亚健康状态(sub-health state)是介于健康与疾病之间的状态,它是困扰当今社会的一大健康问题。亚健康状态若不能及时缓解,则易导致慢性疲劳和心情压抑,使得导致免疫功能降低,从而走向“疾病”。目前国内外在亚健康状态的诊断辨识方法中,没有一种同时具备无创、简便、快速、成本低、可客观量化且能持续监测亚健康对个体影响的评测方法。本文从中医理论角度出发,通过探讨这种中间状态对人体可能产生的影响,提出了基于心电脉搏信息的亚健康状态识别方法。主要研究内容如下:(1)从中医脉诊、心电图、心电脉搏信息融合和心脏的混沌等几个方面分析了利用心电脉搏信号中蕴含的信息来识别亚健康状态的可行性。(2)开发研制了心电脉搏同步采集的实验系统,进行了以在校大学生为研究对象的数据采集实验,对比分析了多种滤波方法对心电信号的预处理结果,择优选择levkov滤波方法来消除工频干扰,结合二阶中值滤波去除基线漂移,为数据分析提供了可靠的数据来源。(3)分别用时、频域分析方法、非线性分析方法及非平稳信号分析方法提取了心电脉搏的特征信息,并利用t检验检测各特征信息的显著性水平。实验表明,脉搏功率谱峰值及脉搏波传输时间是两个可用于识别人体亚健康状态的显著特征,其显著性水平P＜0.01;脉搏信号5Hz内的谱能比(SER2)和心电脉搏相间质心距离是两个明显特征,其显著性水平P＜0.05。(4)利用改进的线性判别式分析(LDA)法对50例样本(健康25例,亚健康25例)进行分类处理,结果显示:将脉搏功率谱峰值和脉搏波传输时间组成特征向量用于分类,可获得88%的识别率,而脉搏功率谱峰值、SER2及心电脉搏信号相间质心距离组合而成的特征向量,亦可获得86%的分类率。研究结果表明,心电、脉搏信号中蕴含着反映人体亚健康状态的信息;基于心电脉搏信息的人体健康状态识别方法可行且有前途。