学海网

基于小波变换的睡眠脑电分析，硕士学位论文，共80页，37782字，附任务书、开题报告、答辩文稿等。
摘要
睡眠是一种非常重要的生理活动之一。睡眠质量的好坏直接影响了人的健康和生活。随着现代人的生活节奏日益加快，各种睡眠疾病也频繁发生，睡眠研究工作的意义在逐渐凸显。由于脑电信号是直接反映大脑活动的生物电信号，所以以睡眠脑电分析为基础的睡眠活动研究得到越来越多的关注。
睡眠脑电信号本质上是一种典型的非线性非平稳随机信号，这使得很多典型的信号分析方法不大适用。小波变换能具有良好的局部化特性，而且在时域和频域都具有良好的分辨率，因此在睡眠脑电信号分析上具有很大的优势。
本文基于小波变化进行脑电分析，分别设计睡眠分期（Sleep Staging）和纺锤波检测（Spindle Detection）算法。睡眠分期是根据睡眠活动的在不同阶段的特征，将完整的睡眠分解成若干个典型的睡眠阶段，有利于了解睡眠结构以及睡眠质量评估。纺锤波是较长的睡眠过程中随机出现的短暂性脑电活动。纺锤波检测能为一些睡眠疾病的预防提供理论指导，具有重要意义。虽然目前在这两个课题上已经有很多良好的算法，但是这些算法在准确率和算法复杂度上还有改善的空间。
基于Morlet小波特征，本文提出一种睡眠分期算法。先依据特征可分性判据比较小波特征在各个频率上的区分度，选取有效频段。然后利用一种稀疏多元逻辑回归方法实现睡眠分期。最后在公共数据集和实验室采集的数据上对算法进行测试。
基于Mexh小波特征，本文提出一种纺锤波检测算法。先提取了脑电信号的Mexh小波特征，然后结合相邻的采样点的小波特性作局部化分析，将原始信号转化为二值信号。最后利用滑动窗口估计二值信号上的每个采样点为纺锤波的概率，结合纺锤波的时间约束条件完成检测。本文也提出一种更为科学的评估方法和指标，在公共数据集上评估了本文算法和其他四种算法的性能。
实验结果表明，本文的睡眠分期算法和纺锤波检测算法都具有良好的特性。其中，分为算法的泛化能力较好，纺锤波的整体性能优于其他几种算法。所以本文的研究工作具有良好的研究价值和意义。
关键词：小波变换；睡眠脑电分析；睡眠分期；纺锤波检测

目录
摘要 I
ABSTRACT II
目录 IV
第一章 绪论 1
1.1 课题研究的背景和意义 1
1.1.1 研究背景 1
1.1.2 研究意义 2
1.2 研究现状 3
1.2.1 脑电信号概述 3
1.2.2 睡眠活动研究 4
1.3 睡眠分期 5
1.4 纺锤波检测 8
1.5 研究内容与论文结构 9
1.5.1 研究内容 9
1.5.2 论文结构 10
第二章 小波变换基础理论 12
2.1 小波变换概述 12
2.2 连续小波变换定义 12
2.3 连续小波变换性质 14
2.3.1 自适应时-频窗 14
2.3.2 小波变换的性质 15
2.4 母小波函数 15
2.5 离散小波变换 17
2.6 小波变换的应用 18
2.7 本章小结 19
第三章 睡眠脑电分析 20
3.1 脑电采集 20
3.2 脑电分析与实验 22
3.2.1 脑电特征波 22
3.2.2 分析与实验 24
3.3 特征提取与选择 30
3.3.1 母小波选择 30
3.3.2 小波特征提取 31
3.3.3 小波特征选择 31
3.4 特征分类 32
3.4.1 特征分类方法 32
3.4.2 分类方法的选择 35
3.5 本章小结 36
第四章 睡眠分期算法研究及评估 37
4.1 算法综述 37
4.2 算法步骤 39
4.2.1 利用小波变换提取特征 39
4.2.2 利用多元逻辑回归构建分类器 41
4.3 算法评估 43
4.3.1 评估数据 43
4.3.2 评估流程及结果 43
4.3.3 结果分析与讨论 46
4.4 本章小结 47
第五章 纺锤波检测算法研究及评估 48
5.1 纺锤波检测算法综述 48
5.2 算法步骤 49
5.2.1 利用连续小波变换得到小波能量 49
5.2.2 利用滑动窗口分析小波能量 50
5.2.3 利用二值信号识别纺锤波 51
5.3 算法评估 51
5.3.1 评估数据 51
5.3.2 评估方法 51
5.3.3 结果分析与讨论 54
5.4 本章小结 56
总结与展望 57
总结 57
展望 57
参考文献 59
攻读硕士学位期间取得的研究成果 64
致谢 65