基于经验模式分解的自动睡眠分期

发布时间：2017-06-28 23:16

  本文关键词：基于经验模式分解的自动睡眠分期，，由笔耕文化传播整理发布。

【摘要】：睡眠是机体恢复、整合的重要阶段,是一种复杂的生理过程。对睡眠质量的评估是通过睡眠分期来实现的。由人工进行睡眠分期是一项非常耗时的任务,通常需要几个小时对一整晚(8小时)的记录进行分类。因此,研究睡眠脑电的自动分期具有重要的意义。本文以MIT的PhysioBank中的Sleep-EDF数据库中的一导脑电信号(Fpz-Cz)和一导眼电为研究对象,将睡眠过程分成分为觉醒期、NREM 1期、NREM 2期、NREM3/4期、REM(快速眼动期)这五个睡眠阶段。首先利用经验模式分解方法将脑电信号分解为若干个固有模态函数,然后对获得的固有模态函数采用快速独立分量分析算法,从而获得去噪后的脑电信号。其后根据睡眠过程中脑电节律变化规律,利用样本熵和希尔伯特黄变换等方法提取有效的脑电信号特征参数,最后采用支持向量机模式识别方法对脑电信号进行分期。结果表明,样本熵和希尔伯特黄变换方法能提取有效的睡眠特征值。随着睡眠程度的变化,样本熵值也发生着规律性变化。具体表现为：随着睡眠深度的增加,样本熵值呈现出递减的规律,其中在NREM 3.4期递减至最小值,但到了REM期的样本熵值和NREM 1期基本相同。利用希尔伯特黄变换的方法求得的脑电信号的特征值在不同睡眠期具有一定的差异性的,主要是由于不同的睡眠阶段的节律不同。但是仅利用样本熵和希尔伯特黄变换方法进行睡眠分期的效果一般,本文结合样本熵值和希尔伯特黄变换、奇异值方法对脑电信号进行分析,比只用一种或两种方法的效果都要好,10个样本的平均分期准确率达到了85.41%。由此可见,本文所提出的睡眠自动分期方法在睡眠脑电信号的去噪、特征提取和模式识别三方面都表现较为理想。证明了本文所提出的睡眠自动分期方法是有效的和较为准确的。
【关键词】：经验模式分解 样本熵 希尔伯特黄变换 睡眠分期 支持向量机
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R740
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-15
• 1.1 睡眠脑电分期的研究背景和意义11-12
• 1.2 睡眠脑电分期的国内外研究现状12-13
• 1.3 本文的研究内容13-15
• 第二章 脑电信号和睡眠分期的相关知识15-21
• 2.1 睡眠脑电的基本知识15-17
• 2.1.1 脑电信号的采集15-16
• 2.1.2 脑电信号的基本特征16-17
• 2.2 睡眠分期准则与意义17-21
• 第三章 脑电信号去噪处理21-30
• 3.1 经验模式分解21-25
• 3.2 独立分量分析25-27
• 3.3 基于EMD-ICA的睡眠脑电信号去噪27-29
• 3.4 本章小结29-30
• 第四章 基于样本熵的睡眠脑电研究30-35
• 4.1 样本熵算法介绍30-31
• 4.2 基于样本熵的睡眠脑电信号特征提取31-34
• 4.3 本章小结34-35
• 第五章 基于希尔伯特黄变换的睡眠脑电分析35-42
• 5.1 希尔伯特黄变换35-36
• 5.2 瞬时频率和Hilbert变换36-38
• 5.2.1 瞬时频率36-37
• 5.2.2 Hilbert变换和解析信号37-38
• 5.3 基于瞬时频率的特征提取38-41
• 5.4 本章小结41-42
• 第六章 基于支持向量机的睡眠脑电分期42-54
• 6.1 支持向量机42-50
• 6.1.1 支持向量机算法42-46
• 6.1.2 支持向量机多分类46-50
• 6.2 基于SVM的睡眠脑电分期结果与分析50-53
• 6.3 本章小结53-54
• 总结与展望54-55
• 参考文献55-59
• 攻读硕士学位期间发表论文59-61
• 致谢61

【相似文献】

中国期刊全文数据库 前6条

1 白冬梅;邱天爽;鲍海平;;基于经验模式分解与样本熵的癫痫预测方法[J];中国生物医学工程学报;2006年05期

2 林绍杰;张攀登;吴凯;吴效明;;基于经验模式分解的心电特征提取算法[J];生物医学工程研究;2007年04期

3 田絮资;黄力宇;徐磊;;基于单导脑电经验模式分解的癫痫发作预测[J];西北大学学报(自然科学版);2008年05期

4 李淑芳;周卫东;蔡冬梅;刘凯;赵建林;;EMD和SVM结合的脑电信号分类方法[J];生物医学工程学杂志;2011年05期

5 毕晓辉;邱天爽;朱勇;赵燕斌;;基于经验模式分解和独立分量分析的单导少次EP信号提取[J];中国生物医学工程学报;2008年06期

6 ;[J];;年期

中国重要会议论文全文数据库 前6条

1 高强;段晨东;房祥波;刘本超;;一种改进的经验模式分解方法[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

2 刘剑锋;张启伟;;基于经验模式分解技术的桥梁结构损伤识别[A];第十六届全国桥梁学术会议论文集（下册）[C];2004年

3 毛向东;袁惠群;孙华刚;;强干扰背景下的微弱信号分离方法研究[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（下册）[C];2014年

4 胡桥;郝保安;吕林夏;陈亚林;孙起;;水声目标的EMD能量熵检测方法研究[A];中国造船工程学会2007年优秀学术论文集[C];2008年

5 胡桥;孙起;田亮;田丰华;;加窗经验模式分解及其水下航行体辐射噪声特征提取研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 赵娜;王新龙;陶志勇;;HHT经验模式分解的镜像延拓方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

中国博士学位论文全文数据库 前2条

1 梁灵飞;窗口经验模式分解及其在图像处理中的应用[D];北京邮电大学;2010年

2 徐争光;经验模式分解的数学理论研究[D];华中科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 张亚菊;基于经验模式分解的非接触式生命体征信号处理方法研究[D];南京理工大学;2015年

2 卢福兰;基于经验模式分解的自动睡眠分期[D];广东工业大学;2016年

3 唐洪荣;二维经验模式分解在图像处理中的应用[D];汕头大学;2007年

4 闫凤;二维经验模式分解及改进方法在图像处理中的应用[D];内蒙古师范大学;2010年

5 薛Z

本文编号：495715