CC BY
17УДК 004
Зорин Арсений Леонидович, Зенюк Кирилл Алексеевич Zorin Arseniy Leonidovich, Zenyuk Kirill Alekseevich
Магистрант Masters degree candidate Российский технологический университет -«Московский институт радиотехники, электроники и автоматики»
Russian Technological University -«Moscow Institute of Radiotechnics, Electronics and Automation»
РАССМОТРЕНИЕ ПРОЦЕССА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ НА ОСНОВЕ ЭЛЕКТРОКАРДИОГРАММЫ
PERSONAL IDENTIFICATION PROCESS BASED ON ELECTROCARDIOGRAM
Аннотация. В настоящей статье рассматривается процесс идентификация личности на основе электрокардиограммы. Рассматривается ЭКГ как объект идентификации индивидуума, даются основные определения, описывается процесс обработки ЭКГ для дальнейшей идентификации личности, а также приводятся основные алгоритмы для классификация обработанных данных.
Abstract. This article discusses the process of personal identification based on an electrocardiogram. The ECG is considered as an object of individual identification, basic definitions are given, the process of ECG processing for further identification of the individual is described, and the main algorithms for the classification of the processed data are given.
Ключевые слова: идентификация личности, ЭКГ, биометрия.
Keywords: personality identification, ECG, biometrics.
На сегодняшний день использование сигналов электрокардиограммы в биометрической системе для идентификации людей является одним из приоритетных направлений в биометрической идентификации. Анализ электрокардиограммы (ЭКГ) - теперь не только полезный диагностический инструмент для клинических исследований, но также с не давнего момента используется как средство биометрической идентификации человека [1].
Международная научно-практическая конференция Благодаря системам аутентификации, основанным на биометрии, в
частности на ЭКГ, решается задача идентификации человека как настоящей
личность в отличии от традиционных методов идентификации, на пример
идентификации по лицу или ключам авторизации. Именно поэтому
биометрическая аутентификация является одним из самых безопасных методов
верификации личности человека [2].
ЭКГ — это электрическая активность сердца, регистрируемая на уровне
грудной клетки. Во время своей деятельности миокард - сердечная мышца - ведет
себя как серия связанных электрических диполей уникальным способом,
называемым функциональным «синцитием» Электрическая активность сердца
обычно описывается с использованием отдельного изменяющегося во времени
электромагнитного вектора, проекции которого могут быть записаны на
поверхность тела. Для наблюдения за сердечными функциями используются до
12 позиций электродов.
Сигналы, полученные из ЭКГ, содержат различную информацию; однако
конкретные волны, а именно Р, Р, Я, Б, Т, могут быть идентифицированы в
течение цикла сердцебиения на разных отведениях как показано на рисунке 1 [3].
10 1&5 11 11.5 12 12.5 13 1X5 14 14.5 15
Время [в]
Рисунок 1. Пример электрокардиограммы
Тем не менее, как временная эволюция дипольного вектора, так и его проекций на тело субъекта подвержены влиянию электрических проводящих путей внутри сердца, геометрических характеристик самого сердца, его положения внутри грудной клетки, а также неоднородности объема проводника грудной клетки. Сигнал электрокардиограммы отражает электрический потенциал сердца во времени. Волна нормального биения сердца состоит из Р-волны, комплекса РЯБ и волны Т. На рисунке 2 изображены основные формы здорового сигнала сердцебиения ЭКГ. Р-волна возникает, когда правая и левая предсердия сердца деполяризован и соответствует низкочастотным спектральным компонентам, 10-15 Гц [3].
Рисунок 2. Запись прохождения импульса по проводящей системе сердца
Комплекс РЯБ отражает деполяризацию правого и левого желудочков. Он имеет гораздо более крутые склоны, и его спектр концентрируют в интервале 1040 Гц. Т-волна возникает при реполяризации желудочков и ее положение зависит от частоты сердечных сокращений, она сближается к комплексу РЯБ при увеличении скорости ритма сердца, в предсердии реполяризация наименьше всего и обозначается как Ц-волна (рисунок 3).
Международная научно-практическая конференция
Рисунок 3. Запись зубцов и интервалов (Р, О, Я, 8, 8Т, Т, и)
В момент прохождения импульса от предсердий к желудочкам в атриовентрикулярном соединении происходит его физиологическая задержка. На ЭКГ ширину любых зубцов и расстояний (по горизонтали) принято измерять в секундах. Например, ширина зубца Р должна быть примерно 0,10 с, а отрезок РР не более 0,20 с. Это связано с тем, что запись ЭКГ производят на постоянной скорости движения ленты. Значит, если скорость движения ленты равна 50 мм/с, каждый миллиметр она проходит за 0,02 с, как показано на рисунке 4 [4].
