睡眠障碍会严重影响人们的日常生活,因此睡眠的早期监测对睡眠疾病的预防和诊断有着重要意义。目前,国际公认的睡眠分期“金标准”都是采用以脑电、眼电和肌电信号为分析基础的多导睡眠仪(PSG),其存在操作复杂、佩戴不适、设备昂贵等问题。而睡眠数据大多根据睡眠医师进行人工分期,其耗时耗力,且受医师经验影响,分期结果一致率极不稳定。相较于PSG,非脑电睡眠监测设备可以在操作简洁、舒适度高的情况下得到较好的分期结果。本文自主设计并制作了多导睡眠监护仪,可实现睡眠数据的采集与记录,且用自制设备收集了103晚睡眠实验中的脑电、眼电、肌电和心电信号数据,并以脑电特征的分期结果作为对照,实现了基于心率变异性(HRV)的自动睡眠分期。论文研究内容如下:1、由于目前市面上缺乏脑电和心电信号同步采集的便携设备,为满足实验需求,本文自主设计并制作了一套便携式多导睡眠监护仪,经实验证明,该设备可准确无误的实现3通道脑电、2通道眼电、1通道肌电和1通道心电信号的同步采集与记录;2、利用自制多导睡眠监护仪,设计睡眠实验,完成21个被试共103晚睡眠实验数据收集;处理睡眠实验数据,辅助两名睡眠医师完成基于脑电特征的人工睡眠分期,整理统计此分期结果,并将此分期结果标签作为HRV睡眠分期的对照;3、针对睡眠分期在科研上有着高精度需求,本文以Xgboost算法为框架,根据HRV特征数量的不同组合构建了5种五分类睡眠分期模型;同时,针对目前市面上几乎无三分类可穿戴式睡眠监测产品,构建了较高分期精度的三分类睡眠分期模型;最后,针对可穿戴式睡眠设备便携、低功耗等特点,构建了区分清醒-睡眠状态的二分类睡眠分期模型。其中,五分类模型中,model 0和model 4的准确率分别达到79.7%、84.0%,F1分数分别达到78.7%、83.2%;三分类模型中,model 0、model 4的准确率分别达到85.5%、89.1%,F1分数分别达到85.2%、88.9%;二分类模型中,model 0、model 4的准确率分别达到93.5%、95.2%,F1分数分别达到92.9%、94.9%。