Python实现HRV特征提取

心率变异性（HRV）是指心脏节律性跳动过程中，相邻心跳之间的微小差异。HRV分析是一种评估心脏自主神经系统功能的有效方法，通过对HRV的测量和分析，可以了解心脏健康状况。

在Python中，可以使用各种库来提取HRV特征。其中，常用的库包括pandas、numpy和scipy等。

以下是一个简单的Python代码示例，用于提取HRV特征：

import pandas as pd
import numpy as np
from scipy.signal import find_peaks
# 读取心率数据
df = pd.read_csv('heart_rate.csv', header=None)
# 计算RR间期
RR = np.diff(df[0])
# 计算时域特征
mean_RR = np.mean(RR)
SDNN = np.std(RR)
RMSSD = np.sqrt(np.mean((RR - mean_RR) ** 2))
NN50 = len([x for x in RR if x > mean_RR + SDNN])
pNN50 = NN50 / (len(RR) - 1) * 100
# 计算频域特征
f, Pxx = scipy.signal.welch(RR, fs=300, nperseg=1024)  # 使用Welch方法计算功率谱密度
LF = np.sum(Pxx[30:70])  # 低频功率（0.04-0.15Hz）
HF = np.sum(Pxx[150:250])  # 高频功率（0.15-0.4Hz）
LF/HF ratio = LF / HF if HF != 0 else 0
# 计算时频域特征
powers, frequencies, time = scipy.signal.cwt(RR, np.arange(1, 31), 'morl')  # 使用连续小波变换计算时频谱密度
LF_power = np.sum(powers[np.where((frequencies >= 0.04) & (frequencies <= 0.15))])  # 时频域低频功率（0.04-0.15Hz）
HF_power = np.sum(powers[np.where((frequencies >= 0.15) & (frequencies <= 0.4))])  # 时频域高频功率（0.15-0.4Hz）
LF/HF ratio_timefreq = LF_power / HF_power if HF_power != 0 else 0

以上代码中，我们首先读取心率数据，然后计算了HRV的时域、频域和时频域特征。在时域特征中，我们计算了平均RR间期、标准差SDNN、RMSSD和NN50以及pNN50。在频域特征中，我们使用了Welch方法计算了功率谱密度，并提取了低频和高频功率。在时频域特征中，我们使用了连续小波变换（CWT）计算了时频谱密度，并提取了低频和高频功率。最后，我们计算了LF/HF比率作为评估心脏自主神经系统功能的指标。

需要注意的是，以上代码仅为示例代码，实际应用中需要根据具体的数据和需求进行相应的调整和优化。此外，为了更深入地了解HRV特征提取和分析，建议参考相关的专业文献和资料。