论文部分内容阅读
心率变异性(HRV)是指心动周期中连续两次心跳间期(RR间期)的微小变化,对HRV信号进行分析可以准确、及时诊断一些常见的心血管疾病。HRV信号是采样在非均匀时间点上的RR间期序列,用FFT算法进行频谱分析之前需要插值重采样来得到均匀采样序列,这在一定程度上加大了计算误差,SBF算法正是针对FFT这种缺陷提出的。 SBF算法是傅里叶积分的近似估计,其算法思路是用线性插值函数近似被积函数,将线性插值函数分解为有限多个相似基函数(similar basis function)的线性和,对每个基函数进行傅里叶正弦或余弦积分,其结果可表示为简洁的解析形式,故积分运算可转化成一些相对简单的代数运算。本文经过多个数值实验对SBF算法进行了评估:证实SBF算法可较好地计算信号的傅里叶频谱和重构信号,若利用不同频段的频谱重构原信号,可方便地对信号进行分解和去噪,这方面优于FFT算法;但是在计算精度特别是重构精度方面要差于FFT算法。基于SBF算法定义的片段谱是频率、起始时间点和信号片段长度的函数,特别对于非平稳信号,片段谱可反映谱随时间的变化情况,而且通过移窗分别求片段谱和功率谱主频的方法验证了SBF算法比FFT算法更适用于非均匀采样信号。文中以20名年轻(21~34岁)与20名年老(68~81岁)两组健康人的HRV信号为实验数据,用全频段分割法计算出两组人的片段谱熵,结果表明,年轻组熵均值明显大于老年组(p<0.02),这反映了随年龄的增大心血管复杂程度降低,这一结论与其它方法所得结论一致。