Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   3 ,  June   2020 ,  pp. 3 00 7 ~ 3013   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v10 i 3 . pp3007 - 30 13          3007       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Person al id entity  verifi cation based  ECG biomet ric  usin g    non - fidu cial feat ures       Ma rw a A.  El s ha he d   Ph y sics  d epa rtm ent ,   Facu lty   of   W om en  for  Arts,  Scie n ce s  and Ed uca t ion, Ain  Sha m s  Univer sit y ,   E g y pt       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   A ug  29 , 201 9   Re vised  Jan  5 ,   2020   Accepte d  Ja n   12 , 2 020     Biom et ric s  was   used  as  an  autom at ed  and  f ast   ac c eptable  tech nolog y   for  hum an  ide nt ifi c at ion  and  it   m a y   be   beha v ior al   or  ph y sio log ic a l  tr ai ts.     An y   biometric  s y stem  base d  o n  ide nti f ic a ti on   or  ver ifi c at ion   m odes  for   hum an  ide ntit y .   The   e le c trocar diogra m   (ECG )  is  conside red   as  one  of     the   ph y sio logic al   biometrics  which  impos sible   to  m imic  or  stole .   ECG   fea tur e  ex tracti o n  m et hods  were   per form ed  usin g  fiduc i al   o r  n on - fiduc i al  appr oac h es.   This   rese arc h  pre se nts  an  aut hentic at ion  ECG  biometric  s y stem   using  non - fid ucial  feature s  obta i ned  b y   Discre t e  W ave le t  Dec om positi on  and   the   Euclid ea n  Distanc e  te chn i que  was  used  to  implement  t he  ide nt i t y   ver ifica t ion.  From   the   obt ai n ed   result s,   th e  pr oposed  s y st em  ac cur acy   is   96. 66%  al so,  usi ng  the   ver ifica tion  sy st em  is  pre fer r ed  for  a  la rg e  num ber   of  indi viduals a s  it  ta kes  le ss   ti m e   t o  get t h e  de ci sio n.   Ke yw or d s :   Bi om e tric   ECG   Fidu ci al   Non - fid ucial   Ver ific at io n   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Ma rw a  A. El sha hed ,    Dep a rtem ent o f  P hysci s ,   F acu lt y of   Wo m en  f or Arts, Scie nc es an d  E ducat ion ,   Ain Sham s Un iversity ,   Ca iro,   Egy pt .   Em a il : l sn tl @c cu. e du.tw       1.   INTROD U CTION     Bi om e tric s  is  a  bio l og ic al   a nd  uniq ue  c ha racteri sti cs  tha t  identify   in di viduals.  Bi om et rics  m ay   be  ph ysi ologica l  as  D NA,  Ir is,   and  Fin ge rprin t  or  be ha vioral   trai ts  as  keyst roke,   gait,  a nd   sig natur e .  All  trai ts   wh ic h  can  be   us ed  as  biom et ric  sh ou ld   be  char act er iz ed  by  Un i ve rsali ty ,  Exclusivity ,  Perm anen c e ,   Coll ect abili ty ,   Per form ance,  A cce pta bili t y  and  Ci rc um ven ti on   [ 1 - 3].  T he  el ect ro ca rd i ogram   (EC G)    is  bio lo gical   bi om et ric  i t  m ea su res   the  c hange  of  el ect rical   act ivit y  of   the   hu m an  hea rt  over  ti m e  as  s hown   i n  F igure  1   [ 4].  The  EC G  sig nal  co ns ist s  of  three  wa ves   sta rt  with  th e  el ect rical   P - wav e  ge ner at e s  from     the  up per  cha m ber s  fo ll owe d  by  strai gh t - li ne  generate s  wh e n  t he  bloo d  flo ws  from   t op  cham ber s   to  lo w e r   cham ber s.  