睡眠相关疾病严重影响着人们的健康,多导睡眠监护是目前诊断睡眠疾病的主要手段。现有多导睡眠监护系统的自动诊断准确率较低,诊断过程仍主要依赖专家人工操作,耗时耗力。因此,研发适合临床应用的高准确度的多导睡眠智能分析算法具有重要意义。本文基于脑电、肌电与眼电信号,实现了睡眠监测系统分期算法,主要研究内容如下:1.分析了脑电、肌电和眼电三种生理信号与睡眠阶段的关系,分别提取了相关性较强的时域、频域和非线性等45个特征作为候选集;通过最大信息系数过滤法、嵌入法和封装法进行选择,获得了20个最优特征作为分类器的输入。2.研究了基于支持向量机和极端梯度提升的睡眠分期算法,采用权重搜索的方法优化了样本不均衡问题,采用了准确率更高的极端梯度提升算法构建模型;通过参数调整优化了模型的泛化误差;结合睡眠周期的生理特性,对分类器分期结果进行修正,获得了睡眠自动分期结果。3.基于VS2008 MFC框架,采用C++完成了睡眠监测系统分析软件的自动分期算法。4.采用美国国家睡眠研究资源库的前200组数据无选择地组成120组训练集和80组测试集,应用准确率、精确率、召回率和F1分数对算法进行评估。测试结果如下:平均准确率为83.24%,觉醒期与浅睡2期的精确率与召回率为80%以上;深睡期和快速眼动期的精确率与召回率均为70%以上;与未优化前相比,浅睡1期的F1分数提高了10%。并进行了临床试验与分期结果分析,初步验证了算法可应用于睡眠临床分析。本文实现了基于极端梯度提升树的睡眠自动分期算法及分析软件。经过数据库与临床试验验证了算法的性能,证明其具有准确率高、运行速度快等优点。研究成果已通过中国航天员中心的初步评审,有望应用于载人航天型号任务,并有望应用于临床睡眠障碍诊断系统,具有较好的实用价值。