基于脑电信号的WVD的睡眠状态辨识

《基于脑电信号的WVD的睡眠状态辨识》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于脑电信号的WVD的睡眠状态辨识周强李俊雨田杏芝王莹陕西科技大学电气与信息工程学院陕西科技大学材料科学与工程学院摘要：口前，大多数的人体睡眠状态辨识方法都是采用幅值域、频域或时-频域的线性分析方法，来处理脑电信号这一含有大量非线性成分的非平稳随机信号，因而其辨识效果的鲁棒性和稳定性无法保证•为此，本文提出了一种非线性的时-频辨识方法•该方法对脑电信号进行重排伪Wigner-V订le分布的时-频分析，并利用Wigner-Ville分布边缘聚集特性在不同频段内提取特征量，最后通过支持向量机实现睡眠状态的精确辨识.实验表

2、明，该方法辨识睡眠状态的准确率达到91.6%,鲁棒性得到显著改善，为后续进行睡眠控制研究奠定了基础.关键词：脑电信号;睡眠状态辨识;魏格纳-威利分布;支持向量机;作者简介：周强（1969-）,男，重庆人，教授，博士，研究方向：非平稳随机信号分析、图像处理技术收稿日期：2017-07-03基金：陕西省教育厅专项科研计划项目仃6JK1105）SleepstateidentificationbasedonWVDofEEGsignalZHOUQiangLIJun—yuTIANXing-zhiWANGYingCollegeof

3、ElectricalandInformstionEngineering,ShaanxiUniversityofScience&Technology;SchoolofMaterialsScienceandEngineering,ShaanxiUniversityofScience&Technology;Abstract：Atpresent,mosthumansleepstaterecognitionmethodbasedontime-frequencydomainamplitudedomain,frequencydom

4、ainandthelinearanalysismethod,processingEEGsignalthatcontainsalotofnonlinearcomponentsofnon-stationaryrandomsigrml,tbusrecognitioneffectofrobustncssandstabilitycannotbeguarantccd.Tothisend，thispaperproposesanonlinearidentificationoftime—frequencymethod,themetho

5、dofbrainelectricsignalrearrangementpseudoWignerVilledistribution-time-frequencyanalysis,andusetheWignetVilledistribution-gatherededgefeaturesindifferentfrequencybandstoextractthecharacteristic,finally,supportvectormachinc(SVM)torealizepreciseidentificationofsle

6、ep.Theresultsshowedthatthemethodrecognizedtheaccuracyof91.6%andimprovedrobustness,andlaidthefoundationforfollow-upsleepcontrolstudy.Keyword：EEG;sleepstageidentification;WVD;SVM;Received：2017-07-030引言在人体的生命过程中，唾眠占据了三分之一的吋间，充足的唾眠可以使大脑有效休息，消除疲劳，并増强机体免疫力U1，并且，近來的研究

7、屮发现，睡眠可以对大脑白天所获取的信息进行加工和整理，提高睡眠者的工作能力也.然而，随着现代社会节奏的加快，工作压力的增加，使得人们的睡眠质量面临严重的影响.2015年中美共建睡眠健康工程会议上刘燕辉博上表示：“我国目前有30%以上的人存在失眠症状，超过3亿人口有唾眠障碍，这已成为威胁人们健康的巨大隐患・”据专家估计，到2020年全球大约有7亿多失眠者•因此，有效治疗失眠方法的研究迫在眉睫.研究治疗失眠方法的前提是能够对人体睡眠状态进行精确的辨识，近些年，在睡眠检测辨识方面，诸多科学研究者都有一定的成果.2007年，

8、李谷等在基于脑电信号Hilbert-Huang变换的唾眠分期研究中，通过对560个睡眠脑电信号辨识分期研究，最终辨识正确率达到81.7%.而在2010年，刘慧等Hl在基于模糊爛的脑电睡眠分期特征提取与分类的研究中，利用8名受试者进行脑电检测，对数据进行模糊嫡的分析，并且利用支持向量机（SVM）分类，达到的辨识正确率有87.1%.近年来，Diyk