T he   QRS   com plex   is  the  ne xt  wa ve  wh ic h  gene rates  f ro m   bo tt om   cha m ber s  wh il e  the   la st  wav e   is  the T  wa ve  f r om  e le ct rical   reco ve ry [2,   5,  6].   ECG  featu res   are   fid ucial   and  non - fid uci al   featu res.  Fi gure  2  sho ws   al l  fid ucial   f eat ur es   f ro m     the  wa ves  w hich  are   in  t he  ti m e  do m ai n.   N on - fi du ci al   fea tures  a re  ob ta i ned  by  us in g  s ever al   m et ho ds  from   the  trans form e d  dom ai n.   The se  feat ur e s  nee dless  com pu ta ti on   ti m e  than  the  fid ucial   fea tures  al so   it   do esn' t  require  t o  fin d  boun dar ie s  of   the  EC G  waveform s  wh ic h  change  c onsta ntly   [7 - 9].   Tw o  EC G  a ppr oa ches  a re  avail able  base d  on  the  us e d  featur e s  wh ic h  are  fidu ci al   and   non - fid ucia l  a pp r oac hes  as  sh ow n  in  F igure  3.   Ther e  is  no  ge ner al   r ule  to  ge t  the  exact  locat ion s  of  ECG  sign al   bo undar ie s  beca us e   it   has  con ti nuou sly   var ia ti ons, so  usi ng no n - fid ucial  f eat ures is s olv e d  this  prob lem  [ 1].   A  bio m et ric  s yst e m   m ay  op erate  as  identif ic at ion   or   ve ri ficat ion   schem es.  In   al l  syst e m s,   the  first  sta ge  is  data  colle ct ion   a nd   prepa rin g  the   databa se  f or  the  syst em   thi s  proces s  is  c al le d  the  e nro llm ent     process as  s ho wn  i n  Fig ur e  4. The  e nroll m ent p rocess sta rts  w it h  ECG si gnal s co ll ect ing   from  ind ividu a ls   an d  PI N  for  eac h  on e .  ECS  sig nals  prep ro c es sing   is  pe rfo r m ed  to  get  m or e  s uitable   sign al s  the n  a pply ing     on e  of  feat ur e   extracti on  te c hn i qu e s  the n  s toring  the  obta ined  featu res  in  the  syst em   database   with  a  PIN     for  eac h  in div i du al .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une  2020  :   30 0 7   -   30 1 3   3008           Figure  1. O ne  hear t beat cy cl e   Figure  2. ECG   fid ucial  f eat ure s [10 ]           Figure  3. ECG   bio m et ric appr oach e s           Figure  4. En r oll m ent p r ocess       In   a n  i de ntific at ion   syst em ,  i t  sta rts  with  th e  sign al   ac qu is it ion   from   ind ivid ual  an d  the   sam e  s te ps   us e d  be fore  in   the  en ro ll m ent  sta ge  re peated  exactl y  in  prep ro ce ssin g  a nd   featu re  e xtr act ion   process   then   com par ing   between   the  ob ta ined  feat ur es  with  that  store s  in  the  datab ase  to  get  the  ind ivid ual  id entit y.     it   do es n' t  nee d  ide ntit y  cl ai m ed  an d  c ons idere d  as  one   to  m any  m a t chin g  beca us e   it   searc hes  on  al l     the  datab ase  a nd   gets  who  t he  use r' s  ident it y  or   non - ide ntifie d  as  s ho wn   i n  F ig ure  5.   In   t he  ve rif ic at ion   syst e m ,  the  sa m e  as  in  the  enr ollm ent  pr oce ss  in  ECG  sig na l  pr ep ro c essin g  an d  featu re  e xtracti on  te chni qu es   is  exactl y  rep e at ed.   T he  ve rif ic at ion   syst e m   need s  i den ti ty   cl aim ed  and   c on si der e d  as  one  to  on e  m atch in g  then  getti ng  th e  decis io n  ye s  if  the  featu res  are  m at ching   a nd  no  f or   not  m at ching   s o  it s  res ult  is  pe rfor m ed   qu ic kly  an d  ac cur at e as  s how n  in  F ig ure  6.     