基于EEG的睡眠质量评估系统研究

发布时间：2020-05-30 16:32

【摘要】：睡眠是人类一项最基本的生理活动之一,对人的健康至关重要。睡眠分期是睡眠质量评估必不可少的步骤,研究者基于脑电信号(Electroencephalogram,EEG)对睡眠分期进行了广泛的研究。目前,睡眠监测主要采用多导睡眠图(Polysomnography,PSG),监测人体多个特征信号,但是信号采集普遍由多电极组成,体积庞大,设计复杂,无法满足便携性;市场上睡眠监测设备也层出不穷,多数是基于睡眠姿态进行分期,虽然便于使用,但无标准的睡眠分期准则,在准确性方面远未达到临床要求的睡眠分期精度。为了同时兼顾便携性和准确性,本文进行了如下研究:首先分析EEG信号特点,提出了采集设备设计要求;在核心器件选择、硬件电路设计和信号传输方式选取等方面做了大量工作,通过对比设计出以ADS1299为核心的前端信号采集模块、ATmega328P为核心的控制模块、低功耗蓝牙为核心的信号传输模块的便携式EEG信号采集装置。接着研究了睡眠分期算法。(1)EEG信号是典型的非线性非平稳信号,噪声大,幅值低,针对该问题本文设计了基于小波变换的滤波函数,分析和研究了小波基函数、小波分解层数和阈值函数,完成了EEG信号的预处理;(2)研究睡眠EEG信号特征提取算法,选择了样本熵作为睡眠EEG信号的特征参数;(3)设计基于随机森林(Random Forest,RF)的特征识别分类算法,构建了睡眠脑电信号分类模型,实现睡眠自动分期,睡眠分期识别准确率达到94.91%。同时设计了脑电信号处理软件。本文开发了基于Android系统的EEG信号处理软件,在智能终端实现睡眠分期,评估人体睡眠质量,极大的提升了系统的实用性。最后进行了测试实验,实验结果表明,信号采集模块能够采集高质量的脑电信号,分析软件可以快速、准确地进行睡眠质量评估。该系统体积小,功耗低,可以对睡眠质量进行定量反映和客观评估。
【图文】：

设备,睡眠质量

随着人们对睡眠研究越来越重视，大量穿戴式睡眠监测设备也层出不穷，迅速发展，如通过检测用户前额脑电信号来追踪睡眠状况的 Zeo Mobile （如图1.1(a)）、通过腕带检测脉搏信号来追踪睡眠的WakeMate睡眠分析仪（如图1.1(b)）和通过监测脑电波、眼动和记录睡眠数据的智能睡眠头套 Sleep Shepherd Blue（如图 1.1(c)），它们朝着便携化、家庭化发展，实时准确地监测人体睡眠状态。所以便携性和准确性将是未来睡眠分期研究的两个重点方向，也必将是一个发展趋势。(a)Zeo Mobile (b) WakeMate 睡眠分析仪(c) Sleep Shepherd Blue 智能睡眠头套图 1.1 穿戴式设备1.3 研究内容与文章结构基于 EEG 信号在睡眠质量评估中的重要性，从 EEG 信号角度研究睡眠，设计基于 EEG 的睡眠质量评估系统，以智能终端为核心，结合软硬件等基础知识，从信号的采集，信号的传输到信号的处理、分析，利用采集到的睡眠脑电信号对睡眠质量进行客观而科学的评价。首先，分析睡眠研究的重要性和发展前景，指

性行,睡眠质量,信号采集装置,算法研究

本文研究的意义。接着分析 EEG 信号特点和睡眠分期方法，，设计系统方案：G 信号采集装置研究与设计；(2) 睡眠分期算法研究以及脑电信号处理软件。最后，为了验证本文所设计的基于 EEG 的睡眠质量评估系统的可行性，分系统的各个部分功能进行了测试实验，分析实验统计结果，从而对系统的性行了验证。本文研究流程如图 1.2 所示。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R741.04;TN911.7

【参考文献】