基于腦電多尺度非線性分析的睡眠分期研究.pdf

1、睡眠是人體緩解疲勞、恢復精神的最好方式。但隨著生活節(jié)奏的加快、工作壓力的增大，越來越多的人受到失眠等睡眠障礙的困擾，嚴重影響了人們的身心健康。研究睡眠狀態(tài)下腦電信號特性，并實現(xiàn)自動睡眠分期是改善睡眠質(zhì)量、診斷睡眠疾病的基礎，具有重要的應用價值和理論意義。
　　首先，在單尺度LZ復雜度的基礎上結(jié)合多尺度分析，設計了多尺度LZ復雜度非線性分析方法。仿真數(shù)據(jù)分析表明該方法克服了單尺度LZ復雜度只能描述信號單一頻率特征的缺陷，可以捕捉信號

2、多種頻率成分，能更好的可以反映信號的變化規(guī)律。利用此方法分析了Physionet數(shù)據(jù)庫中睡眠腦電信號，結(jié)果表明多尺度LZ復雜度方法捕捉到了不同睡眠分期腦電更豐富的信息，驗證了多尺度LZ復雜度方法要優(yōu)于單尺度LZ復雜度方法。
　　其次，基于模糊熵比樣本熵更具穩(wěn)定性的特點，在多尺度分析的基礎上對多尺度樣本熵方法進行改進，設計了多尺度模糊熵方法。該方法集合了兩種方法的優(yōu)點，多尺度分析具有良好的時頻特性，同時可以減小運算數(shù)據(jù)量；模糊熵算法

3、利用指數(shù)函數(shù)模糊化相似性，較樣本熵能更好的反映各期睡眠腦電復雜性變化。利用多尺度模糊熵方法分析了實際睡眠腦電信號，給出了實驗分析結(jié)果，驗證了多尺度模糊熵方法要優(yōu)于多尺度樣本熵方法。
　　最后，利用兩種多尺度非線性分析方法提取腦電特征，并利用小波變換提取睡眠腦電的Delta、Beta節(jié)律功率特征，同時對眼電信號提取時域特征，用以上特征量作為睡眠分期的特征參數(shù)，采用支持向量機作為分類器，并選用“一對一”多分類方法完成睡眠腦電的自動分期