随着人们对信息安全和可靠性要求的日益提高，身份识别成为信息安全领域中一个很重要的研究课题。然而，传统的证件、口令、密码等身份识别的技术存在易被复制、窃取、遗忘等缺陷已不能满足人们对安全的需求，随着人们认知水平的不断提升和科技的快速发展，基于人体生物特征的身份识别也就应运而生了。目前研究最多的生物特征是指纹、虹膜、人脸、声音等，但是基于这些特征的身份识别由于自身的缺陷都很容易被伪造，如人脸容易被照片“替代”、指痕容易被提取复制等，基于这些现实问题，一种新的生物识别技术-心电图（electrocardiogram，ECG）身份识别被提了出来，并引起研究人员的广泛兴趣，由于其本身的“活”性，克服了现有生物特征身份识别技术的缺陷，同时ECG身份识别对当前的生物特征识别体系是一个有效的补充，并且可以与已有的生物特征融合，进一步提高信息安全的级别。目前，研究ECG身份识别主要有两个方向：一个是基于ECG特征点提取的身份识别，另一个是基于ECG波形提取的身份识别。由于基于ECG特征点提取的身份识别方法的识别准确率受特征点提取准确性的很大影响，而至今，ECG特征点提取仍然是一个研究难点，因此，我们一开始的研究方向就侧重于基于ECG波形提取的身份识别。在基于ECG波形提取的身份识别中，通常的做法是：将单心动周期波形作为特征，采用相关系数、距离度量等方法对特征进行分类，实现身份识别。在进行分类识别时，无论是采用相关系数还是距离度量方法，最后都会用到阈值，即比较求解结果与阈值的大小关系来确定待识别对象的身份，但是，传统确定阈值的方法有个缺陷，那就是，阈值一旦确定，对所有的待识别对象都是一样的，是不会改变的，这样的阈值不能很好的适应不同的待识别对象。为了解决这个问题，本文提出了新的确定阈值策略，使得不同的待识别对象在分类识别时有不同的阈值。在实验过程中，我们发现单纯采用单心动周期波形作为特征，存在阈值难确定的问题，主要是因为单心动周期特征导致了不同人之间的相关系数很高，同时，单心动周期作为特征存在信息缺失的问题。为了克服心动周期波形作为特征的缺陷，本文提出了基于ECG连续心动周期进行身份识别的思想，首先采用自相关(autocorrelation，AC)算法对一段连续的ECG信号进行处理，接着采用离散余弦变换(discrete cosine transform，DCT)算法进行降维，进而获得AC/DCT特征，仍采用相关性分析法进行识别判定。实验结果表明，AC/DCT算法有效地解决了不同人相关度很高阈值难确定的问题，且所提出的身份识别方法结合了相关性分析的快速性和AC/DCT算法准确率高的优点，实现了快速、准确的身份识别。