Most  of  the  bio m et ric  syst e m s  us ed  identi ficat ion   sc hem es  with  fi duci al   and   non - fi duci al   featur es ,   wh il e  m os t  of  ver ific at io n  bi om et ric  s yst e ms  us e d  fid ucial   featur e s  [ 11 - 13].   In  [ 2],  the   Mult i m od al   Bi om et ri c   Au t hen ti cat io n  syst e m   is  pr op ose d  us in g  a  com bin at ion   of  ECG  a nd   Fing e r pr int  to get her.  Fid ucial   f eat ur es   wer e   extra ct ed  from   ECG  sig nals  afte r   prep ro ce ssin g  al s o  c onve rti n g  the  e xtr act ed  fi ng e r pri nt  to   the  trans f or m e d  dom ai n  us in g  D WT  t hen   e xtract  only   tw o  feat ur es .  The   decisi on  was  getti ng   from   th e  fina l   scor e   w hic h  c al culat ed  f r om  m at ching   EC G  a nd  fi ng e r pri nt  trai ts.  A  l ot   of   pa ram et ers  we re  cal c ulate d  f or   the syst em  eff i ci ency m or eover,  t he nu m ber   of sub j ect s is  not cl ear.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Perso nal i de ntit y veri fi cation ba s ed  ECG  b i omet ric  u si ng non - fi duci al feat ur es   ( M ar wa  A . Elsha hed )   3009       Figure  5. I den t ific at ion   bio m e tric  syst e m           Figure  6. Ve rif ic at ion  b i om et r ic  syst e m       The  autho rs  in  [1 4],  Pr op os ed  an  Au thentic at ion   Bi om et ric  syst em   wh ic h  based   on   the  fidu ci al   featur es  directl y  after  pr epr ocessing ,  they   us ed  73   su bj ect s  in  their  exp erim ent.  The  Eucli dean   distance  was  us ed  fo r  m at ching .  Then   they   extend ed  their  un im od al   f ram ewo rk   based   on   ECG  trai t  on ly   to  be    a m ulti m od al   bio m et ric  syst em   based   on  ECG  and   Face  or   ECG an d  fing erp rint  us ing   scor e  fu sion   te chn iqu e.  A  ver ific at ion   bio m et ric  syst em   was  pr op os ed  in  [1 5],  they   us ed  on ly   15   su bj ect s,  RR   intervals  wer e  detect ed  fr om   ECG  sign al s  then  app ly ing   DCT  to  get  the  req uired   featur es.  The  ob ta ined  accuracy  is  97 .7 8%  after  us ing  the co rr el at ion  to  get the d eci sion .    In   [1 6],  ECG  Bi om et ric  Ver ific at ion   syst em   was  pr op os ed  by  us ing   PCA,  they   us ed  8  su bj ect s  on ly   in  their  exp eri m ent.  They  us ed  fidu ci al   featur es  us ing   PCA  and   DW T  fo r  no n - fidu ci al   featur es.    The  autho rs  in  [1 7],  they   get  the  sign al   featur es  us ing   the  Hj or th  Descr iptor   and   Sam ple  Entro py  (S am pEn ).     Su pp or t  Vector   Ma chine  (S VM)  cl assifi er  was  us ed  fo r  authen ti cat ion .   The  ob ta ined  accuracy  is  93 .8 %  fr om   Hj or th D escriptor   Com par ed  to  Sam pEn . I n  [1 8], ECG  based  b iom et ric  syst em  w as  design ed.  ECG  dataset   of   55   us ers  was  create d  du ring   fo ur   m on ths  to  stud y  the  ECG - based   bio m et rics  sta bili ty .  He  stud ie d   the  per fo rm ance  of   E CG  as  a  bio m et ric  trai t  in  sh or t  and   lon g  te rm s  and   fo un d  that  m or e  need ing   stud ie s  towar ds  im pr ov ing  the lon g - te rm  ECG b iom et ric syst em s p erf or m ance.   