换可以应用于平均来将其转换成具有所需的最小、最大、和线性 特征的指数。才艮据第三方面的实例1: O (信号品质)vsNSR (信噪比)。如果X表示ECG数据矩阵，则表示一个ECG复合波的每一行 都可以表示为Xj(n)，其中，i是ECG复合波的指数，以及n表示离散时间单位。所有ECG复合波的平均数表示为x(n)。对于在时间n 中的每个点，计算误差项ei(n)=Xi(n)-2i(n)，其变量表示为ae2 (n)。 将可变性的平均数变换成0到1的范围的优选的定比变换定义如 下G=a+100* ￡e2(n))-°-s图14中所示的仿真表明了使用上述Q因子来评价信噪等级的 效用。该仿真使用具有加到信号上的递增的高斯白噪声水平的真实 的ECG记录。图14示出了作为信噪比(NSR)的函凄史的Q值。可 以看到， 一旦Q ,人其稳、定状态开始下降，其随着NSR的增加而单 调下降，直到ECG校准程序中止(NSR~-35dB, Q ~ 0.2 )。根据第三方面的实例2:作为信号品质的函数的评分理i仑上，4妄近于1的匹配评分表示正匹配，而非匹配评分趋于 零，表示完全没有相关性。然而，实际上，真实匹配评分受到在ECG 签名中的临时变化，更显著地，受到背景噪声的影响。因而，短时 间、高评分的识别需要更高的信号品质。应注意，高品质信号增加 匹配评分的上限，但是并不影响取决于心电签名可变性的下限。图 15和图16所示的实例表明了以3 8个对象的数据库为基础的作为信 号品质的函^:的评分分布。图15示出了每个都为5秒的多个短凝: 据段。相反，图16示出了每个都为20秒的较长数据段(图16)。 显然，使用较长数据段在一定程度上补偿了噪声的影响，并且评分 分布变平。根据第三方面的实例3:信号品质和记录持续时间信号品质可以使用Q参数来量化。Q值越小，并假设Q不会 落在ECG校准处理中止的确定的界限以下，就需要越长的记录来维持一定程度的统计意义。图17和图18示出了作为对于给定Q值 的记录长度的函数的识别评分的增加。因而，4艮据该第三方面，本文中所4皮露的方法和系统可以4吏用 Q因子或其他测量来计算信号品质，并且使系统寻找具有降低了的 噪声的样本或基于Q因子或其他信号品质测量和所需的识别置信 度来取更长的样本。第四方面才艮据第四方面，本文中所4皮露的方法和系统可以加密所存Y诸的 签名。尽管本文中的各种方法和系统通常对所存储的签名而不是对 原始ECG数据起作用，因此该安全特征经过设计用于防止滥用数 据库中的数据。因而，可以通过加密签名本身来使用附加的安全层。 所以，可以使用包括信用卡数据使用的PKI (公钥基础设施)技术 的各种密钥编码技术。因为未经授权的人必须解密签名并且还需要 将签名转换回原始数据信号，这对不知道从原始数据中去除了哪些 共有特征来il是一项不可能的任务，所以该第四方面4吏得已登记的 对象教:据的不正当4吏用更加困难。因而，本文中所4皮露的系统和方 法的 一个优点在于使得任何人都4艮难滥用所存储的信息。第五方面生物识别系统通常易受到登记#夂骗的攻击。才艮据该第五方面的 系统和方法通过^f吏用来自已经登记到^:据库中的遗传相关个体的 ECG数据来解决这个问题。直系家庭成员通常具有共享共有特征的 ECG 。通过使对象的签名与普通人和/或据称与他或她有关的那些登 记者相关，该系统可以确信地确定对.象是否就是他们所声称的人。 除了通过传统方法(诸如照片识别和/或指紋匹配)确认个体身份之 外，还可以使用该技术。然而，与非欧几里德并且不服从基于相似性的聚类的那些方法不同，该技术可以基于登记者的ECG签名， 通过确定遗传关系的概率来在登记过程的任意阶段确定欺骗。第六方面本文中所披露的系统和方法还可以利用超高阻抗探针来测量 ECG。由于对于基于ECG的生物识别系统来说重要的是使用的可 靠性和简易性，因此在单个点处测量ECG、或者甚至无需接触对象 是有利的。电位4笨针可以与包括本文中所4皮露的那些系统和方法的 生物方法和系统一起工作，乂人而增加生物识别4吏用的可靠性和简易 性。以多种形式实现超高阻抗探针。例如，见Electric potential probes-new directions in the remote sensing of the human body, Harland et al.， Meas. Sci. Technol. 13 (2002) 163-169。才艮4居本方面的 超高输入阻抗探针优选地具有超低噪声特征，并且不需要用于操作 的导电路径。因而，即使没有专家系统操作员的帮助而被外行使用， 它们也可以以上述方法和系统良好i也工作。