论文部分内容阅读
人体大约1/3的时间处于睡眠中,睡眠是重要的生理过程,是人体缓解疲劳、恢复精神的最好方式。睡眠质量与人体的心理、生理健康有密切关系,好的睡眠可以提高工作效率和个人生活质量。但随着工作和生活压力不断增大,睡眠问题已经影响了人类的健康。人体在睡眠中经历了几个相对稳定阶段,临床上称为睡眠分期,对睡眠分期的研究是睡眠质量评估的前提。脑电信号是大脑神经细胞电生理活动的反映,研究睡眠脑电信号特性,是研究睡眠分期、改善睡眠质量、诊断睡眠疾病的基础,具有重要的理论意义和应用价值。本文的主要目的是研究一种新的基于脑电信号的睡眠分期方法。基于MIT-BIH中Sleep-EDF数据库的睡眠脑电信号,从信号预处理、睡眠特征提取、参数特征分类三个方面实现算法设计。1.信号预处理过程采用小波变换方法,去除采集设备和其他生理信号带来的干扰噪声。2.睡眠特征提取过程主要基于信息熵可以表征随机信号的变化。首先根据睡眠期与脑电特征波的对应关系,通过对比小波和小波包方法,选择小波包分解提取脑电的β、δ节律波。其次选择频率为0.3~35Hz的功率谱熵方法分别处理提取的节律波,得到的特征参数可以反映脑电信号的变化规律。最后为了提高对脑电规律的区分能力,使用基于样本熵且尺度为11、12的多尺度熵算法处理脑电信号,获得睡眠分期的辅助参数。3.参数特征分类过程采用反向传播神经网络分类器和支持向量机分类器两种方法,验证本文提取的特征参数应用于睡眠分期过程是有效的。本文使用反向传播神经网络和支持向量机两种分类器均能达到较好的睡眠分期结果,且使用支持向量机的分类结果相对更准确。因为功率谱熵算法原理简单,尺度为11、12的多尺度熵方法减少了样本熵的运算数据量,所以信号处理速度快,程序运行时间短。因此本文提出的睡眠自动分期方法可以达到较好的准确性和实时性,为睡眠的实时监测提供了可能性。