在本文中,我们分析研究了两种生物信号,一种是步伐时间序列,一种是心电图(ECG)信号。使用的是近似熵和功率谱熵两种分析指标,分别对两种信号进行分析研究。本文的研究分两部分:第一部分,用近似熵对儿童步伐时间序列进行分析研究,观察熵值的变化规律,发现儿童在3到14岁时,随着年龄的增长,近似熵值逐渐减小,表现为步伐趋于稳定。相关研究中多采用线性方法对这类时间序列进行研究,而本文采用的是近似熵这一指标,发现近似熵可以更好的反映时间序列的复杂性差异,所需数据量小,具有敏感性和稳定性。第二部分:本文提出功率谱熵的子频段法和缩合法,用其对一组健康组及一组心肌梗塞患者组的心电图信号进行分析,拟探讨健康组和心肌梗塞患者组的功率谱熵值的差异。研究发现:子频段上的功率谱熵值能较好的区分老年心梗者和老年健康者。利用缩合法分析研究发现,随着年龄的增长,健康者功率谱熵值逐渐变小而心梗者的功率谱熵值基本稳定不变。中年时,健康者的熵值大于心梗者(P＜0.05),而老年时,健康者的熵值小于心梗者(P＜0.001)。采用通常所用的全频段分析法,由于其不能充分反映局部频域的信息,因而很难得到本文所采用的子频段法所得出的研究结果。子频段法和缩合法区分健康者和心梗者的ECG信号,简易可行,为ECG的分析和研究提供了一个容易计算且灵敏的特异性指标。
本文来源: https://www.lw50.cn/article/4416e865dab35d8d24cfbaeb.html