基于脉搏波信号多维度特征的身份识别

傅幼萍,张航,厉梦菡,孟濬

Identity recognition based on multi-dimensional features of pulse wave signals

Youping FU,Hang ZHANG,Menghan LI,Jun MENG

表 6 本研究PPG身份识别方法与相关研究的比较

Tab.6 Comparison of proposed PPG identity recognition with relevant research

文献 年份 M（PPG数据） 特征提取 分类器 A/% 注：1) FAR为假接受率；2) FRR为假拒绝率. 文献[30] 2003 17 时域 KNN 94.0 文献[9] 2003 17 时域 模糊逻辑 94.0 文献[5] 2014 40 时域 KNN 94.4 文献[6] 2015 10 时域 贝叶斯网络 97.5 文献[31] 2015 10（708组） 时域 FNN FAR:4.21) FRR:3.72) 文献[7] 2016 15 时域 LDA 100.0 文献[10] 2016 23 高斯参数 LDA 95.7 文献[32] 2017 42 小波变换 KNN 99.8 文献[15] 2017 42 小波变换 SVM 100.0 文献[33] 2020 20 时域+频域 SVM 93.1 文献[34] 2021 100 — CNN+LSTM 98.0 文献[35] 2021 35 频域 CNN 99.4 文献[12] 2022 100 时域+频域+小波变换 CNNLSTM 98.3 文献[11] 2023 50 — MsNRPNet 92.0 本研究 25（125组） 时域+频域+非线性特征 LDA 100.0 — 50（250组） 99.9 200（1000组） 98.4