随着科技界发展的日新月异,人们对个人信息的安全性要求越来越高。与传统的指纹、人脸、DNA等生物特征相比,心电(Electrocardiogram,ECG)信号的产生机理复杂,难以被仿制,安全性高。在过去的研究中,人们进行ECG信号身份识别研究时通常采用的数据是几十人到上百人的心电信号,虽然取得了接近100%的正确识别率,但是还并不具有普遍性,如果将其结果应用到实际中还缺乏一定的说服力,传统的识别方法应用到大规模人群时尚不知道会发生什么样的问题。本文针对将心电身份识别应用到大规模人群中的效果和可行性,会出现的问题以及解决方法进行了探究。为了探究传统方法应用在大规模人群时会出现的问题,实验采用的数据集为来自PhysioNet 2017挑战赛的8528个个体的心电记录,首先采用基于波形的身份识别方法,利用四种传统相似性度量方法进行识别,数据量分别使用PhysioNet数据集中的50、100、150个个体的心电记录,实验的正确识别率最好为80%,37%,1.33%,可以发现随着数据量的上升,准确度出现了大幅度下降。针对传统身份识别方法在数据量增大时出现准确率下降的问题,本文提出了基于马太效应的心电信号叠加矩阵的特征提取方法,利用矩阵来统计心电信号在相同区域内出现的次数,有效的描绘出心电信号分布的稳定区域,以此提取心电信号的稳定特征。在实验中利用相关系数的方法对7836个个体进行识别实验,取得88.72%的正确识别率,单个个体的识别时间为190秒。在采用了基于马太效应的心电信号矩阵快速叠加的特征提取方法和相关系数识别方法的实验中,虽然取得了良好的识别率,但是单个个体的识别时间过长,针对识别效率的问题,本文引用了基于局部敏感哈希算法的识别方法,局部敏感哈希算法利用哈希碰撞的思想,将原始空间的数据映射到海明空间,并利用海明编码将所有个体的心电特征分到不同的哈希桶中。同时局部敏感哈希算法利用分治的策略,在进行识别实验时,待识别个体只需要和同一个哈希桶中的其他个体作匹配计算而不需要和所有个体作匹配计算,从而大大提高了识别效率,有效的将单个个体的识别时间降低至20.9秒,正确识别率为92.37%。