(完整word版)基于某脑电波地便携式睡眠高质量监测系统
《便携式睡眠监护系统的研究》范文
《便携式睡眠监护系统的研究》篇一一、引言随着现代生活节奏的加快和健康意识的提升，人们对睡眠质量的关注度逐渐增强。
睡眠作为人体恢复精力和调节生理状态的重要过程，其质量直接影响着个体的健康和生活质量。
然而，传统的睡眠监测设备往往体积庞大、操作复杂，难以满足人们对于便捷、实时监测的需求。
因此，便携式睡眠监护系统的研究与应用显得尤为重要。
本文旨在探讨便携式睡眠监护系统的研究现状、技术原理、应用领域及未来发展趋势。
二、便携式睡眠监护系统的技术原理便携式睡眠监护系统主要通过传感器技术、无线通信技术和数据分析技术实现对用户睡眠状态的实时监测和评估。
系统主要包括多个传感器，如心电传感器、动感传感器、呼吸传感器等，用于收集用户在睡眠过程中的生理数据。
通过无线通信技术将数据传输至中央处理单元，进行实时分析和处理。
最后，将分析结果以图表或报告的形式展示给用户，帮助用户了解自己的睡眠质量。
三、研究现状及技术发展目前，便携式睡眠监护系统已成为睡眠医学领域的研究热点。
国内外众多科研机构和企业纷纷投入研发力量，推动该领域的技术进步。
在传感器技术方面，研究者们致力于开发更加灵敏、稳定的传感器，以提高数据采集的准确性。
在无线通信技术方面，低功耗、高速率的传输技术成为研究重点，以满足系统实时传输和数据安全的需求。
在数据分析技术方面，机器学习和人工智能的应用使得系统能够更准确地评估用户的睡眠质量，并为用户提供个性化的睡眠建议。
四、应用领域便携式睡眠监护系统的应用领域广泛，主要包括以下几个方面：1. 临床医学：用于辅助医生对患者的睡眠质量进行评估和治疗，帮助患者改善睡眠状况。
2. 家庭健康管理：帮助家庭用户实时监测和评估家庭成员的睡眠质量，提高家庭健康管理水平。
3. 军事和航空领域：用于监测飞行员和士兵的睡眠质量，确保他们在执行任务时保持最佳状态。
4. 运动训练和康复：帮助运动员和康复患者了解自己的睡眠状况，制定科学的训练和康复计划。
《2024年便携式睡眠监护系统的研究》范文
《便携式睡眠监护系统的研究》篇一一、引言随着现代生活节奏的加快和健康意识的提升，人们对睡眠质量的关注度逐渐增强。
睡眠作为人体恢复精力和调节生理功能的重要过程，其质量直接影响着个体的健康状况。
因此，睡眠监护系统的发展显得尤为重要。
近年来，便携式睡眠监护系统以其便捷性、实时性和准确性受到了广泛关注。
本文旨在探讨便携式睡眠监护系统的研究现状、关键技术及未来发展趋势。
二、便携式睡眠监护系统的研究现状目前，国内外众多科研机构和公司都在致力于研发便携式睡眠监护系统。
这类系统通常集成了传感器技术、信号处理技术、数据分析与传输技术等，可实现对用户睡眠过程中各项生理指标的实时监测与记录。
通过对这些数据的分析，可为用户提供准确的睡眠质量评估报告。
在国外，相关研究已经取得了显著的成果。
一些先进的便携式睡眠监护系统能够监测心率、呼吸、血氧饱和度等多项生理指标，并具有高精度的检测能力和较好的抗干扰能力。
此外，国外研究还注重系统的用户体验，力求在保证监测准确性的同时，使设备更加轻便、舒适。
在国内，便携式睡眠监护系统的研究也取得了长足的进步。
国内的研究团队在传感器技术、信号处理算法等方面进行了大量研究，成功开发出了具有自主知识产权的便携式睡眠监护系统。
这些系统不仅具有较高的监测精度，而且价格适中，受到了国内用户的广泛好评。
三、关键技术研究（一）传感器技术传感器是便携式睡眠监护系统的核心部件之一。
目前，常用的传感器包括心率传感器、呼吸传感器、血氧饱和度传感器等。
为了提高监测精度和稳定性，研究人员需要不断优化传感器的性能，降低其功耗和成本。
（二）信号处理技术信号处理技术是提高便携式睡眠监护系统准确性的关键。
研究人员需要采用先进的信号处理算法，对收集到的生理信号进行滤波、去噪、特征提取等处理，以保证监测结果的准确性。
（三）数据分析与传输技术数据分析与传输技术是便携式睡眠监护系统的重要组成部分。
通过对收集到的生理数据进行统计分析，可以评估用户的睡眠质量，并为用户提供有针对性的健康建议。
