基于心率呼吸率的实时睡眠分期算法研究

发布时间：2024-01-24 09:29

　　睡眠是人类生命活动中必须的一个过程,良好的睡眠可以促进人体精神状态、注意力、情绪控制力和判断力的恢复。而随着生活节奏的加快,生活和工作中的压力逐渐增多,失眠成为了影响人体身体健康的又一主要问题,人们迫切的希望自己的睡眠质量得到改善。因此如何更加方便的监测睡眠和对生理数据进行睡眠自动分期成为了现阶段研究睡眠的主要挑战。传统的睡眠分期都是通过判断脑电信号的变化规律来对睡眠状态进行标定。但是脑电信号的采集需要粘贴各种电极,对人体正常的睡眠状态造成影响。在睡眠时人体的心率和呼吸率都会随着睡眠时相的变化表现出类似脑电的节律性变化。而且心率和呼吸率信号的采集方式较脑电信号更为简单,对人体睡眠的侵入式影响小。因此本文决定使用心率和呼吸率来研究睡眠分期。目前也有学者使用心率和呼吸信号中提取的特征作为输入,使用隐马尔科夫模型作为分类器进行睡眠分期计算,但是分期结果的准确率只有60%左右。为了提高对睡眠分期判断的结果,本文首次将隐马尔科夫模型(HMM)和反馈(BP)神经网络模型相结合的混合算法应用到睡眠分期计算中,利用BP神经网络模型强大的模式识别能力对HMM模型计算的错误匹配结果进行训练记忆,提高睡眠分...

【文章页数】：72 页

【学位级别】：硕士

图2-1睡眠分期结构

图2-2睡眠时相图

图2-3BCG波形图

图2-4MIT数据库中的ECG信号与Resp信号目前对BCG信号和ECG信号相关性研究最为权威的机构主要集中在国外的

本文编号：3883566