基于脑电信号辨识的声音睡眠仪研制

摘要

睡眠作为精神和体力恢复的重要生理过程，对提升记忆力、免疫力、情感和认知能力具有重要作用。然而，随着现代化生活节奏的加快，社会压力的增大，越来越多的人遭受失眠的折磨，使得体力和精神难以得到恢复。目前失眠疗法主要包括：药物疗法、食物疗法、心理疗法、行为认知疗法及新兴物理疗法，其中，以具有长期安全、有效、且无副作用特点的声音疗法、磁刺激疗法、微电流刺激疗法等新兴物理疗法的发展前景最好，而声音疗法以其非接触治疗、低成本和易操作的特点更是受到广泛关注。
　　本课题在研究人体睡眠过程的基础上，提出了一种基于睡眠分期辨识的声音催眠方法，并借助脑电信号（Electroencephalography，EEG）实现睡眠分期辨识，最终，研制出一款基于EEG辨识的声音睡眠仪，该睡眠仪由睡眠分期系统和催眠系统两部分组成。研制该睡眠仪的主要工作包括：
　　（1）睡眠仪催眠方案确定。通过研究人体睡眠过程，了解了睡眠机理和各睡眠状态的特点，通过分析和对比各种辨识人体睡眠状态的物理量，确定了基于EEG信号分析的睡眠状态辨识方法，通过研究催眠原理——人体共振学原理，提出采用不同催眠声音对各睡眠状态进行睡眠引导的催眠方案。
　　（2）睡眠分期算法的研究。睡眠分期算法包括EEG信号的预处理、睡眠EEG的特征提取和睡眠状态辨识三个步骤，本课题通过对EEG信号进行Butterworth滤波、短时功率谱估计（Short Time Power Spectrum，STPS）时频谱估计和径向基神经网络（Radial Basis Function Neural Network，RBFNN）模糊融合器等算法的处理，辨识出人体睡眠状态。
　　（3）催眠声音的确定及其生成算法研究。根据声音催眠的原理，初步确定多组催眠声音，最终确定清醒状态播放白噪声声音进行催眠，引导睡眠顺利过渡到浅睡状态；浅睡状态播放粉红噪声声音进行催眠，引导睡眠顺利过渡到深睡状态。本课题研究了催眠声音信号的生成算法，采用改进的混合同余法生成白噪声，并在建立粉红噪声自回归滑动平均混合模型(Auto Regression Integrated with Moving Averages Model，ARMA模型）基础上，使用该模型对白噪声进行滤波获得粉红噪声。
　　（4）声音睡眠仪的系统实现。该工作包括研制由Emotiv EPOC和个人计算机（Personal Computer，PC）组成的睡眠分期系统和由以数字信号处理器（Digital Signal Processor，DSP）为核心的主控模块、音频处理模块、播放模块及人机交互模块组成的催眠系统。睡眠分期与催眠两个系统之间通过蓝牙实现连接。睡眠分期系统中，采用Emotiv EPOC实现EEG信号的采集，采用PC机实现睡眠分期算法及系统显示界面设计；催眠系统中，采用DSP完成催眠声音生成算法及通信方式的实现，音频处理模块完成音频数据的存储和解码，播放模块完成催眠音乐的播放，人机交互模块完成显示和系统复位。
　　通过上述工作，研制出一款基于脑电信号辨识的声音睡眠仪，该设备通过EEG信号，实现对睡眠状态辨识，并且针对不同的睡眠状态可以采用不同的催眠声音进行睡眠引导。实验表明：这样一款具有睡眠状态反馈和阶段性催眠特性的声音睡眠仪不仅可以实现快速催眠，又可以避免催眠的盲目性，为睡眠医学的快速发展提供理论与实用价值。

目录

1 绪论

1.1 课题研究背景、目的及意义

1.2 国内外研究现状

1.3 课题研究内容与章节安排

2 睡眠过程理论基础

2.1 睡眠过程

2.2 睡眠检测

2.3 催眠原理

2.4 催眠方案的确定

2.5 本章小结

3 睡眠分期算法研究

3.1 EEG信号的预处理

3.2 睡眠EEG的特征提取

3.3 睡眠分期辨识

3.4 本章小结

4 催眠声音生成方法研究

4.1 催眠声音的确定

4.2 催眠声音的生成方法

4.3 本章小结

5 基于脑电信号辨识的声音睡眠仪实现

5.1 催眠仪组成

5.2 睡眠分期系统的实现

5.3 催眠系统实现

5.4 系统通信方式

5.5 系统显示界面的实现

5.6 本章小结

6 实验结果与分析

6.1 睡眠仪样机展示

6.2 睡眠分期系统的辨识结果与分析

6.3 催眠声音的生成结果与分析

6.4 本章小结

7 总结与展望

7.1 全文工作总结

7.2 未来工作展望

致谢

参考文献

附录A 催眠系统的外围电路原理图

附录B 睡眠分期特征提取的程序C实现代码

附录C 粉红噪声的生成程序C实现代码

攻读硕士期间发表论文及专利

攻读硕士学位期间参与的竞赛与获奖

声明