張　璇， 李　錦， 徐文敏

(陜西師范大學(xué) 物理學(xué)與信息技術(shù)學(xué)院, 陜西 西安 710119)

?

晝夜節(jié)律顛倒影響心率變異性信號(hào)的非線性特性研究

張璇， 李錦*， 徐文敏

(陜西師范大學(xué) 物理學(xué)與信息技術(shù)學(xué)院, 陜西 西安 710119)

摘要：研究了晝夜顛倒作息對(duì)人體心電信號(hào)的影響，并探索了處于睡眠狀態(tài)和清醒狀態(tài)人體心電信號(hào)在顛倒作息狀態(tài)下的變化。設(shè)計(jì)實(shí)施晝夜顛倒作息實(shí)驗(yàn), 利用去趨勢(shì)波動(dòng)分析法(DFA)和多尺度的基本尺度熵法(MBE)分析顛倒作息情況下的HRV信號(hào)，并與正常作息下的變化規(guī)律進(jìn)行比較。實(shí)驗(yàn)發(fā)現(xiàn)：處于24 h正常作息下的實(shí)驗(yàn)對(duì)象的α(標(biāo)度指數(shù))均值大于24 h顛倒作息時(shí)的均值，并且在正常作息和顛倒作息下睡眠狀態(tài)的α值小于清醒狀態(tài)時(shí)的α值。通過(guò)對(duì)比分析清醒和睡眠狀態(tài)的MBE曲線以及DFA的結(jié)果，發(fā)現(xiàn)晝夜顛倒作息對(duì)睡眠狀態(tài)下的HRV信號(hào)影響較大。以上研究結(jié)果表明顛倒作息會(huì)使人體心臟系統(tǒng)的長(zhǎng)程相關(guān)性減弱并對(duì)人體本身動(dòng)力學(xué)復(fù)雜性產(chǎn)生一定的負(fù)影響，尤其對(duì)睡眠狀態(tài)下HRV信號(hào)的負(fù)影響較為明顯。

關(guān)鍵詞:顛倒作息； 睡眠； 心率變異性； 長(zhǎng)程相關(guān)性

PACS: 87.85.Ng

從統(tǒng)計(jì)學(xué)角度分析生物電信號(hào)，可以為我們提供一定的生理活動(dòng)信息，據(jù)此可以判斷一個(gè)生理機(jī)制是否處于健康穩(wěn)定的狀態(tài)。心臟是人體的重要器官，心電信號(hào)(electrocardiogram， ECG)是典型的生物電信號(hào)，它反映了心臟在興奮產(chǎn)生、傳導(dǎo)、恢復(fù)過(guò)程中的電變化，是心臟活動(dòng)的一種客觀表示。從心電信號(hào)中提取的心率變異性(heart rate variability，HRV)信號(hào)是指逐次心跳間期之間的時(shí)間差異，也稱為RR間期信號(hào)[1]。研究表明心率變異性中蘊(yùn)含有關(guān)心血管調(diào)節(jié)的大量信息，能反映人體自主神經(jīng)的調(diào)節(jié)狀況[2]。

