摘 要
本文是以TM320VC5402 DSP 为核心的虹膜识别系统的硬件设计 ,提出了一种由FPGA 、 OV5017 与 TMS320VC5402 组成的DSP 应用硬件平台 ,并详细介绍了系统的设计方案和关键硬件的结构设计以及软件设计方法。
关键词: DSP 虹膜识别 TM320VC5402
1 概述
在高度信息化的现代社会, 信息安全问题日益受到人们的关注。近年来兴起的生物特征识别技术具有很好的可靠性，虹膜识别技术是一种最新的生物识别技术 ,它以虹膜识别算法为基础 ,可达到优异的识别准确度 ,即使全人类的虹膜信息都录入到一个数据库中 ,出现认假和拒假的可能性也很小。由于虹膜识别技术所具有的高精度使它被广泛应用于各识别领域。本系统使用的核心处理器是德州仪器公司 ( TI) 的TMS320VC5402(以下简称 C5402) ,该芯片为一款性价比较高的定点数字信号处理器(DSP) 。它采用先进的修正哈佛(Harvard)结构体系 ,片内共有 8条总线、 CPU 、 片内存储器和外围电路等硬件 ,加上高度专业化的指令系统 ,使其具有功耗小、 高度并行等特点。下面着重讨论基于该芯片的系统设计。 2 硬件设计
2.1 系统硬件结构
本 系 统 由 C5402、CCD 、 Flash 存储器、 SRAM 等芯片组成 ,如图 1 所示。
图1 系统硬件框图
FLASH 存储器AT29LV020
SDRAM 存储器 K4556132E CF 卡 EMIF
TMS320VC5402 VP2 VP0 VDD
CCD A/D 转换器TVP5145 CPLD MAX3000 LCD 显示器 电源 TPS3307
CCD 机负责虹膜图像的采集 ,SDRAM 用于程序执行和虹膜数据暂存。FLASH 实现 OV5017 配置、 虹膜图像存储空间的地址生成、C5402 寻址片外存储器的页地址管理和 C5402 与外围器件之间通信的仲裁等功能。RS2232 用于数据传输 ,PC 可以通过该接口得到虹膜特征数据 , Flash 存储器用于存储程序、 初始化数据和虹膜特征数据库。键盘用于用户输入 ID 号 ,系统依据用户 ID 号从虹膜特征库中读样本图像编码数据。
2.2 虹膜图像采集硬件设计
本文选用 Omni Vision 公司的 OV5017 作为图像采集芯片。OV5017 是一种高度集成的黑白数字摄像芯片 ,集成了 CMOS 传感技术。带有一个1/ 4英寸镜头 ,并支持多种格式。像素数最大可达384 ×288。支持外部水平、 垂直同步输入格式 ,包括8bit 的A/ D 转换器 ,支持模拟视频、 数字视频输出。该芯片数字视频输出为不间断比特流 ,片内可实现包括帧速率、 曝光设定以及图像大小编程等功能。OV5017 与 FPGA 的接口如图 2 所示。
图2 OV5017 与 FPGA 的接口
图中 FPGA 为一片 Altera 公司的 EPM9320215 ,用于初始化 OV5017 的控制寄存器 ,图像数据地址生成以及把采集来的虹膜图像存入 SRAM 存储器中。FPGA 具体功能如下:
配置 OV5017 的控制寄存器 ,A[ 0. . 3 ]为内部寄存器地址 ,D[ 0. . 7 ]复用。设置 CSB = 0、 OEB =1、 WEB = 0 ,OV5017 进入写使能状态。写 0xC4 到寄存器 FCTL ,设置 OV5017 为单帧输出模式;写0x01 到寄存器 FDIV ,设置帧速率 FR(f rame rate)为25f/ s ,像素时钟 PR(pixel rate)为3. 579 5MHz ;其他寄存器为系统默认值。虹膜图像取系统默认值 384×288。
(2) 图像数据地址生成并存储图像。图像数据地址由 FPGA 利用 OV5017 输出的行同步信号(HREF) 、 场同步信号 (VSYNC) 和图像像素时钟(PCL K)生成 ,并把采集来的一帧图像存入图像存储器中。
2.3 接口硬件设计
PCLK OEB WEB CSB HREF A[0..3] VXYNC D[0..7] I/O I/O A[0..17] I/O I/O DO[0..17] I/O AR[0..3] I/O I/O I/O DI[0..7] A[0..17] D[0..7] WE CS OE
C5402 有两个多通道缓存同步串口(McBSP) ,若要与计算机通信须把同步通信转换成异步通信。本模块中采用 Maxim 公司 MAX3111E 接口芯片 ,同一个 McBSP 实现 DSP 与PC 的通信。MAX3111E芯片中集成了 UART、 RS2232 和可编程的波特率发生器 (可用于300baud～230kbaud) 。UART具有 8 个字的接收存储 FIFO ,使处理器的开销最小 ,并且可以提供 4 个可屏蔽的中断。在保证UART和 RS2232 共同接地和供电的情况下 ,它们可以配套使用 ,也可以单独实现其功能。最大波特率为230bit / s。另外 ,本系统中还预留了一个McBSP和C5402 的 HPI接口 ,以备扩展使用。
3 系统软件设计
3.1 系统流程
系统流程图如图 3 所示。
( 1 ) 系统上电之后首先对 OV5017 和MAX3111E进行配置 ,其次经并行 16 位数据线将程序从 Flash 存储器写入 C5402 的程序存储区 ,系统进入等待状态;
(2) 用户从键盘输入个人 ID ,C5402 读取样本图像编码数据到数据缓存 ,当 CMOS数字摄像机采集触发信号传至 FPGA 时 , FPGA 利用 OV5017 提供的行场同步信号产生存储空间地址 ,将采集所得的数据存入图像存储器( SRAM) ,一帧图像存储结束之后 ,FPGA 通知C5402 ( INT0) ;
( 3) C5402利用DMA方式从图像存储器读取图像数据 ,并进行虹膜识别核心算法处理[3 ] [4 ]。本系统中虹膜图像为110 ×8kbit ,在算法编号中是以32 ×8kbit的数据为一个单
元进行处理 ,中间结果存入数据存储器中 ,这样可以提高运算速度 ,简化了FPGA中页地址管理寄存器的软件编写;(4) C5402 处理结束后 ,计算结果经 RS2232 接口传回计算机。
3.2 Bootloader程序设计
