双域多尺度融合深度神经网络的PPG生物特征识别研究

前言

本文是根据一篇论文总结写的。

论文英文名为：Dual-domain and Multiscale Fusion Deep Neural Network for PPG Biometric Recognition。

中文名为：双域多尺度融合深度神经网络的PPG生物特征识别。大家感兴趣的可以查看原文。

DOI: 10.1007/s11633-022-1366-8

概述

光容量描记(PPG)生物识别技术已受到广泛关注。尽管深度学习在PPG生物识别方面取得了良好的性能，但仍存在几个挑战:

1)如何有效地从时间和频率PPG信号中提取特征融合表示。

2)如何有效捕捉一系列PPG信号的跃迁信息。

3)如何从一维时频序列数据中提取时变信息。

为了解决这些挑战，我们提出了一种双域和多尺度融合深度神经网络(DMFDNN)用于PPG生物特征识别。DMFDNN主要由一个用于PPG生物识别的双分支深度学习框架组成，它可以从时域和频域学习时变和多尺度的判别特征。同时，我们设计了一个多尺度转换信息提取模块，该模块由多个接收域不同的卷积层组成，用于获取多尺度转换信息。

此外，提出了双域注意力模块，以加强PPG生物识别中时域和频域数据贡献更大的域。在四个数据集上的实验表明，DMFDNN优于最先进的PPG生物识别方法。

研究背景

在过去的十年中，利用一些生理信号的生物识别技术，如心电图(ECG)、光电容积描记术(PPG)和肌电图(EMG)，逐渐引起了广泛的关注。

与广泛应用的人脸、指纹等生物特征相比，PPG信号作为生物特征具有以下优势：

1)PPG信号是通过将传感器附着在活人身上获得的，可以提供活体检测的证据。

2)难以伪造或复制，PPG信号作为生物特征具有较高的安全性。

3. PPG信号不仅包含个人身份验证信息，还包含心脏健康和心理状态信息。