心臟系統(tǒng)是一個(gè)很復(fù)雜的非線性系統(tǒng)，而人體的心率變異信號(hào)動(dòng)力學(xué)系統(tǒng)是一個(gè)典型的混沌動(dòng)力學(xué)系統(tǒng)[3]，因此對(duì)心率變異性信號(hào)進(jìn)行非線性研究能夠取得比線性研究更多而且更貼近心臟系統(tǒng)的自身規(guī)律和應(yīng)用價(jià)值[4]。在眾多非線性方法中，目前公認(rèn)效果較好，比較有代表性的方法有冪律分析[5-11]和熵分析[12-17]。近年來(lái)，由Peng等[11]提出的去趨勢(shì)波動(dòng)分析(detrended fluctuation analysis,DFA)被引入到生理信號(hào)、股票市場(chǎng)、天氣記錄等領(lǐng)域的研究[5-11]，并取得了顯著成效。而Plamen等人在DFA的生理電信號(hào)研究中取得了重大成果[5]，并對(duì)DFA方法進(jìn)行了多方面的深入研究。去趨勢(shì)波動(dòng)分析(DFA)方法是一種研究時(shí)間序列長(zhǎng)時(shí)相關(guān)性的方法，該方法在冪律分析中較自相關(guān)、功率譜等傳統(tǒng)方法更具優(yōu)越性，DFA的優(yōu)勢(shì)在于能系統(tǒng)地去除數(shù)據(jù)中由外部因素造成的不同階的趨勢(shì)[12]以及減少由于不完善的測(cè)量方法引起的噪聲水平，從而得到該系統(tǒng)內(nèi)部動(dòng)力學(xué)本質(zhì)的影響。熵是混亂和隨機(jī)程度的測(cè)度，熵分析方法被廣泛用于非線性生理信號(hào)研究中。本文針對(duì)非平穩(wěn)多尺度有噪聲干擾的HRV特點(diǎn)，使用多尺度化的基本尺度熵(multiscale base-scale entropy， MBE)[15-17,19]進(jìn)一步比較分析顛倒作息和正常作息下清醒、睡眠狀態(tài)的具體差別及影響。

由于心臟系統(tǒng)的活動(dòng)是在24 h晝夜節(jié)律下進(jìn)行的，國(guó)際上許多研究者關(guān)注到這一點(diǎn)并對(duì)測(cè)試者處于晝夜節(jié)律下的心電信號(hào)進(jìn)行采集和研究，分析在晝夜節(jié)律下清醒和睡眠狀態(tài)的心率波動(dòng)情況[20-21]以及對(duì)心血管生理系統(tǒng)的影響[22]。然而，許多特殊行業(yè)的工作者常年處于晝夜顛倒(即白天睡眠、晚上清醒)狀態(tài)，例如醫(yī)護(hù)人員、夜班的出租車司機(jī)、執(zhí)勤的民警等，這些人群在關(guān)注心血管健康的同時(shí)也注意到了顛倒作息對(duì)其的影響。因此，本文設(shè)計(jì)、實(shí)施了晝夜顛倒睡眠的實(shí)驗(yàn)，采集到夜間清醒、白天睡眠的24 h心電信號(hào)，從中提取HRV信號(hào)。通過(guò)非線性動(dòng)力學(xué)方法研究比對(duì)正常作息與顛倒作息HRV信號(hào)的混沌特性和長(zhǎng)程冪律相關(guān)性，進(jìn)一步探索晝夜作息顛倒對(duì)人體心電信號(hào)動(dòng)力學(xué)的影響。

1晝夜顛倒睡眠實(shí)驗(yàn)?zāi)Ｐ偷慕?/p>

1.1實(shí)驗(yàn)對(duì)象

本文的試驗(yàn)對(duì)象為6名在校大學(xué)生，男性和女性各3名，平均年齡為22.6歲。6名測(cè)試者平時(shí)生活規(guī)律，無(wú)酗酒、吸煙等不良習(xí)慣。6名測(cè)試者在試驗(yàn)前一星期開(kāi)始調(diào)節(jié)個(gè)人作息時(shí)間，調(diào)整到晚上21:00左右入睡。該6名測(cè)試者自訴無(wú)睡眠障礙、無(wú)神經(jīng)疾病、無(wú)家族遺傳的心臟病史和無(wú)與中樞神經(jīng)相關(guān)用藥。

1.2實(shí)驗(yàn)儀器

光電公司RAC—3003動(dòng)態(tài)心電圖記錄器，可隨身攜帶，采樣頻率為128 次/s，A/D 精度為 12 位。

1.3實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)分兩部分進(jìn)行，第一部分實(shí)驗(yàn)記錄6名測(cè)試者顛倒作息狀態(tài)(白天睡眠，夜間清醒)下的24 h心電信號(hào)，從晚上21:00至次日21:00。夜間要求測(cè)試者記錄清醒狀態(tài)12 h的心電信號(hào)，測(cè)試者應(yīng)保持清醒狀態(tài)，可在房間從事簡(jiǎn)單不劇烈的活動(dòng)，如：看書(shū)、聊天等；白天到安靜無(wú)人打擾的房間睡覺(jué)，保證睡眠效率達(dá)到90%。