Рисунок 4. Расшифровка электрокардиограммы
Система идентификации на основе ЭКГ характеризуется четко определенным рабочим процессом, который включает в себя предварительную обработку, функцию экстракции и классификации
«Научные исследования и инновации» Первым этапом в системе идентификации является процесс
предварительной обработки данных. Так как невозможно создать идеальные
условия для сбора данных электрокардиограммы, то почти всегда данные
повреждаются доминантными артефактами:
Высокочастотный шум, вызванный шумом, вызванным
электромиограммой, помехами линии электропередачи или механическими
силами, действующими на электроды (рисунок 5);
i i i i
.....1.............*•............'............«.............г............
Рисунок 5. Помехи линии электропередачи
Базовый шум, который может быть вызван дыханием или движением человека. Для уменьшения отрицательных эффектов шума важна процедура шумоподавления. Один из методов решения данной проблемы является полосовой фильтр Баттерворта, как показано на рисунке 6.
i i
[ к
ШЛА ИПшГ ШАЛУ Л *ПЩп) Ш] imí ЩпП л 'ИМ кт ' ГЯ "¿Г 1 1 "( J*1 V V \J 1 IU-/V4A щЩ
¡ 1
Рисунок 6. Уменьшение помех на ЭКГ
Международная научно-практическая конференция
Вторым этапом и наиболее важным процессом после сбора базы данных и предварительной обработки является процесс извлечение и восстановление функции. Выбираются наиболее дискриминантные значения в функциях. Если эти функции были достаточно большими, они уменьшаются до небольшого объема данных. Большинство методов, используемых при извлечении и восстановлении признаков для ЭКГ, основаны на несовместимых подходах, таких как методы преобразования волн, взаимная корреляция, автоматическая корреляция и согласованные подходы, основанные на выборе 11 или 15 или 19 или 36 функций от сигнала ЭКГ, представляющего функции расстояния, амплитуды и угла, включая как интервал ЯЯ, методы разграничения ОЯЗ, P и Т, так и некоторые методы морфологии и сегментации для выбора характеристик ЭКГ.
Заключительным этапом происходит классификация к извлеченным функциям, поэтому ее также можно назвать сопоставлением функций. Современные методы сопоставления признаков, используемые при распознавании ЭКГ, включают в себя различные методы, такие как: динамическое временное деформирование, нейронную сеть, скрытая марковская модель и векторное квантование. В данной работе пойдет речь об использовании метода К-ближайших соседей из-за его простоты внедрения и высокой точности.
Библиографический список:
1. А. А. Астапов, Д. В. Давыдов, А. И. Егоров, Д. В. Дроздов, Е. М. Глуховский. Биометрическая идентификация, основанная на экг: некоторые современные подходы // Вестник РГМУ | 1, 2016.
2. Нечаев В.В., Маркелов К.С. Биометрические информационные технологии: актуальные и перспективные методы // Информационные и телекоммуникационные технологии, 2013. - №18.
3. Мурашко В. В., Струтынский А. В. Электрокардиография. Москва: МЕДпресс-информ; 1998. 313 с.
4. Palaniappan R, Krishnan SM. Identifying individuals using ECG beats. In: International conference on signal processing and communications, 2004 SPCOM '04, 2004. 2004. p. 569-72.
УДК 519.682
Русакова Зинаида Николаевна Rusakova Zinaida Nikolaevna
кандидат технических наук, старший научный сотрудник, доцент candidate of technical sciences, senior researcher, associate professor Московский Государственный Технический Университет
имени Н.Э. Баумана Moscow State Technical University named after N.E. Bauman
ПРОГРАММНЫЙ ИНСТРУМЕНТАРИЙ С++ МОДЕЛИРОВАНИЯ
ПРОДУКЦИОННЫХ СИСТЕМ
C++ SOFTWARE TOOLKIT FOR MODELING PRODUCT SYSTEMS
Аннотация: Описывается алгоритмическая и программная реализация шаблона интерпретатора поиска решений в продукционных системах в пространстве состояний. Параметры шаблона передаются как параметры класса и заменяются реальными типами, которые определяются используемыми алгоритмами решения и математическими моделями. Основу разработанных алгоритмов формирования деревьев решений составляют базовые методы поиска в ширину и глубину. Для построения решения используется стратегия формирования списков открытых и закрытых вершин.
Abstract: The algorithmic and software implementation of the pattern of the interpreter for finding solutions in production systems in the state space is described. Template parameters are passed as class parameters and are replaced with real types, which are determined by the used solution algorithms and mathematical models. The developed algorithms for the formation of decision trees are based on the basic methods of search in breadth and depth. To build a solution, the strategy of forming lists of open and closed peaks is used
Ключевые слова: граф, списки, обобщенное программирование, поиск, деревья, шаблоны, классы, правила продукции, динамические структуры
