伴随科技的发展,人们对个人信息的安全性要求越来越高。身份认证技术通常应用于安全性要求较高的场景,如在线支付、出入境通关认证等。生物特征具有不易遗忘、不易丢失等特性,越来越多地被应用于身份认证。心电信号(Electrocardiogram,ECG)作为一种活体信号,不易被复制和伪造,用作身份认证依据安全性更高。因此,基于心电信号的身份认证受到越来越多的关注。由于心电信号容易受到外界环境和被测者自身状态的影响,同一个体在不同状态下的心电信号具有差异性,因此寻找其中的稳定特征成为心电信号身份认证研究中的重点之一。本文通过对13名志愿者进行了为期半年的不同状态下心电信号数据追踪,为非限定状态下心电信号的身份认证提供了数据来源。为寻找非限定状态下心电信号的稳定特征,本文提出了一种基于单周期心电信号叠加矩阵的特征提取方法,该方法将多个非限定状态下的单周期心电信号叠加映射到矩阵中,通过矩阵分割和相似度比较的方法挑选出心电信号分布稳定的区域,并以此构建特征集合。实验是在MIT-BIH公开数据集、平静状态下自采心电信号数据集和非限定状态下的自采心电信号数据集上分别开展的,分别达到了90%,89.64%和86.14%的正确接受率。实验结果表明,随着数据量的增大,个体稳定特征越明显,可以有效地从非限定状态下心电信号数据中获取稳定特征,并能够据此完成身份认证,从而说明此方法有效。本文提出的基于心电信号叠加矩阵的特征提取方法,需要大量的单周期心电信号叠加,才能从中提取稳定分布特征。为此,根据单周期心电信号的二维轨迹产生的马太效应,本文继而提出基于马太效应的心电信号叠加矩阵快速形成方法。该方法根据单周期心电信号分布中的马太效应现象,不仅仅将矩阵中聚集点的权重增加,还同时在此位置邻域中增加相应的权重,从而提高了稳定特征区域的形成速度,实现了仅使用少量数据就能形成心电信号的稳定分布区域表达,并可从中提取出稳定分布特征。论证实验在与前一方法相同的数据集上开展,只需要10次心跳(6-10秒钟)的心电信号数据,就可以获得稳定特征。其效果与原本上百条数据叠加矩阵获得的稳定特征相近。实验结果表明,在错误接受率为零的情况下,身份认证的平均正确接受率在三个数据集上均稳定在80%以上。这也使得心电信号作为身份认证素材,从理论研究迈向实际应用场景,使其进入基于生物特征身份认证的应用领域成为现实。