基于腦電信號分析的睡眠監(jiān)測研究
發(fā)布時間：2021-03-23 05:33
睡眠對人來說是必不可少的,對人的心理健康以及生理健康具有重要意義。近年來,隨著各方面壓力的加劇,睡眠方面的疾病也越來越多,睡眠問題引起人們的廣泛重視。而睡眠分期是研究睡眠疾病的基礎,可通過睡眠分期更詳細地了解睡眠過程,具有重要的臨床意義。傳統(tǒng)的人工方法進行睡眠分期費時費力,效率低下,本文依據(jù)睡眠腦電在不同睡眠階段的特征有所不同來進行睡眠分期。論文主要完成的工作:1、根據(jù)腦電信號微弱、隨機性強、易受噪聲干擾等特性,選擇專用于生物電勢測量的高精度、低噪聲芯片ADS1299,不銹鋼干電極作為傳感器,并以STM32F407VGT6作為主控芯片,通過三導聯(lián)單通道方式采集腦電,將采集到的數(shù)據(jù)存到SD卡中,同時通過藍牙發(fā)送到上位機。采用可充電的鋰電池對硬件平臺進行供電。2、對采集到的腦電進行去噪預處理,通過小波包分解重構的方法提取睡眠腦電的七種節(jié)律波,包括K復合波、δ波、θ波、α波、紡錘波、β1波以及β2波,并對節(jié)律波提取能量特征,包括每一個睡眠階段（30秒為一個單位）的總能量ET,以及K復合波、δ波、θ波、α波、紡錘波、β...
【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：63 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
第1章 緒論
1.1 學術背景及研究意義
1.2 睡眠腦電研究發(fā)展及現(xiàn)狀
1.3 睡眠監(jiān)測儀研究現(xiàn)狀
1.4 本文研究內容
1.5 文章結構安排
第2章 腦電及睡眠介紹
2.1 腦電產生機理
2.2 腦電信號特征
2.3 睡眠分期介紹
2.3.1 睡眠分期準則
2.3.2 睡眠各期特點
2.4 腦電信號采集方法
2.5 本章小結
第3章 睡眠腦電采集硬件平臺
3.1 信號采集芯片ADS1299
3.2 系統(tǒng)供電方案
3.3 系統(tǒng)主控芯片
3.4 數(shù)據(jù)存儲模塊
3.5 視覺刺激實驗
3.6 本章小結
第4章 睡眠腦電特征提取
4.1 腦電信號預處理
4.2 睡眠腦電節(jié)律波提取
4.3 能量特征提取
4.4 非線性動力學方法提取特征
4.4.1 復雜度
4.4.2 多尺度熵
4.4.3 模糊熵
4.5 本章小結
第5章 睡眠腦電特征分類
5.1 支持向量機
5.1.1 最優(yōu)超平面構造方法
5.1.2 SVM的回歸算法
5.1.3 SVM的核函數(shù)
5.2 LS-SVM的回歸算法
5.3 LS-SVM多分類器的構建
5.4 基于LS-SVM的睡眠腦電分期
5.4.1 實驗訓練測試數(shù)據(jù)來源
5.4.2 睡眠分期結果
5.5 睡眠腦電采集分期實驗
5.6 本章小結
第6章 總結與展望
參考文獻
作者簡介及科研成果
致謝
【參考文獻】：
期刊論文
[1]用Matlab小波包求功率頻帶分解規(guī)律[J]. 鄭常寶,段曉波,李曉明. 電測與儀表. 2010(06)
[2]基于腦電信號Hilbert-Huang變換的睡眠分期研究[J]. 李谷,范影樂,李軼,龐全. 航天醫(yī)學與醫(yī)學工程. 2007(06)
碩士論文
[1]基于腦電信號的自動睡眠分期研究[D]. 唐其彪.廣東工業(yè)大學 2016
[2]睡眠腦電自動分期方法研究[D]. 郭超珍.廣東工業(yè)大學 2015
[3]LS-SVM模型在陸地地震隨機噪聲建模及壓制中的應用[D]. 何東超.吉林大學 2015
[4]腦電信號的非線性動力學分析及其在睡眠分期中的應用[D]. 王瓊穎.哈爾濱工業(yè)大學 2015
[5]基于EEG的睡眠分期與睡眠評估方法研究[D]. 高群霞.華南理工大學 2015