第二部分記錄6名測(cè)試者正常作息狀態(tài)(白天清醒，夜間睡眠)下的24 h心電信號(hào),從20:30至次日21:00。與顛倒作息不同的是，晚上記錄時(shí)間提早了半個(gè)小時(shí)，目的是保證測(cè)試者有足夠時(shí)間調(diào)整自己能在21:00進(jìn)入睡眠狀態(tài)。

功能性ST-T改變可隨人體生理活動(dòng)調(diào)節(jié)而變化，故立位(清醒)時(shí)交感活動(dòng)增強(qiáng)，心率加速，ST-T改變加重。當(dāng)實(shí)驗(yàn)對(duì)象進(jìn)入睡眠狀態(tài)后，因生理自身調(diào)節(jié)，交感神經(jīng)活動(dòng)減弱，迷走神經(jīng)活動(dòng)增強(qiáng)，故心率減慢，ST-T改變恢復(fù)正常?；诖?，實(shí)驗(yàn)中我們通過(guò)心電記錄器所記錄的數(shù)據(jù)變化來(lái)判斷試驗(yàn)者進(jìn)入睡眠狀態(tài)的時(shí)間。

1.4實(shí)驗(yàn)數(shù)據(jù)預(yù)處理

通過(guò)RAC—3003儀器自帶的動(dòng)態(tài)心電圖分析軟件可得到每次心跳對(duì)應(yīng)的時(shí)間，相鄰兩次心跳的時(shí)間差即為心電信號(hào)的RR間期。在HRV時(shí)間序列中經(jīng)常會(huì)存在偽差和異位起搏點(diǎn)[18]這兩種非竇性心率。對(duì)于得到的RR間期序列需要進(jìn)行預(yù)處理，去除受異位心跳影響的RR間期。

若RR(ms)滿足以下不等式，則將其保留，否則將其去除：

(1)

500

(2)

對(duì)數(shù)據(jù)進(jìn)行預(yù)處理后，得到心電信號(hào)的RR間期序列，如圖1所示。

圖1　正常作息和顛倒作息兩種狀態(tài)下的RR間期

2研究方法

2.1去趨勢(shì)波動(dòng)

首先，設(shè)時(shí)間序列為x(i),長(zhǎng)度為S{x(i)∶1≤i≤N},按下式求出取均值的和序列

(3)

之后,將和序列y(i)不重疊地分解成若干長(zhǎng)度為n的片斷(片斷個(gè)數(shù)B=S/n)，由于數(shù)據(jù)長(zhǎng)度S不一定整除n，因此會(huì)剩余一部分?jǐn)?shù)據(jù)。為了不忽視這部分?jǐn)?shù)據(jù),從y(i)的另一端開(kāi)始再重復(fù)劃分一次，一共得到2B個(gè)片斷。

再?gòu)拿總€(gè)片斷序列m中去除其趨勢(shì)

yn(i)=y(i)-pm(i)。

(4)

式中,趨勢(shì)pm(i)即是第m個(gè)片斷的擬合多項(xiàng)式, 多項(xiàng)式的階次N可以是1(線性)、2(平方)或者更高。

最后，計(jì)算B個(gè)去趨勢(shì)子區(qū)間的方根，即DFA波動(dòng)函數(shù)

(5)

上式中

(6)

若F(n)與n的雙對(duì)數(shù)曲線存在線性關(guān)系

lnF(n)=lnc+?lnn，

(7)

則存在冪律形式的波動(dòng)

F(n)=cnα。

(8)

