基于心电信号和脉搏信号耦合强度的睡眠分期研究

发布时间：2023-05-06 21:30

　　近年来,患有睡眠疾病人群的比例逐渐增大。人们对准确可靠地监测睡眠质量技术的需求日益迫切,进而采取相应的措施进行调理和治疗。如今在临床上,广泛地通过采集被测者的睡眠脑电信号应用多导睡眠图PSG法监测睡眠状态。但是PSG操作非常复杂,成本高,不利于日常监测,因此研究非脑电生理参数与睡眠分期的关系更具临床意义。本文通过采集心电间期序列、脉搏间期序列作为睡眠分期的特征参数,首先应用去趋势波动分析算法和去趋势移动平均算法计算两种信号在不同睡眠阶段的自相关性;然后应用去趋势互相关分析算法和去趋势移动平均互相关分析算法计算不同睡眠阶段心电信号和脉搏信号的耦合强度,以作为识别不同睡眠阶段的依据;最后将得到的不同睡眠阶段的多个标度指数组合成不同的SVM特征参数,进行分类预测。本文实验创新的研究方面如下:(1)针对不同睡眠时期的RRI与PPI分别进行去趋势波动分析(DFA)和去趋势移动平均分析(DMA),我们发现,DFA(RRI)、DFA(PPI)、DMA(RRI)、DMA(PPI)标度指数在不同睡眠分期均有wake>rem>ls>ds的规律,且各个睡眠阶段对应的标度指数变化范围非常容易...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 睡眠分期概述
        1.1.1 睡眠概述
        1.1.2 睡眠分期概述
    1.2 心电信号和脉搏信号与睡眠分期的关系
        1.2.1 心电与睡眠分期的关系
        1.2.2 脉搏波与心电的关系
    1.3 睡眠分期发展概述及研究现状
    1.4 睡眠分期的研究意义
    1.5 论文主要结构
第二章 心电信号与脉搏波信号概述与处理
    2.1 心电信号
        2.1.1 心电信号产生原理
        2.1.2 心电信号的波形特征
    2.2 心电信号预处理与特征提取
        2.2.1 心电信号预处理
        2.2.2 心电信号提取特征值
    2.3 光电容积脉搏波信号
        2.3.1 脉搏波信号的产生机理
        2.3.2 光电容积脉搏波的检测原理
        2.3.3 光电容积脉搏波波形特征
    2.4 脉搏波信号预处理与特征提取
        2.4.1 脉搏波信号预处理
        2.4.2 脉搏波信号提取特征值
    2.5 本章小结
第三章 心电信号和脉搏信号DFA和DMA分析
    3.1 去趋势波动分析DFA
        3.1.1 DFA算法
        3.1.2 DFA的应用与发展
    3.2 去趋势移动平均分析DMA
        3.2.1 DMA算法
        3.2.2 DMA的应用与发展
    3.3 基于DFA、DMA算法的ECG和PPG的睡眠分期研究
        3.3.1 健康成年人稳定睡眠期RRI、PPI的DFA、DMA分析
        3.3.2 健康成年人RRI、PPI的睡眠时序图分析
    3.4 本章小结
第四章 心电信号和脉搏波信号耦合强度分析
    4.1 两路信号互相关定义及性质
        4.1.1 互相关函数
        4.1.2 最小二乘线性拟合法
    4.2 去趋势互相关分析DCCA
        4.2.1 去趋势互相关分析DCCA算法分析
    4.3 去趋势移动平均互相关分析DMCA
        4.3.1 DMCA算法提出的背景
        4.3.2 DMCA算法分析
    4.4 基于DCCA、DMCA的两路信号耦合强度的睡眠分期研究
        4.4.1 健康成年人稳定睡眠期RRI、PPI的DCCA、DMCA耦合强度分析
        4.4.2 健康成年人RRI、PPI的睡眠时序图分析
    4.5 本章小结
第五章 基于支持向量机的睡眠分期
    5.1 基于网格搜索法参数优化的支持向量机
        5.1.1 SVM基础理论
        5.1.2 网格搜索法参数优化
    5.2 基于SVM睡眠分期
        5.2.1 SVM睡眠分期流程
        5.2.2 睡眠分期结果分析
    5.3 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢



本文编号：3809636