The  autho rs  in  [1 9]  pr op os ed  ECG  bio m et ric  al go rithm   us ing   18 4  su bj ect s  fr om   diff eren t  dataset s.  They  ob t ai ned   98 .3 3%  accuracy  us ing   a  ran do m   fo rest  cl assifi er  and   96 .3 1%  accuracy  us ing   the  wav el et   distance  m easur e  al go rithm   wh il e  the  two  cl assifi ers  tog et her   giv e  accuracy  99 .5 2%.   In   [2 0],  a  no n - fidu ci al   ECG  bio m et ric v erifica ti on   syst em   was pro po sed  us ing  k e rn el  m et ho ds  f or  5 2  su bj ect s w it h  Discrete W avelet   Tran sfo rm   (D W T)  fo r  den oising .  They  stud ie d  the  per fo rm ance  of   us ing   Su pp or t  Vector   Ma chine  (S VM)    and   the  Linear  Discrim inant  An al ysi s  (LD A) .  A  two - le ad  ECG  sign al s  bio m et ric  ver ific at ion   was  pr op os ed    in  [2 1],  autoco rr el at ion   featur e  extracti on   m et ho d  was  us ed  in  con j un ct ion   with  diff eren t  te chn iqu es  fo r  red uction  with  diff eren t  wind ow   le ng ths  fr om   sh or t  and   lon g - te rm   reco rd ing s.  The  resu lt s  sh ow   that    the  reco gn it ion   rates  aff ect ed  by  the  reco rd ing   and   the  wind ow   le ng ths.  The  ob j ect ive  of   this  research   is  to  app ly   a  ver ific at ion   bio m et ric  syst em   us ing   no n - fidu ci al   featur es  with  Eucli dean   distance  m at ching   m et ho do log y.       2.   RESEA R CH MET HO D     The  pro po se d  bio m et ric  au thentic at ion   s yst e m   con sist s  of  th ree  m ai n   ste ps  pre - proce ssin g,    featur e  ex t racti on and  re du ct i on u si ng  D W T , and  m at ching   proces s,  as  s how n  i n  F i gure  7.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une  2020  :   30 0 7   -   30 1 3   3010       Figure  7. Bl oc k diag ram  o f  th e pro posed  sys tem       2.1.  D atase ts descr iptio n   In   this  resea rc h,   90  sub j ect s  are  us e d  from   t wo   da ta set s.  The  first  dataset   is  ECG - ID   Da ta base  wh il e   the  seco nd   is  the  MIT - B IH   Arrh yt hm ia   Database  [22].  The  num ber   of  te st  su bject s  us e d  in  the  propose d  syst e m  is 7 2  s ubj ect s  inclu des  11 una utho rized s ubj ect s.     2.2.  Pre - proc essing   The  first  datas et   has  filt ered   sign al s  s o  it   use d  directl y  w hi le   the  Butt erwor t h  filt er  was  app li ed   on   sign al s  from   t he  sec ond  dataset .  The  Pa n  a nd   Tom pk ins  al gorithm   was  app li ed  f or   R   peak   detect io n  [ 23] .     The  cy cl e  le ng th  was  fi x e d  at   20 0  sam pl es  becau se  fe at ur es  vect or s   m us t  hav e  an  eq ual  le ng th   fo r  al l   su bject s.  A  norm alizat ion   process  int o  the  range  f ro m   0  to  1  is  a pp li ed   to  the  am plitu de  of   al l  poi nts  f or    each R - R  cyc le .      2.3.   Fe at ure  e xt r act i on   Discrete  Wav e le t  Deco m po si ti on   was  a pp li ed  as  a  featu re   extracti on  m e thod  in  e ach  R - R  cy cl e  by   us in g  Da ubec hies  wa velet s  (db8)  with  five - le vel  dec om po sit ion   as   sh ow n  in  F igure  8.  