【摘要】：睡眠是人類一項最基本的生理活動之一,對人的健康至關(guān)重要。睡眠分期是睡眠質(zhì)量評估必不可少的步驟,研究者基于腦電信號(Electroencephalogram,EEG)對睡眠分期進行了廣泛的研究。目前,睡眠監(jiān)測主要采用多導睡眠圖(Polysomnography,PSG),監(jiān)測人體多個特征信號,但是信號采集普遍由多電極組成,體積龐大,設(shè)計復雜,無法滿足便攜性;市場上睡眠監(jiān)測設(shè)備也層出不窮,多數(shù)是基于睡眠姿態(tài)進行分期,雖然便于使用,但無標準的睡眠分期準則,在準確性方面遠未達到臨床要求的睡眠分期精度。為了同時兼顧便攜性和準確性,本文進行了如下研究:首先分析EEG信號特點,提出了采集設(shè)備設(shè)計要求;在核心器件選擇、硬件電路設(shè)計和信號傳輸方式選取等方面做了大量工作,通過對比設(shè)計出以ADS1299為核心的前端信號采集模塊、ATmega328P為核心的控制模塊、低功耗藍牙為核心的信號傳輸模塊的便攜式EEG信號采集裝置。接著研究了睡眠分期算法。(1)EEG信號是典型的非線性非平穩(wěn)信號,噪聲大,幅值低,針對該問題本文設(shè)計了基于小波變換的濾波函數(shù),分析和研究了小波基函數(shù)、小波分解層數(shù)和閾值函數(shù),完成了EEG信號的預處理;(2)研究睡眠EEG信號特征提取算法,選擇了樣本熵作為睡眠EEG信號的特征參數(shù);(3)設(shè)計基于隨機森林(Random Forest,RF)的特征識別分類算法,構(gòu)建了睡眠腦電信號分類模型,實現(xiàn)睡眠自動分期,睡眠分期識別準確率達到94.91%。同時設(shè)計了腦電信號處理軟件。本文開發(fā)了基于Android系統(tǒng)的EEG信號處理軟件,在智能終端實現(xiàn)睡眠分期,評估人體睡眠質(zhì)量,極大的提升了系統(tǒng)的實用性。最后進行了測試實驗,實驗結(jié)果表明,信號采集模塊能夠采集高質(zhì)量的腦電信號,分析軟件可以快速、準確地進行睡眠質(zhì)量評估。該系統(tǒng)體積小,功耗低,可以對睡眠質(zhì)量進行定量反映和客觀評估。
【圖文】：

隨著人們對睡眠研究越來越重視，大量穿戴式睡眠監(jiān)測設(shè)備也層出不窮，迅速發(fā)展，如通過檢測用戶前額腦電信號來追蹤睡眠狀況的 Zeo Mobile （如圖1.1(a)）、通過腕帶檢測脈搏信號來追蹤睡眠的WakeMate睡眠分析儀（如圖1.1(b)）和通過監(jiān)測腦電波、眼動和記錄睡眠數(shù)據(jù)的智能睡眠頭套 Sleep Shepherd Blue（如圖 1.1(c)），它們朝著便攜化、家庭化發(fā)展，實時準確地監(jiān)測人體睡眠狀態(tài)。所以便攜性和準確性將是未來睡眠分期研究的兩個重點方向，也必將是一個發(fā)展趨勢。(a)Zeo Mobile (b) WakeMate 睡眠分析儀(c) Sleep Shepherd Blue 智能睡眠頭套圖 1.1 穿戴式設(shè)備1.3 研究內(nèi)容與文章結(jié)構(gòu)基于 EEG 信號在睡眠質(zhì)量評估中的重要性，從 EEG 信號角度研究睡眠，設(shè)計基于 EEG 的睡眠質(zhì)量評估系統(tǒng)，以智能終端為核心，結(jié)合軟硬件等基礎(chǔ)知識，從信號的采集，信號的傳輸?shù)叫盘柕奶幚�、分析，利用采集到的睡眠腦電信號對睡眠質(zhì)量進行客觀而科學的評價。首先，分析睡眠研究的重要性和發(fā)展前景，指

本文研究的意義。接著分析 EEG 信號特點和睡眠分期方法，，設(shè)計系統(tǒng)方案：G 信號采集裝置研究與設(shè)計；(2) 睡眠分期算法研究以及腦電信號處理軟件。最后，為了驗證本文所設(shè)計的基于 EEG 的睡眠質(zhì)量評估系統(tǒng)的可行性，分系統(tǒng)的各個部分功能進行了測試實驗，分析實驗統(tǒng)計結(jié)果，從而對系統(tǒng)的性行了驗證。本文研究流程如圖 1.2 所示。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R741.04;TN911.7

【參考文獻】

相關(guān)期刊論文 前9條

1 王群;程佳;劉志文;;一種新的腦電信號睡眠分期方法[J];航天醫(yī)學與醫(yī)學工程;2015年01期

2 高清河;剛晶;王和禹;劉海英;;基于小波變換的多模態(tài)醫(yī)學圖像的融合及性能評價[J];生物醫(yī)學工程研究;2014年04期

3 謝宏;李亞男;夏斌;姚楠;;基于ADS1299的可穿戴式腦電信號采集系統(tǒng)前端設(shè)計[J];電子技術(shù)應(yīng)用;2014年03期

4 周鵬;李向新;張翼;明東;董新明;薛然婷;王學民;;基于主成分分析和支持向量機的睡眠分期研究[J];生物醫(yī)學工程學雜志;2013年06期

5 劉慧;謝洪波;和衛(wèi)星;王志中;;基于模糊熵的腦電睡眠分期特征提取與分類[J];數(shù)據(jù)采集與處理;2010年04期

6 王菡僑;;有關(guān)美國睡眠醫(yī)學學會睡眠分期的最新判讀標準指南解析[J];診斷學理論與實踐;2009年06期

7 李谷;范影樂;李軼;龐全;;基于腦電信號Hilbert-Huang變換的睡眠分期研究[J];航天醫(yī)學與醫(yī)學工程;2007年06期

8 伍國鋒,張文淵;腦電波產(chǎn)生的神經(jīng)生理機制[J];臨床腦電學雜志;2000年03期

9 沈揚;;失眠癥的臨床研究進展[J];世界醫(yī)學雜志;2003年15期

相關(guān)碩士學位論文 前8條

1 楊迪;基于隨機森林和SVM的食物圖像識別的研究[D];安徽理工大學;2017年

2 張曉宇;基于腦電圖的睡眠自動分期和特征分析[D];南京大學;2016年

3 頓士君;基于腦電多尺度非線性分析的睡眠分期研究[D];燕山大學;2016年

4 王瓊穎;腦電信號的非線性動力學分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學;2015年

5 高群霞;基于EEG的睡眠分期與睡眠評估方法研究[D];華南理工大學;2015年

6 高龍;基于EEG信號的人體狀態(tài)測量研究[D];電子科技大學;2015年

7 沈?qū)W麗;基于時頻分析的頭皮腦電特征提取及其模式識別應(yīng)用研究[D];杭州電子科技大學;2012年

8 李偉研;睡眠腦電信號處理及其在睡眠分期中的應(yīng)用研究[D];廣東工業(yè)大學;2011年

本文編號：2688405