基于經(jīng)驗?zāi)Ｊ椒纸獾淖詣铀叻制?pdf

1、睡眠是機體恢復(fù)、整合的重要階段，是一種復(fù)雜的生理過程。對睡眠質(zhì)量的評估是通過睡眠分期來實現(xiàn)的。由人工進行睡眠分期是一項非常耗時的任務(wù)，通常需要幾個小時對一整晚（8小時）的記錄進行分類。因此，研究睡眠腦電的自動分期具有重要的意義。
　　本文以MIT的PhysioBank中的Sleep-EDF數(shù)據(jù)庫中的一導(dǎo)腦電信號(Fpz-Cz)和一導(dǎo)眼電為研究對象，將睡眠過程分成分為覺醒期、NREM1期、NREM2期、NREM3/4期、REM（快速

2、眼動期）這五個睡眠階段。首先利用經(jīng)驗?zāi)Ｊ椒纸夥椒▽⒛X電信號分解為若干個固有模態(tài)函數(shù)，然后對獲得的固有模態(tài)函數(shù)采用快速獨立分量分析算法，從而獲得去噪后的腦電信號。其后根據(jù)睡眠過程中腦電節(jié)律變化規(guī)律，利用樣本熵和希爾伯特黃變換等方法提取有效的腦電信號特征參數(shù)，最后采用支持向量機模式識別方法對腦電信號進行分期。
　　結(jié)果表明，樣本熵和希爾伯特黃變換方法能提取有效的睡眠特征值。隨著睡眠程度的變化，樣本熵值也發(fā)生著規(guī)律性變化。具體表現(xiàn)為:隨

3、著睡眠深度的增加，樣本熵值呈現(xiàn)出遞減的規(guī)律，其中在NREM3、4期遞減至最小值，但到了REM期的樣本熵值和NREM1期基本相同。利用希爾伯特黃變換的方法求得的腦電信號的特征值在不同睡眠期具有一定的差異性的，主要是由于不同的睡眠階段的節(jié)律不同。但是僅利用樣本熵和希爾伯特黃變換方法進行睡眠分期的效果一般，本文結(jié)合樣本熵值和希爾伯特黃變換、奇異值方法對腦電信號進行分析，比只用一種或兩種方法的效果都要好，10個樣本的平均分期準確率達到了85.4