基于隐马尔可夫模型的心率变异性分析在睡眠分期中的应用

发布时间：2023-01-08 16:05

　　睡眠状况是评价一个人身体健康状态的一个重要指标。准确的睡眠分期不仅能帮助人们正确地认识自己的睡眠状况和质量,而且也有助于医生诊断睡眠疾病。有研究已表明睡眠阶段与心率变异性指标之间存在着相关性。本文提出了一种睡眠自动分期的新思路。首先,利用隐马尔可夫模型的识别能力,从心电信号中提取RR间期（相邻心跳的时间间隔）序列数据。然后根据心率变异性指标变化情况识别整夜睡眠状态,实现睡眠自动分期。本文以基于心率变异性分析的睡眠分期为研究课题,通过时域分析、频域分析以及非线性分析研究心率变异性,最后通过隐马尔可夫模型来实现睡眠分期。本文的研究工作可分为以下两个方面:（1）本文先使用了一种自适应阈值算法对原始RR间期序列数据进行异常值过滤,然后采用了时域分析法、频域分析法以及非线性分析方法来进行心率变异性分析。在获取时域特征时,还通过具有自适应噪声的完全集合经验模态分解方法来分解并重构时域特征。频域分析同时采用了短时傅里叶变换和小波变换来计算各频段的频谱功率的相对值与归一化值,并对比了这两种方法提取的特征的效果。此外,非线性分析主要通过计算样本熵和去趋势波动分析来获取与睡眠有关的信息。（2）对通过时域分... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 睡眠分期的国内外研究历史与现状
    1.3 心率变异性分析的研究现状及意义
    1.4 本文的主要贡献与创新
    1.5 本论文的结构安排
第二章 基于心率变异性分析的睡眠分期研究
    2.1 心率变异性与睡眠分期研究的理论基础
        2.1.1 睡眠各期划分及特点
        2.1.2 心率变异性与睡眠的关系
    2.2 心率变异性分析方法
        2.2.1 时域分析
        2.2.2 频域分析
        2.2.3 非线性分析
    2.3 经验模态分解
        2.3.1 经验模态分解
        2.3.2 集合经验模态分解
        2.3.3 具有自适应噪声的完全集合经验模态分解
    2.4 基于心率变异性分析的睡眠分期算法设计
    2.5 本章小结
第三章 运用隐马尔可夫模型对睡眠状态进行模式识别
    3.1 隐马尔可夫模型的理论基础
    3.2 实验数据与方法
        3.2.1 实验数据
        3.2.2 数据预处理
        3.2.3 特征提取
        3.2.4 特征筛选
        3.2.5 基于隐马尔可夫模型的睡眠分期
    3.3 结果与分析
    3.4 本章小结
第四章 全文总结与展望
    4.1 全文总结
    4.2 后续工作展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]基于心率变异性分析的睡眠分期方法研究[J]. 王金海,孙微,韦然,赵晓赟,国海丁,王慧泉.  生物医学工程学杂志. 2016(03)
[2]基于脑电信号的自动睡眠分期研究进展[J]. 高群霞,周静,吴效明.  生物医学工程学杂志. 2015(05)
[3]基于小波变换的非平稳信号分析与处理[J]. 张晗博,殷奕,殷奎喜.  南京师范大学学报(工程技术版). 2014(01)
[4]有关美国睡眠医学学会睡眠分期的最新判读标准指南解析[J]. 王菡侨.  诊断学理论与实践. 2009(06)
[5]基于脑电的睡眠与麻醉中失觉醒脑状态分析[J]. 于立群,高小榕,刘伟国,左焕琮.  清华大学学报(自然科学版). 2009(12)
[6]两种熵测度在量化射击运动员短时心率变异性信号复杂度上的一致性[J]. 庄建军,宁新宝,邹鸣,孙飙,杨希.  物理学报. 2008(05)
[7]多尺度熵在心率变异信号复杂性分析中的应用[J]. 蔡瑞,卞春华,宁新宝.  北京生物医学工程. 2007(05)
[8]基于心率变异分析的睡眠分期方法[J]. 庄志,高上凯,高小榕.  生物医学工程学杂志. 2006(03)
[9]基于小波变换人体生命参数探测方法[J]. 张红旗.  无线电工程. 2005(09)
[10]基于非线性时间序列分析经验模态分解和小波分解异同性的研究[J]. 龚志强,邹明玮,高新全,董文杰.  物理学报. 2005(08)

硕士论文
[1]基于短时傅里叶变换的胎心率检测算法与实现[D]. 冯爱玲.广东工业大学 2014



本文编号：3728773