Sele ct ing   the  Daubec hie s  fam il y  in  this  work   de pend ing   on  it s  sh a pe  an d  ene rg y   sp ect r um   wh ic h  cl os e  to  th e   ECG  sign al   wh il e  s el ect ing   db 8  f r om   pr evio us   work  w hich  ge ts  good  res ults  than  oth e rs.   The  total   co ef fici ents   nu m ber   after  deco m po sit io n  is  27 2  as  sho wn   in  Fig ure  8.   Fig ur e  9.   S hows  the  sel ec te d  R - R  interv al   and   Figure  10  s hows  th at   the  wa velet   coe ff ic ie nts  afte r  100  a r e  ap pro xim a te l y  cl os ed   to  ze r o  s o  t ho se   coe f fici ents  are  neg le ct ed  (d1 an d d 2) an d t he othe r  c oeff ic ie nts ( 10 4) we re take n  i n our e xp e rim ent.           Figure  8. The   5 - le vel d isc rete wa velet  d ec om po sit ion   us i ng  Daubec hies  wav el et s ' db8'     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Perso nal i de ntit y veri fi cation ba s ed  ECG  b i omet ric  u si ng non - fi duci al feat ur es   ( M ar wa  A . Elsha hed )   3011           Figure  9. The  s el ect ed   R - R i nt erv al   Figure  10. Wa velet  co e ff ic ie nts  of  t he  sel ec te d    R - R   inter val       2.4.   A ut he nt i cat i on  s tr at e gy   The  Eucli de an   distance  al gor it h m   is   us ed  f or  ver i ficat ion   de ci sion s.  E uclidean  distance  cal culat ion s   are  perform ed  exactl y  as foll ows:   Let  P  (i )  is t he   store d patt ern f eat ur e m at rix  of size : × :       ( ) = [ 1 , 1 ⋯ 1 , ⋮ ⋱ ⋮ , 1 ⋯ , ]   (1)     If   N  is  the  nu m ber   of   sub j e ct s  so   there  w her e  N  sto red   patte rn   m at ric es  P  (i ).   P' (i)  i s  the  sam ple  featur es  m at rix  def i ne d as:     ′ ( ) = [ ′ 1 , 1 ⋯ ′ 1 , ⋮ ⋱ ⋮ ′ , 1 ⋯ ′ , ]   (2)     The  dista nce  betwee n  the  a tt ribu te s  of  a  sam ple  and   fe at ur es  m at rix  of   a n  in div id ua l  i  is  statist i call y  com pu te d usin g:     ( ) = [ | 1 , 1 − ′ 1 , 1 | ⋯ | 1 , − ′ 1 , | ⋮ ⋱ ⋮ | , 1 − ′ , 1 | ⋯ | , − ′ , | ]   (3)     The  dista nce  s cor e  for   an  in div id ual  is  cal culat ed  f ro m   t he  su m   of   Eu cl idean  dista nc es  betwee n  f eat ur e   at tribu te s as:     = ∑ | , − ′ , | = 1   (4)     The  m ean  of   di sta nce  score  f or   a n  in div id ua l  (i)  shou l d  be   cal culat ed  due  to  the  var ia ti on s  in  EC G  data  set   sign al s a s  f ollo ws:     = 1 ∑ = 1   (5)     Sm a ll   distance  sco re  value   ind ic at es  go od  m at ching   wh il e  la r ge  di st ance  sco re  value  i nd ic at e s  poor   m at ching   [ 14] .   To  get  an  acc ur at e  decisi on  a  thres ho l d  is  cal culat ed  f rom   the  distance s  of   t he  databa se  an d  the sam ple f e at ur e  m at rix  fo r   each test ed  in di vid ual.     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une  2020  :   30 0 7   -   30 1 3   3012   3.   E X PERI MEN T AND  RES U LT S   90  sub j ect s  ar e  us e d  in   the  enrolm ent  pr oc ess  to  c reate  the  syst em   dat abase.   Da ubec hies   wa vele t   ' db 8'   as  a  fea ture  e xtracti on   m et ho d  is  use d.   T he  E uclidean  distance   al gorithm   is  us e d  as  a  m atch in g  al gorithm .  