因而，这些纟果4十可以用 于基于机场的生物识别系统中，诸如，通过获取当个体穿着衣服通 过扫描仪(类似于金属检测器)时的ECG信号。同样，单个探针 可以用于i者如在ATM或游戏4几处收集来自个体手指尖的ECG。单 个探针触头的使用给了对象更大的移动自由，并且使他或她更易于 遵守识别和登记制度。这在将本文中所述的生物识别系统用于控制 机器的对象操作时，特別是当机器需要物理接触来操作(例如，火 器或车辆)时是尤其有用的。根据该方面的单个探针和远程探针 ECG获取系统还可以通过噪声降j氐策略来降^f氐身体噪声和EMG实 现。第七方面才根据第七方面，生物识别方法和系统可以4吏用于对象的匹配i平 分(通过比较对象的签名与数据库登记者的那些签名而生成)与多个登记者的匹配评分(通过比较登记者的签名与数据库登记者的那 些签名而生成)相关。因而，并不分析对象的相关匹配评分的分布， 该识别技术分析对象的匹配评分和登记者的那些匹配评分的相关 性的分布。与第五方面相同，才艮才居该方面的方法和系统用于识别相 关的个体。这是因为与 一组登记者相关的个体将具有高斯分布的匹 配评分，其具有基本上比用于与登记者无关的个体的匹配评分的高 斯分布更高的中值。因而，通过才企查匹配评分的分布，可以确^人对 象与登记者的遗传关系的概率。第/\方面最后，替代上述相关性技术，或者除了上述相关性技术以外， 本文中所描述的方法和系统可以使用加权相关性来进行识别。才艮据 该方面，相关性可以对各种签名差异赋予不同的权值。例如，赋给 由于QRS复合波特征导致的签名差异的权值可以大于赋给由于T 获P复合波特征导致的签名差异的权值。因为T是高度可变的，QRS 是稳定的，以及P是某一中间值，所以这些系统和方法还可以使用 签名值的均方4艮作为加权函凄t的一部分。因而，可以4吏用均方才艮计 算方法、Ll量度或另一种标准化方法来标准化签名。可以以所有方面的方式〗吏用的J尤选实施例图19示出了优选系统的功能图。同样，图20示出了优选信号 处理器的功能图。在本文中通常使用的术语"处理器"以及处理， 可以由物理离散部件来完成，诸如IC芯片上的协处理器，或者处 理器可以包4舌物理积分单元。可以以所有方面的方式^f吏用的一j^实例登i己算法以下是可以以以上任意方面的方式使用的用于登记阶段的示例性算法i. 令x,(")表示第i个新对象的20秒、250Hz的数字化样本， 其中，n表示离散的时间单位。ii. 在频率范围为4Hz-40Hz内带通过滤x,(")。iii. 经过滤波的信号表示成乂.(")。iv. 将"R"峰值指定为定位点，搜索被过滤的信号少,(")以寻 找QRS复合体。。v. 被过滤的信号y,(")被保持或反相，以获得正"R"峰值。vi. 对经过识别的QRS复合波进4于计^t以确定平均^M專率读 数尸A。vii. 在定位点附近分割滤波信号乂.(")，在每个"R，，定位点之 前取50个样本以及在每个"R"定位点之后取90个样本。viii. 通过"R"定位点的幅度来标准化每个数据段。ix. 将多个段排列(align)在定位点周围并且求平均，以生成 对象的心电信号，表示为a(w)。x. 通过才艮据脉」博率标准化"P"和"T"等待时间，来才艮据平 均脉搏率尸凡调整对象心电信号s,(")。经过调整的心电信号表示为 v,(")。xi. 经过脉搏率调整的对象的心电信号v,.(rt)被添加至数据库 并且导入到总平均7T")中。xii. 通过从存储在系统数据库中的经过脉搏率调整的对象的 心电信号中减去总平均7T",来构造一组电-生物签名Oj。实例识别算法以下是关于识别阶段的算法的实例；i. 使x/")表示测试对象的10秒、250Hz的数字化样本。ii. 在4Hz - 40Hz的频率范围中带通过滤、(")。iii. 经过滤波的信号表示成乃(")。iv. 使用R峰值作为定位点，4臾索被过滤的信号^(")以寻找 QRS复合体的位置。。v. 被过滤的信号少,(")被保持或反相，以获得正'R，峰值。vi. 对经过识别的QRS复合波进4于计lt来确定平均^M專率读 数瑪。vii. 在定位点附近分割滤波信号乃O)，在每个定位点之前耳又 50个样本以及在每个定位点之后取90个样本。viii. 将多个l殳排列在定位点附近并且求其平均，以生成对象的 心电信号，表示为》(")。ix.根据平均脉4粵率尸《.来标准化对象心电信号5X")。经过脉搏率调整的心电信号表示为力(")。X .通过从存储在系统数据库中的经过脉搏率调整的心电信号v/")中减去总平均r^)来构造电-生物签名巧。xi. 