技術(shù)特征：

1.基于隨機(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：該身份識(shí)別方法包括如下步驟：

S100、心電信號(hào)預(yù)處理步驟，對(duì)采集的心電信號(hào)進(jìn)行濾波、去噪處理，提取心電信號(hào)的瞬時(shí)頻率，在瞬時(shí)頻率上尋找極大值點(diǎn)，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(gè)波形的長度，將每個(gè)波形變?yōu)楣潭ㄩL度；

S101、識(shí)別模型的計(jì)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(shí)間長度作為特征來分類；

S102、構(gòu)建二叉樹狀分類器對(duì)心跳數(shù)據(jù)進(jìn)行分類，樹的根節(jié)點(diǎn)對(duì)應(yīng)所有的數(shù)據(jù)，以根節(jié)點(diǎn)為例，隨機(jī)選取特征維度和閾值，把該節(jié)點(diǎn)對(duì)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(shí)際分裂閾值；

S103、從根節(jié)點(diǎn)開始，對(duì)數(shù)據(jù)進(jìn)行分裂，當(dāng)節(jié)點(diǎn)的深度到達(dá)預(yù)設(shè)值16層時(shí)，或者當(dāng)節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)小于10個(gè)時(shí)，或者當(dāng)節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)全屬于用戶或全不屬于用戶時(shí)，停止分裂；

S104、識(shí)別模型的使用，對(duì)于需要判斷身份的心電信號(hào)，先對(duì)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(diǎn)開始，利用根節(jié)點(diǎn)記錄的特征維度與閾值，查找到葉子節(jié)點(diǎn)為止，判斷心跳數(shù)據(jù)位于子節(jié)點(diǎn)的位置，若該葉子節(jié)點(diǎn)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(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：所述步驟S100中，對(duì)采集的心電信號(hào)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(duì)原始心電信號(hào)進(jìn)行濾波，將濾波后信號(hào)的幅值調(diào)整到[1,2]區(qū)間，將該信號(hào)進(jìn)行希爾波特變換，提取瞬時(shí)頻率，將調(diào)整后的信號(hào)與進(jìn)行卷積，得到對(duì)應(yīng)的對(duì)偶信號(hào)，以對(duì)偶信號(hào)為虛部，調(diào)整后的信號(hào)為實(shí)部，計(jì)算該信號(hào)對(duì)應(yīng)的瞬時(shí)相位，對(duì)相位求導(dǎo)，得到瞬時(shí)頻率。

3.根據(jù)權(quán)利要求2所述的基于隨機(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：取瞬時(shí)頻率信號(hào)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(diǎn)，方法如下：

對(duì)瞬時(shí)頻率信號(hào)進(jìn)行差分，若差分信號(hào)某個(gè)點(diǎn)幅值其大于零，后一個(gè)采樣點(diǎn)幅值小于零，且其差分前信號(hào)的幅值大于閾值，則其為所需的極大值點(diǎn)，在檢測到極致點(diǎn)的時(shí)間位置的附近，尋找經(jīng)過濾波后的原始波形的極值點(diǎn)，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(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：對(duì)尖峰狀波的波峰間期時(shí)間長度進(jìn)行提取，該提取方法為：設(shè)采樣率為Fs，則一個(gè)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(shí)間長度；

對(duì)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(duì)應(yīng)，以xi、yi為標(biāo)準(zhǔn)，尋找xii對(duì)應(yīng)的yii，M的值為20，計(jì)算yii每個(gè)元素的詳細(xì)步驟如下：

對(duì)于xii里每個(gè)元素，尋找其在xi的區(qū)間，設(shè)xii的元素為x,其對(duì)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(duì)應(yīng)，x2與yi里的元素y2對(duì)應(yīng)，則

y＝y(tǒng)1+(x-x1)*(y1-y2)/(x1-x2)

對(duì)xii里的所有元素執(zhí)行上述操作，即可計(jì)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(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：所述步驟S101中，識(shí)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(shí)間長度，固定長度的波形數(shù)據(jù)為20維，時(shí)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(duì)應(yīng)的時(shí)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(gè)尖峰狀波的波峰間期波形數(shù)據(jù)、以及對(duì)應(yīng)的尖峰狀波的波峰時(shí)間長度，和該尖峰狀波的波峰間期的類別構(gòu)成一個(gè)樣本。

6.根據(jù)權(quán)利要求5所述的基于隨機(jī)樹的心電信號(hào)快速身份識(shí)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(diǎn)編號(hào)字段Node_ID，節(jié)點(diǎn)深度的字段Depth，用于記錄左子節(jié)點(diǎn)編號(hào)的字段L_child，用于記錄右子節(jié)點(diǎn)編號(hào)的字段R_child，選取維度的字段Dim，閾值的字段Thrs，節(jié)點(diǎn)類別的字段Label，和節(jié)點(diǎn)屬性的字段Is_leaf。

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

統(tǒng)計(jì)一個(gè)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(hào)，

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(jì)算公式變?yōu)椋?/p>

信息熵＝p·log₂(p)+(1-p)log₂(1-p)

在計(jì)算識(shí)別模型前，先計(jì)算出當(dāng)p為0,0.1,0.2,0.3...,1時(shí)對(duì)應(yīng)的信息熵，將其存儲(chǔ)在計(jì)算機(jī)內(nèi)存里，之后在計(jì)算識(shí)別模型時(shí)，使用預(yù)先計(jì)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(jī)樹的心電信號(hào)快速身份識(shí)別方法，其特征在于：所述步驟S104中，對(duì)于待識(shí)別身份的心電數(shù)據(jù)，先對(duì)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(duì)應(yīng)的尖峰狀波的波峰間期時(shí)間長度，組成21維的特征樣本。