睡眠是人類生命活動中必須的一個過程,良好的睡眠可以促進人體精神狀態(tài)、注意力、情緒控制力和判斷力的恢復。而隨著生活節(jié)奏的加快,生活和工作中的壓力逐漸增多,失眠成為了影響人體身體健康的又一主要問題,人們迫切的希望自己的睡眠質量得到改善。因此如何更加方便的監(jiān)測睡眠和對生理數(shù)據(jù)進行睡眠自動分期成為了現(xiàn)階段研究睡眠的主要挑戰(zhàn)。傳統(tǒng)的睡眠分期都是通過判斷腦電信號的變化規(guī)律來對睡眠狀態(tài)進行標定。但是腦電信號的采集需要粘貼各種電極,對人體正常的睡眠狀態(tài)造成影響。在睡眠時人體的心率和呼吸率都會隨著睡眠時相的變化表現(xiàn)出類似腦電的節(jié)律性變化。而且心率和呼吸率信號的采集方式較腦電信號更為簡單,對人體睡眠的侵入式影響小。因此本文決定使用心率和呼吸率來研究睡眠分期。目前也有學者使用心率和呼吸信號中提取的特征作為輸入,使用隱馬爾科夫模型作為分類器進行睡眠分期計算,但是分期結果的準確率只有60%左右。為了提高對睡眠分期判斷的結果,本文首次將隱馬爾科夫模型(HMM)和反饋(BP)神經(jīng)網(wǎng)絡模型相結合的混合算法應用到睡眠分期計算中,利用BP神經(jīng)網(wǎng)絡模型強大的模式識別能力對HMM模型計算的錯誤匹配結果進行訓練記憶,提高睡眠分...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

圖2-1睡眠分期結構

圖2-2睡眠時相圖

圖2-3BCG波形圖

圖2-4MIT數(shù)據(jù)庫中的ECG信號與Resp信號目前對BCG信號和ECG信號相關性研究最為權威的機構主要集中在國外的

本文編號：3883566