C5402片内设置有Boot 程序 ,Boot 程序的主要作用是在开机时将用户程序从外部装入到程序存储器。当用户程序很大超过了 32K,必须采用以下特殊的Boot 方法。(1) 在 Reset 后 ,将 Flash 存储器译码在数据区 ,RAM译码在程序区 ,利用片内 Boot 程序将自己编写的初始化程序从外部数据区搬移至内部 RAM中;(2) 用户初始化程序发出一个 I/ O 命令(如XF) ,将 Flash 存储器译码到程序区的高地址 ,开放数据用于其他的 RAM。(3) 用户初始化程序中包括第二次 Boot 程序(此程序必须用户自己编写) ,将 Flash 存储器中没有Boot 的其他代码搬移到 RAM 中。(4) 开始运行用户处理程序。自己编写的第二次Boot 程序如下:
. def load start
. sect″ load prg″
load start :
ssbx intm
ld # 0 , dp
nop
ld # address1 , a
stm # address2 ,ar1
rpt # length
reada
3
ar1 +
endboot :
orm # 020h , @1dh
ld # address3 , a
bacc a
. End
其中address1 为 Flash 存储器中没有Boot 的代码源地址 ,address2 为没有Boot 的代码目标地址 ,length为代码长度 ,address3 为主程序代码开始执行地址。
3. 3 虹膜识别核心算法程序的设计
虹膜识别核心算法程序的设计本系统虹膜核心算法包括三部分:图像预处理、虹膜纹理特征提取与编码和模式匹配。具体算法如下:
(1)图像预处理:获得眼睛图像后的下一个任务就把虹膜部分从图像中分离出来 ,即虹膜定位 ,这是虹膜识别系统中重要的一部分。虹膜是瞳孔和巩膜间的环形可视部分 ,对虹膜的定位就是要找到虹膜内外边缘。为更好的说明定位过程 ,用 I ( x , y)表示所获得的眼睛图像的灰度函数 ,虹膜内外边缘的圆形轮廓用中心点为( x0 , y0) ,半径为 r 的参数模型表示。虹膜定位算法如下:
其中：
G σ是均值为 r0 ,方差为σ的高斯函数 ,用来平滑滤波、消除噪声 ,以利于检测边界处的梯度变化; 3 表示卷积;a/a r为微积分算子表示求方向梯度。微积分算子作用于图像 ,通过不断增大半径 r ,沿以半径为r和中心坐标为( x0 , y0)的弧 ds 进行线积分。用式(1)算法定位虹膜内外边缘的过程就是在参数空间( r , x0 , y0)搜索灰度变化的最大绝对值的过程。
(2) 特征提取与编码:2D2Gabor 滤波器具有方向选择性。利用这个特点对虹膜图像提取局部相位信息 ,其实现公式如下：
其中 G( x , y , f ,φ)为二维 Gabor 函数 ,φ表示滤波方向 , f 表示正弦曲面的频率 , Gabor 函数具有方向选择性和频率选择性(二维 Gabor 函数的具体特性参见文献 5) 。Gabor 滤波器的尺寸为 M ×N , ( i ,j)为每块图像的中心位置。式(2)得到的局部相位信息的值为复数 ,虹膜识别系统中选定一个阈值来量化信息的实部和虚部 ,即如果大于阈值时值为 0 ,小于阈值时值为 1。由于选取了四个方向的 Gabor基函数进行滤波 ,则每个方向可用 2bit 表示 ,并且每个图像块的编码为实部加虚部 ,所以每块用 4bit 表示。虹膜图像分块的数目不同 ,特征编码的长度就不同。(3) 模式区配:编码后的模式匹配基于汉明距离：
其中?表示异或运算 , L 为码长 , x i 和 t i 为待识别图像编码和样板图像编码的第 i 个码字。如果两个编码相同 ,则 HD 为0 ;如果两编码各位相反 ,则 HD为 1。由于一幅虹膜图像的相位编码的码字为 C和为1 的概率等同 ,且不同虹膜之间不相关 ,因此 E( HD)为0. 5。根据以上的算法 ,DSP 的编程实现被分解成三大任务模块:即图像预处理、特征提取与编码以及模式匹配。需要注意的是每一个模块都必须注意页面管理寄存器的值 ,因为如果程序仅在 SRAM 中运行会浪费大量的时间 ,所以可以把部分程序和数据放入DSP的内部运行。在 C和汇编混合编程的时候 ,存在 C语言和汇编语言的变量以及函数的接口问题。在进行 C 语言移植时也涉及到两个问题:一是库函数的使用 ,二是字长问题。TI的 TMS320C54x
C编译器提供符合ANSI C的函数库。至于字长 ,要注意int 型在不同的系统中的区别 ,如在VC 环境中 ,int 型为 32 位 ,而对于 TMS320C54x C编译器来说 ,int 型则为 16 位。因此 ,在将 C源程序由仿真环境向 TMS320C54x平台移植时 ,应根据各变量的取值范围 ,尽可能地将 int 型归类为 short 型或 long型[6 ]。此外 ,虹膜算法的常用算子 ,如卷积、sobel 算子和积微分算子等 ,都必须用汇编来实现 ,这样才能提高效率。最后 ,因为 C5402
是定点型DSP ,所以还要对整个系统进行定标处理。
4 总结
本文详细介绍了基于 DSP 芯片的虹膜识别系统。从实际的测试结果来看 ,该虹膜采集识别通用平台峰值处理能力可达60MIPS ,能够快速、有效、稳定地工作。另外虹膜识别系统处理核心部分是由DSP完成 ,这可以增强系统的保密性 ,防止非法拷贝。
参考文献
[1]沈庭之,方子文。数字图象处理及模式识别.北京：北京理工大学出版社1998
[2]李方慧,王飞,何佩琨。TM320C6000系列DSP原理与应用（第二版）.北京：电子工业出版社,2003
[3] 戴明帧，周建江，TMS320C54X DSP结构、原理及应用.北京航空航天大学出版社，2001
[4] 彭启琮，李玉柏，管庆.DSP技术的发展与应用.北京高等教育出版社，2002
[5]乔瑞萍，崔涛，张方娟。TMS320C54X DSP原理及应用.西安电子科技大学出版社，2004
基于TMS320VC5402的虹膜识别系统（部分硬件设计） 摘要 本文是以TM320VC5402 DSP 为核心的虹膜识别系统的硬件设计 ,提出了一种由FPGA、 OV5017 与 TMS320VC5402 组成的DSP应用硬件平台 ,并详细介绍了系统的设计方案和关键硬件的结构设计以及软件设计方法。 关键词: DSP 虹膜识别 TM320VC5402 一概述 在高度信息化的现代社会, 信息安全问题日益受到人们的关注。近年来兴起的生物特征识别技术具有很好的可靠性，虹膜识别技术是一种最新的生物识别技术 ,它以虹膜识别算法为基础 ,可达到优异的识别准确度 ,即使全人类的虹膜信息都录入到一个数据库中 ,出现认假和拒假的可能性也很小。由于虹膜识别技术所具有的高精度使它被广泛应用于各识别领域。本系统使用的核心处理器是德州仪器公司 ( TI) 的TMS320VC5402(以下简称 C5402) ,该芯片为一款性价比较高的定点数字信号处理器(DSP) 。