對(duì)上式采用最小二乘法線性回歸可求出直線斜率α(DFA的標(biāo)度指數(shù))。標(biāo)度指數(shù)α的不同反映了時(shí)間序列的相關(guān)性。

當(dāng)α值十分接近0.5時(shí)，時(shí)間序列僅是短期相關(guān)；當(dāng)0<α<0.5時(shí)，時(shí)間序列具有反持續(xù)性，這種反持續(xù)性的強(qiáng)度隨著α增加而減??；當(dāng)0.5<α<1.0時(shí)，時(shí)間序列具有持續(xù)的長(zhǎng)程冪律相關(guān)性；當(dāng)α>1.0時(shí)，相關(guān)但不是冪律形式。α=1.0時(shí)，時(shí)間序列為1/f噪聲；α=0.5時(shí)，時(shí)間序列為白噪聲。

2.2多尺度的基本尺度熵

我們將Costa等人[13]在多尺度熵中分尺度的方法應(yīng)用于基本尺度熵，將原始的時(shí)間序列進(jìn)行多尺度粗?；幚?，對(duì)于數(shù)據(jù)長(zhǎng)度為N的時(shí)間序列u：{u(i):1≤i≤N}，將這一時(shí)間序列按下列方法粗?；?τ為尺度)：

(9)

對(duì)于每一個(gè)u(i)，從時(shí)間序列中選取m個(gè)數(shù)據(jù)重構(gòu)一個(gè)m維矢量

X(i)=[u(i),u(i+L),…,u(i+(m-1)L)]，

(10)

式中m和L分別為嵌入維數(shù)和延遲時(shí)間。若選取L=1，則m維矢量的個(gè)數(shù)為N-m+1個(gè)，對(duì)于每一個(gè)m維矢量計(jì)算出基本尺度SB,其定義為m維矢量中所有相鄰點(diǎn)數(shù)據(jù)間隔(或大小)的差值方均根值，即

(11)

根據(jù)基本尺度，選取劃分符號(hào)的標(biāo)準(zhǔn)a×SB，然后把每一個(gè)m維矢量轉(zhuǎn)換成m維矢量符號(hào)序列Si(X(i))={s(i),s(i+1),…,s(i+m-1)},s∈A(A=0,1,2,3)。轉(zhuǎn)換方式如下：

(12)

在重構(gòu)的相空間中包含0，1，2，3四種符號(hào)的m維矢量符號(hào)序列Si(m-words組合),共有4m種不同的組合狀態(tài)，統(tǒng)計(jì)每一種不同的組合形式在整個(gè)N-M+1個(gè)m維矢量所占的概率，即

(13)

其中C(t)表示序列第t種組合形式的個(gè)數(shù)，1≤t≤4m。則m維矢量的多尺度化的基本尺度熵(MBE)定義為

H(m)=-∑P(t)log2P(t)。

(14)

為了計(jì)算方便，m的取值可以從3到7，N的取值一般只要大于4m即可。

3數(shù)據(jù)分析

為了能系統(tǒng)去除數(shù)據(jù)中由外部因素造成的不同階的趨勢(shì)以及減少由于不完善的測(cè)量方法引起的噪聲水平的干擾，以全面了解人體晝夜24 h心臟內(nèi)部動(dòng)力學(xué)本質(zhì)的影響，我們采用DFA方法分析HRV信號(hào)。

我們所采集處理清醒和睡眠時(shí)HRV的數(shù)據(jù)點(diǎn)為60 000左右，而晝夜24 h的HRV約為130 000個(gè)數(shù)據(jù)點(diǎn)。此數(shù)據(jù)長(zhǎng)度既能可靠反映數(shù)據(jù)內(nèi)在的分形性質(zhì)，又可以通過(guò)計(jì)算所得的標(biāo)度指數(shù)α有效探尋晝夜顛倒下HRV潛在的可預(yù)測(cè)性，考察睡眠和清醒時(shí)心臟系統(tǒng)的長(zhǎng)程相關(guān)性。