计算并平方在电-生物签名力与所有登记的电-生物签名(D, 之间的相关性，从而维持它们的原始算术签名。xii. 选择最大的保持符号不变的平方相关值并将其与预置的 阈值进行比较。xiii. 如果所选最大保持符号不变的平方相关值大于预置的阈 值，则表示是正匹配，从而识别出对象。因而，用于电-生物身份识别的心电信号的获取、处理、和分析 的方法和设备可以包括以下登记和识别步骤中的任意子集射己来自对象的心电信号的获取、数字化、和存储a. 形成心电信号数据库；b. 基于心电信号的相似性将模板数据库分成若干子集；c. 构造一个或多个总平均；d. 得到特定对象的电-生物签名。识别验证将新获取的电-生物签名与特定对象的已登记的电-生物签名模板进行比较a. 利用与相关的所存储的电-生物签名模板校正并置信分析 新获取的对象的电-生物签名；b. 显示并注册(registration)识别结果和/或启动物J里或虛^拟 本地/远程机构。识另廿将新获取的电-生物签名与加入到数据库中的所有电-生物签名 模板进行比较a. 利用所有已存储的电-生物签名模板校正并置信分析新获取 的对象的电-生物签名；b. 显示并注册识别结果和/或启动物理或虛拟本;也/远程才几构。在不需要过度试验以及不背离总的发明构思的条件下，其他人 可以纟艮容易地更改和/或^奮改本文中的实施例以用于各种应用。这样 的修改和更改应该并且旨在包括在所披露的实施例的等同物的含 义和范围内。应该理解，本文中所应用的4晉词和术i吾用于描述的目 的，而不是用于限制的目的。对于执行各种所披露的功能的装置、 材料、和步骤可以采用多种替代形式，并且仍然包括在字面或权利 要求的等效范围内。因而，后面跟有功能描述的表述"做……的装置"和"用于…… 的装置"、或任意方法步骤语言(在以上说明书和/或在以下权利要 求中可以找到)旨在限定和覆盖现在或将来存在的执行所述功能的 任4可结构、物理、化学或电气元件或结构、或者任何方法步骤，而不管是否^"确等效于在以上"i兌明书中^皮露的一个或多个实施例， 即，可以使用用于执行相同功能的其他装置或步骤；并且这些表达 旨在给出其最宽泛的解释。
权利要求
1. 一种用于识别个体的方法，包括通过在特定个体的心跳图形的表示和所存储的多个个体的心跳图形的共有特征的表示之间形成差异，来生成并存储用于识别所述特定个体的第一生物签名，在所述生成步骤之后，获得所选个体的所述心跳图形的表示，并且通过在所选个体的所述心跳图形与所存储的多个个体的心跳图形的共有特征的表示之间形成差异，来生成第二生物签名；以及将所述第二生物签名与所述第一生物签名进行比较，以确定所选个体是否是所述特定个体。
2. 根据权利要求1所述的方法，其中所述生成并存储的步骤包括通过形成每个单独个体的 心跳图形的表示和所存〗诸的心跳图形的共有特4正的表示之间 的差异，来生成并存储多个第一生物签名，每个所述第一生物 签名均用于识别相应的个体；以及相对于每个所述第一生物签名执行所述比较步骤。
3. 根据权利要求2所述的方法，包括以下预备步骤获得多个个 体的心跳图形的表示，以及从至少所选数量的表示中得到并存 储多个个体的心跳图形的共有特征的表示。
4. 根据权利要求3所述的方法，其中，所述得到并存储多个个体 的心跳图形的共有特征的表示的步骤包括从由多个个体组成的各个不同的组中得到到并存储所述心跳图形的共有特征的 多个表示。
5. 根据权利要求3所述的方法，其中，所述得到并存储多个个体 的心跳图形的共有特征的表示的步骤包括生成所述多个个体 的心;兆图形的平均。
6. 根据权利要求3所述的方法，其中，所述得到并存储多个个体 的心跳图形的共有特征的表示的步骤包括执行主分量分析或 子波分解中的一个。
7. 根据权利要求2所述的方法，其中，所述比较步骤包括使所 述第二生物签名与所述多个第一生物签名中的每一个均相关； 以及识别所述多个第一生物签名中与所述第二生物签名最密 切相关的一个第一生物签名。
8. 根据权利要求7所述的方法，其中，所述相关步骤包括获得 与每一个所述第一生物签名都相关的相关系数，并且所述比较步骤进一步包括将与所识别的第 一生物签名相关的所述相关系数与相关系数阈值进行比较。
9. 根据权利要求1所述的方法，其中，所述比较步骤包括使所 述第二生物签名与所述第 一生物签名相关以获得相关系数；以 及将与所识别的第 一生物签名相关的所述相关系数与相关系 数阈值进行比较。
10. 根据权利要求1所述的方法，其中，所述生成并存储第一生物 签名的步骤包括在本地数据库中存储所述签名。
11. 根据权利要求1所述的方法，其中，所述生成并存储第一生物签名的步骤包括在远程数据库中存^f渚所述签名。