它采用先进的修正哈佛(Harvard)结构体系 ,片内共有 8条总线、 CPU、片内存储器和外围电路等硬件 ,加上高度专业化的指令系统 ,使其具有功耗小、高度并行等特点。下面着重讨论基于该芯片的系统设计。 二虹膜识别核心算法程序的系统设计 虹膜识别核心算法程序的设计本系统虹膜核心算法包括三部分:图像预处理、虹膜纹理特征提取与编码和模式匹配。具体算法如下: (1) 图像预处理:获得眼睛图像后的下一个任务就把虹膜部分从图像中分离出来 ,即虹膜定位 ,这是虹膜识别系统中重要的一部分。虹膜是瞳孔和巩膜间的环形可视部分 ,对虹膜的定位就是要找到虹膜内外边缘。为更好的说明定位过程 ,用 I ( x , y)表示所获得的眼睛图像的灰度函数 ,虹膜内外边缘的圆形轮廓用中心点为( x0 , y0) ,半径为 r 的参数模型表示。虹膜定位算法如下: 其中： G σ是均值为 r0 ,方差为σ的高斯函数 ,用来平滑滤波、消除噪声 ,以利于检测边界处的梯度变化; 3 表示卷积;a/ar为微积分算子表示求方向梯度。微积分算子作用于图像 ,通过不断增大半径 r ,沿以半径为r和中心坐标为( x0 , y0)的弧 ds 进行线积分。用式
前言随着社会的发展，身份识别的重要性正日益显现，而传统的身份识别方式由于其固有的局限性已远远不能满足要求，钥匙、卡片和身份证等容易丢失和仿造，密码则容易遗忘，更为严重的是这些传统识别方式无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识物，就可以拥有相同的权力。在需求的驱动下，基于人脸、指纹、虹膜、手形、笔迹等生物特征的识别技术应运而生。 虹膜识别技术是近几年兴起的生物认证技术。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理特性、颜色和总的外观，是最可靠的人体生物终身身份标识。虹膜识别就是通过这种人体生物特征来识别人的身份。在包括指纹在内的所有生物特征识别技术中，虹膜识别是当前应用最为精确的一种。虹膜识别技术以其高精确度、非接触式采集、易于使用等优点得到了迅速发展，被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势，现在已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。 1.什么是虹膜 人眼的外观由巩膜、虹膜、瞳孔三部分构成，巩膜即眼球外围的白色部分，眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。 虹膜作为身份标识具有许多先天优势： 1) 唯一性，由于虹膜图像存在着许多随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。 2) 稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。 3) 非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。 4) 便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。 5) 防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2. 虹膜识别过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。 虹膜识别技术的过程一般来说分为：虹膜图像获取、图像预处理、特征提取和特征匹配四个步骤。
1-1画出下列序列的示意图 (1) (2) (3) (1) (2)
(3) 1-2已知序列x(n)的图形如图1.41，试画出下列序列的示意图。 图1.41信号x(n)的波形 (1)(2)
(3) (4) (5)(6) (修正：n=4处的值为0，不是3）（修正：应该再向右移4个采样点）1-3判断下列序列是否满足周期性，若满足求其基本周期 (1) 解：非周期序列; (2) 解：为周期序列，基本周期N=5; (3)
解：，，取 为周期序列，基本周期。 (4) 解： 其中，为常数 ，取，，取 则为周期序列，基本周期N=40。 1-4判断下列系统是否为线性的？是否为移不变的？ (1)非线性移不变系统 (2) 非线性移变系统（修正：线性移变系统） (3) 非线性移不变系统 (4) 线性移不变系统 (5) 线性移不变系统（修正：线性移变系统）1-5判断下列系统是否为因果的？是否为稳定的？ (1) ，其中因果非稳定系统 (2) 非因果稳定系统 (3) 非因果稳定系统 (4) 非因果非稳定系统
(5) 因果稳定系统 1-6已知线性移不变系统的输入为x(n)，系统的单位脉冲响应为h(n)，试求系统的输出y(n)及其示意图 (1) (2) (3) 解：（1） （2） （3）
1-7若采样信号m(t)的采样频率fs=1500Hz，下列信号经m(t)采样后哪些信号不失真？ (1) (2) (3) 解： (1)采样不失真 (2)采样不失真 (3) ，采样失真 1-8已知,采样信号的采样周期为。 (1) 的截止模拟角频率是多少？ (2)将进行A/D采样后，的数字角频率与的模拟角频率的关系如何？ (3)若，求的数字截止角频率。 解： (1) (2) (3)
第一章数字信号处理概述 简答题： 1．在A/D变换之前和D/A变换之后都要让信号通过一个低通滤波器，它们分别起什么作用？ 答：在A/D变化之前为了限制信号的最高频率，使其满足当采样频率一定时，采样频率应大于等于信号最高频率2倍的条件。此滤波器亦称为“抗混叠”滤波器。 在D/A变换之后为了滤除高频延拓谱，以便把抽样保持的阶梯形输出波平滑化，故又称之为“平滑”滤波器。 判断说明题： 2．模拟信号也可以与数字信号一样在计算机上进行数字信号处理，自己要增加一道采样的工序就可以了。 （） 答：错。需要增加采样和量化两道工序。 3．一个模拟信号处理系统总可以转换成功能相同的数字系统，然后基于数字信号处理理论，对信号进行等效的数字处理。（） 答：受采样频率、有限字长效应的约束，与模拟信号处理系统完全等效的数字系统未必一定能找到。因此数字信号处理系统的分析方法是先对抽样信号及系统进行分析，再考虑幅度量化及实现过程中有限字长所造成的影响。故离散时间信号和系统理论是数字信号处
