【摘要】：睡眠是人類(lèi)生活的重要組成部分。良好的睡眠可以促進(jìn)人的精神狀態(tài)、注意力、情緒控制力和判斷力的恢復(fù)。然而,隨著生活節(jié)奏的加快,人們的睡眠質(zhì)量越來(lái)越差,熬夜、失眠等現(xiàn)象頻發(fā)。根據(jù)調(diào)查,睡眠障礙成人的比例高達(dá)30%。因此,如何更加簡(jiǎn)單快捷的對(duì)人體睡眠監(jiān)測(cè)對(duì)于提高睡眠質(zhì)量和預(yù)防睡眠疾病有著舉足輕重的意義。睡眠分期的傳統(tǒng)“黃金標(biāo)準(zhǔn)”是多導(dǎo)睡眠圖,但卻存在價(jià)格昂貴、操作復(fù)雜、對(duì)受試者睡眠有入侵式影響等弊端。同時(shí),由于睡眠期間人體呼吸速率表現(xiàn)出與大腦類(lèi)似的節(jié)律變化,并且呼吸信號(hào)的收集比諸如EEG的其他信號(hào)更簡(jiǎn)單。對(duì)人類(lèi)睡眠的影響很小,因此本文決定使用呼吸信號(hào)來(lái)研究睡眠分期。本文首先對(duì)睡眠呼吸數(shù)據(jù)預(yù)處理和特征提取,隨后設(shè)計(jì)面向睡眠分期的改進(jìn)隨機(jī)森林的分類(lèi)方法實(shí)現(xiàn)睡眠自動(dòng)分期,主要研究?jī)?nèi)容如下:(1)睡眠呼吸信號(hào)數(shù)據(jù)預(yù)處理。由于睡眠環(huán)境通常不是絕對(duì)安靜的,常常會(huì)伴有人為或環(huán)境噪聲,同時(shí)考慮到呼吸信號(hào)本身強(qiáng)度較為微弱,為濾除呼吸波中的高頻噪聲,本文通過(guò)尋找最佳呼吸頻率,設(shè)計(jì)數(shù)字濾波器對(duì)呼吸波進(jìn)行預(yù)處理,以?xún)?yōu)化數(shù)據(jù)集。(2)睡眠呼吸數(shù)據(jù)特征提取。呼吸數(shù)據(jù)的特征提取從三種分析域進(jìn)行:時(shí)域、頻域和非線性。首先檢測(cè)呼吸信號(hào)的波峰波谷,通過(guò)計(jì)算呼吸波峰數(shù)量、呼吸波峰波谷間隔平均值等來(lái)提取四個(gè)時(shí)域特征參數(shù);自回歸模型法用于獲得信號(hào)的相應(yīng)頻率范圍的頻譜能量,并獲得六個(gè)頻域特征參數(shù);通過(guò)近似熵和樣本熵提取呼吸數(shù)據(jù)的兩個(gè)非線性特征,共12個(gè)特征作為睡眠自動(dòng)分期模型的測(cè)試輸入。(3)算法設(shè)計(jì)與結(jié)果分析。針對(duì)隨機(jī)森林算法特征選擇的隨機(jī)性問(wèn)題,本文通過(guò)引入自適應(yīng)特征選擇思想,提出三優(yōu)化策略:第一種是基于特征權(quán)重的多變量特征計(jì)算方法;二是引入自適應(yīng)稀疏約束機(jī)制的特征優(yōu)化方法,三是基于不平衡數(shù)據(jù)集的隨機(jī)采樣算法,并采用正常人與輕微睡眠障礙人特征組合分別對(duì)優(yōu)化隨機(jī)森林模型訓(xùn)練,最后使用人工AASM分期結(jié)果和SVM算法來(lái)驗(yàn)證測(cè)試輸出,結(jié)果顯示,Wake-NREM-REM睡眠分期的準(zhǔn)確率為83.7%,表明可以依據(jù)呼吸數(shù)據(jù)的特點(diǎn)獲取睡眠狀況。本文是通過(guò)不同睡眠狀態(tài)下呼吸信號(hào)的多重特點(diǎn)來(lái)研究睡眠狀態(tài)的,研究結(jié)果提供了可應(yīng)用于自動(dòng)睡眠分期系統(tǒng)的方法,可作為AASM規(guī)則的補(bǔ)充,具有較好的發(fā)展前景。
【圖文】：

