脑卒中,已成为中国居民死亡的首位原因,患病率逐年上升,其中缺血性脑卒中占据60%到80%的比例,是各种易感因素引起脑动脉狭窄或闭塞,导致的急性脑血液循环障碍。早期识别和预防已刻不容缓。低频振荡信号,频率范围0.01~0.15Hz,是血流动力学参数中的自发缓慢变化信号,不依赖于心跳和呼吸信号,并且可以用作监测循环功能障碍的生物标志物。已有研究人员对健康人体低频振荡信号传播规律进行了探究。但低频振荡信号在缺血性脑卒中等有血液循环障碍的病人体内是如何传播的尚不清楚,针对该难题,该文对缺血性脑卒中患者外周末梢低频振荡信号传播特性进行深入研究。首先,针对缺血性脑卒中患者外周低频振荡信号获取问题,基于近红外光谱技术,设计了一个静息状态下数据采集实验。对于采集过程中产生的噪声,根据低频振荡信号非线性和非稳态性特点,提出了去除生理噪声和运动伪迹噪声的新方法,基于样条插值和小波峰度值滤波器相结合的算法,并和经验模态分解算法做了对比。其次,针对低频振荡信号在缺血性脑卒中患者体内如何传播的问题,采用了时频域分析,相关性和时延性等分析方法,计算外周各位置(耳垂、手指和脚趾)末梢区域之间低频振荡信号的时间延迟和相关系数。通过分析各个位置之间的时延大小,对比了健康人和缺血性脑卒中患者低频振荡信号传播特性差异。根据缺血性脑卒中和健康人特征,采用四种典型机器学习算法进行了分类。最后,基于缺血性脑卒中血液循环的生理基础,采用时频分析,相关性和时延特性等分析方法,探究了不同病因(下肢动脉狭窄,颈内动脉狭窄,颈外动脉狭窄)和不同梗塞位置(左侧和右侧)下的低频振荡信号传播规律,并结合患者病理,分析了出现该规律的原因。