12. 根据权利要求1所述的方法，其中，所述获得所选个体的所述 心跳图形的表示的步艰《包括补偿所选个体的乐:M粵率与所选脉 搏率的偏差。
13. 根据权利要求1所述的方法，其中，所述获得所选个体的所述 心跳图形的表示的步骤包括获得心跳图形的多个表示。
14. 根据权利要求1所述的方法，其中，所述生成并存储特定个体 的第一生物签名的步骤包括在一段时间内获得所述特定个体 的心跳图形的多个表示；并分别从特定个体的心跳图形的多个 表示中的相应一个生成连续的第一生物签名。
15. —种用于i只别个体的f殳备，包4舌生成和存储装置，用于通过形成特定个体的心跳图形的 表示与所存储的多个个体的心跳图形的共有特征的表示之间 的差异，来生成并存储识别所述特定个体的第一生物签名；获得装置，用于在已经生成并存储所述第一生物签名之 后，获得所选个体的所述心跳图形的表示，并且通过形成所选 个体的所述心浪&图形与所存储的多个个体的心逸L图形的共有 特征的平均的表示之间的差异，来生成第二生物签名；以及比较装置，用于将所述第二生物签名与所述第一生物签 名进行比较，以确定所选个体是否是所述特定个体。
16. 根据权利要求15所述的设备，其中所述生成和存储装置包括用于通过形成每个相应的个 体的心跳图形的表示与所存储的心跳图形的共有特征的表示之间的差异来生成并存储多个第一生物签名的装置，每个所述第一生物签名都用于识别所述相应的个体；以及相对于所述多个第一生物签名中的每个都执行所述比较 装置。
17. 根据权利要求16所述的设备，其中，所述生成并存储装置包 括用于获得多个个体的所述心跳图形的表示的表示获得装置， 和用于从至少所选数量的所述表示中得到所存储的共有特征 的表示的表示得到装置。
18. 根据权利要求17所述的设备，其中，所述表示得到装置包括 用于得到所存储的共有特征的多个表示的装置，其中，所存储 的多个表示中的每一个都来自各个不同的组。
19. 根据权利要求16所述的设备，其中，所述比较装置包括用 于使所述第二生物签名与所述第一生物签名中的每个都相关、 并且识别所述第一生物签名中与所述第二生物签名最密切相 关的一个第一生物签名的相关装置。
20. 根据权利要求19所述的设备，其中，所述相关装置包括用于 获得与每个第一生物签名均相关的相关系数的装置，以及所述 比较装置还包括用于将与所识别的第 一生物签名相关的所述 相关系数与相关系数阈值进行比较的装置。
21. 根据权利要求15所述的设备，其中，用于比较的所述装置包 括用于使所述第二生物签名与所述第一生物签名相关以获取 相关系数的装置，和用于将与所识别的第一生物签名相关的所 述相关系数与相关系数阈值进行比较的装置。
22. 根据权利要求15所述的设备，其中，所述设备是以下其中之 一智能卡；护照、驾驶执照设备；生物-登录识别设备；掌 上电脑；蜂窝嵌入式识别设备；防盗设备；ECG监控设备； 电子银行设备；电子交易设备；宠物识别设备；物理存取设备； 逻辑存取设备；结合ECG和指紋监控的设备；以及结合ECG 签名比较和任何其他形式的生物分析的设备。
23. 根据权利要求15所述的设备，其中，所述设备是用于远程登 录到安全资源的生物-登录识别设备。
24. 根据权利要求15所述的设备，其中，所述设备连续运行。
25. 根据权利要求15所述的设备，其中，所述获得装置被构造成 可以以所选个体的手或脚来4妄触。
26. 根据权利要求15所述的设备，其中，所述设备设置在智能卡 中，所述智能卡在成功识别之后启动有限时间，然后失效，直 到才丸4于下一次成功识别。
27. 根据权利要求15所述的设备，其中，所述设备被构造成以加 密密钥或数字签名来操作。
28. 根据权利要求15所述的设备，其被结合到戴在手腕上的手表 中，其中，在戴着所述手表的所述手腕与所述佩带者的另一只 手之间测量信号。
29. —种生物识别系统，包4舌a) ECG信号获取模块；b) ECG信号处理器，其中，所述信号器包括ECG签名 才莫板生成器；以及C)输出模块。
30. 根据权利要求29所述的生物识别系统，其中，所述ECG签名 模板生成器具有分析ECG模型输入，所述ECG签名模板生成 器使用其来从由所述ECG信号获取模块提供的ECG信号的一 个或多个ECG分量中去除共有特4正。
31. 根据权利要求29所述的生物识别系统，进一步包括被分成多 个子集的已登记签名数据库，其中，所述ECG签名模板生成 器使用至少一个所述数据库子集来从由所述ECG信号获取模 块提供的ECG信号的一个或多个ECG分量中去除共有特征。
