目前,心血管系统疾病已经成为全球成年人首要死亡原因,我国心血管系统疾病患病率逐年上升。近年来,我国在心血管疾病治疗上的费用以每年18.6%的速度迅速增长,远远超过了我国国内生产总值(GDP)的增长速度,这预示着我国将面临着巨大的医疗危机。因此,早期检测和评估心血管系统功能状态、进而实现有效干预成为解决这一危机的有效途径。经研究表明,分析心电、心音和脉搏波等心血管系统信号中所包含的生理信息可以判断心血管系统的健康与否。然而,对于心血管系统这一复杂的整体,单一的生理信号不足以全面反映出整个心血管系统功能状态。随着现代医疗设备与传感器技术的发展,多种生理信号同步测量已成为现实,通过测量多种生理信号之间存在的耦合关系进而检测心血管系统功能状态的方法为研究者们在心血管疾病早期检测的研究方面提供了新的思路。本课题主要做了以下几个方面的工作：(1)在传统互模糊熵的基础上引入调整因子λ,并提出了改进互模糊熵算法。经研究表明,传统熵算法中相似性判据在实际应用过程中效果不佳,因此本文引入调整因子λ,定义了更符合实际信号分析的相似性判据——物理模糊隶属函数,进而提出了改进互模糊熵算法。通过耦合噪声模型和耦合MIX(p)模型的仿真实验得出,λ在[0.5,1.5]之间取值时改进互模糊熵算法的统计稳定性和相对一致性值均显著大于互样本熵和互模糊熵算法。(2)通过仿真实验验证了改进互模糊熵算法相比于互样本熵和互模糊熵算法有更高的统计稳定性。分别应用互样本熵、互模糊熵以及改进互模糊熵对仿真心血管时间序列进行耦合性分析,经仿真结果表明：互熵算法适用于心血管系统生理信号之间的耦合性分析；改进互模糊熵算法的互熵结果的标准差最小,因而具有更高的统计稳定性。(3)通过临床实验验证了改进互模糊熵算法在心力衰竭检测中拥有极高的应用价值。临床实验中获取心力衰竭患者和健康人两个群体的心动周期-脉搏波传播时间序列,并应用互样本熵、互模糊熵以及改进互模糊熵对序列进行耦合性分析,实验结果表明：三种熵算法都有区分心力衰竭患者与健康人群的能力,而改进互模糊熵算法统计性能最好,ROC曲线下面积达到0.963；当将临界阈值设为1.12时,改进互模糊熵在心衰诊断中的特异性与敏感度分别达到93.3%和86.7%。