基于EEG信号特征提取与SVM算法的睡眠自动分期
张章1
周新淳2
赵鸿浩3
张雪华3
1.宝鸡职业技术学院机电信息学院 宝鸡 7210002.宝鸡文理学院物理与光电技术学院 宝鸡 7210163.陕西烽火通信集团有限公司宝鸡研发中心 宝鸡 721006
摘要：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.
关键词：脑电信号睡眠分期特征提取支持向量机
分类号：TP3(计算技术、计算机技术)
资助基金：国家自然科学基金(61871305)陕西省科技厅自然科学基础研究计划青年项目(2021JQ-125)
论文发表日期：2022-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 936-941 )
英文信息