The  perform ance  of   the  pro posed  ECG  ve rificat ion   syst e m   is  est i m at e d  by  cal culat ing   s om e  m et rics as the  accuracy  or ve rificat ion rate .     v       ( % ) =                                        (6)     Be sides,  s om e   m e tric s  are  use d  s uc h  as   r ecal l,  pr eci si on,  a nd  F - sc or e   to  e valuate  t he  pro po s e d  syst e m  p erform ance (6) .     Sen sitivi t y   ( % ) = TP TP   +   FN × 100   (7)     Specificit y ( % )   =   TN FP   +   TN × 100   (8)         ( % ) =   +  ∗ 100   (9)     −  = 2 ∗    ∗   (    +   )   (10)       W he re,  T P  de no te s  the  nu m ber   of   tr ue  pos it ive  sa m ples,  TN  de note s  th e  nu m ber   of  tr ue  ne gative  sa m ples ,     FP  denotes  t he  nu m ber   of  false - po sit iv e  sam ples  an d  F N  de note s  the  num ber   of  false - negat ive     sam ples  [2 4,  25 ] .  The   num ber   of  te st  subj ect s  us e d  i n  the  propose d  syst e m   is  72  subj ect s   incl ud e s    11 una uth or iz e d  s ubj ect s.  T he  foll ow i ng T ab le   1  s umm arize s the  perf or m a nce  of the syst e m .       Table  1.  T he  P erfor m ance of  the  pr opos e d  s yst e m   Para m eters     Percent  (%)   Verificatio n  Rate   9 4 .44   Sen sitiv ity   9 5 .08   Sp ecif icity   9 0 .9   Precisio n   9 8 .3   F -   Sco re   9 6 .66       4.   CONCL US I O N     So m e  bio m e tric   trai ts  cou ld  be  im it at ed  but  the  ECG  sig nal  is  consi dered  as  a  real - ti m e  trai t  that  ind ic at es  that  the  perso n  is   al i ve  an d  pr e sent  by  him se lf.  A  ver ific at io n  bi om et ric  s yst e m   based   ECG  si gn al   is  pro po se d  in  thi s  researc h.   Da ub ec hies  wa ve le t  ' db 8'   as  a  featur e  ext racti on  m et ho d  is  use d  an d  the  E uc li dean  distance  al gori thm   fo r  ver i ficat ion   decisi on.  90   s ubj e ct s  are   us ed  t o  buil d  t he  syst em   data base ,  72   sub j ec ts  fo r   te sti ng   our  ve r ific at ion   bi om e tric   syst e m .  The  syst e m   per form ance  is  evaluated  by  cal cu la ti ng   so m e  m et rics.   The  ob ta ine d  f -   Sc or e  is  96.66  %.  The  pro pose d  syst em   is  m or e  su it able  f or   a  la rg e  num ber   of  sub j ect s  wh ic h  giv es  it s  decisi on   i n  a  ver y  s hort  tim e  with  good   acc urac y  du e  to  usi ng   the  ver ific at io n  ap proac h  ba sed  on  non - fid ucial  f e at ur es.       REFERE NCE S    [1]     Ze esha n  Hass an ,   S y ed  Om er  Gila ni  and  Mohs in  Jam il ,   “ Revi e w  of  Fiduci al   a nd  Non - Fiduci al  Te chni qu es  of   Feat ure   Ex traction  i n  ECG  base d  Biom et ric   S y s te m s,”   Indian  Jo urnal  of  Sci ence   and  Technol ogy ,   vol .   9,   no.   21 ,   Jun.   2016 .   DO I: 10.17485/ i jst/ 20 16/v9i 21/94841   [2]     Manjuna th sw amy   B.   E.,  Appaj i   M  Abhishek,   Thri ven i  J,  Ven ugopal   K  R,   a nd   L.   M.  Patn a ik,   “ Multi m odal  Biom et ric   Auth ent i ca t ion  using  E CG  and  F inge rprin t, ”   In t ernati onal  Jour nal  of  Computer  Appl ic a ti ons    ( 0975 - 8887 ) ,   vol .   111 ,   no .   13 ,   Fe b.   2015   [3]     Ian   McAte er ,   Ahm ed  Ibra him,  Guanglou  Zhe ng ,   W enc heng  Yan g  and  Crai g  Val li ,   “ Inte gr at ion  o f  Biom et ric s  and  Stega no gra ph y :   A Com pre hensive   Rev ie w, ”   Te ch nologi es ,   vol .   