基于频域分析与统计计算的自动睡眠分期研究

摘要

睡眠是人体最重要的生理活动之一,睡眠质量的好坏与我们的生理和心理健康都密切相关.因此,睡眠监测,特别是自动睡眠分期的研究有着重要的价值.本文使用脑电(electroencephalogram,EEG)信号,提出一种基于频谱分析与统计计算的自动睡眠分期算法.首先,利用小波变换实现原始睡眠脑电信号的去噪.然后,分别使用傅里叶变换以及统计分析方法得到频域和时域的多模态特征.最后,构建支持向量机分类器并对EEG信号进行分期研究.以Sleep-EDF公开数据集作为样本测试,本文的自动睡眠分期算法平均分类准确率达到86.82％,与已有的分类算法相比,有显著的提升.