2.1 引言人體在睡眠時(shí)生理數(shù)據(jù)通常會(huì)隨著睡眠階段的變化而變化。其中，呼吸信號(hào)較其他信號(hào)如腦電波信號(hào)更易采集，且不會(huì)對(duì)人體睡眠產(chǎn)生入侵式影響。因此本文決定基于呼吸信號(hào)來(lái)研究睡眠分期。本章主要介紹了目前睡眠分期的臨床標(biāo)準(zhǔn)，以及各個(gè)睡眠時(shí)相生理信號(hào)的變化特點(diǎn)，之后說(shuō)明呼吸信號(hào)與睡眠分期的高度相關(guān)性，以及用呼吸信號(hào)作為睡眠時(shí)相判別的可靠性。最后介紹了三種睡眠分期經(jīng)典算法的基本思想及原理。2.2 睡眠分期2.2.1 睡眠分期的臨床標(biāo)準(zhǔn)目前臨床睡眠分期的標(biāo)準(zhǔn)多是 R&K 準(zhǔn)則[30]。R&K 標(biāo)準(zhǔn)規(guī)定，人類(lèi)從入睡開(kāi)始到覺(jué)醒的整個(gè)睡眠過(guò)程被劃分為 6 個(gè)時(shí)期，即清醒期(Wake)、NREM(N1、N2、N3、N4) 期和 REM 期。具體結(jié)構(gòu)如圖 2-1 所示。

北京工業(yè)大學(xué)工程碩士專(zhuān)業(yè)學(xué)位論文通常情況下，在一整晚的睡眠過(guò)程中，并不是從 Wake 狀態(tài)到 REM 期順序進(jìn)行的，而是交叉進(jìn)行的。6-8 h 的整晚睡眠大致由 4-5 個(gè)睡眠周期構(gòu)成，每個(gè)周期約持續(xù) 90 min。在入睡前的階段首先是處于 Wake 期，，正常情況下幾分鐘后就會(huì)進(jìn)入 NREM 期，在 NREM 期內(nèi)，睡眠逐漸由淺變深，N1 期到 N3 期依次進(jìn)行，N1 期與 N2、N3 期相比持續(xù)時(shí)間較短，NREM 期大約持續(xù) 0.5～1.0 個(gè)小時(shí)；然后由深變淺，N3 期向 N1 期，緊接著進(jìn)入第一個(gè) REM 狀態(tài)，做夢(mèng)現(xiàn)象通常出現(xiàn)在此階段中，第一個(gè) REM 期持續(xù)時(shí)間很短便再次進(jìn)入 NREM 期；隨著循環(huán)次數(shù)的增大，REM 期持續(xù)時(shí)間也就越久。在 NREM 期間，偶爾會(huì)出現(xiàn)一兩個(gè) Wak期，NREM 階段與 REM 階段交替進(jìn)行大概 3 到 5 次。作為深睡期，N4 期只出現(xiàn)在前兩個(gè)周期中，并且不同年齡階段的人持續(xù)時(shí)間不同，一般來(lái)說(shuō)，隨著年齡的增長(zhǎng)，N4 持續(xù)時(shí)間越短。大致如圖 2-2 所示。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN911.7;R740

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉思佳;劉宏彬;;面向病人睡眠呼吸信號(hào)的非接觸式測(cè)量與提取[J];自動(dòng)化技術(shù)與應(yīng)用;2018年09期

