高血压近年来对人体健康威胁性极大,高血压的致残性和死亡率主要是由其并发症引起的,其中一大类就是心血管疾病。高血压患者按照发生心血管事件的可能性又大致分为高危受试者和低危受试者。近年来,国内外学者对高血压大量临床案例进行总结,逐渐认为对高血压心血管事件进行风险分层是非常重要的。心血管系统呈现出复杂的变异性,即心率变异性（heart rate variability,HRV）。研究心率变异性信号可以有效评估心脏健康以及判别心脏功能,然而对于心电信号的评估采用任何一个单一的参数都是很片面的,只有多参数联合评估才能对其各方面的性能进行完整评估。以往关于时间序列的研究方法大多集中在非线性、时域、频域分析方法,而随着近10年来复杂网络的不断发展,将时间序列转化为复杂网络则是一种全新的分析角度,也是心脏疾病预警领域的新尝试。本文采用时间序列的非线性方法即多重分形去趋势分析方法、熵分析方法和复杂网络的可视图算法分别对健康人、高血压高危受试者和高血压低危受试者的HRV信号进行分析,旨在通过多参数多角度的分析方法探求人体不同状态的生理特性,并寻求有效分析指标作为高血压患者诊断和高血压心血管事件风险分层的双重预警指标。结果表明:1.健康人的多重分形性最强,高血压低危受试者次之,提示高血压患者心率变异性降低,自主神经功能失调,即交感神经兴奋,迷走神经张力下降。心率变异性降低。高血压心血管事件高危受试者的多重分形性最弱,提示高血压高危受试者的自主神经功能异常,即进一步的交感神经兴奋,迷走神经张力下降。2.健康人的多尺度熵均值最大,高血压低危受试者次之,表明健康人HRV信号的复杂性最高。高危受试者多尺度熵均值在各个尺度上都最小,表明高危受试者HRV信号的复杂度最低。3.健康人的复杂网络度分布熵（EDD）、平均度（AverD）分析指标均值最大,高血压低危受试者次之,表明健康人心脏系统非线性耦合性最强,而高血压对于人体这一机能产生了负面影响。高血压高危受试者复杂网络分析指标EDD、AverD均值最小,表明高危受试者随机网络的随机性最强,心脏系统非线性耦合性最弱,心脏健康状况正在变差,需要引起患者和家属的警惕。4.Hurst指数、奇异谱宽度、多尺度熵值以及两个网络指标（EDD、AverD）经独立样本T检验可有效区分健康人、高血压心血管事件高危受试者和低危受试者（P<0.05）。即这些指标可以作为高血压临床治疗以及日常生活中高血压保健系统以及高血压患者心血管事件风险分层的双层预警指标。本文将时间序列的传统非线性分析方法和复杂网络结和起来,多角度的分析了日常生活中较为常见的高血压患者的HRV信号特性,并首次将这种分析模式用于高血压患者心血管事件风险分层的研究。实验结果得到的多个有效区分指标有助于为高血压人群的诊断以及高血压患者心脏健康风险提供双层预警指标。