-
题名基于脑电信号的WVD的睡眠状态辨识
- 1
-
-
作者
周强
李俊雨
田杏芝
王莹
-
机构
陕西科技大学电气与信息工程学院
陕西科技大学材料科学与工程学院
-
出处
《陕西科技大学学报》
CAS
2017年第6期164-170,共7页
-
基金
陕西省教育厅专项科研计划项目(16JK1105)
陕西省科技厅科技攻关计划项目(2016GY-005)
-
文摘
目前,大多数的人体睡眠状态辨识方法都是采用幅值域、频域或时-频域的线性分析方法,来处理脑电信号这一含有大量非线性成分的非平稳随机信号,因而其辨识效果的鲁棒性和稳定性无法保证.为此,本文提出了一种非线性的时-频辨识方法.该方法对脑电信号进行重排伪Wigner-Ville分布的时-频分析,并利用Wigner-Ville分布边缘聚集特性在不同频段内提取特征量,最后通过支持向量机实现睡眠状态的精确辨识.实验表明,该方法辨识睡眠状态的准确率达到91.6%,鲁棒性得到显著改善,为后续进行睡眠控制研究奠定了基础.
-
关键词
脑电信号
睡眠状态辨识
魏格纳-威利分布
支持向量机
-
Keywords
EEG
sleep stage identification
WVD
SVM
-
分类号
TN911.7
[电子电信—通信与信息系统]
R338.63
[医药卫生—人体生理学]
-
-
题名基于STPS和CNN的人体睡眠状态辨识方法研究
- 2
-
-
作者
周强
田杏芝
高乐乐
-
机构
陕西科技大学电气与控制工程学院
-
出处
《陕西科技大学学报》
CAS
2019年第5期157-162,170,共7页
-
基金
陕西省科技厅科技攻关计划项目(2016GY-005)
陕西省教育厅专项科研计划项目(16JK1105)
陕西省咸阳市科技计划项目(2017K02-06)
-
文摘
睡眠状态辨识是实现睡眠过程控制、改善睡眠质量的基础,具有十分重要的临床意义.为了解决已有睡眠状态辨识方法特征提取过程复杂、准确率偏低等问题,提出了一种基于STPS和CNN的人体睡眠状态辨识方法.首先,对EEG信号进行短时功率谱时-频分析以构造不同睡眠状态的二维谱图;然后,构建适用于人体睡眠状态辨识的CNN模型,由CNN自动提取各睡眠状态更抽象的特征,从而辨识出不同睡眠状态.实验结果表明,该方法在简化计算过程的同时可以有效的识别人体睡眠状态,准确率达到了92.04%.
-
关键词
睡眠状态辨识
脑电信号
卷积神经网络
短时功率谱
-
Keywords
sleep state classification
EEG signals
CNN
STPS
-
分类号
R318
[医药卫生—生物医学工程]
-
-
题名基于EEG信号的STPS睡眠状态在线辨识
被引量：1
- 3
-
-
作者
周强
陈颖
李俊雨
肖强宏
-
机构
陕西科技大学电气与信息工程学院
-
出处
《陕西科技大学学报（自然科学版）》
2016年第6期164-170,共7页
-
基金
陕西省科技厅科技攻关计划项目(2016GY-005)
-
文摘
睡眠状态辨识作为控制睡眠过程中提高睡眠质量的前提,是现代生物医学研究的一个重要内容.本文针对目前睡眠状态辨识方法存在辨识准确率低及处理速度慢等问题,提出基于EEG信号的STPS的睡眠状态在线辨识.以脑电波(EEG)的时-频分析作为睡眠状态特征量,并将其输入到径向基神经网络中进行模糊融合,辨识出不同睡眠状态.人体实验表明:该方法的辨识睡眠状态的准确率达到88.89%,为实现人体睡眠状态控制奠定了一定基础.
-
关键词
睡眠状态辨识
脑电信号
短时功率谱估计
径向基神经网络
模糊融合
-
Keywords
sleep stage classification
EEG signals
STPS
RBFNN
fuzzy fusion
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
