近年來,患有睡眠疾病人群的比例逐漸增大。人們對準確可靠地監(jiān)測睡眠質量技術的需求日益迫切,進而采取相應的措施進行調理和治療。如今在臨床上,廣泛地通過采集被測者的睡眠腦電信號應用多導睡眠圖PSG法監(jiān)測睡眠狀態(tài)。但是PSG操作非常復雜,成本高,不利于日常監(jiān)測,因此研究非腦電生理參數(shù)與睡眠分期的關系更具臨床意義。本文通過采集心電間期序列、脈搏間期序列作為睡眠分期的特征參數(shù),首先應用去趨勢波動分析算法和去趨勢移動平均算法計算兩種信號在不同睡眠階段的自相關性;然后應用去趨勢互相關分析算法和去趨勢移動平均互相關分析算法計算不同睡眠階段心電信號和脈搏信號的耦合強度,以作為識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標度指數(shù)組合成不同的SVM特征參數(shù),進行分類預測。本文實驗創(chuàng)新的研究方面如下:(1)針對不同睡眠時期的RRI與PPI分別進行去趨勢波動分析(DFA)和去趨勢移動平均分析(DMA),我們發(fā)現(xiàn),DFA(RRI)、DFA(PPI)、DMA(RRI)、DMA(PPI)標度指數(shù)在不同睡眠分期均有wake>rem>ls>ds的規(guī)律,且各個睡眠階段對應的標度指數(shù)變化范圍非常容易...

【文章頁數(shù)】：69 頁

【學位級別】：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 心電信號和脈搏信號與睡眠分期的關系
        1.2.1 心電與睡眠分期的關系
        1.2.2 脈搏波與心電的關系
    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 論文主要結構
第二章 心電信號與脈搏波信號概述與處理
    2.1 心電信號
        2.1.1 心電信號產(chǎn)生原理
        2.1.2 心電信號的波形特征
    2.2 心電信號預處理與特征提取
        2.2.1 心電信號預處理
        2.2.2 心電信號提取特征值
    2.3 光電容積脈搏波信號
        2.3.1 脈搏波信號的產(chǎn)生機理
        2.3.2 光電容積脈搏波的檢測原理
        2.3.3 光電容積脈搏波波形特征
    2.4 脈搏波信號預處理與特征提取
        2.4.1 脈搏波信號預處理
        2.4.2 脈搏波信號提取特征值
    2.5 本章小結
第三章 心電信號和脈搏信號DFA和DMA分析
    3.1 去趨勢波動分析DFA
        3.1.1 DFA算法
        3.1.2 DFA的應用與發(fā)展
    3.2 去趨勢移動平均分析DMA
        3.2.1 DMA算法
        3.2.2 DMA的應用與發(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的睡眠時序圖分析
    3.4 本章小結
第四章 心電信號和脈搏波信號耦合強度分析
    4.1 兩路信號互相關定義及性質
        4.1.1 互相關函數(shù)
        4.1.2 最小二乘線性擬合法
    4.2 去趨勢互相關分析DCCA
        4.2.1 去趨勢互相關分析DCCA算法分析
    4.3 去趨勢移動平均互相關分析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的兩路信號耦合強度的睡眠分期研究
        4.4.1 健康成年人穩(wěn)定睡眠期RRI、PPI的DCCA、DMCA耦合強度分析
        4.4.2 健康成年人RRI、PPI的睡眠時序圖分析
    4.5 本章小結
第五章 基于支持向量機的睡眠分期
    5.1 基于網(wǎng)格搜索法參數(shù)優(yōu)化的支持向量機
        5.1.1 SVM基礎理論
        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 睡眠分期結果分析
    5.3 本章小結
第六章 總結與展望
參考文獻
附錄1 攻讀碩士學位期間撰寫的論文
致謝



本文編號：3809636