基于能量特征和最小二乘支持向量机的自动睡眠分期方法

作     者：高群霞 周静 叶丙刚 吴效明 GAO Qunxia;ZHOU Jing;YE Binggang;WU Xiaoming

作者机构：华南理工大学材料科学与工程学院广州510640 广东食品药品职业学院广州510520 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2015年第32卷第3期

页      面：531-536页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：广州市科技计划项目资助(2014Y2-00062) 中央高校自然科学类面上项目资助(D213198w) 广东省科技计划项目资助(2013B021800027) 

主　　题：睡眠自动分期 单通道脑电信号 能量特征 最小二乘支持向量机 FIR带通滤波器 小波包变换 

摘      要：睡眠分期是研究睡眠及相关疾病的基础,是完成睡眠质量评估的前提。为实现有效睡眠自动分期,本文提出将能量特征和最小二乘支持向量机(LS-SVM)相结合的方法。先利用FIR带通滤波器提取Pz-Oz导睡眠脑电信号的特征波,获得能量特征,并与小波包变换方法相比较;然后用LS-SVM分类器进行模式识别,最终实现睡眠自动分期。实验表明,本文所提出的基于能量特征和LS-SVM的自动睡眠分期方法简单、有效,平均正确率达88.89%,具有很好的应用前景。