理的理论基础。 第二章 离散时间信号与系统分析基础 一、连续时间信号取样与取样定理 计算题： 1．过滤限带的模拟数据时，常采用数字滤波器，如图所示，图中T 表示采样周期（假设T 足够小，足以防止混叠效应），把从)()(t y t x 到的整个系统等效为一个模拟滤波器。 （a ） 如果kHz T rad n h 101,8)(=π截止于，求整个系统的截止频 率。 （b ） 对于kHz T 201=，重复（a ）的计算。 采样（T） () n h () n x () t x () n y D/A 理想低通T c πω=() t y 解 （a ）因为当0)(8=≥ω πωj e H rad 时，在数 — 模变换中 )(1)(1)(T j X T j X T e Y a a j ωω=Ω= 所以)(n h 得截止频率8πω=c 对应于模拟信号的角频率c Ω为 8 π = ΩT c 因此 Hz T f c c 625161 2==Ω= π
数字信号处理习题解答 第二章 数据采集技术基础 2.1 有一个理想采样系统，其采样角频率Ωs =6π，采样后经理想低通滤波器H a (j Ω)还原，其中 ?? ???≥Ω<Ω=Ωππ 3032 1 )(，，j H a 现有两个输入，x 1(t )=cos2πt ，x 2(t )=cos5πt 。试问输出信号y 1(t )， y 2(t )有无失真？为什么？ 分析：要想时域采样后能不失真地还原出原信号，则采样角频率Ωs 必须大于等于信号谱最高角频率Ωh 的2倍，即满足Ωs ≥2Ωh 。 解：已知采样角频率Ωs =6π，则由香农采样定理，可得 因为x 1(t )=cos2πt ，而频谱中最高角频率ππ π32 621 =< =Ωh ， 所以y 1(t )无失真； 因为x 2(t )=cos5πt ，而频谱中最高角频率ππ π32 652 => =Ωh ， 所以y 2(t )失真。 2.2 设模拟信号x (t )=3cos2000πt +5sin6000πt +10cos12000πt ，求： （1） 该信号的最小采样频率； （2） 若采样频率f s =5000Hz ，其采样后的输出信号； 分析：利用信号的采样定理及采样公式来求解。 ○ 1采样定理 采样后信号不失真的条件为：信号的采样频率f s 不小于其最高频
率f m 的两倍，即 f s ≥2f m ○ 2采样公式 )()()(s nT t nT x t x n x s === 解：（1）在模拟信号中含有的频率成分是 f 1=1000Hz ，f 2=3000Hz ，f 3=6000Hz ∴信号的最高频率f m =6000Hz 由采样定理f s ≥2f m ，得信号的最小采样频率f s =2f m =12kHz （2）由于采样频率f s =5kHz ，则采样后的输出信号 ? ?? ? ????? ??-???? ????? ??=? ??? ????? ??+???? ????? ??-???? ????? ??=? ??? ????? ??++???? ????? ??-+???? ????? ??=? ??? ????? ??+???? ????? ??+???? ????? ??=? ?? ? ??====n n n n n n n n n n n f n x nT x t x n x s s nT t s 522sin 5512cos 13512cos 10522sin 5512cos 35112cos 105212sin 5512cos 3562cos 10532sin 5512cos 3)()()(πππππππππππ 说明：由上式可见，采样后的信号中只出现1kHz 和2kHz 的频率成分， 即 kHz f f f kHz f f f s s 25000200052150001000512211 ======，， 若由理想内插函数将此采样信号恢复成模拟信号，则恢复后的模拟信号
一. 填空题 1、一线性时不变系统，输入为x（n）时，输出为y（n）；则输入为2x（n）时，输出为2y(n) ；输入为x（n-3）时，输出为y(n-3) 。 2、从奈奎斯特采样定理得出，要使实信号采样后能够不失真还原，采样频率fs与信号最高频率f max关系为：fs>=2f max。 3、已知一个长度为N的序列x(n)，它的离散时间傅立叶变换为X（e jw），它的N点离散傅立叶变换X（K）是关于X（e jw）的N 点等间隔采样。 4、有限长序列x(n)的8点DFT为X（K），则X（K）= 。 5、用脉冲响应不变法进行IIR数字滤波器的设计，它的主要缺点是频谱的交叠所产生的现象。 6．若数字滤波器的单位脉冲响应h（n）是奇对称的，长度为N，则它的对称中心是(N-1)/2 。 7、用窗函数法设计FIR数字滤波器时，加矩形窗比加三角窗时，所设计出的滤波器的过渡带比较窄，阻带衰减比较小。 8、无限长单位冲激响应（IIR）滤波器的结构上有反馈环路，因此是递归型结构。 9、若正弦序列x(n)=sin(30nπ/120)是周期的,则周期是N= 8 。 10、用窗函数法设计FIR数字滤波器时，过渡带的宽度不但与窗的类型有关，还与窗的采样点数有关 11．DFT与DFS有密切关系，因为有限长序列可以看成周期序列的主值区间截断，而周期序列可以看成有限长序列的周期延拓。 12．对长度为N的序列x(n)圆周移位m位得到的序列用x m (n)表示，其数学表达式为 x m (n)= x((n-m)) N R N (n)。 13．对按时间抽取的基2-FFT流图进行转置，并将输入变输出，输出变输入即可得到按频率抽取的基2-FFT流图。 14.线性移不变系统的性质有交换率、结合率和分配律。 15.用DFT近似分析模拟信号的频谱时，可能出现的问题有混叠失真、泄漏、栅栏效应和频率分辨率。
Chapter 2 Solutions 2.1 最小采样频率为两倍的信号最大频率，即44.1kHz 。 2.2 (a)、由ω = 2πf = 20 rad/sec ，信号的频率为f = 3.18 Hz 。信号的奈奎斯特采样频率为6.37 Hz 。 (b)、3 5000π=ω，所以f = 833.3 Hz ，奈奎斯特采样频率为1666.7 Hz 。 (c)、7 3000π=ω，所以f = 214.3 Hz ，奈奎斯特采样频率为428.6 Hz 。 2.3 (a) 1258000 1f 1T S S ===μs (b)、最大还原频率为采样频率的一半，即4000kHz 。 2.4 ω = 4000 rad/sec ，所以f = 4000/(2π) = 2000/π Hz ，周期T = π/2000 sec 。因此，5个周期为5π/2000 = π/400 sec 。对于这个信号，奈奎斯特采样频率为2(2000/π) = 4000/π Hz 。