睡眠是占據(jù)人類壽命時(shí)長(zhǎng)近三分之一的活動(dòng),也是人類進(jìn)行自我調(diào)節(jié)最為關(guān)鍵的一環(huán),更是每個(gè)人每天所必需進(jìn)行的活動(dòng)之一。但受困于設(shè)備和科技的桎梏,人類長(zhǎng)時(shí)間無(wú)法對(duì)其展開(kāi)全面細(xì)致的研究。隨著科技發(fā)展和大數(shù)據(jù)時(shí)代的來(lái)臨,該領(lǐng)域的研究人員開(kāi)始著手于對(duì)自身睡眠的研究。目前,研究人員已順利提取出睡眠狀態(tài)下的呼吸信號(hào),并將其分為W期(wake,即清醒狀態(tài))、N1期、N2期、N3 期(N1、N2、N3 合稱 No Rapid Eyes Movement)和 R 期(Rapid Eyes Movement)五個(gè)不同的睡眠階段。接下來(lái)就是在尋找合適方法對(duì)其進(jìn)行分析和解讀。NSP算法是基于算子的零空間追蹤算法,是在2008年,由彭思龍和黃文良兩位教授所提出的。它是一種全新的自適應(yīng)的信號(hào)分解方法,是在基于算子的信號(hào)分解算法基礎(chǔ)上改進(jìn)的。相比于其他分解算法具有更大的優(yōu)勢(shì)。它將信號(hào)分解定義為一個(gè)優(yōu)化問(wèn)題,并利用所定義的算子從信號(hào)中分解出多個(gè)子信號(hào)之和。該算法通過(guò)定義一些參數(shù)化的積分或微分算子,從一個(gè)復(fù)雜信號(hào)中提取出能夠被所定義的算子消失掉的局部窄帶信號(hào)。本文將呼吸信號(hào)的處理和發(fā)展先做簡(jiǎn)要梳理,進(jìn)而在學(xué)習(xí)NSP算法之后嘗... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１?（—次ＮＳＰ算法過(guò)濾效果圖）??１〇?ｘ?１〇４?．?ｉ〇４?ｉ．ｖｎｓｐ??

?５００?１０００?１５００?２０００?２ＳＯＯ?３０００?３５００?４０００??圖２－１?（—次ＮＳＰ算法過(guò)濾效果圖）??１〇?ｘ?１〇４?．?ｉ〇４?ｉ．ｖｎｓｐ??９?９?－??？－?Ｈ??７?７?［??６?６??ｌ?５丨??４?４??：Ｊ＼?Ｖｉ??Ｑ?＊?■?－?－?Ｖｊ?＇?ＣＮ，／Ｖｗ???ｑ?Ｉ???－?－?ｎ?ｉ?ｉ?ｉ？?ｉｉ?ｉ?ｉ?ｉ?ｉ??０?０．５?Ｉ?１．３?２?２－５?３?ＩＳ?４?＜ｓ?Ｓ?０?０．５?１?１．５?２?Ｚ￥?３?ａＡ?４?４．５?５??圖２－２?（ｆｆｔ后頻譜分析圖的樣本）??（３）從得到的快速傅里葉變換圖像中，我們需要尋找并分析峰值位和支集??兩種衡量標(biāo)準(zhǔn)。??對(duì)于峰值位，即圖像中縱坐標(biāo)的最大值所對(duì)應(yīng)的橫坐標(biāo)位置，代表在該時(shí)間??段內(nèi)出現(xiàn)最密集的頻率值。又由于頻率和時(shí)間是倒數(shù)關(guān)系，越穩(wěn)定的呼吸其呼吸??一次的時(shí)長(zhǎng)就會(huì)越長(zhǎng)，從而頻率值會(huì)越低。在經(jīng)過(guò)ＮＳＰ算法過(guò)濾后的信號(hào)會(huì)出現(xiàn)??以下兩種特殊情況：圖像中出現(xiàn)多于一個(gè)相同峰值數(shù)據(jù)；出現(xiàn)過(guò)濾后得不到合理??ＦＦＴ圖像的“壞點(diǎn)”，其圖像近似于消失。通過(guò)實(shí)驗(yàn)得知，第一種情況是數(shù)據(jù)本??身存在的特性，不因處理方法的不同而改變，而第二種是ＮＳＰ算法目前的極限性，??是接下來(lái)研究人員可以努力的方向。因而兩種情況目前無(wú)法規(guī)避。只能通過(guò)程序??篩出掉。??８??

５０５：５０９，５１２：５１７，５２０：５２７，５３０，５３２：５８５，５９０，５９３：６０６，６０９：６２０，６２３，６２５：６２８，６３３：６３５，６７１，６７７，６２：７６２，７７１：７７８，７８１，８１１］）；??ｎ＝ｌｅｎｇｔｈ（ｆｉｎｄ（Ｎ２＿２＝０））；??Ｎ２＿ｄｉｓｔａｎｃｅ＝ｓｕｍ（Ｎ２＿２）／（ｌｅｎｇｔｈ（Ｎ２＿２）－ｎ）；??Ｎ３＿＿２＝ｄｉｓｔａｎｃｅ（［１３５，１３７：１４１，１４４：１９３，３１８：３２３，３３３：３３７］）；??ｎ＝ｌｅｎｇｔｈ（ｆｉｎｄ（Ｎ３＿２＝０））；??Ｎ３＿ｄｉｓｔａｎｃｅ＝ｓｕｍ（Ｎ３＿２）／（ｌｅｎｇｔｈ（Ｎ３＿２）－ｎ）；??Ｒ＿２＝ｄｉｓｔａｎｃｅ（［２１２：２２３，２３１：２３３，４４０：４６８，４７０：４８５，４９３：５０１，６３６：６６５，７８２：８１９］）；??ｎ＝ｌｅｎｇｔｈ（ｆｍｄ（Ｒ＿２＝０））；??Ｒ＿ｄｉｓｔａｎｃｅ＝ｓｕｍ（Ｒ＿２）／（ｌｅｎｇｔｈ（Ｒ＿２）－ｎ）；??２．?４實(shí)驗(yàn)結(jié)果分析與討論??Ｃｈｅｎ?Ｘｉａｏｈｕｉ＇ｓ?ｄａｔａ?Ｌｉｎ?Ｊｉａｎｇｗｅｉ＇ｓ?ｄａｔａ??


本文編號(hào)：2934596