2 趙素文;賈磊磊;盧望;;基于心電信號(hào)中提取呼吸信號(hào)的探討[J];桂林航天工業(yè)高等專(zhuān)科學(xué)校學(xué)報(bào);2012年01期

3 張瑞華;葉逢春;;一種具有自動(dòng)補(bǔ)償功能的呼吸信號(hào)檢測(cè)電路[J];醫(yī)療衛(wèi)生裝備;2009年03期

4 黃文漢;張偉;胡立剛;周陳旺;向丹陽(yáng);;基于心電與呼吸信號(hào)的睡眠分期算法研究[J];智能計(jì)算機(jī)與應(yīng)用;2018年01期

5 朱興喜,彭紅,戚仕濤;呼吸信號(hào)的獲取方法[J];醫(yī)療設(shè)備信息;2003年03期

6 蔣蓮;陳兆學(xué);;基于心電信號(hào)提取呼吸信號(hào)的算法研究[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2019年04期

7 鄭冰倩;;基于PCA的改進(jìn)歐拉放大算法用于呼吸信號(hào)的提取[J];數(shù)碼世界;2018年11期

8 王旭;鄔小玫;方祖祥;;心電、呼吸信號(hào)采集分析系統(tǒng)的研制[J];上海生物醫(yī)學(xué)工程;2007年04期

9 李永宏;張金爽;王姝文;于洪志;;藏語(yǔ)新聞朗讀的呼吸信號(hào)聲學(xué)分析[J];西北民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

10 席濤,楊國(guó)勝,湯池,焦騰;基于自適應(yīng)濾波的心電圖中呼吸信號(hào)的提取方法[J];第四軍醫(yī)大學(xué)學(xué)報(bào);2005年09期

相關(guān)會(huì)議論文 前4條

1 龐雪蓮;李川勇;葛曼玲;;去除心電信號(hào)中呼吸信號(hào)的研究進(jìn)展(綜述)[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

2 龐雪蓮;李川勇;葛曼玲;;應(yīng)用獨(dú)立分量分析法去除心電信號(hào)中呼吸信號(hào)的仿真[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2008年年會(huì)暨首屆生物醫(yī)學(xué)工程與臨床論壇論文集[C];2008年

3 譚晶晶;孔江平;李永宏;;漢語(yǔ)普通話不同文體朗讀時(shí)的呼吸重置研究[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

4 溫美英;潘水洋;梁允萍;李燁;吳晶;;基于FPGA的非接觸式呼吸信號(hào)的濾波實(shí)現(xiàn)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 黃亞文;基于呼吸信號(hào)的睡眠分期算法研究[D];北京工業(yè)大學(xué);2019年

2 丁燕兵;花兒民歌呼吸韻律研究[D];西北民族大學(xué);2018年

3 李斯農(nóng);用NSP算法研究睡眠狀態(tài)下的人體生理信號(hào)[D];北方工業(yè)大學(xué);2018年

4 胡正偉;呼吸信號(hào)檢測(cè)與預(yù)測(cè)技術(shù)的研究[D];南昌航空大學(xué);2017年

5 單禹皓;基于呼吸信號(hào)的人類(lèi)應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)[D];西南大學(xué);2016年

6 張驍;生物雷達(dá)監(jiān)測(cè)睡眠呼吸暫停綜合癥的初步研究[D];第四軍醫(yī)大學(xué);2012年

7 丁仲祥;基于智能終端的生命體征監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];重慶郵電大學(xué);2017年

8 郭勇;超聲手術(shù)導(dǎo)航系統(tǒng)中圖像去噪和呼吸信號(hào)獲取與建模[D];大連理工大學(xué);2014年

9 張言飛;人體呼吸率的非接觸測(cè)量研究[D];天津大學(xué);2014年

10 林時(shí)來(lái);基于蟻群算法的呼吸信號(hào)情感識(shí)別研究[D];西南大學(xué);2011年

本文編號(hào)：2613176