振动利用工程学是对振动和波现象进行研究，找出其内在规律并进行有效的利用，无疑会对社会发展人类进步有着重大意义。从振动利用工程学的角度对人体生理信息加以研究，具有重要的科学理论价值。人体生理信息与复杂生理机制直接相关，是生命生理系统的直接反映，具有明显的复杂性和非线性特性。 本论文以人体生理信息的心电信号和脉搏信号为对象，以评价人体心脏血管系统及其主要器官的健康状态为目标，采用振动利用工程学、非线性动力学和混沌理论、非线性变换技术，完成心电信号和脉搏信号的非线性分析，对比分析不同的生理状态和病理状态、性别和年龄差异、精神疲劳差异等，以期在健康状态监测与个体保健中得以应用，同时对人体生命的复杂现象及规律进一步深入认识。 文中首先采用小波变换技术对心电信号进行分解，采用阈值法保留信号中的有效成分，实现心电信号的消噪和重构。构建了基于小波变换和样条插值的HRV(心率变异性信号)的提取算法。 文中给出了心电波形的微分动力学方程并进行模拟分析。参考实测的心率均值和标准差、波形形态特征、RR间期序列的功率谱，利用心电波形动力学方程，用数值模拟方法讨论了几种不同生理和病理因素对心电信号的影响，例如心室复极化滞后、心率不齐等。 文中构造了健康和病理状态、不同睡眠状态、不同性别和不同年龄等个体与生理差异状态下的心电信号的QT-RR间期的散点图。得到的散点图直观地反映了个体差异和不同生理状态。对不同生理和病理状态的心电信号进行频谱计算，归纳出各种状态下的频线分布的1/f规律，并进行不同状态的对比，从动力学角度定性地分析了心电信号的复杂性。 文中对HRV信号的Poincare截面图和频率图进行比较研究，定性分析HRV信号的非线性特征。HRV是由心电信号提取的、最能反映心电活动非线性行为的信号。Poincare截面图是对个体病理状态较直观地反映。不同健康和病理状态下的HRV的Poincare截面图的形态具有不同的有界且分散的特性。 对大量实测数据进行频谱计算，表明不同生理状态下的HRV信号谱线具有宽带和多峰特征，多数情况下满足1/f分布规律。不同个体和不同生理病理状态的HRV频谱特征有明显区别。 文中采用代替数据法对HRV信号进行识别，证明了HRV的混沌性。论文还比较了不同生理和病理状态下HRV的代替数据法中的几个特征参数的大小。 文中对具有混沌特性的HRV信号，采用相空间重构技术，通过计算HRV时间序列的互信息函数确定合适的延迟时间和最小嵌入维数，在此基础上正确估算关联维和最大Lyapunov指数。根据非线性参数定量比较不同生理和病理状态下HRV的差异。本文还计算了不同生理和病理状态下HRV的近似熵和复杂度，以刻画其复杂性。 在以上心电信号非线性动力学与混沌分析的基础上，通过归纳大量实测心电数据的非线性参数计算结果，给出了对人体疲劳状态进行评估的判据。作为对照，在提取脑电信号α波基础上，计算脑电信号α波的三种非线性参数，用来判定人体疲劳状态。然后根据HRV和α波两种信号的三种非线性参数对不同疲劳状态实现了综合量化评估。 在人体心脏血管系统中，脉搏信号反映心脏和动脉血管综合作用下的动脉血压的变化情况。脉搏信号会随着检测状态及时间的变化而变化，具有明显的非平稳特点。文中对脉搏信号的非线性特性的生理机制进行详细分析。然后利用小波变换进行脉搏信号的噪声和基线漂移消除。给出了平均脉搏及其脉搏波形特征参数K值的计算方法，并以其作为不同生理状态的脉搏分类的依据。 脉搏信号与心电信号具有相似的非线性特性。文中采用小波变换提取脉搏主波间期，构造出脉搏主波间期的Poincare截面图并加以分析。采用代替数据法对脉搏主波间期序列进行了混沌识别。对几种生理状态下的脉搏主波间期序列的非线性参数(包括关联维数、最大Lyapunov指数)进行了估算。 本文以大量心电信号和脉搏信号的实测数据和临床病例数据为对象，采用小波变换技术实现信号的消噪和特征点提取，采用周期截面图和谱分析技术进行信号的非线性定性分析，采用代替数据法和基于相空间重构理论的非线性参数估算方法，通过分析计算和比较，研究了它们的非线性特性规律。结果表明，在不同生理状态和病理状态下，如健康人和心脏病人、性别差异、年龄差异、运动前后、睡眠状态等，心电信号和脉搏信号具有明显的非线性特征，根据这些非线性状态描述和非线性分析的结果，实现了对人体生理状态的合理评估。