身份识别是安全领域非常重要的一个组成。ECG心电信号由于其普遍性、唯一性、稳定性和可测性,逐渐在身份识别领域得到了越来越广泛的应用。ECG身份识别的核心在于心电信号特征的提取、分类、识别。但是,心电信号本身十分微弱,又是通过体表的导联采集,常常混入各种噪声干扰。这些噪声干扰影响了波形的识读,给特征提取的准确性带来了挑战。因此,对心电信号进行预处理,滤波去除噪声是一个很重要的课题。同时,身份识别不同于疾病识别,对于特征的合理筛选也是非常关键的工作。通过分析一些已有的预处理方法,本文提出了三个方面来改进。第一,构造心电信号模型,添加噪声后滤波,通过滤波后的信噪比和相关系数,选择最适合的小波函数。第二,改进传统闽值滤噪法。第三,提取波形特征时,选取不受心率影响的特征,避免心率变化给身份识别带来的不利影响。最后,本文分别用RBF神经网络、支持向量机和朴素贝叶斯三种分类方法测试身份识别的效果,都取得了满意的识别率,用实验证明了该身份识别技术的可行性。