所以采样频率为f S = 4(4000/π) = 16000/π Hz 。因此5个周期收集的采样点为(16000/π samples/sec )(π/400 sec) = 40。 2.5 ω = 2500π rad/sec ，所以f = 2500π/(2π) = 1250 Hz ，T = 1/1250 sec 。因此，5个周期为5/1250 sec 。对于这个信号，奈奎斯特采样频率为2(1250) = 2500 Hz ，所以采样频率为f S = 7/8(2500) = 2187.5 Hz 。采样点数为(2187.5 点/sec)(5/1250 sec) = 8.75。这意味着在模拟信号的五个周期内只有8个点被采样。事实上，对于这个信号来说，在整数的模拟周期中，是不可能采到整数个点的。 2.6 2.7 信号搬移发生在kf S ± f 处，换句话说，频谱搬移发生在每个采样频率的整数倍 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 频率/kHz
煤矿虹膜智能考勤系统解决方案 一、概述 煤矿井下考勤是煤矿安全生产管理的重要组成部分，它可以使企业管理者及时了解井下生产状况和人员组成，有效改进安全生产管理和劳动组织方式，提高安全生产效率的重要手段，同时，保证井下一旦发生灾害的时候，提供有效的救灾预案，使矿工在最短的时间内得到救护。煤矿井下考勤系统的智能化是实现对矿工下井信息采集、数据统计和信息查询过程的自动化，是实现矿山企业安全管理现代化的重要内容。 虹膜考勤系统是基于生物特征识别技术，是通过计算机利用人体所固有的特来进行个人识别身份。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。生理和行为特征统称为生物特征。常用的生物特征包括脸像、虹膜、指纹、掌纹、声音和笔迹等。与传统的身份识别手段相比，基于生物特征识别的身份识别技术具有以下优点：一是不易遗忘或丢失；二是防伪性能好，不易伪造或被盗；三是“随身携带”，随时随地可以使用。 在生物特征识别的众多技术中，虹膜识别技术具有一定的代表性。虹膜是盘状的薄膜，位于眼球的前方。虹膜的模式极为复杂，且每一个人各不相同，一个人的左眼和右眼或双胞胎的虹膜也不一样。人在两岁后虹膜模式终生保持不变。虹膜识别具有以下优点：一是识别精确度高，错误率小于百万分之一；二是稳定性好，两岁后虹膜终生不变，
受损害的可能性很小；三是采集方便，通过非接触采集，没有侵犯性。 二、技术特点 1虹膜识别原理 虹膜识别包括三个过程:图像采集，用于获取虹膜图像；特征提取，通过对虹膜图像的处理分析得到虹膜代码；比对，将所提取的虹膜代码与虹膜数据库的虹膜代码进行比对得出结果。上图是虹膜识别的原理图： 2技术特点 2.1先进性：当今科技发展非常迅速，如果安装的考勤（门禁）系统几年之内就被淘汰，甚至采用的技术在短期内就将被取代，这不仅是一种极大的浪费，而且也严重影响了使用方、设计方和实施方的声誉和形象。同时，届时再实施改造或升级也是管理和设计上的一个重大的失误。所以，本设计方案根据煤矿自身的特点，采用了目前世界上最先进的虹膜识别技术和射频技术应用于煤矿井下考勤系统中，不仅做到了技术上与世界同步，井下考勤更具科学性。 2.2科学性：目前，我国煤矿井下考勤系统有各种各样，应用了多种识别技术，它们有指纹系统、刷卡系统、射频卡系统、虹膜系统、面部图形识别系统等等。这些系统各自有各自的特点，射频技术识别速度快、可同时识别多人，系统造价低，但不能有效解决代替考勤的情况；
虹膜识别技术综述 ——生物认证技术 姓名： 班级： 专业： 教师：
【引言】 生物认证技术又称为生物识别技术，是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。这是我们已经熟知的概念，然而，生物认证技术是一个很广泛的学术研究范围，我们需要深入了解的则是其下的各个研究分支，而其中的虹膜识别技术则是非常重要的一个分支，同时这种技术也是应用非常广泛的生物认证与识别技术之一 【知识简介】 首先，我们来了解一下虹膜—— 人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。另一方面，要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。 在包括指纹在内的所有生物识别技术中，虹膜识别技术可以说是当前应用最为方便和精确的一种技术。它被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。
【个人理解】 虹膜其实和我们人体的指纹一样，具有高度的“特异性”，这是作为“认”的根本与基础，同时它也同样具有良好的“稳定性”，这就意味着它具有防伪性，它奠定了“证”的可靠性! 许多资料包括刚才的简介中都提到这样类似的话“要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险”。在我看来，其实这就是一种高度可信的“防伪性能”，因为特别是在一般商业用途中，伪造（或者称之为“修改”）虹膜的代价可能远远高于骗取识别系统的信任所带来的利益，换句话说这就是“得不偿失”！ 虽然我们可能对指纹识别更为熟悉一些，但是实质上虹膜识别的精确性丝毫不逊于指纹识别！——根据各种资料的介绍，我得到了这样一种认知：“虹膜结构是非常复杂而精细的”，对于在鲜活人体上的虹膜与虹膜之间而言，它们的区别可以说是非常大的（超过了指纹间特征点的区别程度），就像一个完全独立于其他任何事物的精细工艺品，要“确认”它非常容易，同时要发现“雷同”的却基本是不可能的！在我看来，这就是虹膜可以作为真正识别身份的生物特征并且这种识别技术应用越来越广泛，实用性与适用性越来越强的原因！