7 ,   no.   34 ,   2019 .   D OI:10. 3390/tech nologi es702003 4   [4]     VP S  G4,  “ Princ ipl es  of  ECG ,”   Vascul ar  Posit i oning  Syste m  G4,  Vascul ar  Posit ioni ng  Te chnology  Educ at ion ,   [Online ] .   Avai lable:  htt p :/ /www . arr owvascul ar . c om /vpseduc at io n/pre - tr ia l /pri nc i ple s - of - ec g . html .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Perso nal i de ntit y veri fi cation ba s ed  ECG  b i omet ric  u si ng non - fi duci al feat ur es   ( M ar wa  A . Elsha hed )   3013   [5]     Ahm ed  Younes  Shdefa t,   Moon - I l  Joo,  Sung - Hoon  Choi,   Hee - Ch eol   Kim ,   “ Util izing  ECG  W ave form   F ea ture s  as  New  B iometri c  Authent i ca t ion  Method, ”   Int ernati onal  Journal  of  El e ct rica l  and  Computer  Engi nee ring  ( IJE CE ) ,  vol.   8 ,   no .   2 ,   pp .   658~665 ,   Apr.   2 018.   DOI :  10 . 11 591/i jece . v8i2 . p p658 - 665 .   [6]     Vane ss a  Novae s   Barr os,   “ The   h e art   c y cle:   rev i ew , ”   MO J  Women’ s  Healt h ,  vol .   8 ,   no.   1 ,   2019 .   [7]     W oo - Hy uk  Jung   1  and  Sang - Go og  Le e,   “ ECG  Ide nti f ic a ti on  B ase d  on  Non - Fiduci a l  Feat ure   Ext ra ct i on  Us in g   W indow  Removal  Me thod,”   MD PI  journal ,  vo l.  7 ,   no .   11 ,   Nov .   2 017 .   DO I:   10 . 33 90/a pp7111205 .   [8]     Moham ad  O.  Diab,  Ala a  Seif ,   Moh amad  El - A bed  and   Mahe r   Sabbah,  “ Indiv idua l  Id entificat ion  Us ing  ECG   Signal s,”   Journa l  of   Computer  an d  Comm unic ati o ns ,  vol. 8, pp. 74 - 80,   2018 .   DO I: 10.4236/ j cc.201 8. 61008.   [9]     Di  W ang,   Yujuan  Si,  W eiy i  Yan g,   Gong  Zha ng  and  Jia  Li,  “ A  Novel  El e ct ro cardiogra m   Bi om et ric   Ide n ti fi catio n   Method  Based   o n  T emporal - Fr eq uency   Auto enc o ding, ”   Elec troni cs ,   2019 .   DO I:   1 0. 3390/electroni cs8060667 .   [10]     Ţa ră lungă   Drag oș  Danie l  and   Mihae l a  Nea gu ,   “ Canc el l ing  Ha rm onic   Pow er  Li ne  Int erf er ence  in  Biopot en tials, ”  book  cha p te r ,   In t ec h   Ope n ,   2018 .   DO I:  10. 5772/i n te chop en. 74579 .   [11]     Pankaj   Sare en ,   “ Biom et ric s - Intr oduct ion ,   Charact er isti cs,   B asic  te chni qu e,   i ts  T y p es  an d  Vari ous  Perform anc e  Mea sures,”   Inte r nati onal Journal   of Emerging Re search  in  M anag eme nt  &   Technol ogy ,   vol .   3 ,   no .   4,   2014 .    [12]     Sus hm a  Jaiswal,   Sarita  Singh  B hada u ri a  a nd  Ra kesh  Singh  Jado n,   “ Biom et ri c:   Case  Stud y , ”   Jo urnal  of  Globa l   Re search in Co mputer  Scienc e ,  vol.   2 ,   no .   10 ,   O ct .  2011 .    [13]     Ahm ed  M.  Hama d,   R asha   Sal ah   El ha d ar y ,   Ahm ed  Om ar  El kh atee b,   “ Multi m odal   Biom et r ic   Id e nti ficat ion  Us ing  Fingerpr int,  Fa c e  and   Iris  R ec og nit ion,”   In te rnat i onal  Journal   of   I nformation  Sc ience   and   Int el l igent  Syst em ,   2014 .   [14]     Yogendra   Nara i n  Singh,  S.  K.  S ingh,   “ Eva luatio n  of  El ec tro ca rd iogra m   for  Biom et ric   Authentic at ion , ”  Journal  of  Informat ion  Se c urity ,   vol .   