现代社会已经对互联网空前依赖,在这虚拟的电子社会中的身份识别成为重要的安全问题。区别于传统数字、符号组成的密码,目前已有的基于生物特征(如指纹、虹膜、人脸、声音、步态、掌纹等)的身份识别方法已被广泛应用。然而,这些特征可能被仿冒。心电信号(Electrocardiogram,ECG)这种具有“活性”的生物特征逐渐成为该领域的研究热点。基于心电特征身份识别的关键研究内容是特征选择与特征识别,它们直接影响身份识别的准确率。本文基于ECG波形基准点计算获得用于识别的ECG特征,提出了一套用于心电信号身份识别的关键特征集合的选择策略,包括初始特征集合确定,特征贡献率排序,关键特征集合确定三部分研究内容。本文结合该领域国内外学者研究成果的共识以及临床医学中标准心电特征描述,确定了涵盖间期类特征(如心率、QRS间期等)、幅值特征(如P波幅值等)、斜率特征(如QR斜率等)和面积特征(如三角形SS’T面积),共计四类、26个特征的初始特征集合。在具体的研究中,利用人工手动准确标记基准点后,计算并获得特征,再利用逐步判别法推导出这些特征在身份识别中的理想贡献率。进一步,为了探究心电基准点自动识别准确率对身份识别的影响,本文利用小波变换方法自动检测基准点并统计识别准确率,再利用这些准确率推算出特征的可信率(准确率)。然后,结合特征在身份识别中的理想贡献率,最终获得特征实际贡献率排序以及稳定的关键特征集合。本文工作采用如下实验数据:1,PTB心电数据库(Physikalisch-Technische Bundesanstalt,德国国家计量科学院提供的用于各种医疗诊断的心电数据库)中的60名健康测试者V5导联、时长约60秒的心电数据;2,实验室自制同步12导联心电采集设备采集的本校120名健康本科生V5导联、时长约90秒的心电数据。应用本文方法,从两个数据集筛选出的关键特征数量分别为9个和17个,由此获得的身份识别准确率分别达到99.7%和94.8%。