作者：吕甜甜; 王心醉; 俞乾; 于涌; 蒋蓁睡眠分期脑电肌电离散小波变换能量特征样本熵支持向量机
摘要：为实现准确的自动睡眠分期,且满足泛化能力的需求,基于脑电（EEG）和肌电（EMG）多特征,提出一种自动睡眠分期方法。以MIT-BIH多导睡眠数据库中样本的EEG和EMG为分析对象,采用离散小波变换对原始数据进行滤波预处理,提取EEG的α,β,θ,δ节律波和高频成分的能量比,利用样本熵算法提取EEG的非线性特征。将特征参数输入支持向量机分类器中进行样本训练与分类识别。实验结果表明,该方法的分期准确率可以达到92.94%,相比基于EEG的睡眠分期方法平均准确率提高3.96%,交叉验证平均准确率达82.68%,具有较好的泛化能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
