心率变异性(Heart Rate Variability,HRV)产生于心脏搏动间期的周期性变化,是反映自主神经系统交感神经与迷走神经活性及其平衡性的重要指标,可用于许多心血管疾病和非心血管疾病的预测和诊断。通常,HRV从心电信号中获取,但是获取心电信号的电极导联和连线繁杂,同时,心电信号监护设备所采集的信号经常含有人体运动等因素引起的干扰段,干扰段的HRV难以直接提取,从而导致一些以HRV为基础的疾病检测方法或系统产生误判,可靠性降低。因此,为了提高心电信号干扰段检测的准确性和实时性,且准确估计干扰段信号的HRV,本文提出了一种新的心电干扰段HRV估计方法。该方法采用短时自相关原理检测心电信号中的干扰段,并利用脉搏信号与心电信号间的相关性,采用基于自相关函数的快速功率谱估计法和改进的滑窗迭代DFT算法,分别从同步采集的脉搏信号中估计心电干扰段的HRV,并与现有的典型算法进行比较。结果表明,文中提出的HRV估计算法具有较高的准确性和较强的实时性。本文主要研究了以下四个方面:(1)心电脉搏信号的滤波。心电脉搏信号都为微弱的信号,在它们的采集的过程中会引入各类噪声和干扰。通常采集的心电脉搏信号中都会含有基漂、肌电干扰和50Hz的工频干扰。为了滤除这些干扰和噪声信号,本文首先对标准的心电脉搏信号波形进行了介绍,然后设计实时性比IIR和FIR滤波器更强的整系数滤波器进行滤波。(2)心电信号干扰段检测。根据心电信号干扰段的特点,采用短时自相关原理快速检测心电信号的干扰段,并结合光滑度和动态变异系数两个动态参数提高干扰段检测的准确度。采用国际常用MIT-BIT Arrhythmia Database/Challenge2014 Training Set(challenge/2014/set-p)数据,对提出的干扰段检测算法和现有常用的几种干扰段检测算法进行仿真比较,评估所提算法的性能。结果表明文中提出的干扰段检测算法的准确度更高并且实时性更强。(3)心电干扰段的HRV估计。利用心电信号和脉搏信号之间的相关性,采用基于自相关函数的快速功率谱估计法和改进的滑窗迭代DFT算法,分别从同步采集的脉搏信号中估计心电干扰段的HRV。并将文中提出的HRV估计算法与目前常用的HRV估计算法进行仿真比较,评估文中算法的有效性和可靠性。(4)基于心率变异性估计的冠心病识别方法研究。考虑到算法的实时性和准确性,采用文中提出的改进滑窗迭代DFT算法提取健康人和冠心病患者的HRV,针对它们的不同,分别提取它们时域和频域特征,然后进行特征选择,选取最佳的特征组合,采用优化的支持向量机对选取的特征组合分类。最后,与常用的几种智能算法进行实验比较,分析各种算法的优缺点,对文中的分类算法进行进一步性能评估。