虹膜识别DAUGMAN核心算法介绍 眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code(虹膜代码)，这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。 一、采集： 从直径11mm的虹膜上，Dr.Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，Dr.Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。在生物识别技术中，这个特征点的数量是相当大的。 二、算法： 第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。 单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。）在虹膜的上方，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要理解二维gabor子波的原理需要懂得很深的数学知识。 三、精确度： 由于虹膜代码(Iris Code)是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：·两个不同的虹膜信息有75%匹配信息的可能性是1:106 ·等错率：1:1200000 ·两个不同的虹膜产生相同Iris Code（虹膜代码）的可能性是1:1052 四、录入和识别： 整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码(Iris Code)的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Code（虹膜代码）也有25%
数字信号处理基础书后题答案中文版
Chapter 2 Solutions 2.1 最小采样频率为两倍的信号最大频率，即44.1kHz 。 2.2 (a)、由ω = 2πf = 20 rad/sec ，信号的频率为f = 3.18 Hz 。信号的奈奎斯特采样频率为6.37 Hz 。 (b)、35000π =ω，所以f = 833.3 Hz ，奈奎斯特采样频率为1666.7 Hz 。 (c)、7 3000π =ω，所以f = 214.3 Hz ，奈奎斯特采样频率为428.6 Hz 。 2.3 (a) 1258000 1f 1T S S === μs (b)、最大还原频率为采样频率的一半，即4000kHz 。 2.4 ω = 4000 rad/sec ，所以f = 4000/(2π) = 2000/π Hz ，周期T = π/2000 sec 。因此，5个周期为5π/2000 = π/400 sec 。对于这个信号，奈奎斯特采样频率为2(2000/π) = 4000/π Hz 。所以采样频率为f S = 4(4000/π) = 16000/π Hz 。因此5个周期收集的采样点为(16000/π samples/sec )(π/400 sec) = 40。 2.5 ω = 2500π rad/sec ，所以f = 2500π/(2π) = 1250 Hz ，T = 1/1250 sec 。因此，5个周期为5/1250 sec 。对于这个信号，奈奎斯特采样频率为2(1250) = 2500 Hz ，所以采样频率为f S = 7/8(2500) = 2187.5 Hz 。采样点数为(2187.5 点/sec)(5/1250 sec) = 8.75。这意味着在模拟信号的五个周期内只有8个点被采样。事实上，对于这个信号来说，在整数的模拟周期中，是不可能采到整数个点的。 2.7 信号搬移发生在kf S ± f 处，换句话说，频谱搬移发生在每个采样频率的整数 倍 -200 200 400 600 800 1000 1200 0.10.20.30.40.50.60.70.80.91 幅度 频
摘 要 本文是以TM320VC5402 DSP 为核心的虹膜识别系统的硬件设计 ,提出了一种由FPGA 、 OV5017 与 TMS320VC5402 组成的DSP 应用硬件平台 ,并详细介绍了系统的设计方案和关键硬件的结构设计以及软件设计方法。 关键词: DSP 虹膜识别 TM320VC5402 1 概述 在高度信息化的现代社会, 信息安全问题日益受到人们的关注。近年来兴起的生物特征识别技术具有很好的可靠性，虹膜识别技术是一种最新的生物识别技术 ,它以虹膜识别算法为基础 ,可达到优异的识别准确度 ,即使全人类的虹膜信息都录入到一个数据库中 ,出现认假和拒假的可能性也很小。由于虹膜识别技术所具有的高精度使它被广泛应用于各识别领域。本系统使用的核心处理器是德州仪器公司 ( TI) 的TMS320VC5402(以下简称 C5402) ,该芯片为一款性价比较高的定点数字信号处理器(DSP) 。它采用先进的修正哈佛(Harvard)结构体系 ,片内共有 8条总线、 CPU 、 片内存储器和外围电路等硬件 ,加上高度专业化的指令系统 ,使其具有功耗小、 高度并行等特点。下面着重讨论基于该芯片的系统设计。 2 硬件设计 2.1 系统硬件结构 本 系 统 由 C5402、CCD 、 Flash 存储器、 SRAM 等芯片组成 ,如图 1 所示。 图1 系统硬件框图 FLASH 存储器AT29LV020 SDRAM 存储器 K4556132E CF 卡 EMIF TMS320VC5402 VP2 VP0 VDD CCD A/D 转换器TVP5145 CPLD MAX3000 LCD 显示器 电源 TPS3307
用户较少配合情况下的虹膜识别方法研究 用户较少配合情况下的虹膜识别技术具有易于市场推广、方便快捷等优点，已成为虹膜识别技术的发展趋势。由于眼睑遮挡、运动模糊、高亮点等多种干扰和噪声影响，非理想条件下采集的虹膜图像中虹膜通常不是完整的，模糊或发生形变。这种情况下的虹膜识别具有很高的挑战性。本文首先阐述了在CASIA—IrisV4虹膜数据库中的虹膜定位方法。该方法二值化虹膜图像保留瞳孔高亮点信息，并通过横纵向投影初步确定瞳孔位置。然后在限定范围内采用Canny边缘检测和圆Hough变换拟合虹膜内外轮廓。 用户较少配合情况下虹膜识别技术研究背景 虹膜表面高低不平，有许多皱纹、凹陷、条纹、斑点以及隐窝等细节特征，包含丰富的纹理信息。正常情况下，虹膜纹理一旦形成，终生不变。人眼立体机构中，虹膜位于角膜之后；水晶体之前。虹膜有天然的保护膜。虹膜纹理极少因意外伤害被破坏，亦不会磨损。人为改变虹膜纹理几乎不可行，还有失明的危险。此外，因光照不同瞳孔的大小发生变化是检测虹膜活体组织的显著特征。这些生理特点为虹膜成为身份认证生物特征提供了生理学理论依据。 但是，现有的虹膜识别系统要求用户高度配合，即在特定光照
