發(fā)布時間：2020-12-24 00:10

　　睡眠是占據(jù)人類壽命時長近三分之一的活動,也是人類進行自我調(diào)節(jié)最為關鍵的一環(huán),更是每個人每天所必需進行的活動之一。但受困于設備和科技的桎梏,人類長時間無法對其展開全面細致的研究。隨著科技發(fā)展和大數(shù)據(jù)時代的來臨,該領域的研究人員開始著手于對自身睡眠的研究。目前,研究人員已順利提取出睡眠狀態(tài)下的呼吸信號,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)五個不同的睡眠階段。接下來就是在尋找合適方法對其進行分析和解讀。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的信號分解方法,是在基于算子的信號分解算法基礎上改進的。相比于其他分解算法具有更大的優(yōu)勢。它將信號分解定義為一個優(yōu)化問題,并利用所定義的算子從信號中分解出多個子信號之和。該算法通過定義一些參數(shù)化的積分或微分算子,從一個復雜信號中提取出能夠被所定義的算子消失掉的局部窄帶信號。本文將呼吸信號的處理和發(fā)展先做簡要梳理,進而在學習NSP算法之后嘗... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?（—次ＮＳＰ算法過濾效果圖）??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??兩種衡量標準。??對于峰值位，即圖像中縱坐標的最大值所對應的橫坐標位置，代表在該時間??段內(nèi)出現(xiàn)最密集的頻率值。又由于頻率和時間是倒數(shù)關系，越穩(wěn)定的呼吸其呼吸??一次的時長就會越長，從而頻率值會越低。在經(jīng)過ＮＳＰ算法過濾后的信號會出現(xiàn)??以下兩種特殊情況：圖像中出現(xiàn)多于一個相同峰值數(shù)據(jù)；出現(xiàn)過濾后得不到合理??ＦＦＴ圖像的“壞點”，其圖像近似于消失。通過實驗得知，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，??是接下來研究人員可以努力的方向。因而兩種情況目前無法規(guī)避。只能通過程序??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實驗結(jié)果分析與討論??Ｃｈｅｎ?Ｘｉａｏｈｕｉ＇ｓ?ｄａｔａ?Ｌｉｎ?Ｊｉａｎｇｗｅｉ＇ｓ?ｄａｔａ??


本文編號：2934596