圖2為正常作息和顛倒作息F(n)均值與n的關(guān)系曲線(為了觀察方便起見(jiàn)我們將結(jié)果曲線進(jìn)行了平移)。從圖2中可觀察到正常作息的斜率明顯高于顛倒作息，即正常作息的標(biāo)度指數(shù)大于顛倒作息。正常作息較顛倒作息呈現(xiàn)出良好的冪律相關(guān)性。分析表明顛倒作息時(shí)人體心率的長(zhǎng)程相關(guān)性和可預(yù)測(cè)性減弱，對(duì)心血管系統(tǒng)的自適應(yīng)能力產(chǎn)生了負(fù)面的影響。

圖2　正常作息24 h與顛倒作息24 h HRV信號(hào)DFA

為了對(duì)比分析顛倒作息對(duì)HRV信號(hào)在清醒、睡眠時(shí)長(zhǎng)程相關(guān)性的影響，我們計(jì)算了6組實(shí)驗(yàn)對(duì)象分別在正常作息和顛倒作息的白天、夜間的去趨勢(shì)波動(dòng)的標(biāo)度指數(shù)α均值，結(jié)果如圖3所示。

圖3　正常作息的白天夜間和顛倒作息的白

顛倒作息夜間即顛倒作息清醒狀態(tài)的標(biāo)度指數(shù)(α=0.927 31±0.034)略大于正常作息夜間(α=0.911 76±0.037 5)，但小于正常作息白天的標(biāo)度指數(shù)值(α=0.955 66±0.028 7)。從圖3中我們可以看到顛倒作息白天的斜率明顯小于其他3個(gè)狀態(tài)，也就是說(shuō)顛倒作息睡眠時(shí)的標(biāo)度指數(shù)值最小(α=0.866 79±0.031 9)，經(jīng)t檢驗(yàn)p≤0.05，同時(shí)顛倒作息睡眠時(shí)的DFA曲線與直線的擬合度相對(duì)其他3個(gè)狀態(tài)也較差，晝夜顛倒作息對(duì)睡眠狀態(tài)下的HRV信號(hào)影響較大。進(jìn)一步觀察，無(wú)論是正常作息還是顛倒作息清醒狀態(tài)時(shí)的曲線擬合斜率總高于睡眠狀態(tài)下的斜率，即清醒狀態(tài)時(shí)的α值總高于睡眠狀態(tài)時(shí)的α值，這說(shuō)明人體在清醒時(shí)心臟系統(tǒng)的穩(wěn)定性和自適應(yīng)性較睡眠狀態(tài)較強(qiáng)。當(dāng)實(shí)驗(yàn)對(duì)象處于顛倒作息睡眠狀態(tài)時(shí)，由于晝夜變化作息的失調(diào)，而人體細(xì)胞內(nèi)化學(xué)物質(zhì)的合成和機(jī)體的激素水平易受到睡眠質(zhì)量的影響，使睡眠時(shí)心臟負(fù)荷相對(duì)加重，刺激心臟組織產(chǎn)生神經(jīng)體液因子，作為次級(jí)信號(hào)分子調(diào)節(jié)細(xì)胞對(duì)壓力負(fù)荷產(chǎn)生適應(yīng)性反應(yīng)下降[23]。意味著顛倒作息睡眠狀態(tài)下心臟適應(yīng)環(huán)境的變化和心血管系統(tǒng)調(diào)整的能力衰減較為明顯。

心跳間隔序列是一種典型的長(zhǎng)時(shí)相關(guān)信號(hào)且具有多尺度性[26]。我們利用多尺度化的基本尺度熵(MBE)，進(jìn)一步比較分析顛倒作息和正常作息下清醒、睡眠狀態(tài)的具體差別及影響。原始數(shù)據(jù)總長(zhǎng)N=60 000，時(shí)間尺度τ從1到20變化，計(jì)算結(jié)果如圖4所示。

