شناسایی بیومتریک افراد با استفاده از مدل سازی تحلیلی و خود همبستگی پارامترهای استخراج شده از تحلیل الکتروکاردیوگرام

الکتروکاردیوگرام یک اندازه گیری سطحی پوست از فعالیت الکتریکی قلب در طول زمان میباشد. این فعالیت توسط الکترودهای چسبانده شده به سطح پوست آشکار میگردد و توسط یک دستگاه پزشکی خارجی ثبت میگردد و یا نمایش داده میشود. پزشکان از الکتروکاردیوگرام برای تشخیص شرایطی نظیر بی نظمی های قلبی ( ریتمهای غیر نرمال قلب ) و شکستگی های ماهیچه قلبی ( حملات قلبی ) استفاده میکنند. طرح پیشنهادی در این مقاله، سیستم طراحی شده برای دو کاربرد اولیه را بررسی میکند: سیستم طبقه بندی الکتروکاردیوگرام بر اساس مدلهای آتورگرسیو که سیگنالهای الکتروکاردیوگرام نرمال را از غیر نرمال مشخص می سازد و سیستم الکتروکاردیوگرام بیومتریک بر اساس ویژگیهای تحلیلی و مدل سازی که هر شخص را از روی الکتروکاردیوگرام خودش به طور فردی شناسایی میکند. در سالهای اخیر، برای طراحی سیستمهای طبقه بندی اتوماتیک سیگنال الکتروکاردیوگرام و شناسایی بیومتریک، یک تعداد تکنیک پردازش سیگنال استفاده شده اند. سیستمهای طبقه بندی و بیومتریک الکتروکاردیوگرام پیاده سازی شده در این مقاله با یک تعداد از تکنیک های و روشهایی که اخیرا برای شناسایی سیگنالهای الکتروکاردیوگرام توضیح داده شده اند، مقایسه می شوند. هدف از هر سیستم طراحی شده برای طبقه بندی و شناسایی بیومترکی سیگنال الکتروکاردیوگرام تشریح شده در این کار، رسیدن به نرخ دقت بالا در هنگام شناسایی الکتروکاردیوگرامها است. سیستمهای طبقه بندی و بیومتریک الکتروکاردیوگرام شامل چهار مرحله اصلی هستند، پیش پردازش سیگنال الکتروکاردیوگرام، تشخیص مجموعه QRS، استخراج ویژگی و الگوریتمهای طبقه بندی.

Keywords:

الکتروکاردیوگرام , خود همبستگی پارامترهای و مجموعه QRS