首页|基于EEG信号特征提取与SVM算法的睡眠自动分期

基于EEG信号特征提取与SVM算法的睡眠自动分期

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统凭借人工逐帧识别脑电信号来判断睡眠时期的方法耗费大量时间,效率低下;基于采集到的头部脑电信号引入模式识别的方法来完成自动分期的任务.利用小波阈值滤波对脑电信号进行预处理.采用小波包分解提取出每帧数据中四种节律波并计算相应节律波能量值,以此作为分类特征.为了更好地适应非线性问题,还要提取非线性特征,计算每帧数据的排列熵和样本熵.划分出70％的数据作为训练集用于支持向量机的多分类器模型的分类训练,将训练完成的模型对测试集进行测试,得到了整体84.4％的准确率.提取的数据特征和支持向量机的多分类模型适用于解决脑电信号的睡眠分期任务,可以得到不错的准确率.
Automatic Sleep Staging Based on EEG Signal Feature Extraction and SVM Algorithm

张章、周新淳、赵鸿浩、张雪华

展开 >

宝鸡职业技术学院机电信息学院 宝鸡 721000

宝鸡文理学院物理与光电技术学院 宝鸡 721016

陕西烽火通信集团有限公司宝鸡研发中心 宝鸡 721006

脑电信号 睡眠分期 特征提取 支持向量机

国家自然科学基金陕西省科技厅自然科学基础研究计划青年项目

618713052021JQ-125

2022

10.3969/j.issn.1672-9722.2022.05.004

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(5)
  • 1
  • 15