技術(shù)特征：

1.基于隨機樹的心電信號快速身份識別方法，其特征在于：該身份識別方法包括如下步驟：

S100、心電信號預(yù)處理步驟，對采集的心電信號進(jìn)行濾波、去噪處理，提取心電信號的瞬時頻率，在瞬時頻率上尋找極大值點，再在極大值附近尋找尖峰狀波的波峰。截取出每次尖峰狀波的波峰間期的波形，調(diào)整每個波形的長度，將每個波形變?yōu)楣潭ㄩL度；

S101、識別模型的計算步驟，把截取好的心跳數(shù)據(jù)分為屬于用戶的一類及不屬于用戶的一類，使用固定長度后的單次尖峰狀波的波峰間期波形數(shù)據(jù)，以及該次心跳的時間長度作為特征來分類；

S102、構(gòu)建二叉樹狀分類器對心跳數(shù)據(jù)進(jìn)行分類，樹的根節(jié)點對應(yīng)所有的數(shù)據(jù)，以根節(jié)點為例，隨機選取特征維度和閾值，把該節(jié)點對應(yīng)的數(shù)據(jù)分為兩類，用分裂后信息熵最小的一次作為實際分裂閾值；

S103、從根節(jié)點開始，對數(shù)據(jù)進(jìn)行分裂，當(dāng)節(jié)點的深度到達(dá)預(yù)設(shè)值16層時，或者當(dāng)節(jié)點對應(yīng)的數(shù)據(jù)小于10個時，或者當(dāng)節(jié)點對應(yīng)的數(shù)據(jù)全屬于用戶或全不屬于用戶時，停止分裂；

S104、識別模型的使用，對于需要判斷身份的心電信號，先對其進(jìn)行預(yù)處理操作，然后將提取到的一次心跳數(shù)據(jù)輸入到建立好的二叉樹狀模型中，從根節(jié)點開始，利用根節(jié)點記錄的特征維度與閾值，查找到葉子節(jié)點為止，判斷心跳數(shù)據(jù)位于子節(jié)點的位置，若該葉子節(jié)點屬于該用戶，則認(rèn)為輸入的心跳數(shù)據(jù)屬于該用戶，反之則不屬于。

2.根據(jù)權(quán)利要求1所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：所述步驟S100中，對采集的心電信號采用FIR帶通濾波器濾波，使用Fstop1＝1Hz，F(xiàn)pass1＝2Hz，F(xiàn)pass2＝99Hz，F(xiàn)stop2＝100Hz的帶通Equiripple濾波器對原始心電信號進(jìn)行濾波，將濾波后信號的幅值調(diào)整到[1,2]區(qū)間，將該信號進(jìn)行希爾波特變換，提取瞬時頻率，將調(diào)整后的信號與進(jìn)行卷積，得到對應(yīng)的對偶信號，以對偶信號為虛部，調(diào)整后的信號為實部，計算該信號對應(yīng)的瞬時相位，對相位求導(dǎo)，得到瞬時頻率。

3.根據(jù)權(quán)利要求2所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：取瞬時頻率信號最大值的二分之一作為閾值，尋找所有幅值大于閾值的極大值點，方法如下：

對瞬時頻率信號進(jìn)行差分，若差分信號某個點幅值其大于零，后一個采樣點幅值小于零，且其差分前信號的幅值大于閾值，則其為所需的極大值點，在檢測到極致點的時間位置的附近，尋找經(jīng)過濾波后的原始波形的極值點，找到了尖峰狀波的波峰。

4.根據(jù)權(quán)利要求1所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：對尖峰狀波的波峰間期時間長度進(jìn)行提取，該提取方法為：設(shè)采樣率為Fs，則一個尖峰狀波的波峰間期的采樣間隔數(shù)量除以采樣率即為尖峰狀波的波峰間期時間長度；