圖4 不同狀態(tài)下HRV的多尺度化的基本尺度熵值

由圖4可以發(fā)現(xiàn)，對(duì)于人體的睡眠狀態(tài)和清醒狀態(tài)，正常作息和顛倒作息這兩種情況下多尺度化的基本尺度熵(MBE)曲線的趨勢(shì)基本一致。MBE曲線分析量化了HRV序列在多個(gè)時(shí)間尺度下的波動(dòng)不規(guī)則度，熵值反映了生理時(shí)間序列的動(dòng)力學(xué)復(fù)雜性。從圖4a可以看到，當(dāng)τ≥5時(shí)，顛倒作息的MBE曲線明顯低于正常作息的曲線。而圖4b中顛倒作息的MBE曲線與正常作息的MBE曲線相互交錯(cuò)。圖中τ≥7時(shí)顛倒作息和正常作息的MBE曲線波動(dòng)基本趨于穩(wěn)定。可以看出顛倒作息睡眠狀態(tài)HRV信號(hào)的基本尺度熵隨著時(shí)間尺度的增大明顯低于正常作息時(shí)HRV的熵值，而清醒狀態(tài)時(shí)的HRV信號(hào)在顛倒作息下和正常作息下的基本尺度熵的變化沒(méi)有明顯的差別。這說(shuō)明顛倒作息對(duì)睡眠時(shí)HRV信號(hào)的MBE影響大于對(duì)清醒時(shí)的影響。大時(shí)間尺度下，顛倒作息睡眠狀態(tài)的交感神經(jīng)興奮減弱和副交感神經(jīng)興奮增強(qiáng)的程度加大，導(dǎo)致數(shù)據(jù)中出現(xiàn)了更多的m-words組合，使顛倒作息睡眠時(shí)的HRV信號(hào)變化更具規(guī)則性，即混沌性下降。在生理控制系統(tǒng)中非線性復(fù)雜性越高，個(gè)體的自適應(yīng)能力越高[24]。顛倒作息睡眠狀態(tài)下植物神經(jīng)的變化打破了人體的動(dòng)態(tài)平衡，使心率信號(hào)混沌性下降，從而會(huì)引起心血管系統(tǒng)功能的紊亂。

圖4中，兩圖睡眠狀態(tài)和清醒狀態(tài)的MBE曲線在時(shí)間尺度τ=3時(shí)均處于波谷狀態(tài)。也就是說(shuō)，無(wú)論是正常作息還是顛倒作息時(shí)的睡眠狀態(tài)和清醒狀態(tài)在時(shí)間尺度τ=3時(shí)基本尺度熵較小。進(jìn)一步分析可知，該時(shí)間尺度下人體心臟系統(tǒng)的復(fù)雜性較低。這意味著，相對(duì)于其他時(shí)間尺度下的HRV信號(hào)，時(shí)間尺度τ=3時(shí)的HRV信號(hào)或許隱藏了較多的非健康信息。這一點(diǎn)，為我們以后所研究的課題提供了方向。

通過(guò)以上兩種方法分析發(fā)現(xiàn)，睡眠狀態(tài)的標(biāo)度指數(shù)值相對(duì)于清醒時(shí)較小，同時(shí)晝夜顛倒作息會(huì)對(duì)心臟系統(tǒng)有一定的負(fù)影響，尤其是對(duì)睡眠狀態(tài)的影響較大。

