在高度发展的数字化和信息化时代,安全、快速、准确地实现个体的身份识别是现今备受人们关注的一个问题之一。生物特征识别技术(Biometrics)利用人体自身固有的生理特征或行为特征进行身份辨识,具有高的准确度与可靠度,但也同样面临着安全问题,如假冒指纹、虚假虹膜等。在生物识别应用中所潜藏的安全问题引起了国内外研究者的格外重视,具备高防伪性的新颖生物特征识别技术被陆续提出。心电信号(Electrocardiogram,ECG)属于人体内源生理信号,蕴含个体身份识别相关的信息,其突出特点是实现“活体”识别的高防伪能力。近年随着小体积、低能耗、无需导电胶和易集成的心电采集芯片的出现,可以在手指端实现心电的采集,为心电身份识别开辟了极具潜力的应用前景。本文主要研究了基于手指心电信号时频域分析的身份识别技术。首先,通过分析手指心电信号的特性,提出了基于遗传算法(Generation,GA)的小波阈值手指心电去噪算法;其次,研究了手指心电信号的时频分布,提出了基于广义S变换和ZM交叉解析的手指心电身份识别算法,并采用三个手指心电数据库验证了该算法,取得了较大的识别率;最后将本文提出的算法移植到Android智能手机端,成功实现了身份识别。本文的工作主要为:1、回顾了心电信号采集方式和心电信号身份识别算法的发展,阐述了心电信号的产生机理和波形特点,介绍了识别评价指标和手指心电数据库,为手指心电信号应用于身份识别技术领域提供了理论基础。2、研究了手指心电信号预处理算法,包括去噪、R峰检测、分割、归一化等。首先在研究小波变换和遗传算法的基础上,研究了基于遗传算法的小波阈值去噪算法,结合手指心电特性,采用遗传算法修正阈值,实现小波阈值去噪,然后利用模拟心电信号和手指心电信号进行消噪性能实验,测试了算法性能;最后依据手指心电的波形特点对去噪后的干净信号进行分割和归一化等处理。3、提出了基于广义S变换和ZM(Ziv-Merhav)交叉解析的手指心电身份识别算法。研究广义S变换的时频分析、奇异值分解和ZM交叉解析技术;将预处理过后的手指心电信号通过广义S变换、奇异值分解、量化,得到手指心电信号的特征值,利用ZM交叉解析算法构建分类器完成个体的身份识别;通过三个手指心电信号数据库(CYBHi,Surface ECG data,Finger ECG data)对本文的算法进行了性能测试,并讨论了在不同条件下包括训练时间,奇异值个数,量化位数等引起的识别率变化情况。4、设计实现了基于安卓智能手机的手指心电信号身份识别软件系统。系统包括蓝牙配对、用户注册、用户识别、系统管理等四部分,在智能手机端实现手指心电信号的接收、显示、特征提取、分类识别等功能。本文的研究实现了基于手指心电信号分析的个体身份识别,为心电身份识别技术的实用化奠定了理论基础和技术支撑。