32. —种生物识别系统，包4舌a) ECG信号获取才莫块；b) 已登记签名数据库；c) 信号处理器，其进一步包括ECG签名生成器、和将 ECG签名与至少 一个已登记的ECG签名进行比较的签名比较 器；以及d) 输出模块。
33. 根据权利要求32所述的生物识别系统，其中，所述比较器是 封闭式搜索比较器。
34. 根据权利要求32所述的生物识别系统，其中，所述签名比较 器是签名相关性分析器。
35. —种生物识别系乡克，包4舌a) 信号获取模块；b) 已登记签名数据库；c) 信号处理器，其包括ECG签名生成器、将由所述ECG 签名生成器生成的一个或多个ECG签名与来自所述已登记签 名数据库的多个已登记的ECG签名进行比较的签名比较器、 基于所述签名比较器的输出来输出 一 系列匹配评分的匹配评 分生成器、以及〗吏用于所述一个或多个ECG签名的所述匹配 评分与用于至少 一个已登记的签名的匹配评分相关的匹配评 分相关器；以及d) 输出模块。
36. —种生物识别系统，包4舌a) 信号获取模块；b) 信号处理器，其进一步包括ECG签名生成器、和将 至少一个ECG签名与至少一个已登记的EC G签名进行比较的 签名比较器，所述签名比较器包括模糊逻辑分析器；以及c) 输出模块。
37. —种生物识别系统，包;fe:a) 信号获取模块；b) 信号处理器，其进一步包括i) ECG签名生成器，ii) 签名比较器，iii) 和动态阈〗直生成器；以及c) 输出模块。
38. 根据权利要求37所述的生物识别系统，其中，所述签名比较 器是签名相关器。
39. —种生物识别系统，包4舌a) 信号获取模块；b) 信号处理器，其进一步包括i) ECG签名生成器，ii) 签名相关器，和iii) 动态阈值生成器，其中，所述生成器包括相关性变 换器；以及c) 输出模块。
40. 根据权利要求39所述的生物识别系统，其中，所述相关性变 换器是Z-评分生成器。
41. 4艮据4又利要求39所述的生物识别系统，其中，所述相关性变 换器是平方相关性变换器。
42. —种生物i口、别系乡充，包括a) 信号获取模块；b) 信号处理器，其进一步包括i) ECG签名生成器，ii) 签名相关器，和iii) 信号品质计算器；以及c) 输出模块。
43. 才艮据权利要求42所述的生物识别系统，其中，所述信号品质 计算器包括Q值生成器。
44. 根据权利要求43所述的生物识别系统，其中，所述信号品质 计算器连接至所述信号获取模块，从而低品质信号计算使所述 获取模块能够使用更长的获取周期。
45. 才艮据;f又利要求43所述的生物识别系统，其中，所述信号品质 计算器以低品质信号计算使所述输出模块表明需要具有减小 噪声的新信号获取的方式连接至所述输出模块。
46. —种生物识别系统，包括a) ECG信号获取模块；b) 已登记签名数据库；c) 信号处理器，其包括ECG签名生成器、以及将由所述 ECG签名生成器生成的一个或多个ECG签名与来自所述已登 记签名数据库的多个已登记的ECG签名进行比较的签名比较 器；d) 签名加密模块；以及e) 输出模块。
47. 根据权利要求46所述的生物识别系统，其中，所述签名加密 模块包括使用公钥基础设施技术的密码器。
48. —种生物识别系乡充，包4舌a) 信号获取模块，其中，所述模块包括超高输入阻抗探针；b) ECG信号处理器，其进一步包括ECG签名生成器、 和签名比较器；以及c) 输出模块。
49. 根据权利要求48所述的生物识别系统，其中，所述超高输入 阻抗探针具有超低噪声特性。
50. —种生物i。、别系统，包4舌a) 信号获取模块；b) 信号处理器，其进一步包括ECG签名生成器、ECG 签名相关器、和签名相关性加权机构；以及c) 输出模块。
51. —种锁，包4舌a) 信号获取模块；b) ECG信号处理器，其进一步包括ECG签名生成器和 ECG签名比较器；以及c) 锁定机构。
52. —种房间进入控制装置，包括a) 信号获取模块；b) ECG信号处理器，其进一步包括ECG签名生成器和 ECG签名比较器；以及c) 房间进入控制器。
53. —种生物识别系统，包4舌a) ECG信号获取模块；b) 信号处理器，其进一步包括脉搏率标准化才莫块；以及c) 识别專俞出才莫块。
54. 根据权利要求53所述的生物识别系统，其中，所述ECG信号 处理器是数字信号处理器。
55. 才艮才居4又利要求53所述的生物识别系统，其中，至少一个所述 E C G信号处理器是另 一 个设备所必需的。
56. 根据权利要求53所述的生物识别系统，其中，所述信号获取 模块、所述信号处理器和所述信号输出模块均是整个装置的一 部分。
