基于新一代替代数据技术的人体心脏系统非线性动力特征研究

替代数据技术被广泛地用于研究观测数据的动力系统类型。然而目前的替代数据方法存在很多局限性，例如无法区分噪音干扰的周期性数据和混沌数据，与此同时大多数的人体生理数据却都是周期性的信号。我们申请的课题旨在开发新一代的替代数据技术并把该项技术应用到具有明显周期特征的人体生物医学时间序列的研究中。这包括： 1、对新的替代数据技术的参数优化问题进行定量分析；2、进行相关的扩展研究，以期测试更为复杂的噪音系统和动力系统，确定其应用范围和性能；3、探索新的替代数据技术在非线性时间序列系统建模方面的应用；4、应用新的方法分析生物医学时间序列。我们的应用研究将集中在人体的心电、脉搏数据的非线性的动力特征分析。我们对正常和异常心律的动力系统特性进行研究，从非线性动力学的角度探索心率失常的演变过程和导致心律失常的可能原因以及对可能的心律失常做出预测,从而为未来相关的应用研究、产品开发打好理论基础。