亚健康是指人的机体虽然没有明确的疾病,但呈现出活力降低,适应力呈不同程度减退的一种生理状态,是介于健康与疾病之间的一种生理功能降低的状态。它既可以向健康状态转化,又可以向坏的方向转化而进一步发展为各种疾病。亚健康已经成为当今危害人类健康的头号隐形杀手。由于没有器质性病变,通常不伴有明显的病理表现,现有的传统医疗检测设备,无法对机体的亚健康状态和导致功能低下的原因做出描述和判断。目前,亚健康状态的诊断主要靠一些生化指标和问卷调查,至今为止还未能提出同时具备无创、简便、快速、成本低、可重复采用、客观量化、敏感性和特异性高、能持续监测亚健康对个体的影响过程的测评方法。疲劳是导致亚健康的主要原因。本文从疲劳的角度入手,从理论上论证了基于脉搏信号分析对亚健康评估的可行性,并提出了一种通过脉搏信号分析来识别亚健康状态的方法。 中医学认为亚健康往往是人体阴阳失衡、脏腑功能失调的初始状态。脉搏信号中蕴涵着丰富的人体生理病理信息,是传递和窥视体内功能变化的窗口。因此,可以通过对脉搏信号的分析来对亚健康状态进行评估。 本文在综述国内外研究现状的基础上,系统地分析了中医脉象研究的工作流程和工作方法。用HK—2000C数字脉搏传感器构建了脉搏信号采集系统,设计了数据采集实验方案,采集了60余名大学生志愿者的脉搏信号,并从中选择处于中度以上亚健康状态的数据17组,健康状态数据13组进行分析。然后采用具有良好的时频局部化及自适应特性的小波分析法,研究了人体脉搏信号的去噪问题,取得了较好的效果。并且根据脉搏信号的产生机理、性质,提取了功率谱峰值、功率谱重心及其频率,AR模型系数,SER值,Renyi信息量等多个特征量。经对30例样本的分析识别检验,结果表明:功率谱峰值和峰值频率作为特征量能取得比较好的识别效果,识别正确率达到了86.7%,对17例亚健康状态仅有2例未能正确识别。功率谱重心和重心频率作为特征量也取得了80%的识别率,对AR模型系数的分类正确率也达到了76.7%,结果令人满意。Renyi信息量被引入到脉搏信号识别当中,取得了73.3%的识别率。SER值是比较常用的一种脉搏信号的频域特征,从分类效果来看SER值并不能很好的识别亚健康状态。文中还就线性判别式分析(Linear Discriminant Analysis,LDA)和支持向量机(support Vector Machine,SVM)的识别结果进行了比较。应用LDA取得了较好的识别结果。应用SVM也取得了一定的效果,但在其核函数选择以及参数调整方面均需要参考经验值而确定,在实际应用中推广性较差。最后介绍了亚健康状态识别系统的软件设计与实现。