基于隐马尔可夫模型的心率变异性分析在睡眠分期中的应用

摘要

睡眠状况是评价一个人身体健康状态的一个重要指标。准确的睡眠分期不仅能帮助人们正确地认识自己的睡眠状况和质量，而且也有助于医生诊断睡眠疾病。 有研究已表明睡眠阶段与心率变异性指标之间存在着相关性。本文提出了一种睡眠自动分期的新思路。首先，利用隐马尔可夫模型的识别能力，从心电信号中提取RR间期（相邻心跳的时间间隔）序列数据。然后根据心率变异性指标变化情况识别整夜睡眠状态，实现睡眠自动分期。 本文以基于心率变异性分析的睡眠分期为研究课题，通过时域分析、频域分析以及非线性分析研究心率变异性，最后通过隐马尔可夫模型来实现睡眠分期。本文的研究工作可分为以下两个方面： （1）本文先使用了一种自适应阈值算法对原始RR间期序列数据进行异常值过滤，然后采用了时域分析法、频域分析法以及非线性分析方法来进行心率变异性分析。在获取时域特征时，还通过具有自适应噪声的完全集合经验模态分解方法来分解并重构时域特征。频域分析同时采用了短时傅里叶变换和小波变换来计算各频段的频谱功率的相对值与归一化值，并对比了这两种方法提取的特征的效果。此外，非线性分析主要通过计算样本熵和去趋势波动分析来获取与睡眠有关的信息。 （2）对通过时域分析、频域分析和非线性分析方法提取得到的31个特征，分别建立一个隐马尔可夫模型，并基于模型的平均识别准确率来筛选出11个最优特征，再对筛选出来每一个特征，分别建立一个独立的隐马尔可夫模型，最后通过集成投票的思想来确定最终睡眠阶段，实现睡眠自动分期。

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 睡眠分期的国内外研究历史与现状

1.3 心率变异性分析研究现状及意义

1.4 本文的主要贡献与创新

1.5 论文的结构安排

第二章 基于心率变异性分析的睡眠分期研究

2.1 心率变异性与睡眠分期研究的理论基础

2.1.1 睡眠各期划分及特点

2.1.2 心率变异性与睡眠的关系

2.2 心率变异性分析

2.2.1 时域分析法

2.2.2 频域分析法

2.2.3 非线性分析法

2.3 经验模态分解

2.3.1 经验模态分解

2.3.2 集合经验模态分解

2.3.3 具有自适应噪声的完全集合经验模态分解

2.4基于心率变异性分析的睡眠分期算法设计

2.5 本章小结

第三章 运用隐马尔可夫模型对睡眠状态进行模式识别

3.1 隐马尔可夫模型的理论基础

3.2.1 实验数据

3.2.2 数据预处理

3.2.3 特征提取

3.2.4 特征筛选

3.2.5 基于隐马尔可夫模型的睡眠分期

3.3 结果与分析

3.4 本章小结

第四章 全文总结与展望

4.1 全文总结

4.2 后续工作展望

致谢

参考文献

附录