基于脑电信号分析的睡眠监测研究

发布时间：2021-03-23 05:33

　　睡眠对人来说是必不可少的,对人的心理健康以及生理健康具有重要意义。近年来,随着各方面压力的加剧,睡眠方面的疾病也越来越多,睡眠问题引起人们的广泛重视。而睡眠分期是研究睡眠疾病的基础,可通过睡眠分期更详细地了解睡眠过程,具有重要的临床意义。传统的人工方法进行睡眠分期费时费力,效率低下,本文依据睡眠脑电在不同睡眠阶段的特征有所不同来进行睡眠分期。论文主要完成的工作:1、根据脑电信号微弱、随机性强、易受噪声干扰等特性,选择专用于生物电势测量的高精度、低噪声芯片ADS1299,不锈钢干电极作为传感器,并以STM32F407VGT6作为主控芯片,通过三导联单通道方式采集脑电,将采集到的数据存到SD卡中,同时通过蓝牙发送到上位机。采用可充电的锂电池对硬件平台进行供电。2、对采集到的脑电进行去噪预处理,通过小波包分解重构的方法提取睡眠脑电的七种节律波,包括K复合波、δ波、θ波、α波、纺锤波、β₁波以及β₂波,并对节律波提取能量特征,包括每一个睡眠阶段（30秒为一个单位）的总能量E_T,以及K复合波、δ波、θ波、α波、纺锤波、β_... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 学术背景及研究意义
    1.2 睡眠脑电研究发展及现状
    1.3 睡眠监测仪研究现状
    1.4 本文研究内容
    1.5 文章结构安排
第2章 脑电及睡眠介绍
    2.1 脑电产生机理
    2.2 脑电信号特征
    2.3 睡眠分期介绍
        2.3.1 睡眠分期准则
        2.3.2 睡眠各期特点
    2.4 脑电信号采集方法
    2.5 本章小结
第3章 睡眠脑电采集硬件平台
    3.1 信号采集芯片ADS1299
    3.2 系统供电方案
    3.3 系统主控芯片
    3.4 数据存储模块
    3.5 视觉刺激实验
    3.6 本章小结
第4章 睡眠脑电特征提取
    4.1 脑电信号预处理
    4.2 睡眠脑电节律波提取
    4.3 能量特征提取
    4.4 非线性动力学方法提取特征
        4.4.1 复杂度
        4.4.2 多尺度熵
        4.4.3 模糊熵
    4.5 本章小结
第5章 睡眠脑电特征分类
    5.1 支持向量机
        5.1.1 最优超平面构造方法
        5.1.2 SVM的回归算法
        5.1.3 SVM的核函数
    5.2 LS-SVM的回归算法
    5.3 LS-SVM多分类器的构建
    5.4 基于LS-SVM的睡眠脑电分期
        5.4.1 实验训练测试数据来源
        5.4.2 睡眠分期结果
    5.5 睡眠脑电采集分期实验
    5.6 本章小结
第6章 总结与展望
参考文献
作者简介及科研成果
致谢


【参考文献】：
期刊论文
[1]用Matlab小波包求功率频带分解规律[J]. 郑常宝,段晓波,李晓明.  电测与仪表. 2010(06)
[2]基于脑电信号Hilbert-Huang变换的睡眠分期研究[J]. 李谷,范影乐,李轶,庞全.  航天医学与医学工程. 2007(06)

硕士论文
[1]基于脑电信号的自动睡眠分期研究[D]. 唐其彪.广东工业大学 2016
[2]睡眠脑电自动分期方法研究[D]. 郭超珍.广东工业大学 2015
[3]LS-SVM模型在陆地地震随机噪声建模及压制中的应用[D]. 何东超.吉林大学 2015
[4]脑电信号的非线性动力学分析及其在睡眠分期中的应用[D]. 王琼颖.哈尔滨工业大学 2015
[5]基于EEG的睡眠分期与睡眠评估方法研究[D]. 高群霞.华南理工大学 2015
[6]基于脑电信号的睡眠分期研究[D]. 程佳.北京理工大学 2015
[7]基于STM32的三导联微弱脑电信号提取方法研究与实现[D]. 王乐凡.哈尔滨工业大学 2014
[8]睡眠脑电的分析与应用研究[D]. 郑声涛.广东工业大学 2014
[9]便携式呼吸睡眠监测系统的研究与开发[D]. 胡裕轩.浙江大学 2014
[10]睡眠脑电信号处理及其在睡眠分期中的应用研究[D]. 李伟研.广东工业大学 2011



本文编号：3095236