健康人的心跳是一个典型的多输入的复杂非线性系统,它在自发窦性节律的基础上,同时受自主神经系统----交感神经、副交感神经等多种因素的协调控制,因而呈现复杂的变异性,即心率变异性(heart rate variability,HRV)。作为评价自主神经系统的活动水平的一种无创性手段,HRV在预测心源性猝死,以及其它与自主神经控制功能密切相关的疾病的诊断,甚至非治疗医学方面都有广泛的临床应用并显示出其独特的优越性。然而,尽管有大量研究投入到HRV的分析中,各种方法在临床应用上很难达到一致,即便是最广为接受的频谱分析,也往往会由于受非平稳性的影响而得不到一致性的结果。因此,寻找合适的能恰当反映心脏动力系统在健康和疾病状态下的区别的参数,从而揭示心脏动力系统本质,一直是众多HRV研究者追求的目标。本文主要作了以下工作,也是本文的主要创新点：　　 ⑴利用各种HRV的短时分析方法针对大鼠心衰模型数据和人类房颤(atrial fibrillation,AF)、充盈性心衰(congestive heart failure,CHF)疾病的数据进行了分析,发现,虽然在特定的场合一些参数表现出敏感性,但是总体来说,我们没有获得一致性的诊断参数,例如对于CHF患者与健康人的差异,考察的参数都不是特别敏感。通过研究时间序列在延迟嵌入重构相空间中的几何分布特性,我们提出了一个利用斜率阈值的主分量分析(slope-threshold primarycomponent analysis,SPCA)提取心跳间隔序列在固定嵌入维下的分布维数的方法,通过对Logistic、Lorenz等模型数据的计算,证明该方法适用于短时数据并具有较好的抗噪声能力。我们将该方法应用到心跳间隔(RR间期)序列,发现,在同等嵌入维下,健康年轻人的分布维数最高,随着年龄的增长和疾病的出现,分布维数会随之下降,而且该结果不受非平稳性的影响,说明了随着年龄的老化和疾病的出现,HRV的线性自由度降低。该方法由于对数据量要求小,计算快速,具有较好的抗噪能力和抗非平稳性能力,且能够很好的区分健康年轻人与CHF患者,因而可以作为短时HRV诊断的一个补充参数。　　 ⑵鉴于经典频域方法对于数据的非平稳性非常敏感,我们又着重研究了时间序列非平稳性对于短时分析结果的影响。通过对长时心跳间隔序列的分段研究,我们发现,一方面,序列的非平稳性,如RR间期均值和RR间期标准差(standarddeviation,SD)对各短时参数都存在一定影响,因此,我们认为,在做短时分析时,必须严格保证数据的可比性,即保证数据差别仅来源于心脏动力系统本身而排除外界干扰因素;另一方面,由于这种相关性总体比较微弱,因此,我们认为,HRV中的低频信息中不只包含了非平稳干扰的影响,还蕴含了心脏动力系统的固有特性。短时分析正是忽略了这部分信息,造成对动力系统的刻画不完全,导致得不到理想的结果。由此我们得出结论,要获得对心脏动力系统的全面认识,短时分析是不够的。　　 ⑶对长时HRV进行了多尺度的分析。在多尺度熵(multiscale entropy,MSE)分析中我们发现,RR间期序列的MSE主要反映年龄对心脏动力系统的影响,而相邻心跳间隔增量(△ARR)序列的MSE能很好的反映疾病AF和CHF与健康人之间的差异,而且,尽管两种疾病的多尺度标准差(multiscale standarddeviation,MSD)分居健康人两侧,但是他们的MSE却都显著低于健康人,因此,该参数能反映两种疾病中某些共同的、与SD无关的动力学特性。根据显著性对照,我们提出以尺度4下的△RR序列的样本熵作(sample entropy,SE)为临床诊断依据,并借助受试者工作特征(receiver operating characteristic,ROC)曲线给定了具体的参考阈值0.68。该参数被证明对于轻度心衰患者同样敏感有效,因此只反映心衰与健康人之间的动力学性质差异,而与心衰轻重程度无关,因此适合用于心衰的早期诊断。　　 ⑷在将基本尺度熵做多尺度化(multiscale base-scale entropy,MBE)扩展后应用于HRV研究,我们发现,尽管在尺度1下CHF患者的熵值高于健康人,但是随着尺度的增加,健康人的MBE呈现上升趋势,而CHF患者的MBE呈现下降的趋势,在时间尺度τ≥7时,各组的MBE都呈现出明显的平台区,且CHF患者的熵值会低于健康人。该结果说明了,虽然在小尺度下健康人的心率波动更集中在特定模式,但是在长时大尺度看来,健康人的心率波动模式比CHF患者更丰富,意味着健康人的适应性更强。我们据此提出了一个MBE的变异性参数δ,用来衡量心脏的健康状况,发现,健康人与CHF患者在该参数上差异显著。