摘要：为提高心电图（ECG）生物识别对噪声和变化信号的敏感度,优化区分心跳特征,提出一种混合的ECG人体识别方法。联合心跳分析和外观属性,使用Fisher线性判别分析方法从这些属性中获取主要属性,在Fisher空间计算心跳特征,使用时域特征计算ECG特征。在一系列心跳推导时域特征后,通过标准化和缩放ECG信号获取形态学特征。采用最大化类间个体散列与类内个体散列的比率选择最具区分性的特征。实验结果表明,该方法在健康个体组成的大型数据库上的识别准确率为99.24%。当人体处于心率失调的情况下等错误率（EER）为0.76%,处于混合状态时EER为1.31%,验证了该方法具有较好的鲁棒性。