心血管疾病是人类的第一大杀手，对心血管疾病进行监测和诊断的重要手段之一是心率变异性(Heart Rate Variability，简称为HRV)分析。迄今大量研究揭示，HRV信号蕴含了有关心血管系统调节的大量信息，可作为评价心脏自主神经功能的可靠办法，在判断多种心血管疾病预后方面有一定意义。然而，影响HRV的因素很多，例如生理周期、运动、呼吸、年龄、情绪、疾病等。识别和控制这些因素对于HRV检查和结果的评估非常重要。特别是在长时程HRV(传统上定义为24小时)检测中，多种干扰因素交织在一起，对检查结果的分析显然不利。在HRV的诸多影响因素中，运动、生理周期所带来的影响最大。传统的HRV分析由于没有考虑到运动和生理周期引起的心率变化，所以得出的HRV不具有一致性，不能准确的对疾病做出预测。　　 本文专注于运动和昼夜周期情景下的HRV分析。运动情景HRV分析，一方面，排除运动因素造成的心率变化，使得HRV分析的结果更具有准确性和预测性。另一方面，HRV随运动强度的变化也可以作为心血管系统的动态性能指标。同样，昼夜周期情景HRV分析，一方面，排除生理周期造成的心率变化，另一方面，HRV的昼夜不同，也可以作为一个新的诊断指标。论文的工作主要包括以下方面：　　 第一，研究心率分布随运动强度的变化，并提出与运动相关的心率变异性指标。分别在多种运动强度下，使用高斯分布拟合NN间期的分布直方图，并以高斯分布的参数作为相应运动强度下的心率变异性参数。实验证明：1)所有运动强度下，心率的分布与高斯分布非常一致。2)随着运动强度的增加，心率的高斯分布参数呈现单调的变化，即均值增高，方差减小，这与运动过程中，心率增加，心率变异性减小的生理现象一致。3)拟合的高斯分布的参数，在相同运动强度下，存在较大个体差异，具有作为心血管系统性能评估指标的可能。4)此方法还可以应用于心率序列中的异常点检测，尤其是运动情景下采集的心率序列。　　 第二，研究心率在静止－恒定速度运动－停止运动过程中随时间的变化。在某一运动强度下，使用动态方程描述运动驱动下一个完整的心率动态周期的心率随时间的变化，并获得与运动相关的心率评估指标。所构建的方程基于这样的事实：从静止到运动、运动持续、运动停止过程中，心率的变化经历多个不同阶段，包括静止期、上升期、漂移期和恢复期，每个阶段遵循不同的动态规律。对不同的阶段使用不同的动态模型，并使用统计方法融合成为一个完整的动态方程。模型的输入为运动强度和静止初始心率值，输出为实时心率。模型参数作为运动驱动的心率响应的指标。此模型还可以应用于心率滤波以及心率实时预测。　　 第三，进行运动情景下的HRV分析实验，研究HRV在运动情景下的变化规律。实验包括数据采集、数据处理和HRV分析。实验验证了1)HRV在运动背景下具有稳定性，即多次重复相同的运动强度和类型，HRV的值相对稳定；2)HRV存在较大的个体差异，比如随着运动强度增加，HRV的下降曲线的斜率与个体的身体情况相关。　　 第四，进行生理周期情景下的HRV分析实验，包括数据采集、数据处理和HRV分析。生理周期情景下的HRV分析实验的目的则是研究在长时程HRV分析中，昼夜节律对HRV的影响。实验针对健康和病人的24小时数据，首先以2小时为步长，进行了时段划分，对每个时段进行单独的HRV分析。并通过运动数据和心率变化规律，找到睡眠阶段。实验证明HRV在昼夜两个周期具有很大差别，并且这种差别在健康和病人之间也存在较大差异。