条件下，虹膜采集仪与人眼的距离在固定范围内，并且用户视线直视虹膜采集设备等条件下进行虹膜采集。有的虹膜识别系统甚至在虹膜识别之前，需要教授用户如何才能让虹膜采集仪获取适合的虹膜图像，使得虹膜识虹膜图像别系统正常工作。这一过程不仅耗时而且枯燥，反复采集虹膜图像使用户感到厌烦，因此，用户较少配合情况下的虹膜识别技术的呼声越来越高。 虹膜图像预处理 较少配合情况下，在降质虹膜图像中提取的虹膜特征的分类表征能力不理想。虹膜识别中的预处理算法的性能准确性尤为关键，直接影响虹膜匹配的准确性。 虹膜识别流程 虹膜识别主要分三个阶段：虹膜图像采集、虹膜图像预处理和虹膜特征提取与匹配。每个阶段对最终的识别效果的影响都至关重要。首先，虹膜采集得到虹膜图像。然后是预处理阶段，包括在虹膜图像中定位虹膜位置与内外边缘，检测虹膜区域中被眼睑、睫毛与高亮点遮挡的部分，归一化虹膜图像以及虹膜图像增强。最后是虹膜图像特征提取与匹配，在预处理后的虹膜图像上，提取能够唯
==============================绪论============================== 1. A/D 8bit 5V 00000000 0V 00000001 20mV 00000010 40mV 00011101 29mV ==================第一章 时域离散时间信号与系统================== 1. ①写出图示序列的表达式 答：3)1.5δ(n 2)2δ(n 1)δ(n 2δ(n)1)δ(n x(n)-+---+++= ②用δ(n) 表示y (n )={2,7,19,28,29,15} 2. ①求下列周期 ②判断下面的序列是否是周期的; 若是周期的， 确定其周期。 （1）A是常数 8ππn 73Acos x(n)??? ? ??-= （2）)8 1 (j e )(π-=n n x 解： （1） 因为ω= 73π, 所以314 π2=ω, 这是有理数， 因此是周期序列， 周期T =14。 （2） 因为ω= 81, 所以ω π2=16π, 这是无理数， 因此是非周期序列。 ③序列)Acos(nw x(n)0?+=是周期序列的条件是是有理数2π/w 0。 3.加法 乘法 序列{2，3，2，1}与序列{2，3，5，2，1}相加为__{4，6，7，3，1}__，相乘为___{4，9，10，2} 。 移位 翻转：①已知x(n)波形，画出x(-n)的波形图。 ② 尺度变换：已知x(n)波形，画出x(2n)及x(n/2)波形图。 卷积和：①h(n)*求x(n)，其他0 2 n 0n 3，h(n)其他03n 0n/2设x(n) 例、???≤≤-=???≤≤= ②已知x (n )={1,2,4,3},h (n )={2,3,5}, 求y (n )=x (n )*h (n ) x (m )={1,2,4,3},h (m )={2,3,5}，则h (-m )={5,3,2}(Step1:翻转)
华侨大学厦门工学院《信息安全技术》课程论文 题目：虹膜识别技术的研究与应用 专业、班级：通信工程X班 学生姓名：XXX 学号：120230XXXX 指导教师：XXX 分数: 2015 年XX月XX 日
《虹膜识别技术的研究与应用》 摘要 本文介绍了当前最有发展前景的生物特征识别技术，即虹膜识别技术，详细介绍了虹膜识别的主要步骤，虹膜图像的获取、预处理、特征提取与编码和分类。最后，针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向及应用前景。 关键词：虹膜识别；身份鉴别；生物特征 1.识别技术的简介 身份是指从行政法律或经济社会方面确定个人的地位或权利。身份识别就是验证个人的真伪，以防范冒名顶替者的违法犯罪活动。目前，身份识别主要靠各种证件(如身份证、智能卡等)、个人识别码(如口令、密码等)及生物特征识别。由于证件容易被剽窃、转移或丢失，识别码容易被忘记、破解，所以生物特征识别是目前最为方便与安全的识别技术。它不需要随身携带任何证件，记住任何密码，是一种方便、快捷、可靠的识别方法。生物特征识别是通过人体所固有的生理特征或行为特征对个人身份进行鉴定的技术。常见的生物特征有指纹、掌纹、虹膜、视网膜、脸形、声音、笔迹、DNA、人体气味等。其中，虹膜识别是一种重要的个人身份识别手段。 眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜作为身份标识具有许多先天优势。第一，唯一性，由于虹膜图像存在着许多
随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman 教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。第二，稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。第三，非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。第四，便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。第五，防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2.虹膜识别技术的原理 2.1 虹膜识别的过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。虹膜识别的主要步骤包括虹膜图像的获取、预处理、特征提取与编码和分类。 2.2 虹膜图像获取 虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍摄，并将
摘要 在当今信息化时代，如何精确鉴定个人的真实身份、保护信息安全，已成为一个急待解决的关键性问题。传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷、安全的解决方案就是生物体识别技术。它不仅简洁快速，而且安全、可靠、准确。同时更易于配合网络和安全、监控、管理系统整合，实现自动便捷管理。虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频、血液等特征识别相比，具有唯一、高稳定、识别率高、检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。 本论文详细阐述了虹膜识别技术的研究背景和现状、虹膜生理结构和虹膜识别系统的构成。较深入的研究了虹膜识别算法，实现了三个步骤，即虹膜数字图像预处理、特征码提取和模式匹配。本论文的研究工作主要集中在对虹膜数字图像预处理的归一化和模式匹配两方面的研究。 在虹膜数字图像预处理的归一化过程中，采用一种基于Dangman橡皮片的辐射线段的归一化方式，将环型区域改变成为矩形区域。这种方式采用若千条线段表示两个非同心圆周之间的区域，只要设定这些线段上的点数就可以起到很好的归一化成果，并且仅出一种分析模型。更加定位搜索的效率，节约时间，简化定位的过程。采取Hough变换算子对虹膜进行精定位。 在特征提取及编码匹配过程中，本论文首先将归一化后的2D虹膜数字图像转换为1D灰度信号，从而减小了运算量;然后运用1D Gabor小波对构造的1D 灰度信号进行分析，选取一定尺度上的小波变换结果进行量化，生成二进制的特征向量，从而提高了虹膜识别技术的效率;最后通过改进的Hamming距离移位匹配，实现了识别中的旋转不可逆性。 本论文通过使用中科院自动化研究所的虹膜数据库(CASIA-IRISV1)的虹膜数字图像进行实验。经过一定工作量的科学实验对这一算法进行了验证。实验结果：本论文选取的CASIA-a中心波长为20像素效果最好。最好的模板大小为