對于尖峰狀波的波峰波形數(shù)據(jù)的長度放縮，其方法為：設(shè)尖峰狀波的波峰間期的波形數(shù)據(jù)為yi，其長度為N，構(gòu)造以1/(N-1)為步長，從0到1的數(shù)組xi，設(shè)波形固定的長度為M，構(gòu)造從0到1，步長為1/(M-1)的數(shù)組xii，xi與yi一一對應(yīng)，以xi、yi為標(biāo)準(zhǔn)，尋找xii對應(yīng)的yii，M的值為20，計算yii每個元素的詳細(xì)步驟如下：

對于xii里每個元素，尋找其在xi的區(qū)間，設(shè)xii的元素為x,其對應(yīng)帶求的yii的元素為y，x所在區(qū)間為[x1,x2]，x1與x2相鄰，且屬于xi，x1與yi里的元素y1對應(yīng)，x2與yi里的元素y2對應(yīng)，則

y＝y(tǒng)1+(x-x1)*(y1-y2)/(x1-x2)

對xii里的所有元素執(zhí)行上述操作，即可計算出yii，yii即為固定長度后的尖峰狀波的波峰間期波形數(shù)據(jù)，其長度為20。

5.根據(jù)權(quán)利要求1所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：所述步驟S101中，識別模型為二值分類器，在預(yù)處理中得到了固定長度后的尖峰狀波的波峰間期數(shù)據(jù)，和該尖峰狀波的波峰間期的時間長度，固定長度的波形數(shù)據(jù)為20維，時間長度為1維，以21維作為特征，構(gòu)建樹狀模型；

記錄一名用戶的5分鐘靜息狀態(tài)下的心電數(shù)據(jù)，得到該名用戶的每次尖峰狀波的波峰間期波形和每次尖峰狀波的波峰間期波形對應(yīng)的時間長度，再記錄多名用戶的心電數(shù)據(jù)，并做同樣處理，記屬于用戶的數(shù)據(jù)的類別為1，不屬于的類別為0，設(shè)一個尖峰狀波的波峰間期波形數(shù)據(jù)、以及對應(yīng)的尖峰狀波的波峰時間長度，和該尖峰狀波的波峰間期的類別構(gòu)成一個樣本。

6.根據(jù)權(quán)利要求5所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：

構(gòu)建二叉樹狀分類模型中，包括：用于記錄節(jié)點編號字段Node_ID，節(jié)點深度的字段Depth，用于記錄左子節(jié)點編號的字段L_child，用于記錄右子節(jié)點編號的字段R_child，選取維度的字段Dim，閾值的字段Thrs，節(jié)點類別的字段Label，和節(jié)點屬性的字段Is_leaf。

7.根據(jù)權(quán)利要求6所述的基于隨機樹的心電信號快速身份識別方法,其特征在于：所述步驟c中，信息熵計算方法如下：

統(tǒng)計一個數(shù)據(jù)集里，每類數(shù)據(jù)出現(xiàn)的概率p_i，i為類別標(biāo)號，

信息熵＝∑-p_ilog₂(p_i)

屬于用戶類數(shù)據(jù)的概率為p，則信息熵計算公式變?yōu)椋?/p>

信息熵＝p·log₂(p)+(1-p)log₂(1-p)

在計算識別模型前，先計算出當(dāng)p為0,0.1,0.2,0.3...,1時對應(yīng)的信息熵，將其存儲在計算機內(nèi)存里，之后在計算識別模型時，使用預(yù)先計算好的信息熵做二次樣條插值。

8.根據(jù)權(quán)利要求6所述的基于隨機樹的心電信號快速身份識別方法，其特征在于：所述步驟S104中，對于待識別身份的心電數(shù)據(jù)，先對其進(jìn)行預(yù)處理，取出1次尖峰狀波的波峰間期固定后的波形數(shù)據(jù)，以及對應(yīng)的尖峰狀波的波峰間期時間長度，組成21維的特征樣本。