基于脉搏信号的身份识别系统设计与实现（包含上位机软件+STM32程序+原理图及PCB）

随着科技的发展，时代的进步，身份信息的安全性问题引起越来越多人的重视。传统 的密码方式繁琐且易遗忘，常见的指纹识别、人脸识别等生物识别技术也出现越来越多的 问题，因此本课题设计了一套基于脉搏信号的身份识别系统。 本课题研制的基于脉搏信号的身份识别系统。该系统包括上位机和下位机模块，下位 机进行脉搏信号的采集与传输，上位机为基于 LabVIEW 编写人机交互界面，实现身份识 别。同时，使用 Matlab 软件开发核心算法。使用下位机以 STM32 为核心进行脉搏信号的 采集，并通过 WiFi 模块将数据无线的发送到 PC 端。上位机对接收的数据进行滤波处理， 抑制信号中的噪声和干扰；然后，对滤波后的信号进行分割并建模；最后，采用随机森林 算法基于模型参数实现身份识别。通过实际实验验证，身份识别的准确率达到了 82.3%。 为基于生理信号进行身份识别的研究提供了理论参考和实践基础。

系统下位机主要负责脉搏信号的采集和数据的传输，下位机实物图如图 3.12 所示。下 位机由锂电池、脉搏传感器、WiFi 模块和 STM32 电路板组成，锂电池通过 DC 插头向下 位机供电，脉搏传感器通过 3.5mm 的耳机座从单片机获取电流同时输出脉搏信号，WiFi 模 块通过排针与单片机的 TX 和 RX 相连，使用杜邦线连接单片机与 J-Link 实现程序的下载 与调试.

图 3.12 下位机实物图

4.1 下位机程序设计

下位机程序首先是进行各种配置的初始化操作，接着就是采集一次脉搏信号，然后将 采集的数据加入帧头帧尾后进行打包，通过 DMA 直接发送到串口，WiFi 模块将数据发送 至上位机，下位机工作流程图如图 4.1 所示。

4.1.1 TCP 通讯程序设计

TCP 通讯程序是通过单片机向串口发送 AT 指令配置 WiFi 模块使其与上位机进行通 信，配置 WiFi 模块需要 7 步，具体步骤如下： ① 配置 WiFi 模块为 STA 模式，指令为：AT+CWMODE=1。 ② 重启模块完成模式配置，指令为：AT+RST。 ③ 连接路由器，指令为：AT+CWJAP="1997","19970711"，其中 1997 为热点名称， 19970711 为热点的密码。 常熟理工学院毕业设计（论文） 15 ④ 配置为单路连接模式，指令为：AT+CIPMUX=0。 ⑤ 开启 WiFi 透传模式，指令为：AT+CIPMODE=1。 ⑥ 连接 TCP 服务器，指令为：AT+CIPSTART="TCP","192.168.43.34",9000，该指令 中 192.168.43.34 为服务器的 IP 地址，9000 为服务器的端口号。 ⑦ 进入透传模式，指令为：AT+CIPSEND。 TCP 通讯程序工作流程图如图 4.2 所示 

4.2.1 人机交互界面设计

身份识别系统用户操作界面设计如图 4.5 所示，基于图形化的人机界面，操作简单， 界面美观，人机交互友好。本操作界面主要分为 4 大区域：用户操作区、信息提示区、数 据显示区、识别结果区和用户信息填写区 

1、 低通滤波器

由于高频干扰具有频率较高的特点，常使用低通滤波器进行噪声滤除。低通滤波器是 将频率高于截止频率的信号滤除，只保留频率低于截止频率的信号。本系统设计一种整系 数低通滤波器，可有效抑制高频干扰，使脉搏波形更加平滑，其传递函数为 

 2、 陷波滤波器

本系统的低频干扰主要是由于电力系统所造成的，我国的电力系统频率为 50Hz 的工 频电，因此所造成的低频干扰也在 50Hz 及其整数倍上，本课题设计了整系数陷波滤波器 来抑制这种低频干扰。陷波滤波器一般是由一个全通滤波器减去一个带通滤波器构成，这 样就可以让大多数的频率段通过，而将某一范围内的频率分量进行抑制。整系数陷波滤波 器设计过程简单，滤波效率高，而且计算耗时小，可以在单片机这种低运算速度的器件上 运行，整系数陷波滤波器的传递函数为：

 

4.2.6 脉搏波分割程序设计

本部分程序是将所存储的脉搏信号分割为单周期的脉搏波，脉搏信号是心脏跳动引起 脉搏的搏动产生的，所以脉搏信号具有随心脏跳动而幅值变换的规律，在心脏跳动的一瞬  间，脉搏信号上升变换迅速，然后达到最高的，该点被称为 P 点，也是脉搏信号的波峰。 在下一次心脏跳动前，脉搏信号衰减至最小值，脉搏信号达到波谷，该点也被定义为一个 脉搏波的起点。因此本课题是先寻找到两个 P 波的位置，然后求出两波峰的最小值点便是 波谷点。脉搏波分割流程如图 4.24 所示。 