虹膜识别原理 1 虹膜的结构和生理特点 人眼从外观图上看由巩膜、虹膜、瞳孔三部分构成。如图1所示。中心较黑的部分是瞳孔区，瞳孔随入射光线强度的变化，会产生收缩或扩张，从而牵动虹膜变化;两侧颜色较浅的部分是巩膜区(即通常所说的眼白);位于瞳孔和巩膜之间的区域即为虹膜，总体上呈现一种由里到外的放射状结构，虹膜与巩膜、瞳孔的边界均为近似圆形，是图像匹配时可以利用的重要几何信息。 图1 人眼外观图 虹膜在结构上分为四层，由内到外依次是:色素细胞沉积的上皮层、控制瞳孔缩放的肌纤维层、包含丰富毛细血管的基质层和结构较基质层更为致密的前界层(虹膜外部的可见部分就是指它，分为中心瞳孔区和环绕睫状层，形貌高度细节化，包含了极为丰富的信息)。虹膜表面高低不平，有皱壁和凹陷，凹陷又称隐窝。 近瞳孔处的皱壁特别显著，称虹膜皱壁或领状韧带，它是虹膜小动脉环的位置标志。虹膜后表面较平坦，由于虹膜内血管分布不均匀，使虹膜表面出现许多规则的放射形条纹。在近瞳孔边缘处，有一条租细不匀的黑边，是虹膜背面的色素
上皮层向前延伸的结果，此黑边当瞳孔扩大时变窄，瞳孔缩小时增宽，如图2所示。 图2 虹膜纹理结构图 虹膜纹理用于身份识别具有以下的生理和医学特征: (1) 虹膜纹理具有稳定性和不变性。人眼的虹膜是人体唯一的外部可见的内部器官，得到了眼睑和角膜的有效保护，在正常情况下几乎不可能受到外部损害; 而且，在人出生一年以后，在正常的社会生活环境中，除非发生病变，否则终生不再变化，具有可靠的稳定性。 (2) 虹膜纹理具有绝对的唯一性。每个人的虹膜都拥有独特的机构纹理，胚胎生物学界的科学家发现，虹膜的基本结构是由遗传基因决定的，不同的遗传基因决定了不同的虹膜基本结构，虹膜形成之前和虹膜发育期间的胚胎环境决定了虹膜的细微结构。可以这么说，自然界没有两个完全相同的胚胎环境。而且，新生儿的出生的第一年是虹膜色素细胞的发育沉淀期，新生儿不同的生长环境和不同的营养状况决定了不同虹膜在同一光线下表现出不同细微纹理:以上诸多条件的制约造成了一个人的左右眼或者即使是孪生子的虹膜也几乎不可能相同，因此从生物学的角度来说，人眼的虹膜纹理具有唯一性。
第一章数字信号处理概述简答题： 1．在A/D变换之前和D/A变换之后都要让信号通过一个低通滤波器，它们分别起什么作用？ 答：在A/D变化之前让信号通过一个低通滤波器，是为了限制信号的最高频率，使其满足当采样频率一定时，采样频率应大于等于信号最高频率2倍的条件。此滤波器亦称位“抗折叠”滤波器。 在D/A变换之后都要让信号通过一个低通滤波器，是为了滤除高频延拓谱，以便把抽样保持的阶梯形输出波平滑化，故友称之为“平滑”滤波器。 判断说明题： 2．模拟信号也可以与数字信号一样在计算机上进行数字信号处理，自己要增加一道采样的工序就可以了。（）答：错。需要增加采样和量化两道工序。 3．一个模拟信号处理系统总可以转换成功能相同的数字系统，然后基于数字信号处理 理论，对信号进行等效的数字处理。（） 答：受采样频率、有限字长效应的约束，与模拟信号处理系统完全等效的数字系统未必一定能找到。因此数字信号处理系统的分析方法是先对抽样信号及系统进行分析，再考虑幅度量化及实现过程中有限字
长所造成的影响。故离散时间信号和系统理论是数字信号处理的理论基础。 第二章 离散时间信号与系统分析基础 一、连续时间信号取样与取样定理 计算题： 1．过滤限带的模拟数据时，常采用数字滤波器，如图所示，图中T 表示采样周期（假设T 足够小，足以防止混迭效应），把从)()(t y t x 到的整个系统等效为一个模拟滤波器。 （a ） 如果kHz rad n h 101,8)(=π截止于，求整个系统的截止频率。 （b ） 对于kHz T 201=，重复（a ）的计算。 解 （a ）因为当0)(8=≥ω πωj e H rad 时，在数 — 模变换中 )(1)(1)(T j X T j X T e Y a a j ωω=Ω= 所以)(n h 得截止频率8πω=c 对应于模拟信号的角频率c Ω为 8 π = ΩT c 因此 Hz T f c c 625161 2==Ω= π
虹膜识别技术原理_虹膜识别技术优缺点 虹膜是一种在眼睛中瞳孔内的织物状各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构，据称，没有任何两个虹膜是一样的。虹膜识别技术是人体生物识别技术的一种。 虹膜识别技术是基于眼睛中的虹膜进行身份识别，应用于安防设备（如门禁等），以及有高度保密需求的场所。例如，在好莱坞大片中，通过扫描眼睛视网膜开启保密房间或保险箱的炫酷场景，大家一定还记忆犹新吧！使用虹膜识别技术，为需要高度保密的场所提供了高度安全保障。下面介绍虹膜识别技术原理及虹膜识别技术优缺点。 虹膜识别技术原理虹膜是瞳孔周围的环状颜色组织，它有丰富而各不相同的纹理图案，构成了虹膜识别的基础。虹膜识别技术是通过一种近似红外线的光线对虹膜图案进行扫描成像，并通过图案象素位的异或操作来判定相似程度。虹膜识别过程首先需要把虹膜从眼睛图像中分离出来，再进行特征分析。理论上找到两个完全相同的虹膜的概率是120万分之一。这也是目前已知的所有生物识别技术中最为精确的。 虹膜识别就是通过对比虹膜图像特征之间的相似性来确定人们的身份。虹膜识别技术的过程一般来说包含如下四个步骤： 1．虹膜图像获取 使用特定的摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像传输给虹膜识别系统的图像预处理软件。 2．图像预处理 对获取到的虹膜图像进行如下处理，使其满足提取虹膜特征的需求。 虹膜定位：确定内圆、外圆和二次曲线在图像中的位置。其中，内圆为虹膜与瞳孔的边界，外圆为虹膜与巩膜的边界，二次曲线为虹膜与上下眼皮的边界。 虹膜图像归一化：将图像中的虹膜大小，调整到识别系统设置的固定尺寸。