در دو دهه گذشته به کارگیری الکتروکاردیوگرام در حوزه بیومتریک در تحقیقات بسیاری پیشنهاد شده است. از آنجا که جراحات و یا اختلالات قلبی نسبت به جراحاتی که سایر بیومتریک های سنتی با آن مواجه اند شایع نیستند، امکان سنجش سیگنال قلب در هر نقطه ای از بدن و به کارگیری آن به عنوان ابزاری جهت تشخیص هویت در همه حالات تضمین شده است. این بیومتریک ها ذاتاً مرتبط با فعالیت های بیولوژیکی انسان هستند و جعل آن ها به صورت قابل توجهی دشوار است. در این تحقیق رویکردی موثر به منظور بازشناسی هویت با استفاده از انتخاب ویژگی های ادغام شده موجک، ضرایب انعکاسی و تبدیل فوریه که از آنالیز سیگنال الکتروکاردیوگرام به دست آمده، ارائه شده است. در فرآیند انتخاب ویژگی با استفاده از الگوریتم ژنتیک دست به پالودن ویژگی ها می زنیم تا ضمن کاهش ابعاد آن ها از طریق حذف ویژگی های ناکارآمد، نهایتاً بهترین و موثرترین ویژگی ها در دسته بندی را بیابیم. دقت دسته بندی زیر مجموعه های به دست آمده نتایج مطلوبی را در مقایسه با مجموعه داده اصلی ایجاد کرده است. یک فرآیند پیش پردازش نیز قبل از مرحله استخراج ویژگی روی الکتروکاردیوگرام اعمال گردیده و از شبکه های عصبی پروسپترون چندلایه برای امر طبقه بندی استفاده شده است. قابلیت تعمیم سامانه بازشناسی پیشنهادی به سایر بانک های داده در این تحقیق پیش بینی شده است. آزمایشات توسط سه بانک داده مشهور موجود در وب سایت physionet معتبرسازی شده اند. نتایج آزمایش، حاکی از راندمان و کارایی قابل توجه این روش و نرخ بازشناسی چشم گیر آن است.