近年來(lái),患有睡眠疾病人群的比例逐漸增大。人們對(duì)準(zhǔn)確可靠地監(jiān)測(cè)睡眠質(zhì)量技術(shù)的需求日益迫切,進(jìn)而采取相應(yīng)的措施進(jìn)行調(diào)理和治療。如今在臨床上,廣泛地通過(guò)采集被測(cè)者的睡眠腦電信號(hào)應(yīng)用多導(dǎo)睡眠圖PSG法監(jiān)測(cè)睡眠狀態(tài)。但是PSG操作非常復(fù)雜,成本高,不利于日常監(jiān)測(cè),因此研究非腦電生理參數(shù)與睡眠分期的關(guān)系更具臨床意義。本文通過(guò)采集心電間期序列、脈搏間期序列作為睡眠分期的特征參數(shù),首先應(yīng)用去趨勢(shì)波動(dòng)分析算法和去趨勢(shì)移動(dòng)平均算法計(jì)算兩種信號(hào)在不同睡眠階段的自相關(guān)性;然后應(yīng)用去趨勢(shì)互相關(guān)分析算法和去趨勢(shì)移動(dòng)平均互相關(guān)分析算法計(jì)算不同睡眠階段心電信號(hào)和脈搏信號(hào)的耦合強(qiáng)度,以作為識(shí)別不同睡眠階段的依據(jù);最后將得到的不同睡眠階段的多個(gè)標(biāo)度指數(shù)組合成不同的SVM特征參數(shù),進(jìn)行分類預(yù)測(cè)。本文實(shí)驗(yàn)創(chuàng)新的研究方面如下:(1)針對(duì)不同睡眠時(shí)期的RRI與PPI分別進(jìn)行去趨勢(shì)波動(dòng)分析(DFA)和去趨勢(shì)移動(dòng)平均分析(DMA),我們發(fā)現(xiàn),DFA(RRI)、DFA(PPI)、DMA(RRI)、DMA(PPI)標(biāo)度指數(shù)在不同睡眠分期均有wake>rem>ls>ds的規(guī)律,且各個(gè)睡眠階段對(duì)應(yīng)的標(biāo)度指數(shù)變化范圍非常容易...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 睡眠分期概述
        1.1.1 睡眠概述
        1.1.2 睡眠分期概述
    1.2 心電信號(hào)和脈搏信號(hào)與睡眠分期的關(guān)系
        1.2.1 心電與睡眠分期的關(guān)系
        1.2.2 脈搏波與心電的關(guān)系
    1.3 睡眠分期發(fā)展概述及研究現(xiàn)狀
    1.4 睡眠分期的研究意義
    1.5 論文主要結(jié)構(gòu)
第二章 心電信號(hào)與脈搏波信號(hào)概述與處理
    2.1 心電信號(hào)
        2.1.1 心電信號(hào)產(chǎn)生原理
        2.1.2 心電信號(hào)的波形特征
    2.2 心電信號(hào)預(yù)處理與特征提取
        2.2.1 心電信號(hào)預(yù)處理
        2.2.2 心電信號(hào)提取特征值
    2.3 光電容積脈搏波信號(hào)
        2.3.1 脈搏波信號(hào)的產(chǎn)生機(jī)理
        2.3.2 光電容積脈搏波的檢測(cè)原理
        2.3.3 光電容積脈搏波波形特征
    2.4 脈搏波信號(hào)預(yù)處理與特征提取
        2.4.1 脈搏波信號(hào)預(yù)處理
        2.4.2 脈搏波信號(hào)提取特征值
    2.5 本章小結(jié)
第三章 心電信號(hào)和脈搏信號(hào)DFA和DMA分析
    3.1 去趨勢(shì)波動(dòng)分析DFA
        3.1.1 DFA算法
        3.1.2 DFA的應(yīng)用與發(fā)展
    3.2 去趨勢(shì)移動(dòng)平均分析DMA
        3.2.1 DMA算法
        3.2.2 DMA的應(yīng)用與發(fā)展
    3.3 基于DFA、DMA算法的ECG和PPG的睡眠分期研究
        3.3.1 健康成年人穩(wěn)定睡眠期RRI、PPI的DFA、DMA分析
        3.3.2 健康成年人RRI、PPI的睡眠時(shí)序圖分析
    3.4 本章小結(jié)
第四章 心電信號(hào)和脈搏波信號(hào)耦合強(qiáng)度分析
    4.1 兩路信號(hào)互相關(guān)定義及性質(zhì)
        4.1.1 互相關(guān)函數(shù)
        4.1.2 最小二乘線性擬合法
    4.2 去趨勢(shì)互相關(guān)分析DCCA
        4.2.1 去趨勢(shì)互相關(guān)分析DCCA算法分析
    4.3 去趨勢(shì)移動(dòng)平均互相關(guān)分析DMCA
        4.3.1 DMCA算法提出的背景
        4.3.2 DMCA算法分析
    4.4 基于DCCA、DMCA的兩路信號(hào)耦合強(qiáng)度的睡眠分期研究
        4.4.1 健康成年人穩(wěn)定睡眠期RRI、PPI的DCCA、DMCA耦合強(qiáng)度分析
        4.4.2 健康成年人RRI、PPI的睡眠時(shí)序圖分析
    4.5 本章小結(jié)
第五章 基于支持向量機(jī)的睡眠分期
    5.1 基于網(wǎng)格搜索法參數(shù)優(yōu)化的支持向量機(jī)
        5.1.1 SVM基礎(chǔ)理論
        5.1.2 網(wǎng)格搜索法參數(shù)優(yōu)化
    5.2 基于SVM睡眠分期
        5.2.1 SVM睡眠分期流程
        5.2.2 睡眠分期結(jié)果分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝



本文編號(hào)：3809636