心电信号特征提取与心率变异性信号分析方法研究
心电信号特征提取与心率变异性信号分析方法研究
分，往往成为未确知系统的混沌特性判据。Ｂａｂｌｏｙａｎｔｚ和Ｄｅｓｔｅｘｈｅ口们提出了心率变异性混沌的概念。许多研究人员都在研究采用非线性动力学方法来分析ＨＲＶ的方法，到目前为止，主要的方法有：散点图分析、某些非线性混沌特征参数的估算、非线性预测与建模等。
１９９０年，Ｂａｂｌｏｙａｎｔｚ和ＤｅｓｔｅＸｈｅ将一些非线性算法和参数引入到了ＨＲＶ分析中，如分形维数、李氏（Ｌｙａｐｕｎｏｖ）指数、哥氏（Ｋ０１ｍｏｇｏｒｏｖ）熵或测度熵等。也可以通过在多维空间中构造系统的运动轨迹来描述，如相图、Ｐｏｉｎｃａｒｅ截面等。在实际应用中，计算这些参数所需的数据量很大，为了简化计算，研究人员又提出了如盒子计数、路径法、栅格法等来估计分形维数。但是即使对低维的混沌系统也需大量的数据才能确保算法的收敛，从而判定混沌的存在，因此要判断一个实际的系统是否混沌并不简单ｎ５ｌ。Ｐｉｎｃｕｓ等∞６１用近似熵来分析ＨＲＶ序列，发现可以用此标准来区分不同的对象，而且与采用的分维法结果相当一致，这种方法适用于较短的数据来估计。廖旺才等∞７１归纳总结提出了短数据｝ｌＲＶ信号的分形维数分析法、复杂度分析法、近似熵分析法，同时提出了针对长数据改进的动态分析法，成功地检测出了ＨＲＶ信号的生理和病理变化信息。Ａｌｂｅｒｔｏ等啪’应用ｓｈａｎｎｏｎ熵、熵率指数对短程ＨＲＶ信号的复杂度进行定量分析，并应用于临床诊断中。
构造一个较好并能反映ＨＲＶ生理意义的动力学模型将成为一个研究方向，以便进一步解释ＨＲＶ机理，为ＨＲＶ分析提供方法学依据的同时，促使真正适合ＨＲＶ分析的新方法出现。
１．３．５ＨＲＶ分析发展方向
在今后的研究中，ＨＲＶ分析方法有以下几个发展方向：
（１）发掘新的ＨＲＶ评估指标ｂ９。。深入发掘能够有效表征自律性神经系统活动的指标，使ＨＲＶ能够更灵敏地反映自律性神经系统病变。
（２）将更新更优的信号处理方法如小波分析方法、非线性预测方法，还有本文将会介绍的经验模式分解方法等，切实优化并应用到ＨＲＶ分析中来，从而获取更有效的ＨＲＶ特征。