本文關(guān)鍵詞：基于腦電的自動睡眠分期，由筆耕文化傳播整理發(fā)布。

【摘要】：本文使用腦電圖（EEG）信號針對睡眠階段進行自動評分，評分為五個階段，即清醒，階段1，階段2，慢波睡眠（階段3和4）和快速眼動睡眠（REM）。睡眠階段的變化伴隨著EEG信號頻譜的變化，基于此本文利用小波變換方法進行EEG信號的時頻域分析。通過對各頻段小波能量的分析，發(fā)現(xiàn)Alpha頻段與Delta頻段的比值能夠較好的區(qū)分各睡眠分期。進一步，利用基于ANFIS模型的模糊神經(jīng)網(wǎng)絡，，以各頻段的相對小波能量作為輸入?yún)?shù)，對睡眠階段進行自動分類。本文使用physionet睡眠腦電數(shù)據(jù)庫，將自動分類產(chǎn)生的hypnogram與基于專家標準的hypnogram比較，驗證所使用的自動分類系統(tǒng)的精度。由于高識別率，較低的計算成本，高速和其在硬件中實現(xiàn)的可行性，該系統(tǒng)可用于實時實現(xiàn)。本文的研究結(jié)果提供了可被用于設計計算機輔助睡眠評分系統(tǒng)的方法框架。
【關(guān)鍵詞】：睡眠評分 睡眠圖 腦電圖 相對小波能量 ANFIS
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：R318.04;TN911.7
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-16
• 1.1 引言8
• 1.2 研究背景和意義8-14
• 1.2.1 腦電信號研究分析9-11
• 1.2.2 睡眠分期研究現(xiàn)狀分析11-14
• 1.3 論文結(jié)構(gòu)14-16
• 第二章 睡眠腦電概述16-28
• 2.1 睡眠以及睡眠的分期16-17
• 2.1.1 睡眠概述16
• 2.1.2 睡眠的分期16-17
• 2.2 腦電信號17-21
• 2.2.1 腦電波神經(jīng)生理基礎17-19
• 2.2.2 腦電信號和腦電圖19-21
• 2.3 睡眠腦電21-23
• 2.3.1 睡眠腦電波的特征和分期指標21-23
• 2.3.2 睡眠腦電分期應用意義23
• 2.4 PhysioNet 數(shù)據(jù)庫23-27
• 2.5 本章小結(jié)27-28
• 第三章 基于小波變換的 EEG 信號特征提取28-45
• 3.1 睡眠評分系統(tǒng)28-33
• 3.1.1 睡眠評分29-32
• 3.1.2 特征提取32
• 3.1.3 模式分類32
• 3.1.4 信號采集32-33
• 3.2 小波變換33-39
• 3.2.1 小波變換研究背景33-37
• 3.2.2 小波變換與短時傅里葉變換關(guān)系37-39
• 3.2.3 離散小波變換39
• 3.3 相對小波能量的特征提取39-41
• 3.4 小波能量分析結(jié)果及計算程序41-44
• 3.5 本章小結(jié)44-45
• 第四章 模糊神經(jīng)網(wǎng)絡45-60
• 4.1 模糊神經(jīng)網(wǎng)絡45-48
• 4.1.1 神經(jīng)網(wǎng)絡45-46
• 4.1.2 模糊邏輯46-47
• 4.1.3 模糊神經(jīng)網(wǎng)絡47-48
• 4.2 自適應模糊推理系統(tǒng)48-59
• 4.2.1 ANFIS 原理48-51
• 4.2.2 自適應模糊神經(jīng)推理系統(tǒng)的 matlab 仿真51-55
• 4.2.3 仿真結(jié)果55-59
• 4.3 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-61
• 參考文獻61-63
• 附錄1 攻讀碩士學位期間參加的科研項目63-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 邢秀玉;劉鴻宇;黃武;;基于加速度的小波能量特征及樣本熵組合的步態(tài)分類算法[J];傳感技術(shù)學報;2013年04期

2 吳云龍;邵立;張愷;李鋒;孫曉泉;;基于小波能量和光斑尺寸的干擾圖像尺度分析[J];光子學報;2013年07期

3 趙海濱;王宏;李春勝;;采用相對小波能量法的腦-機接口設計[J];東北大學學報(自然科學版);2009年08期

4 翟琳琳;陳廣鋒;;基于小波能量的簇絨地毯跳紗疵點的檢測方法[J];絲綢;2013年06期

5 劉鋼,翟林培,賈新宇,劉明,匡海鵬;采用小波能量方法的�？毡尘爸卸嗄繕藱z測與跟蹤[J];光電工程;2004年11期

6 張彥梅;陽進;;一種基于小波能量分析的目標識別方法[J];北京理工大學學報;2010年07期

7 李合生,毛劍琴,李世玲,張富堂;基于多尺度小波能量積累的雷達回波檢測方法[J];系統(tǒng)工程與電子技術(shù);2000年11期

8 朱亞超,李文鋒;改進型小波能量法的圖像融合評價[J];武漢理工大學學報;2005年01期

9 姜潤翔;史建偉;龔沈光;;基于尺度—小波能量譜的船舶水壓場信號檢測[J];電子學報;2009年01期

10 李合生,毛劍琴,張富堂;小波能量積累器在信號處理中的應用[J];強激光與粒子束;2000年05期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 李慶奇;馬莉;;基于小波能量的輪廓抖動性煙霧檢測算法[A];浙江省電子學會2011學術(shù)年會論文集[C];2011年

2 陳保家;李力;趙新澤;;基于尺度-小波能量譜、粗糙集和神經(jīng)網(wǎng)絡集成的內(nèi)燃機故障診斷方法[A];第二十六屆中國控制會議論文集[C];2007年

3 王繼祥;陶業(yè)榮;;利用小波能量評價語音通信質(zhì)量的方法[A];第三屆全國信息獲取與處理學術(shù)會議論文集[C];2005年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 吳京;基于模分量小波能量譜的電纜故障識別方法研究[D];西安科技大學;2014年

2 張進;基于時間—小波能量譜及交叉小波變換的振動信號分析[D];清華大學;2010年

3 楊涌;基于小波能量融合的顯微序列圖像合成研究及其在工件表面檢測中的應用[D];浙江工業(yè)大學;2006年

4 陳曉偉;基于腦電的自動睡眠分期[D];南京郵電大學;2014年

  本文關(guān)鍵詞：基于腦電的自動睡眠分期，由筆耕文化傳播整理發(fā)布。

本文編號：368189