57. —种用于i口、别个体的方法，包4舌通过形成特定个体的心跳图形的表示与所存储的多个心 跳图形的共有特征的分析表示之间的差异，来生成并存储识别 所述特定个体的第 一生物签名；在所述生成步骤之后，获得所选个体的心跳图形的表示， 并且通过形成所选个体的心跳图形与多个心跳图形的共有特 征的分析表示之间的差异来生成第二生物签名；以及将所述第二生物签名与所述第一生物签名进行比较，以 确定所选个体是否是所述特定个体。
58. —种生物识别方法，包4舌以下步骤a) 获取第一ECG信号；b) 处理所述第一ECG信号来生成ECG签名模板；c) 获取第二ECG信号；d) 处理所述第二ECG信号来生成ECG签名；e) 将所述ECG签名与所述ECG签名模板进行比较；以及f) 输出所述比较的结果。
59. 根据权利要求58所述的方法，其中，所述生成ECG签名模板 的步骤通过减去由分析ECG模型提供的 一个或多个ECG分量 的共有特征，从所述ECG信号中去除一个或多个ECG分量的 共有特征。
60. 根据权利要求58所述的方法，进一步包括以下步骤g) 生成这种ECG签名模板数据库；h) 将所述ECG签名^f莫板分成多个子集；以及i) 使用至少一个数据库子集，从ECG信号中去除一个或 多个ECG分量的共有特征。
61. —种生物识别方法，包4舌以下步艰《a) 获取第一ECG信号；b) 处理所述第一ECG信号来生成ECG签名模板；c )将所述ECG签名模板存储到已登记签名数据库中；d) 重复步骤a)到c);e) 获取第二ECG信号；f) 处理所述第二ECG信号来生成ECG签名；g) 将所述第二ECG签名与至少一个已登记的ECG签名 进4亍比一交；以及h) 输出所述比较的结果。
62. 根据权利要求61所述的方法，其中，所述比较步骤仅比较所 述ECG签名与单个已登记的ECG签名。
63. 根据权利要求61所述的方法，其中，所述比较步骤使所述ECG 签名与多个已登记的签名相关。
64. —种生物识别方法，包4舌以下步骤a) 获取ECG信号；b) 处理所述ECG信号来生成已登记签名模板； c )将所得到的ECG签名放在数据库中；d) 重复步骤a)到c);e) 将一个或多个ECG签名与多个已登记的ECG签名进 行比较；f) 基于所述比较步骤的结果来生成一系列评分；g) 使用于所述一个或多个ECG签名的所述匹配评分与 用于至少一个已登记的签名的所述匹配评分相关；以及h) 输出所述相关结果。
65. —种生物i。、别方法，包4舌a)获耳又ECG信号；b )才艮据所述ECG信号生成ECG签名；c )使用模糊逻辑来比较所述ECG签名与至少一个登记的 ECG签名；以及d)输出所述比较的结果。
66. —种生物识别方法，包4舌以下步-骤a) 获取ECG信号；b) 处理所述ECG信号来生成ECG签名；c )将所述ECG签名与多个已登记的ECG签名进行比较；d) 生成用于所述比较的动态阈值；以及e) 输出识别结果。
67. 才艮据权利要求66所述的生物识别方法，其中，所述签名比專交 步骤使所述签名相关。
68. —种生物识别方法，包4舌以下步骤a) 获取ECG信号；b) 处理所述ECG信号来生成ECG签名；c) 使所述ECG签名与多个已登记的ECG签名相关；d) 变换一个或多个所述相关性；e) 生成用于所述相关性的动态阈值；以及f) 输出识别结果。
69. 4艮据;f又利要求68所述的生物识别方法，其中，所述变才奂一个 或多个所述相关性的步骤用于生成Z-评分。
70. 4艮据权利要求68所述的生物识别方法，其中，所述变换一个 或多个所述相关性的步骤平方所述一个或多个相关性。
71. —种生物i口、别方法，包4舌以下步骤a) 获耳又ECG信号；b) 计算所述信号的品质；c) 处理所述ECG信号来生成ECG签名；d) 使所述ECG签名与一个或多个已登记的ECG签名相关；e) 将所述相关步骤的结果与阈值进行比较；以及f)输出所述比较的结果。
72. 根据权利要求71所述的生物识别方法，其中，所述计算信号 品质的步骤计算Q值。
73. 根据权利要求71所述的生物识别方法，进一步包括以下步骤 基于所述信号的品质来调整获取时间。
74. 根据权利要求71所述的生物识别方法，进一步包括以下步骤 响应于所述信号品质的计算来获取新信号。
75. —种生物识别方法，包"l舌以下步骤a) 获取第一ECG信号；b) 处理所述第一ECG信号来生成ECG签名；c) 加密所述签名；d) 将加密后的签名添加到已登记签名数据库中；e) 获取第二ECG信号；f) 处理所述第二ECG信号来生成第二签名；以及g) 将所述第二签名与在所述已登记签名数据库中的一个 或多个已登记的签名进行比较。
