一种基于1D CNN-LSTM的睡眠信号自动分期方法

摘要

本发明涉及一种基于1D CNN‑LSTM的睡眠信号自动分期方法，属于信号处理及模式识别领域。该方法具体包括：S1：选择数据，从睡眠数据库中选择不同通道的EEG信号以及EOG信号作为原始信号；S2：信号预处理，利用小波变换方法对原始两个通道的EEG和EOG信号分别进行预处理，选出训练集数据和测试集数据；S3：将预处理之后的信号输入深度学习分类模型中，利用深度学习算法对睡眠状态进行分期，并输出分期结果。本发明提高睡眠分期准确度，降低信号的信噪比，从而有效节省运算时间；并且通过优化算法实现准确度高的睡眠自动分期，为睡眠质量评估提供有效依据。