بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 930607792
نام و نام خانوادگي : ساناز مهدی پور
عنوان پایان نامه : تایید هویت افراد با کمک ویژگی های کپسترال استخراج شده از صدای قلب با طبقه بند ADABOOST
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسی پزشکی
رشته/گرایش تحصيلي : مهندسی پزشکی گرایش توانبخشی-کارشناسی ارشد
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (استاد مدعو) : ,
کیوان معقولی
استاد مشاور (عضو هیات علمی مرکز) : فرداد فرخی ,
چكيده : عصری که در آن به سر می بریم، عصر اطلاعات و ارتباطات است. با افزایش فزاینده اطلاعات و کاربران، موضوع حفظ امنیت اطلاعات مطرح می شود. از این رواست که، طی دهه های اخیر علم بیومتریک2 و تشخیص و تایید هویت رشد به سزایی داشته است. یکی از بیومتریک های معمول و شناخته شده، بیومتریک صوت است که جز بیومتریک های رفتاری است و طبعا کیفیت اندازه گیری آن با رفتار شخص و فاکتورهای بیرونی عوض می شود. از مزایای مهم بیومتریک صوت، غیر تهاجمی بودن آن است. ولی با توجه به ویژگی های ذاتی صدا، احتمال خطا زیاد است. صوت از بیومتریک های با تلورانس بالا محسوب می شود. داشتن پایگاه داده ی یکدست در پردازش بیومتریک صوت، اهمیت زیادی دارد.هدف کلی این تحقیق تایید هویت افراد با کمک ویژگی های کپسترال4 استخراج شده از صدای قلب1 می باشد. از دیتابیس صدای قلبی افراد سالم از چالش 2016 در فیزیونت استفاده گردید. این دیتابیس شامل 409 صدای قلبی سالم و ناسالم می باشد که در این پژوهش از 50 داده تصادفی آن که مربوط به افراد سالم است، استفاده گردید. فرکانس نمونه برداری 2000 می باشد. جهت بخش بندی داده در این پایگاه از روش رگرسیون منطقی مبتنی بر الگوریتم HSMM استفاده گردیده است. پس از انجام مرحله پیش پردازش، سیگنال صوت هر فرد به 26 واحد تقسیم بندی گردید و از آن ویژگی هایی مانند زمان S1 و S2 نسبت به هم، طول S1 و S2 برحسب ثانیه، میانگین و میانه S1 و S2، آنالیز آماری ضرایب کپسترال شامل میانگین و واریانس و انحراف معیار و گشتاور مرتبه 3 و 4 و ماکزیمم انرژی ویولت S1 و S2 و توان S1 و S2 و فرکانس غالب S1 و S2 کپسترال، ضرایب کپسترال از سیگنال صدای قلب و تعداد عبور از صفر استخراج گردید. پس از آن با استفاده از طبقه بندی adaboost 3و SVM طبقه بندی جهت تایید هویت انجام شد که برای طبقه بند adaboost نتایج صحت و حساسیت بالاتر (حدود 99%) از طبقه بند SVM می باشد. کلمات کلیدی: صدای قلب، بیومتریک، طبقه بند Adaboost، کپسترال
كلمات كليدي : صدای قلب، بیومتریک، طبقه بند Adaboost، کپسترال
تاريخ دفاع : 1397-04-17