对于传统的身份识别,大多数方法是基于先验知识和基于令牌的,这种方法通常使用密码,身份证号码或其他保密性信息,但是这些信息容易被遗忘、盗取或者分享;为了增强身份识别的安全性,生物特征识别技术被广泛使用在许多领域。心电信号作为生物特征的一种,其他特征相比,它具有普适性、判别性、以及不易被伪造等特点,而且仅存在于有生命的个体中。然而,心电信号较易于受到许多因素的干扰,包括外部因素和个体内部自身的因素,导致心电信号稳定性低,是心电身份识别中遇到的主要问题。本文提出了一种基于共性和个性化子字典的稀疏表示算法,进行心电信号的身份识别。在此方法中,首先,通过对数据库中所有个体的心电信号的观察,多个个体的心电信号在波形的走势等方面具有很多的相似性,所以通过构造每个个体的个性化字典和对于数据库中所有个体的共性字典,使得心电信号的稀疏表示,尽可能的将其包含的共性信息和判别性信息分割开来,使得到的特征表示在身份识别方面更具有判别性;其次,每个个体的个性化字典也要尽可能的独立,以保证稀疏表示的判别性;而且,在测试阶段为了保证稀疏表示系数的分布情况,在稀疏表示上加入混合范数约束,使得稀疏表示系数的分布,尽可能与类别子字典和公共子字典对应。最后,根据本算法在公共心电信号数据集上的实验效果,可以了解到本文提出的方法在心电身份识别方面也具有一定的优势,通过与其他的心电身份识别的方法的对比,也可以看出其全面的考虑到了心电信号的共性和个性化信息,也得到了相对不错的性能。另外,为了从不稳定的心电信号中,得到相对稳定且具有判别性的特征表示,不同于上一个方法的研究角度,从同源样本之间相似的角度出发,本文提出了一个基于心电信号的结构化稀疏表示的算法,并且为每个类别分别学习得到一个类别字典来解决这些问题。首先,本文为每个人的心电信号进行心动周期的分割;此外,使用正则化l2,1混合范数对同源心动周期进行约束,以提取更稳健且鲁棒的特征,混合范数的使用使得同源心动周期的稀疏表示,尽可能利用相同的字典原子进行表示;同时,结合图正则化更进一步的使同源心动周期的稀疏表示使用的字典原子相对应的系数也尽可能的相等,达到最小化类内误差的效果。最后,本文在三个公共的心电信号数据库上进行实验,以探究所提出方法的有效性。从实验结果表明,与现有的方法相比,该方法可以充分利用心电信号的结构特征,获得更好的性能。