心率变异的非线性特征参数估算.PDFVIP

维普资讯 第l2卷 合 刊 非 线 性 动 力 学 学 报 VO1．12 2005年 l2月 JournalofNonlincarDynamicsinScicaceandTechnology Dcc．2005 心率变异的非线性特征参数估算★ 王 黎 于 涛 韩清凯 闻邦椿 (东北大学机械工程与 自动化学院，沈阳，l10004) 摘要：心率变异(HeartRateVariability,HRV)是指人的心脏节律的微小变动量，与人的健康状态 和精神状态直接相关，具有明显的非线性特征．在本文中，对HRV时间序列的几个非线性特征参数 进行估算．从而对tL,脏健康状态(，tL,率正常)与非健康状态(心率变异)HRV 之闻的差别进行比较．首 先利用小波变换技术对心电信号(ECG)数据进行R波的准确定位，经过重采样得到HRV序列．关联 维的计算结果表明，健康状态和非健康状态 HRV 时间序列具有不同的分形结构．在相空间重构的 基础上对HRV进行最大李雅普诺夫指数的估算．结果表明，健康状态和非健康状态HRV时间序列 的最大李雅普诺夫指数均为正值，但处于心率不齐状态的节律的混沌程度明显低于健康状态．健康 状态HRV的复杂度要高于非健康状态HRV的复杂度．近似熵和复杂度的分析结果基本相似，健康 状态HRV的近似熵要高于非健康状态Hlw 的近似熵．利用这些非线性特征参数对健康状态和非健 康状态的HRV进行比较分析，可以为诊断提供依据，并对深入了解生命规律有潜在价值 关键词：HRV，相空间重构，关联维，李雅普诺夫指数，复杂度，近似熵 中图分类号：0322，THll3．1 人的心脏跳动周期并非固定不变，即使在平静状态下也存在微小的涨落．心率变异 (HRV)描述了这种心跳间期的微小变化．心率变异的产生因素非常复杂，既有生理因素和 病理因素，也受心理因素的影响，它是人体为适应不同的生理状况或某些病理状态而做 出的反应．研究心率变异对中枢神经的自主调节、生理和心理特性以及临床疾病评价都有 重要意义．现有研究表明，HRV是一种非线性时间序列，具有典型的混沌和分形特征 IIj． 本文对典型的健康状态(心率正常)和非健康状态(心率不齐)下的 HRV 时间序列进行非线 性特征参数估算，以对比研究它们的非线性特征． HRV可以从测量得到的ECG信号中获取珏1．从ECG中提取HRV的关键是准确的识 别R波．现有的一些技术中，采用带通滤波来检测R波，这种方法必须严格控制基线漂移 和噪声影响，此外还有许多方法包括基于自适应识别算法的神经元网络方法等．基于小 波变换的算法能够较准确地识别存在噪声污染的ECG信号的特征点．在本文中，利用小 ‘本文予2005年 8月收到 维普资讯 合刊 王黎等：心率变异的非线性特征参数估算 9 波变换实现了对 ECG信号的R波识别．在获得RR间期的基础上，采用三次样条函数对 其进行插值，选择合理的采样频率对其进行重采样，获得可川的HRV时间序列． 关联维可以对信号的分形特征进行定量刻画3【’引．为了使重构相空间能够正确反映原 系统，利用计算互信息函数第一极小值的方法确定最佳延迟时间．根据文献 5【】，选取最 佳的嵌入维数。在此基础上，正确计算HRV的关联维． 最火李雅普诺夫指数可以定量地刻画相空间中相邻轨道的平均发散速率，是判断一 个系统是否处于混沌状态的最重要的量化指标之一．计算非线性时间序列的李雅普诺夫 指数的方法很多 ，．在本文中，首先完成对HRV的相空间重构，再计算出最大李雅普诺 夫指数．结果表明，健康状态(J率正常)和非健康状态(J率不齐)的HRV的最大李雅普诺 夫指数均为正值，处于心率不齐状态的HRV的混沌程度明显低于健康状态． 近似熵是在相空间中刻画混沌运动的一个重要量化指标，它反映了相空间维数增加 时产生新模式可能性的大小，以及时间序列的新模式发生率随维数增减而变化的情况8【91． 它采用边缘概率分布米区分各种过程，包括规则运动、混沌运动和随机