脑血管病是人类严重致残和致死的重要原因之一，其临床意义受到了越来越广泛的重视。脑血管病中一个重要的研究课题是缺氧缺血脑损伤。因为它不仅是中风的直接原因，也是围产期主要的儿科精神系统并发症。缺氧缺血脑损伤多由心脏停搏引起，它导致的结果往往是深远的，60％的病人虽然成功的进行了心脏停搏复苏，但是却死于随后并发的缺氧缺血脑损伤。如果能够在脑损伤的初期找到适当地监测参数，就可以对脑损伤采取适当的救护措施。因此本论文的主要工作就是从生理信号中寻找恰当的监测参数，以便提供临床实时的监控。 脑电图(EEG)是通过相应的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，它是目前最敏感的监测脑功能的指标，也是目前被讨论的比较多的一个指标。但是在临床操作却易，除了大量的信号的预处理的工作，因为以往的研究手段的限制，缺乏普遍适应性，大大的影响了临床的实用性。因此在本论文中，将其作为参照量，只对它进行了信息学非广度熵分析。同时把本论文研究的重点放在研究心率变异信号(HRV)在缺氧缺血脑损伤状况下的变化。 在以往的研究中已经发现心率变异信号携带了大量自主神经系统功能(Autonomic Nervous System Function)的信息，并且已经被认为对很多疾病都有诊断及预测作用。在本论文中，我们针对三种动物实验，从信号处理的角度出发对缺血缺氧脑损伤的大鼠的心律变异信号进行了基于多种参数的处理和分析，并与其它方法，如对脑电信号处理的结果，组织损伤切片，神经功能障碍指数等参数进行比较，除了发现了良好的一致性外，还进一步从HRV的角度证明了脑损伤与缺氧缺血的程度的相互关系。 心率变异信号在近年来的研究中已被证明是典型的非线性信号，采用非线性的分析方法分析其动力学特性是有重要意义的。在本论文中，我们不仅对如何提取心率变异信号作了有益的探讨，主要是对缺氧缺血条件下的心率变异信号进行了非线性动力学的研究，包括对信号的非线性检验，非线性定量分析。我们通过复杂度的判据，首先证明了在正常状况下，以及缺氧缺血脑损伤的状况下大鼠的心率变异信号均显示出了典型的非线性特性，接下来对实验设计的不同情况不仅进行横向分析，本论文所提出的非线性的分析方法，主要是基于近似熵的分析方法，分析发现在缺氧缺血发生当即，非线性指标就出现了明显的降低，且恢复的过程与大脑受伤程度有着直接的联系。这与我们采用其它生物实验得到的结果有良好的一致性，且能相互说明。同时，我们也对分析结果与常用的心率变异信号分析方法进行了纵向比较，发现以往时域以及频域的分析方法方差较大，且适用面较近似熵方法窄。在对HRV信号的混沌特性的研究中显现HRV信号不属于低维的混沌，这对我们正确的选择非线性分析方法提供了依据。结果证明，采用近似熵的非线性特性分析方法能够有效的对各类实验情况下 的缺氧缺血脑损伤进行实时跟踪，其准确率明显高于传统的分析方法。 文章最后提出了对建立一套实时的适合临床使用的监护系统的展望，在可能出现心脏停搏的情况下，如手术中，通过对心率变异信号的分析，实现对脑损伤的实时监控。虽然本文只是一个初探，更深入的研究需要临床实验的更有效的配合。但是我们相信这确实具有广阔的应用前景。 论文中的动物实验数据均采集自美国Johns Hopkins医学院。