随着计算机技术的不断发展,近年来脑-机接口一直是被广泛热议的话题之一。将脑-机接口技术与人工智能相结合,使得脑-机接口技术在脑部疾病治愈、娱乐消费、机器控制等领域得到广泛应用,其中关于脑电信号的采集和处理在脑-机接口技术中至关重要。
睡眠对于人体至关重要,不幸的是,有近25%的成年人存在睡眠障碍。临床上,脑电图是医生分析睡眠问题的首选。但是脑电图数据量大,波形干扰严重,判读规则复杂,不同专家之间的判断也存在不小的差异。此外,医用脑电图采集复杂,当前基于脑电图的人工睡眠分析模式耗费巨大的人力财力,大众面临的睡眠困扰问题亟需便捷、稳定、自动化的分析手段。对睡眠分期进行研究有一定的临床和现实意义,睡眠分期在睡眠质量的评估和睡眠相关疾病的辅助治疗中都有重要的作用。传统的人工睡眠分期有它的局限性:效率低、耗时和耗费人力,因此研究自动睡眠分期具有重要的意义。脑电是分析睡眠最重要的一个生理信号,通过对睡眠脑电信号进行一定的处理,提取能表征不同睡眠期的特征参数,并借助分类器进行睡眠分期。睡眠脑电是一种复杂的、时变的非线性非平稳信号,本文通过支持向量机SVM实现脑电信号分期睡眠监测。