3,   no .   pp.   39 - 48 ,   2012 .   [15]     Ahm ed  F.  Hu sse in,   Abbas  K.  AlZuba idi,  Ali  Al - Ba y aty   and  Qai s  A.  Haba sh,  “ An  IoT  Rea l - Ti m e  Biom et ri c  Authent i ca t ion  S y stem  Based   on  ECG  Fiduci a l  Ext r ac t ed   Feat ure s  U sing  Discre te   Co sine  Tra nsform , ”     arXiv :  1708 . 081 89 ,  2017 .   [16]     Jam ee l  K adhi m   Abed  and  Nahra in  N.  Abd,   “ EC G  Biom e tri c  Veri ficati on  b y   usin g  PC A,”   Inte rnational   Journal  o f   Engi ne ering  Tr e nds and  Technology  ( IJE TT ) ,   v ol.   65 ,   no .   1 ,   Nov .   2018.   [17]     S ugondo  Hadi y oso,  Suci  Aulia  and   Achm ad   Riz a l,   “ One - Lead   El ectroc ard iogr am  for  Biom et ric   Authent i ca t ion  using  Ti m e  Ser i es  Anal y sis  and   Support  Vec tor   Mac hine,”   ( IJACSA)   Inte rnatio nal  Journal   of   A dvanc ed   Comput er   Sci en ce and  App li cations ,   vo l. 10 ,   no .   2 ,   2019 .   [18]     Nikit a  Sam ari n ,   “ A  Ke y   to  Y our  Hea r t :  Bio m et ric   Auth e ntication  Based  o n  ECG  Signal s, ”   Project  Repo r t   Com pute r  Scie n ce   Schoo l  of   Inf orm at ic s Univer sit y   of Edinburg h ,   2018 .   [19]     Robin  Ta n  and  Mare k  Perkows ki,   “ Towa rd  Im proving  Elec tro ca rdiogr am  (EC G)  Biom et ric   V eri fi ca t ion  using   Mobile   Sensors : A   Two - Stage Cl assif ie r  Appro ach,”   S ensors ,  vol .   17,   no.   2  2017 .   DO I:  10. 3390/s  17020410 .   [20]     M  Heja z i,   SA R  Al - Hadda d,   YP   Singh,  SJ   Hashim   and  AF A  Aziz ,   “ ECG  biomet ric   aut hen ti c at io n  base d  on  non - fiduc i al   appr oa c h  using ke rn el m et hods,”   Digit a l Signal Proce ss in g ,   vol .   52 ,   pp .   72 - 86,   Ma y   2016.   [21]     M  Heja z i,  SA R  Al - Hadda d,   SJ   Hashim ,   AF A  A zi z   and  YP   Sing h,   “ Feat ur e  l evel   fusion  for  b iometric  ver ifica t ion   with  two - lead  E CG  signal s,”   I E EE   12th  In te rnat ional   Coll oqu iu m  on  Signal   Pro ce ss ing  &   Its  Appl ic at ions( CSPA ) ,   pp.   54 - 59 ,   2016 .   [22]     “ Phy sioBank   A TM ,”  Phy sioN et ,   [Online ]   Avai lable:   htt ps: // ar chive. ph y sione t. org /c gi - bin /atm /ATM   [23]     Jiapu  Pan  and  W il li s  j.   Tompkins,  “ A  Rea l - Tim e  Qrs  Dete ct i on  Algorit hm , ”   IEE E  Tr ansactions   on   Bi omedic al  Engi ne ering ,   vol .   32 ,   no .   3 ,   Mar .   1985.   [24]     Renuka   Jos hi ,   “ Acc ura c y ,   Pre ci s ion,   R ecal l   &  F1   Score :   Int erp retati on   of  Perform anc e   Mea sures , ”   2016.   [Online ] .   Avail ab le :  ht tp s:// blog.exsil io . c om /a ll /acc ur acy - pre ci sion - r ecal l - f1 - score - interpre ta ti on - of - per for m anc e - m ea sures /   [ Acc essed  5 /8/ 2 019] .   [25]     Afza l  Godil ,   R oger   Bostel m an ,   W il l  Shack le fo rd,   Tsa i  Hong  and  Michael   Sh nei er ,   “ Perform anc e  M et ri cs  fo r   Eva lu at ing  Obj e ct   and  Hum an   Detect ion  and  Tr a cki ng  S y st ems , ”   Nati onal  Insti tu te   of  Standards  and  Technol ogy ,  Jul.   2014.     Evaluation Warning : The document was created with Spire.PDF for Python.