心脏病是威胁人类生命的主要疾病。心脏系统疾病的诊断和治疗是当今医学界的重要问题。研究表明，心率变异性（Heart Rate Variability，简记为HRV）蕴含了有关心血管系统神经及体液调节的大量信息，通过检测患者的心率数据，可得到许多有关自主神经系统状态的信息。HRV作为一种方便、无创、定量、实用的心脏自主神经功能检测和评价手段，已成为理论和临床研究的热点之一。 论文研究以临床应用为目的，通过分析HRV信号的非线性特征，探讨非线性动力学方法在研究心脏活动和心脏疾病诊断中应用的可行性和适用程度。希望为研究心脏活动和进一步的早期临床诊断疾病提供一些新的手段和方法。 论文在系统调研非线性动力学的理论基础、发展历史、几种经典方法的基础上，选择其中的Lorenz散点图、近似熵、样本熵作为本课题分析HRV信号的方法。通过实验揭示近似熵的内在意义，论证了近似熵的局限性，和样本熵优于近似熵的可靠性和稳定性。 论文将非线性动力学方法应用于分析健康人和室性过速或室性纤颤病人的HRV。得到结论：正常的HRV信号携带更多的信息量、更复杂和更不可预测；室速或室颤发作前，患者自主神经系统中的交感神经张力增加，其HRV信号的复杂度降低；健康人的HRV信号Lorenz散点图呈彗星状，而异常的HRV信号Lorenz散点图形状多样，如短棒状、扇形、复杂形等。 论文设计出动态近似熵算法，并将其用于分析室性过速或室性纤颤病人的HRV信号，该算法在继承近似熵优点的同时，可连续动态地捕捉HRV信号复杂程度的变化。得到结论：在室性过速或室性纤颤事件发作前，HRV的近似熵值会有大幅度的锐减；室性过速或室性纤颤事件过后，HRV信号仍将受到持续影响。