心电信号作为一种普遍存在,具有独特性、稳定性和可采集性的生物信号,被越来越多地运用到身份识别中。但是以往的ECG身份识别技术主要研究个体在平静状态下的特征选取及模式识别问题。而实际应用中,往往会出现个体在运动中或刚运动完就要求进行身份识别的状况。因此,必须考虑身份识别在运动状态下的扩展,即要求不管在平静状态下还是在运动状态下都能准确识别个体。而运动会对信号的测量产生影响,导致特征点定位困难,同时也会使一些常用特征向量发生变化,影响身份识别效果。文章主要从两个方面对原有的ECG身份识别技术进行改进,以使其适用于运动场合。第一,提出一种利用极大值间斜率阈值的方式确定R峰,该方法对R峰幅值的变化不敏感。第二,采用形态和KPCA的融合特征来进行身份识别,使得两类特征向量起到互补的作用。文中先通过实验验证R峰检测方法的有效性,然后提取相应的特征向量,通过一个对比实验证明,在平静和运动混合的情况下,融合特征确实比形态特征、KPCA有更高的识别率,即验证了所做改进的有效性。