4結(jié)論

本文設(shè)計(jì)顛倒作息實(shí)驗(yàn)，對(duì)采集到的心電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理后，從中提取HRV信號(hào)，聯(lián)合去趨勢(shì)波動(dòng)和多尺度的基本尺度熵方法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。實(shí)驗(yàn)對(duì)象處于正常24 h作息的α均值大于顛倒24 h作息時(shí)的平均值。表明作息顛倒會(huì)使人體心臟系統(tǒng)的長(zhǎng)程相關(guān)性減弱及對(duì)人體本身動(dòng)力學(xué)復(fù)雜性產(chǎn)生一定的負(fù)影響。進(jìn)一步對(duì)比分析了實(shí)驗(yàn)對(duì)象在顛倒作息和正常作息下的清醒和睡眠HRV信號(hào)的變化。睡眠狀態(tài)的標(biāo)度指數(shù)較清醒時(shí)減小，意味著人體在睡眠時(shí)心臟系統(tǒng)的穩(wěn)定性和自適應(yīng)性較清醒狀態(tài)弱。通過(guò)對(duì)比分析清醒和睡眠狀態(tài)的MBE曲線，發(fā)現(xiàn)晝夜顛倒作息對(duì)睡眠狀態(tài)下的HRV信號(hào)影響較大，由于晝夜作息變化的失調(diào)使睡眠時(shí)心臟負(fù)荷相對(duì)加重，心臟對(duì)外界環(huán)境變化的適應(yīng)性下降以及HRV信號(hào)存在復(fù)雜性的缺失導(dǎo)致顛倒睡眠時(shí)心率變化長(zhǎng)程相關(guān)性和混沌性減弱，從而對(duì)人體心血管系統(tǒng)相對(duì)穩(wěn)定健康的循環(huán)體系的動(dòng)態(tài)平衡產(chǎn)生干擾。我們通過(guò)晝夜顛倒作息短期的研究，為生理病理學(xué)分析倒班人群的心腦血管疾病提供了一定的理論依據(jù)，對(duì)疾病入侵及隱患有重要的臨床意義。

參考文獻(xiàn):

[1] 李錦,劉大釗.晝夜節(jié)律下心率變異性信號(hào)的熵信息和譜特征[J].物理學(xué)報(bào),2012,61(20):208701.

[2] GRITTI I, DEFENDI S, MAURI C, et al. Heart rate variability, standard of measurement, physiological interpretation and clinical use in mountain marathon runners during sleep and after acclimatization at 3480 m[J]. Journal of Behavioral and Brain Science, 2013, 3:26-48.

[3] BALOYANTZ A, DESTEXH A. Is the normal heart a periodic oscillator[J]. Biological Cybernetics,1988, 58:203-211.

[4] NING X B, BIAN C H, WANG J, et al. Research progress in nonlinear analysis of heart electric activities[J]. Chinese Science Bulletin, 2006, 51(4):385-393.

[5] IVANOV P C, AMARAL L A N, GOLDBERGER A L, et al. Multifractality in human heartbeat dynamics[J]. Nature, 1999, 399:461-465.

[6] HUA K, IVANOV P C,CHEN Z, et al. Effect of trends on detrended fluctuation analysis[J]. Physical Review E, 2001, 64:011114.

[7] IVANOV P C. Scale-invariant aspects of cardiac dynamics across sleep stages and circadian phases[C]∥Proceedings of the 28th IEEE EMBS Annual International Conference. New York, 2006:445-448.

[8] IVANOV P C, MA Q D, BARTSCH R P, Maternal fetal heartbeat phase synchronization[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(33):13641-13642.

[9] PLAMEN C I, AINSLIE Y, PANDELIS P. Impact of stock market structure on intertrade time and price dynamics[J]. The Public Library of Science One, 2014, 9(4):e92885.

[10] IVANNOVAK A M. Application of the detrended fluctuation analysis(DFA) method for describing cloud breaking[J]. Physical A, 1999, 274:349-354.

[11] PENG C K, HAVLIN S, STANLEY H E, et al. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series[J]. Chaos, 1995, 5(1):82-87.

[12] PINCUS S M. Approximate entropy as a measure of system complexity[J]. Proceedings of the National Academy Sciences, 1991, 88(6):2297-2301.

[13] COSTA M, GOLDBERGER A L, PENG C K. Multiscale entropy analysis of complex physiologic time series[J]. Physical Review Letters, 2002, 89(6): 068102.

[14] KLEIGER R E, STEIN P K,BIGGER J T. Heart rate variability: measurement and clinical utility[J].Ann Noninvasive Electrocardiol, 2005, 10(1):88-101.

