基于脑电的自动睡眠分期

发布时间：2017-05-15 16:01

  本文关键词：基于脑电的自动睡眠分期，由笔耕文化传播整理发布。

【摘要】：本文使用脑电图（EEG）信号针对睡眠阶段进行自动评分，评分为五个阶段，即清醒，阶段1，阶段2，慢波睡眠（阶段3和4）和快速眼动睡眠（REM）。睡眠阶段的变化伴随着EEG信号频谱的变化，基于此本文利用小波变换方法进行EEG信号的时频域分析。通过对各频段小波能量的分析，发现Alpha频段与Delta频段的比值能够较好的区分各睡眠分期。进一步，利用基于ANFIS模型的模糊神经网络，，以各频段的相对小波能量作为输入参数，对睡眠阶段进行自动分类。本文使用physionet睡眠脑电数据库，将自动分类产生的hypnogram与基于专家标准的hypnogram比较，验证所使用的自动分类系统的精度。由于高识别率，较低的计算成本，高速和其在硬件中实现的可行性，该系统可用于实时实现。本文的研究结果提供了可被用于设计计算机辅助睡眠评分系统的方法框架。
【关键词】：睡眠评分 睡眠图 脑电图 相对小波能量 ANFIS
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R318.04;TN911.7
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-16
• 1.1 引言8
• 1.2 研究背景和意义8-14
• 1.2.1 脑电信号研究分析9-11
• 1.2.2 睡眠分期研究现状分析11-14
• 1.3 论文结构14-16
• 第二章 睡眠脑电概述16-28
• 2.1 睡眠以及睡眠的分期16-17
• 2.1.1 睡眠概述16
• 2.1.2 睡眠的分期16-17
• 2.2 脑电信号17-21
• 2.2.1 脑电波神经生理基础17-19
• 2.2.2 脑电信号和脑电图19-21
• 2.3 睡眠脑电21-23
• 2.3.1 睡眠脑电波的特征和分期指标21-23
• 2.3.2 睡眠脑电分期应用意义23
• 2.4 PhysioNet 数据库23-27
• 2.5 本章小结27-28
• 第三章 基于小波变换的 EEG 信号特征提取28-45
• 3.1 睡眠评分系统28-33
• 3.1.1 睡眠评分29-32
• 3.1.2 特征提取32
• 3.1.3 模式分类32
• 3.1.4 信号采集32-33
• 3.2 小波变换33-39
• 3.2.1 小波变换研究背景33-37
• 3.2.2 小波变换与短时傅里叶变换关系37-39
• 3.2.3 离散小波变换39
• 3.3 相对小波能量的特征提取39-41
• 3.4 小波能量分析结果及计算程序41-44
• 3.5 本章小结44-45
• 第四章 模糊神经网络45-60
• 4.1 模糊神经网络45-48
• 4.1.1 神经网络45-46
• 4.1.2 模糊逻辑46-47
• 4.1.3 模糊神经网络47-48
• 4.2 自适应模糊推理系统48-59
• 4.2.1 ANFIS 原理48-51
• 4.2.2 自适应模糊神经推理系统的 matlab 仿真51-55
• 4.2.3 仿真结果55-59
• 4.3 本章小结59-60
• 第五章 总结与展望60-61
• 参考文献61-63
• 附录1 攻读硕士学位期间参加的科研项目63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 邢秀玉;刘鸿宇;黄武;;基于加速度的小波能量特征及样本熵组合的步态分类算法[J];传感技术学报;2013年04期

2 吴云龙;邵立;张恺;李锋;孙晓泉;;基于小波能量和光斑尺寸的干扰图像尺度分析[J];光子学报;2013年07期

3 赵海滨;王宏;李春胜;;采用相对小波能量法的脑-机接口设计[J];东北大学学报(自然科学版);2009年08期

4 翟琳琳;陈广锋;;基于小波能量的簇绒地毯跳纱疵点的检测方法[J];丝绸;2013年06期

5 刘钢,翟林培,贾新宇,刘明,匡海鹏;采用小波能量方法的海空背景中多目标检测与跟踪[J];光电工程;2004年11期

6 张彦梅;阳进;;一种基于小波能量分析的目标识别方法[J];北京理工大学学报;2010年07期

7 李合生,毛剑琴,李世玲,张富堂;基于多尺度小波能量积累的雷达回波检测方法[J];系统工程与电子技术;2000年11期

8 朱亚超,李文锋;改进型小波能量法的图像融合评价[J];武汉理工大学学报;2005年01期

9 姜润翔;史建伟;龚沈光;;基于尺度—小波能量谱的船舶水压场信号检测[J];电子学报;2009年01期

10 李合生,毛剑琴,张富堂;小波能量积累器在信号处理中的应用[J];强激光与粒子束;2000年05期

中国重要会议论文全文数据库 前3条

1 李庆奇;马莉;;基于小波能量的轮廓抖动性烟雾检测算法[A];浙江省电子学会2011学术年会论文集[C];2011年

2 陈保家;李力;赵新泽;;基于尺度-小波能量谱、粗糙集和神经网络集成的内燃机故障诊断方法[A];第二十六届中国控制会议论文集[C];2007年

3 王继祥;陶业荣;;利用小波能量评价语音通信质量的方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

中国硕士学位论文全文数据库 前4条

1 吴京;基于模分量小波能量谱的电缆故障识别方法研究[D];西安科技大学;2014年

2 张进;基于时间—小波能量谱及交叉小波变换的振动信号分析[D];清华大学;2010年

3 杨涌;基于小波能量融合的显微序列图像合成研究及其在工件表面检测中的应用[D];浙江工业大学;2006年

4 陈晓伟;基于脑电的自动睡眠分期[D];南京邮电大学;2014年

  本文关键词：基于脑电的自动睡眠分期，由笔耕文化传播整理发布。

本文编号：368189