[6]基于腦電信號的睡眠分期研究[D]. 程佳.北京理工大學 2015
[7]基于STM32的三導聯(lián)微弱腦電信號提取方法研究與實現(xiàn)[D]. 王樂凡.哈爾濱工業(yè)大學 2014
[8]睡眠腦電的分析與應用研究[D]. 鄭聲濤.廣東工業(yè)大學 2014
[9]便攜式呼吸睡眠監(jiān)測系統(tǒng)的研究與開發(fā)[D]. 胡裕軒.浙江大學 2014
[10]睡眠腦電信號處理及其在睡眠分期中的應用研究[D]. 李偉研.廣東工業(yè)大學 2011
本文編號：3095236
【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：63 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
第1章 緒論
1.1 學術背景及研究意義
1.2 睡眠腦電研究發(fā)展及現(xiàn)狀
1.3 睡眠監(jiān)測儀研究現(xiàn)狀
1.4 本文研究內容
1.5 文章結構安排
第2章 腦電及睡眠介紹
2.1 腦電產生機理
2.2 腦電信號特征
2.3 睡眠分期介紹
2.3.1 睡眠分期準則
2.3.2 睡眠各期特點
2.4 腦電信號采集方法
2.5 本章小結
第3章 睡眠腦電采集硬件平臺
3.1 信號采集芯片ADS1299
3.2 系統(tǒng)供電方案
3.3 系統(tǒng)主控芯片
3.4 數(shù)據(jù)存儲模塊
3.5 視覺刺激實驗
3.6 本章小結
第4章 睡眠腦電特征提取
4.1 腦電信號預處理
4.2 睡眠腦電節(jié)律波提取
4.3 能量特征提取
4.4 非線性動力學方法提取特征
4.4.1 復雜度
4.4.2 多尺度熵
4.4.3 模糊熵
4.5 本章小結
第5章 睡眠腦電特征分類
5.1 支持向量機
5.1.1 最優(yōu)超平面構造方法
5.1.2 SVM的回歸算法
5.1.3 SVM的核函數(shù)
5.2 LS-SVM的回歸算法
5.3 LS-SVM多分類器的構建
5.4 基于LS-SVM的睡眠腦電分期
5.4.1 實驗訓練測試數(shù)據(jù)來源
5.4.2 睡眠分期結果
5.5 睡眠腦電采集分期實驗
5.6 本章小結
第6章 總結與展望
參考文獻
作者簡介及科研成果
致謝
【參考文獻】：
期刊論文
[1]用Matlab小波包求功率頻帶分解規(guī)律[J]. 鄭常寶,段曉波,李曉明. 電測與儀表. 2010(06)
[2]基于腦電信號Hilbert-Huang變換的睡眠分期研究[J]. 李谷,范影樂,李軼,龐全. 航天醫(yī)學與醫(yī)學工程. 2007(06)
碩士論文
[1]基于腦電信號的自動睡眠分期研究[D]. 唐其彪.廣東工業(yè)大學 2016
[2]睡眠腦電自動分期方法研究[D]. 郭超珍.廣東工業(yè)大學 2015
[3]LS-SVM模型在陸地地震隨機噪聲建模及壓制中的應用[D]. 何東超.吉林大學 2015
[4]腦電信號的非線性動力學分析及其在睡眠分期中的應用[D]. 王瓊穎.哈爾濱工業(yè)大學 2015
[5]基于EEG的睡眠分期與睡眠評估方法研究[D]. 高群霞.華南理工大學 2015
[6]基于腦電信號的睡眠分期研究[D]. 程佳.北京理工大學 2015
[7]基于STM32的三導聯(lián)微弱腦電信號提取方法研究與實現(xiàn)[D]. 王樂凡.哈爾濱工業(yè)大學 2014
[8]睡眠腦電的分析與應用研究[D]. 鄭聲濤.廣東工業(yè)大學 2014
[9]便攜式呼吸睡眠監(jiān)測系統(tǒng)的研究與開發(fā)[D]. 胡裕軒.浙江大學 2014
[10]睡眠腦電信號處理及其在睡眠分期中的應用研究[D]. 李偉研.廣東工業(yè)大學 2011
本文編號：3095236
本文鏈接：http://sikaile.net/kejilunwen/yiqiyibiao/3095236.html