76. 才艮据;K利要求75所述的生物识别方法，其中，所述签名加密 步骤使用7>钥基础设施#支术来加密编码所述签名。
77. —种生物识别方法，包^^以下步骤a) 使用超高输入阻抗4笨针来获取ECG信号；b) 处理所述ECGJ言号来生成ECG签名；C)将所述签名与在已登记签名数据库中的至少一个已登记的签名进行比较；以及 d)输出所述比较结果。
78. 根据权利要求77所述的生物识别方法，其中，所述超高输入 阻抗探针具有超低噪声特性。
79. —种生物识别方法，包4舌以下步-骤a) 获耳又ECG信号；b) 处理所述信号来生成ECG签名；c) 使所述ECG签名与已登记签名数据库中的至少一个 ECG签名才莫板相关；d) 对所述签名相关性的结果进行加权；e) 将所述加权相关性的结果与阈值进行比较；以及f) 输出所述比较的结果。
80. —种锁定安全装置的方法，包括以下步骤a) 获耳又ECG信号；b) 处理所述ECG信号来生成ECG签名；c )将所述ECG签名与已登记签名数据库中的一个或多个 ECG签名模板进行比较；d) 将所述比较的结果与识别阈值进行比较；以及e) 基于所述比较来影响锁定机构。
81. —种4空制房间进入的方法，包4舌以下步-骤a)获取ECG信号；b)处理所述ECG信号来生成ECG签名；c )将所述ECG签名与已登记签名数据库中的一个或多个 ECG签名冲莫板进4亍比4交；d) 将所述比较的结果与识别阈值进行比较；以及e) 基于所述比较来允许或拒绝房间进入。
82. —种生物识别方法，包4舌以下步骤a) 获取ECG信号；b) 通过使所述信号标准化于脉搏率来处理所述信号；c) 生成ECG签名；d) 使所述ECG签名与来自以标准化脉搏率所取的信号 或者标准化于脉搏率的信号的至少一个ECG签名模板相关；e) 将所述相关性的结果与阈值进行比较；以及f) 输出所述比较的结果。
83. 才艮据权利要求82所述的生物识别方法，其中，所述处理步骤 ^:字地处理所述信号。
84. 才艮据权利要求82所述的生物识别方法，进一步包括以下步骤 获取非ECG生物测定读数。
85. 根据权利要求84所述的生物识别方法，进一步包括以下步骤 评价所述非ECG生物测定读数与所输出的比较结果来识别个 体。
86. 根据权利要求1所述的生物识别方法，进一步包括以下步骤 获取非ECG生物测定读数。
87. 根据权利要求15所述的设备，还包括信用卡，所述信用卡在 正识别之后的一段有限时期内启用，随后失效，直到执行下一 个成功正识别。
88. 根据权利要求15所述的设备，还包括非ECG生物测定获取模 块。
89. 根据权利要求29所述的设备，还包括非ECG生物测定获取模 块。
90. —种年龄分析器，包4舌a) ECG获耳又冲莫块；b) ECG信号处理器；c) 处理后的ECG信号比较器；以及d) 年龄分析输出模块。
91. 根据权利要求90所述的年龄分析器，其中，所述ECG信号处 理器包括签名生成器，且所述处理后的信号比较器是签名比较器。
92. 根据权利要求90所述的年龄分析器，其中，所述处理后的ECG 信号比较器比较对象的QRS复合波的宽度与QRS复合波信号 模板的宽度。
93. 根据权利要求90所述的年龄分析器，其中，所述输出模块通 过互联网来输出其输出量。
94. 一种年龄4企测方法，包4舌以下步骤a)获取ECG信号；b) 处理所述ECG信号；c) 将所述处理后的ECG信号与一个或多个参考信号进行 比库交；以及d) 基于所述比较步骤的结果来控制对互联网站点的访 问。
95. 根据权利要求94所述的年龄检测方法，其中，所述比较步骤 将ECG签名与一个或多个ECG签名模板进行比较。
96. 根据权利要求94所述的年龄检测方法，其中，所述比较步骤 将所述QRS信号复合波的宽度与 一个或多个参考信号QRS复 合波的宽度进行比较。
97. —种生物i口、别系乡充，包4舌a) ECG信号获取模块；b) 已登记签名教:据库；c) ECG信号处理器，其包括ECG签名生成器，所述ECG 签名生成器用于从由所述ECG信号获取模块获取的所述ECG 信号中去除表示个体组的共有特征的特征波形；d) ECG签名比较器，用于比较ECG签名与至少一个已 登记的ECG签名；以及e) 输出模块。
98. 才艮据;权利要求97所述的系统，其中，所述ECG签名生成器去 除表示从所述组的多个ECG信号的PCA得到的多个首要主要 分量的多个特征波形。
