张加宏，孟 辉，谢丽君，冒晓莉，周炳宇

（1.南京信息工程大学电子与信息工程学院，南京210044；2.南京信息工程大学江苏省大气环境与装备技术协同创新中心，南京210044）

引 言

早期理论推断人在安静状态下心脏的跳动呈现有规律且连续的特点，类似一个节拍器，然而科学家如今发现，事实并非如此。心脏跳动即便在安静情况下也没有规律可循，相反它是不规则的，相邻心跳间隔的差值也不固定。科学家把这种逐次心跳间隔的自然变化赋予了一个专有名词—心率变异性（Heart rate variability，HRV），在医学分析上表示每个人不同的心率变化。国内外研究发现，HRV信号可作为冠心病［1⁃3］、心力衰竭［4⁃6］、高血压［7⁃9］和睡眠呼吸暂停综合症［10⁃12］等疾病的预测因子，通过对HRV信号的提取可以帮助医疗人员对患者的相关疾病问题进行更好的分析与诊断。

HRV信号的研究一般以心电图（Electrocardiogram，ECG）和光电容积图（Photoplethysmography，PPG）、远程光电容积图（Remote PPG，RPPG）为主。在ECG方面，针对心律失常中心室房颤（Ventric⁃ularfibrillation，VF）需提前预测的问题，Javid等［13］在VF发生之前，使用t检验提取心电图中的HRV特征参数，并通过遗传算法（Genetic algorithm，GA）和人工神经网络（Artificial neural network，ANN）结合实现了对VF的有效预测；针对日常情绪影响人类健康的问题，Han等［14］设计了一种影片剪辑方法来诱发不同情绪状态并同时提取心电图中的HRV参数，借助主成分分析（Principal component analysis，PCA）来减少特征数量，使用支持向量机（Support vector machine，SVM）作为HRV信号的分类器，取得了不错的效果。在PPG方面，Xu等［15］利用基于双向长短期记忆（Biodirectional long⁃short term memo⁃ry，BILSTM）网络的深度递归神经网络（Recursive neural network，RNN）算法，解决了PPG对运动伪影极度脆弱、剧烈运动中难以准确提取HRV的问题；……