高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ
引用本文:
Citation:

短时睡眠过程中睡眠阶段的特征提取和分类

    通讯作者: 王蓓, beiwang@ecust.edu.cn
  • 基金项目: 国家自然科学基金(60674089);上海市重点学科建设项目(B504);中央高校基本科研业务费专项资金(WH0914028)

Feature Extraction and Classification for Short-Time Sleep

    Corresponding author: WANG Bei, beiwang@ecust.edu.cn ;
  • 摘要: 研究对象为白天短时睡眠时记录下来的多导睡眠生理数据,主要是为了提取睡眠过程中出现的睡眠各阶段的特征,并实现自动分期。首先,同步采集了白天20~30 min的短时睡眠过程中的脑电图(EEG)等生理数据;然后利用快速傅里叶变换(FFT)对采集到的数据进行频谱分析,提取睡眠各阶段的频域特征;最后采用支持向量机对短时睡眠数据进行自动分期。实验结果表明:FFT结合支持向量机(SVM)在短时睡眠阶段的研究中能够得到较好的分期结果。因此,通过对短时睡眠过程中浅睡眠各阶段的特征和分类结果的分析,能够为短时睡眠提供客观评价的依据。
  • [1] 饶毓和凌志浩 . 一种结合主题模型与段落向量的短文本聚类方法. 华东理工大学学报(自然科学版), 2020, 46(3): 419-427. doi: 10.14135/j.cnki.1006-3080.20190430001
    [2] 朱莹李龙江成德边丽杨仕骏倪晨杰杜一平 . 富集-部分洗脱-固相光谱法快速测定水样中痕量汞离子. 华东理工大学学报(自然科学版), 2020, 46(6): 1-5. doi: 10.14135/j.cnki.1006-3080.20191022001
    [3] 张津铭牟海川谢海芬 . 铜基大面积单晶双层石墨烯薄膜的化学气相沉积法快速生长. 华东理工大学学报(自然科学版), 2020, 46(): 1-6. doi: 10.14135/j.cnki.1006-3080.20191111001
    [4] 郭妙吉金晶王行愚 . 基于多种灰度闪光刺激的P300脑-机接口性能研究. 华东理工大学学报(自然科学版), 2019, 45(3): 458-465. doi: 10.14135/j.cnki.1006-3080.20180330002
    [5] 常青张天宇赵冰冰 . 基于机器视觉的手机异形主板非标自动化检测算法. 华东理工大学学报(自然科学版), 2019, 45(4): 632-638. doi: 10.14135/j.cnki.1006-3080.20180416006
    [6] 曹雅茜黄海燕 . 基于代价敏感大间隔分布机的不平衡数据分类算法. 华东理工大学学报(自然科学版), 2019, 45(4): 606-613. doi: 10.14135/j.cnki.1006-3080.20180515001
    [7] 马芳芳熊达孙铁栋欧阳福生 . 乙烯装置裂解气压缩机性能预测模型研究. 华东理工大学学报(自然科学版), 2020, 46(): 1-6. doi: 10.14135/j.cnki.1006-3080.20191226002
    [8] 陈剑挺叶贞成程辉 . 基于p阶Welsch损失的鲁棒极限学习机. 华东理工大学学报(自然科学版), 2020, 46(2): 243-249. doi: 10.14135/j.cnki.1006-3080.20181209001
    [9] 田桢安书浩潘鹤林徐婷彭昌军 . 三嗪功能化共价有机框架材料吸附去除水溶液中的抗生素. 华东理工大学学报(自然科学版), 2020, 46(4): 445-453. doi: 10.14135/j.cnki.1006-3080.20190428005
    [10] 吴唯杨晓格 . 两相溶液法制备有机质子酸掺杂Py-MMA共聚物及其导电与溶解性能研究. 华东理工大学学报(自然科学版), 2019, 45(4): 556-562. doi: 10.14135/j.cnki.1006-3080.20180417001
    [11] 吕露王绍华易红玲公维光林珩郑柏存 . 杂化硅溶胶/有机硅低聚物复合透明超疏水涂层的制备及性能. 华东理工大学学报(自然科学版), 2020, 46(): 1-7. doi: 10.14135/j.cnki.1006-3080.20191202002
  • 加载中
计量
  • 文章访问数:  7127
  • HTML全文浏览量:  495
  • PDF下载量:  1413
  • 被引次数: 0
出版历程

短时睡眠过程中睡眠阶段的特征提取和分类

    通讯作者: 王蓓, beiwang@ecust.edu.cn
  • 1. 华东理工大学信息科学与工程学院, 化工过程先进控制和优化技术教育部重点实验室,上海 200237
基金项目:  国家自然科学基金(60674089);上海市重点学科建设项目(B504);中央高校基本科研业务费专项资金(WH0914028)

摘要: 研究对象为白天短时睡眠时记录下来的多导睡眠生理数据,主要是为了提取睡眠过程中出现的睡眠各阶段的特征,并实现自动分期。首先,同步采集了白天20~30 min的短时睡眠过程中的脑电图(EEG)等生理数据;然后利用快速傅里叶变换(FFT)对采集到的数据进行频谱分析,提取睡眠各阶段的频域特征;最后采用支持向量机对短时睡眠数据进行自动分期。实验结果表明:FFT结合支持向量机(SVM)在短时睡眠阶段的研究中能够得到较好的分期结果。因此,通过对短时睡眠过程中浅睡眠各阶段的特征和分类结果的分析,能够为短时睡眠提供客观评价的依据。

English Abstract

相关文章 (11)

目录

    /

    返回文章