99. 才艮据权利要求98所述的系统，其中，对所述多个特征波形进 行加权以达到近似存在于由所述ECG信号获取模块所获耳又的 所述ECG信号中的那些特征波形的程度。
100. 根据权利要求99所述的系统，其中，所述ECG签名生成器从 由所述ECG信号获取模块所获取的所述ECG信号中去除所述 近似。
101. 根据权利要求98所述的系统，其中，所述ECG信号获取模块 从不是所述个体组的成员的个体获取ECG信号。
102. 根据权利要求97、 98和99所述的系统，其中，所述多个特征 波形/人合成的多个ECG 4寻到。
103. 根据权利要求97所述的系统，其中，所述ECG签名生成器去 除/人所述组的多个ECG信号的ICA得到的多个特征波形。
104. 根据权利要求97所述的系统，其中，所述ECG签名生成器去 除从所述组的多个ECG信号的WD得到的多个特征波形。
105. 才艮据片又利要求99所述的系统，其中，所述系统z使用重建系凝: 来加^又所述多个特;f正波形。
106. 根据权利要求97、 98和99所述的系统，其中，所述ECG获 取冲莫块包括双向4妾口 ，所述双向4妻口用于不需要来自用户的有 意识的响应的生物杏lL战-应答才/L制。
107. 根据权利要求106所述的系统，其中，所述双向接口包括导电 介质。
108. 根据权利要求107所述的系统，其中，所述导电介质被结合到 月良饰中。
109. —种用于识别个体的方法，包4舌以下步骤a) 获取对象的ECG;b) 分解来自个体组的多个ECG，以确定表示所述组的共 有特征的多个特征波形的集合；c) 通过去除所述多个特4正波形来处理所述对象的ECG;以及d )使用所述对象的经过处理的ECG来识别所述对象。
110. 根据权利要求109所述的方法，其中，所述对象不是所述个体 组的成员。
111. 根据权利要求109所述的方法，其中，所述被分解的多个ECG 是合成的。
112. 根据权利要求109所述的方法，其中，以列出的顺序执行所述 步骤。
113. 根据权利要求109所述的方法，进一步包括以下步骤加权所 述多个特征波形以达到近似存在于所述对象的ECG中的共有 特征的程度。
114. 根据权利要求113所述的方法，其中，通过去除所述近似来完 成去除所述多个特征波形的所述步艰艮。
115. 根据权利要求109所述的方法，其中，通过向来自所述个体组 的所述多个ECG施加PCA来执行所述分解步骤，以及通过确定用于表示共有特征的多个主要分量的多个重建系数来执行所述加权步骤，以达到近似存在于所述对象的ECG中的所述 多个特征波形的程度。
116. 根据权利要求115所述的方法，其中，从所述对象的ECG中 去除所述近似。
117. 根据权利要求115所述的方法，其中，时移表示共有特征的所 述多个主要分量来确定所述多个重建系数。
118. 根据权利要求109所述的方法，其中，所述分解步骤是ICA。
119. 根据权利要求109所述的方法，其中，所述分解步骤是WD。
120. 根据权利要求109、 110、 111和112所述的方法，进一步包括 以不需要对象的有意识响应的方式来i兆战所述对象的步骤。
121. 才艮据权利要求120所述的方法，其中，所述44战步骤包括通过 导电介质纟是供电刺激，所述导电介质还#:用于获取所述对象的 ECG。
122. —种生物识别方法，包4舌以下步骤a) 获取ECG信号；b) 处理所述信号来生成ECG签名；c) 使所述ECG签名与多个合成的ECG签名相关；d) 变换一个或多个所述相关性；e) 生成用于所述相关性的动态阈^直；以及f) llr出识别结果。
123.根据权利要求122所述的方法，其中，以列出的顺序执行所述步骤。
全文摘要
一种电-生物身份识别或验证方法和设备，其通过形成特定个体的心跳图形的表现与所存储的多个个体的心跳图形的共有特征的表现之间的差异来生成并存储识别该特定个体的第一生物签名；在生成步骤之后，本方法和设备获的所选个体的心跳图形的表现，并且通过形成所选个体的心跳图形与所存储的多个个体的心跳图形的共有特征的表现之间的差异来生成第二生物签名；然后，其将第二生物签名与第一生物签名进行比较来确定所选个体是否是该特定个体。本设备和方法可以依据本文中所述的多种应用来用作独立的单元或者作为另一个设备的一部分。
文档编号G06K9/00GK101263510SQ200580037902
公开日2008年9月10日 申请日期2005年11月8日 优先权日2004年11月8日
发明者丹尼尔·H·兰格 申请人:依德西亚有限公司