[15] LI J, NING X B. The base-scale entropy analysis of short-term heart rate variability signal[J]. Chinese Science Bulletin, 2005, 50(12):1269-1273.

[16] WESSEL N, ZIEHMANN C, KURTHS J, et al. Short-term forecasting of life-threatening cardiac arrhythmias based on symbolic dynamics[J]. Physical Review E, 2000, 61(1):733-739.

[17] LI J, NING X B. Dynamical complexity detection in short-term physiological series using base-scale entropy[J]. Physical Review E, 2006, 73(5):052902.

[18] 楊希,寧新寶,何愛(ài)軍,等. 基本尺度熵方法用于短時(shí)心率變異性分析的臨床應(yīng)用研究[J].南京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 44(4):361-370.

[19] PACKARD N H, CRUTCHFIELD J P, FARMER J D, et al. Geometry from a time series[J]. Physical Review Letters, 1980, 45:712-716.

[20] KANTELHARDT J W, ASHKENAZY Y, IVANOV P C H, et al. Characterization of sleep stages by correlations in the magnitude and sign of heartbeat increments[J]. Physical Review E, 2002, 65:051908.

[21] PENZEL T, KANTELHARDT J W, GORTE L, et al. Comparison of detrended fluctuation analysis and spectral analysis for heart rate variability in sleep and sleep apnea[J]. IEEE Transactions on Biomedical Engineering, 2003, 50(10):1143-1151.

[22] IVANOV P C, HU K, MICHAEL F H. Endogenous circadian rhythm in human motor activity uncoupled from circadian influences on cardiac dynamics[J]. Proceedings of the National Academy of Sciences, 2007, 104(52):20702-20707.

[23] SCHLAICH M P, KAYE D M, ELISABETH L, et al. Relation between cardiac sympathetic activity and hypertensive left ventricular hypertrophy[J]. Circulation, 2003, 108:560-565.

[24] 張輝,楊明靜,葛霽光,等.非線性動(dòng)力學(xué)在心臟活動(dòng)研究中的應(yīng)用[J].生物物理學(xué), 1997, 13(2):340-346.

[25] IVANOV P C, CHEN Z, HU K, et al. Multiscale aspects of cardiac control[J]. Physica A, 2004,344: 685-704.

〔責(zé)任編輯 李博〕

The nonlinear features study of heart rate variability signals affected by reversed circadian rhythms

ZHANG Xuan， LI Jin*， XU Wenmin

(School of Physics and Information Technology, Shaanxi Normal University,Xi′an 710119, Shaanxi, China)

Abstract:The influence of reversed sleep and normal daily routine on electrocardiogram(ECG) signals are investigated.ECG signals at sleep state is compared with it at waking state in reversed sleep. The methods of detrended fluctuation analysis(DFA) and multiscale base-scale entropy(MBE) is used to analyze the signals of HRV at reversed sleep in comparison with normal daily. The mean value of α (scaling exponent) at normal state is bigger than it at reversed state in experiment. The impact on HRV signals of sleep state in reversed sleep is bigger than in normal daily by analyzing the results of the MBE and DFA curves at sleep state and waking state. The results show that reversed sleep will weaken the long correlation of internal mechanism and have a bad effect on complexity of the human body itself. Especially the negative impact on HRV signals of sleep state in reversed schedule is obvious.

Keywords:reversed schedule; sleeping; heart rate variability (HRV); long-range correlation

中圖分類號(hào):TN911.6

文獻(xiàn)標(biāo)志碼:A

*通信作者：李錦，女，博士，副教授。E-mail:lijin1997@snnu.edu.cn

基金項(xiàng)目：國(guó)家自然科學(xué)基金(61102094)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(GK201505035)

收稿日期：2015-05-08

doi:10.15983/j.cnki.jsnu.2016.02.226

文章編號(hào)：1672-4291(2016)02-0048-06

第一作者： 張璇，女，碩士研究生，研究方向?yàn)樾盘?hào)處理。E-mail: 616256640@qq.com