心电信号特征提取与心率变异性信号分析方法研究
第１章绪论
ＳＴＦＴ主要适用于长时间数据的分析，而对于短时序列，应用时频分布法则较为有效，Ｖｉｌａ等皿５３提出了时频分布法分析短时数据的优点，使用由Ｂａｒａｎｉｕｋ设计的ＩＣ—ＡＯＫ（ＩｎｓｔａｎｔａｎｅｏｕｓＣｏｎｔｒ０１１ｅｄＡｄａｐｔｉｖｅｏｐｔｉｍａｌＫｅｒｎｅｌ）算法分析ＨＲＶ频谱，应用于心肌缺血疾病的诊断，得到了较理想的实验结果。Ｂｉａｎｃｈｉ等㈨将时变算法应用于ＡＲ模型中，得到一组新的ＡＲ参数，从而在非平稳情况下分析ＨＲＶ的功率谱，获得了描述ＨＲＶ暂时性变化的定量参数，同时提出进一步研究ＨＲＶ信号时变谱分析的意义。
尽管这些方法己经在ＨＲＶ分析中得到一定程度上的应用，但仍存在许多不尽人意的问题：ＳＴＦＴ的时频分辨率是固定不变的，时频分析不是很灵敏；对于ＡＲ模型的时频分析需要正确确定模型及其顺序形式，实现起来存在繁琐的问题等。具有多尺度分析能力的小波变换在Ｒ波检测、心室晚电位检测、心音分析中己显示出其优良的时频信号处理能力。虽然基于小波变换的ＨＲＶ分析才刚起步，但分析结果己充分表明其敏感性和特异性都比传统的时域方法有较大提高。Ｇａｍｏｒｏ口７１采用小波变换来分析ＨＲＶ信号，之后又采用正交小波变换分析研究了心肌缺血与ＨＲＶ的联系。Ｗｉｋｌｕｎｄ等乜踟采用自适应小波变换对短程ＨＲＶ信号进行分析。廖旺才等晗鲫考虑到ＨＲＶ仿真建模的重要性和对ＨＲＶ信号的ｌ／ｆ成分和非１／ｆ成分分解开的必要性，在ＩＰＦＭ模型的基础上，应用小波变换法，充分利用ｌ／ｆ成分的自相似性，准确地从ＨＲＶ信号中提取出不同成分的特征，得到分解后时域波形的同时，也解决了仅从频域分解所得结果不理想的问题。Ｐｉｃｈｏｔ等阳们使用小波变换定量描述了ＨＲＶ信号的时频特性。所有这些小波时频分析的研究应用表明不同时间的频带带宽存在明显差异，而基于小波变换的算法适用于短时非平稳信号，对信号特性的辨别灵敏度高，值得进一步研究。
１．３．４非线性分析
非线性动力学方法是近几年ＨＲＶ研究的热点之一㈨１。１９８４年Ｒｉｔｚｅｎｂｅｒｇ等口２１从狗的心电图中首次发现心脏搏动具有混沌现象。此后许多学者应用非线性系统理论对心脏活动中的非线性现象进行定量和定性研究。１９８５年Ｇ０１ｄｂｅｒｇｅｒ等。ｎ１发现正常人心率时间序列的功率谱是含有１／ｆ成分是一种具有分形特征的成