一种基于非受控环境下多通道PPG信号的持续身份认证方法

本发明提出一种基于非受控环境下多通道PPG信号的持续身份认证方法。首先利用智能手表采集手腕部双通道绿光、红光、红外光PPG信号及运动传感器数据，获取原始信息。针对非受控环境信号易受干扰的问题，通过异常值处理、FIR高通、带通与多带通滤波，结合ICA独立成分分析，对信号进行降噪与优化，有效抑制运动伪影，提升信号质量。随后，基于脉搏波波谷定位分割信号，构建多通道标准化数据集。最后，借助融合多尺度特征提取与时序建模的Inception‑LSTM神经网络，端到端学习生物特征，实现动态环境下高精度身份认证决策。该方法在7种运动状态模拟场景中验证了鲁棒性，显著提升非受控环境下认证准确率与可靠性。