[发明专利]基于脑电和肌电多特征的自动睡眠分期方法

权利要求书

1.一种基于脑电和肌电多特征的自动睡眠分期方法，其特征在于，包括：

采集脑电信号和肌电信号；

采用小波分解去除脑电信号和肌电信号中的高频噪声；

提取去噪后的脑电信号的α、β、θ、δ特征波的能量比，得到第一特征参数；

利用样本熵算法提取去噪后的脑电信号样本熵，得到第二特征参数；

利用小波分解算法提取去噪后的肌电信号中的高频特征能量比，得到第三特征参数；

将第一特征参数、第二特征参数和第三特征参数输入支持向量机中进行训练和测试，从而得到分类结果。

2.如权利要求1所述的基于脑电和肌电多特征的自动睡眠分期方法，其特征在于，所述第一特征参数通过以下方法获得：

使用“db4”小波函数对脑电信号进行7层小波分解，选择D3代表β波，D4代表α波，D5代表θ波，D6+D7代表δ波，分别计算α波、β波、θ波和δ波在0-30Hz上所占能量和的比值。

3.如权利要求1所述的基于脑电和肌电多特征的自动睡眠分期方法，其特征在于，所述第三特征参数通过以下方法获得：

使用“sym3”小波函数对肌电信号进行3层小波分解，选择D1+D2代表肌肉运动频率，计算该肌肉运动频率在0-125Hz上所占的能量和的比值。

4.如权利要求1所述的基于脑电和肌电多特征的自动睡眠分期方法，其特征在于，在利用样本熵算法提取脑电信号样本熵时，其中所用的嵌入维数＝2，相似容限为脑电信号原始数据的标准偏差的0.2倍，数据长度＝1000。