首先将存储的脉搏数据读取出来，然后求取该数据的最大值和平均值，再求出最大值 与平均值和的 0.3 倍作为最终的阈值。然后将数据中大于阈值的点置 1，将小于阈值的点 置 0 得到一个新的数组 X，再用读取的原数据与 X 点乘就得到了大于阈值的曲线。对数组 X 进行差分，值为-1 的点便是大于阈值曲线的起点和终点，求出两点间的最大就是 P 波的 峰值点。 由于脉搏信号的幅值不稳定，这样找到的波峰点会有许多的误检测的，多数误检测的 波峰点为潮波的波峰点，因此还需清除误检测的波峰点。根据脉搏信号的性质发现，在同 一时间段每个人的脉搏宽度变化不大，且 P 波波峰点与潮波的波峰点二者的差值不会超过 一个脉搏波宽度的一半，我们便将两个波峰点间的差值作为筛选条件，筛选出差值大于脉 搏平均宽度 0.6 倍的两点，比较两点的幅值大小，幅值大的点便是 P 波的波峰点。 本部分程序的主要算法是在 Matlab 中仿真实现，在 LabVIEW 中通过调用该算法实现 了脉搏波的分割，脉搏波分割程序如图 4.25 所示。 

4.2.7 信号建模与特征提取程序设计

本部分程序是对脉搏波的建模并提取特征点，经过测试发现高斯函数是最能准确反映 心脏跳动规律的函数，所以本课题使用三高斯函数对脉搏波进行拟合，结果表明这种拟合 方式产生的误差最小，所体现的生理参数最准确，特征提取流程图如图 4.26 所示 

 

4.2.8 随机森林的构建与实现

本部分主要是讲述如何编写程序，实现随机森林算法。随机森林采用的是随机的方式 来创建的，其包含多个决策树的集成分类器。随机森林的核心思想可以看做是两个关键词， 一个是“随机”，一个是“森林”。 随机主要表现在两点：一是构建树时对训练数据点进行随机抽样，二是分割节点时考 虑的随机特征子集。 森林则顾名思义，是很多棵树在一起，算法决策结果也不由一棵树决定，而是“森林” 里的树一起“投票”决定的。 随机森林的实现有如下几个步骤： 第一步：采用有放回的抽样方式随机抽取等量的样本，从而达到每棵树的训练样本等 量，但是不重复的效果。 第二步：在训练某个决策树的时候，随机的从全部特征中抽取一部分特征，并采用某 种策略选出一个性能最后的特征，作为该节点的分裂属性。 第三步：重复的执行上面两个步骤，直到决策树的节点不能够再分裂为止，整个决策 树形成过程中不会对进行剪枝。 第四步：用每个决策树对输入的样本进行测试，每个子树都产生一个结果。 第五步：采用投票的方式，输出票数最多的类别作为该测试样本的所属类别。 本系统采用的是‘randomforest-matlab’工具箱自带的 MATLAB 函数构建和训练分类 器，其中用于构建随机森林分类的函数是： model_RF = classRF_train(P_train, T_train, ntree); 函数中参数 P_train 表示训练集的输入样本矩阵，T_train 表示为训练集的输出样本向 量，ntree 为随机森林决策树的个数，如图 4.28 为随机森林构建程序。 

 

用于对构建的随机森林分类器进行仿真预测的函数为： Results=classRF_predict(P_test, model_RF); 函数的参数中 P_test 表示待预测样本的输入矩阵， model_RF 为创建好的随机森林分 类器，其实现程序如图 4.29 所示。 

4.2.9 识别结果处理程序设计

本部分程序主要负责对识别结果做后续的处理，识别通过则显示出识别的身份信息及 识别率，识别失败则可以选择训练样本还是退出系统，每次测试，都会将采集的数据以 Tester 来命名，方便识别失败后重新调取该数据进行处理，不会破坏原本数据库中的数据， 本部分程序工作流程图如图 4.30 所示。 

5.1.3 上位机编程平台

LabVIEW 是一款图形化的编程语言，让人们对于编程有了不一样的体验。传统的文本 语音编程枯燥无味，且代码的易读性比较差，但是图形化的编程环境让人们不在觉得编程 很无趣，且代码的可读性极大的提高了，开发者根据图标就可以大概的猜出某个函数的实 现功能，而且该环境内置了许多常用的函数库，开发者只需调用系统库便可以快速的实现 功能，极大的缩短了开发周期。 一个 LabVIEW 程序主要由三部分组成：前面板、程序框图和图标连接器。 前面板也就是用户操作界面，LabVIEW 的一大优势就是，程序编好的同时，用户界面 也设计还了，无需单独设计。 程序框图也叫后面板，与前面板相对应，它是编写 LabVIEW 程序的地方，其系统函 数都设计成了图形样式，也可通过其他方式编写文本语言，二者结合使得其编程更加的方 便高效。 图标连接器的作用是编辑该程序的解释图标，这样在别人使用你编写的程序时，无需 打开函数，看图标即可了解该函数所实现的功能。如图 5.3 所示，为 LabVIEW 开发环境的 前面板和程序框图。 

 首先运行上位机程序，然后上位机上电，等待下位机连接服务器，连接成功后操作界 面会出现连接成功字样的提示框，点击开始采集按钮，观察上位机接收并解析的数据是否 是脉搏波形，并判断幅值是否在正常的范围内。如图 5.6 所示为手部平稳放置时候的波形， 图 5.7 手指抖动时采集到的波形。

5.2.8 身份识别调试

如图 5.13 为本系统的最终识别结果图，我们可以看到右上角的识别出来的标签，识别 者的信息以及识别率，如果识别率高于 70%，则表示识别成功，如果识别率低于 60%的情 况下，系统会自动默认识别失败，并弹出填写信息的对话框，让使用者填写相关信息，系 统会将使用者的信息进行分配标签，并将其脉搏数据加入数据库中进行训练，并给出识别 结果；如果出现误判的情况，识别率高于 70%，但是识别信息与使用者不吻合，使用者可 以手动点击识别纠正按钮，填写相关的信息来重新训练数据 。

需要上述上位机源码+下位机源码+原理图及PCB图，私信我。