睡眠是占据人类寿命时长近三分之一的活动,也是人类进行自我调节最为关键的一环,更是每个人每天所必需进行的活动之一。但受困于设备和科技的桎梏,人类长时间无法对其展开全面细致的研究。随着科技发展和大数据时代的来临,该领域的研究人员开始着手于对自身睡眠的研究。目前,研究人员已顺利提取出睡眠状态下的呼吸信号,并将其分为W期(wake,即清醒状态)、N1期、N2期、N3 期(N1、N2、N3 合称 No Rapid Eyes Movement)和 R 期(Rapid Eyes Movement)五个不同的睡眠阶段。接下来就是在寻找合适方法对其进行分析和解读。NSP算法是基于算子的零空间追踪算法,是在2008年,由彭思龙和黄文良两位教授所提出的。它是一种全新的自适应的信号分解方法,是在基于算子的信号分解算法基础上改进的。相比于其他分解算法具有更大的优势。它将信号分解定义为一个优化问题,并利用所定义的算子从信号中分解出多个子信号之和。该算法通过定义一些参数化的积分或微分算子,从一个复杂信号中提取出能够被所定义的算子消失掉的局部窄带信号。本文将呼吸信号的处理和发展先做简要梳理,进而在学习NSP算法之后尝试将其应用在呼吸信号上,通过实验找到合理的参数对其进行分析、去噪和提取。接着寻找不同衡量标准来对呼吸信号进行分类,与专家给出的分类标准下不断进行尝试和探索,正文列举了能量带法、散点法和频率及深度方差法三种方法的实验过程和结果,最终找到合理的区分标准对呼吸信号进行解读。