實時睡眠分期算法研究與應(yīng)用系統(tǒng)開發(fā).pdf

1、越來越多的人開始遭遇睡眠問題，評價睡眠質(zhì)量進而改善睡眠狀況已經(jīng)成為一大課題。準確的睡眠分期是客觀評估睡眠質(zhì)量和診斷睡眠相關(guān)疾病的基礎(chǔ)，經(jīng)典自動分期方法基本上是對腦電信號進行分析的。但是，腦電信號的記錄操作復(fù)雜，成本高，電極的放置也會干擾人的正常睡眠，無法滿足家庭睡眠監(jiān)測場合的需要。人們提出用較為方便檢測的生理參數(shù)去自動分析睡眠過程，相較傳統(tǒng)腦電更具實用價值，利用壓電感知床墊能實現(xiàn)人在睡眠時多個生理參數(shù)的長時間同步檢測，對睡眠幾乎沒有任何

2、干擾，可以在家庭中監(jiān)測人們的真實睡眠狀況，擁有良好的應(yīng)用前景。床墊采集的是心沖擊圖（BCG）信號，包含心率、呼吸率和體動信息，但目前對BCG信號進行自動睡眠分期的準確率不高。本文的研究目的是基于BCG信號建立一種更加準確可靠的多參數(shù)自動分期算法，然后應(yīng)用于實現(xiàn)的床墊式實時睡眠監(jiān)護系統(tǒng)中，進行睡眠的實時監(jiān)測。
　　本文采用從BCG信號中計算出的心率、呼吸和體動序列進行自動睡眠分期，分為四個階段，即覺醒期、淺度睡眠期、深度睡眠期和快速

3、眼動睡眠期。由于不同睡眠階段的心率波形形態(tài)較難區(qū)分，利用時變自回歸模型進行心率變異性（HRV）的特征提取，進一步基于隱馬爾可夫模型進行特征的自動分類識別。發(fā)現(xiàn)高頻段極點相位與總功率的特征組合能夠較好地區(qū)分各睡眠分期，并結(jié)合呼吸率和體動信息校正分期結(jié)果，能夠有效地提高基于HRV的分期準確率。使用MIT-BIH數(shù)據(jù)庫中的數(shù)據(jù)測試，比較文中算法和專家的分期結(jié)果，驗證了建立的多參數(shù)分期算法的精度，識別率達到70.13％，且計算快速，可用于實時監(jiān)