睡眠是人体必须的生理活动，随着社会快速发展生活节奏的加快，睡眠质量问题越来越受到人们的关注。人体的睡眠包括夜晚的长时睡眠与白天的短时睡眠。人们常忽视白天短时睡眠，而它对人体的健康，以及精力和体力的恢复有重要作用。　　本课题的主要研究对象是白天短时睡眠，通过对睡眠相关生物电信号的分析，解决白天短时睡眠阶段的分期问题。白天短时睡眠与夜晚的长时睡眠有所不同。白天短时睡眠主要处于浅睡眠期，睡眠分期主要针对觉醒期，睡眠一期和睡眠二期。其次两者的外界环境不同，白天与夜晚的光线、噪声和温度等条件都有较大差异。再者人们自身的心理和生理条件在白天与夜晚也不相同。本课题针对白天短时睡眠的特点，采集相关的生物电信号进行特征提取与分类研究。　　首先，采集白天短时睡眠分期相关生物电信号，包括脑电信号，眼电信号和肌电信号，对信号进行分段和人工判断。然后，对脑电信号进行时频域和复杂度的分析。使用快速傅里叶变换提取信号的品域特征，通过计算得到睡眠相关特征波所在频段的能量比;对睡眠脑电信号的复杂度进行分析，计算时序列的多尺度熵，结果表明特征波的时频特征参数与多尺度熵值均能较好的反应白天短时睡眠过程中睡眠深度的变化趋势。最后，使用Hopfield递归神经网络进行睡眠分期。先利用时频特征参数进行分类，根据R&K睡眠分期标准选取合适的阈值训练神经网络，分类结果表明该神经网络可用于白天短时睡眠分期，之后结合多尺度熵进行分类，分类结果表明与单独使用时频特征的分类结果相比，结合多尺度熵的分类是的准确率有明显提高。