如何将RR间期向量加载到RHRV的HRVData数据结构中

RHRV没有直接提供RR向量导入接口，但可通过「RR序列转心跳时间位置+内置向量导入函数」的方式完成HRVData结构构造，全程不需要生成临时数据文件，操作步骤如下：

• 加载依赖库

library(RHRV)

• 初始化空HRVData对象

# 创建空结构，可按需关闭/开启日志输出
hrv_obj <- CreateHRVData()
hrv_obj <- SetVerbose(hrv_obj, verbose = TRUE)

• 预处理自定义RR序列
  从csv读取的RR序列单位为毫秒，需要先转换为秒单位，再累计计算每个心跳的绝对时间位置（第一个心跳默认从0时刻开始）：

# 测试用RR序列，实际使用时替换为自己的RR向量即可
RR_series <- rnorm(300, mean = 1000, sd = 15)
# 毫秒转秒
RR_sec <- RR_series / 1000
# 计算所有心跳的时间位置
beat_time <- c(0, cumsum(RR_sec))

• 导入心跳位置到HRVData结构
  使用RHRV内置的LoadBeatVector()函数直接导入向量形式的心跳位置，不需要走外部文件导入流程：

# scale=1代表传入的beat_time单位为秒
hrv_obj <- LoadBeatVector(hrv_obj, beat_time, scale = 1)

• 完成HRV分析前置预处理
  导入心跳位置后需要执行RHRV标准预处理流程，才能正常调用后续的时域、频域、非线性分析函数：

# 构建RR间期序列矩阵
hrv_obj <- BuildNIHR(hrv_obj)
# 可选：自动过滤异常RR值，若数据已提前清洗可跳过此步
hrv_obj <- FilterNIHR(hrv_obj)
# 重采样为等间隔序列，默认4Hz采样率适配绝大多数HRV分析场景
hrv_obj <- InterpolateNIHR(hrv_obj, freqhr = 4)

• 导入有效性验证
  可直接调用时域分析函数测试导入是否正常：

# 执行时域分析
hrv_obj <- CreateTimeAnalysis(hrv_obj, size = max(beat_time), interval = 1)
# 输出计算得到的SDNN、RMSSD等时域指标
hrv_obj$TimeAnalysis[[1]]

注意事项 #

• 禁止手动修改HRVData对象的内部列表字段，所有操作优先使用RHRV官方提供的配套函数，避免结构缺失引发函数报错
• 若你的心跳位置不是秒单位，需要调整LoadBeatVector()的scale参数，确保最终导入的时间单位为秒
• 若RR序列已经提前完成异常值剔除、伪差校正，可跳过FilterNIHR()步骤，避免算法误修改有效数据

内容的提问来源于stack exchange，提问作者Rafau