《便携式睡眠监护系统的研究》范文
《便携式睡眠监护系统的研究》篇一一、引言随着社会节奏的加快和生活压力的增加，人们对健康管理和个人睡眠质量的关注度不断提高。
在这样的背景下，便携式睡眠监护系统应运而生，它不仅为医学研究提供了新的手段，也为普通人群提供了便捷的睡眠质量监测方法。
本文将详细探讨便携式睡眠监护系统的研究背景、目的及意义。
二、便携式睡眠监护系统的研究背景近年来，随着科技的发展和人们健康意识的提升，睡眠健康问题逐渐成为研究的热点。
睡眠质量的监测与评估是睡眠医学的重要组成部分，它对提高人们的生活质量、预防和诊断疾病具有重大意义。
传统的睡眠监测设备往往需要在实验室等专业环境下进行，这给人们的日常生活带来了不便。
因此，便携式睡眠监护系统的研发，成为了一个值得深入研究的领域。
三、便携式睡眠监护系统的研究目的便携式睡眠监护系统的研究目的在于为个人和医疗机构提供一种便捷、高效的睡眠质量监测手段。
该系统旨在实现以下几个目标：1. 实时监测：通过高精度的传感器和算法，实时监测个体的睡眠状态和生理参数。
2. 无线传输：利用无线通信技术，将监测数据传输到移动设备或云平台进行存储和处理。
3. 评估分析：结合算法和医学知识，对个体的睡眠质量进行评估和分析，提供科学的建议和指导。
4. 便捷性：系统设计轻便、易于携带，能够满足人们在日常生活中进行连续监测的需求。
四、便携式睡眠监护系统的技术实现与进展目前，便携式睡眠监护系统主要依赖于可穿戴技术和无线通信技术实现。
该系统通常包括多个传感器，如心率传感器、呼吸传感器、运动传感器等，用于实时监测个体的生理参数和运动状态。
同时，通过无线通信技术将数据传输到移动设备或云平台进行分析和评估。
在技术实现方面，已经取得了以下进展：1. 传感器技术：传感器精度不断提高，能够更准确地监测个体的生理参数和运动状态。
2. 无线通信技术：无线通信技术不断发展，实现了更快速、更稳定的数据传输。
3. 数据分析与评估：结合算法和医学知识，对个体的睡眠质量进行更准确、更全面的评估和分析。
《便携式睡眠监护系统的研究》范文
《便携式睡眠监护系统的研究》篇一一、引言随着现代社会生活节奏的加快和工作压力的增大，睡眠质量逐渐成为影响人们健康的重要因素。
睡眠障碍的检测和评估已成为现代医学关注的重点。
然而，传统的睡眠监护设备通常体积庞大、操作复杂，给患者带来诸多不便。
因此，便携式睡眠监护系统应运而生，其具有体积小、操作简便、实时监测等优点，为睡眠障碍的监测和评估提供了新的解决方案。
本文旨在研究便携式睡眠监护系统的设计原理、实现方法以及应用前景。
二、便携式睡眠监护系统的设计原理1. 硬件设计便携式睡眠监护系统主要由传感器、数据采集器、数据处理单元和电源模块等组成。
传感器负责监测睡眠过程中的生理参数，如脑电波、心电信号、呼吸信号等。
数据采集器负责将传感器采集到的生理信号进行数字化处理，并将数据传输至数据处理单元。
数据处理单元对数据进行实时分析和处理，提取出与睡眠质量相关的信息。
电源模块为整个系统提供稳定的电源供应。
2. 软件设计软件设计是便携式睡眠监护系统的核心部分，主要包括信号处理算法、特征提取算法和模式识别算法等。
信号处理算法负责对采集到的生理信号进行去噪、滤波等预处理，以便后续分析。
特征提取算法从预处理后的信号中提取出与睡眠质量相关的特征参数，如睡眠深度、REM睡眠时间等。
模式识别算法则根据提取出的特征参数对睡眠质量进行评估和分类。
三、实现方法1. 传感器选择与布置传感器是便携式睡眠监护系统的关键部分，常用的传感器包括脑电传感器、心电传感器和呼吸传感器等。
在选择传感器时，需要考虑其灵敏度、稳定性、抗干扰能力等因素。
传感器的布置应根据实际需求进行设计，以保证能够准确监测到相关的生理参数。
2. 数据传输与存储数据传输可采用有线或无线方式进行。
无线传输方式具有更高的灵活性和便利性，但需要解决信号传输的稳定性和抗干扰问题。
数据存储可采用本地存储或云存储方式，以方便后续的数据分析和处理。
四、应用前景1. 临床应用便携式睡眠监护系统可用于医院、诊所等医疗机构，为患者提供便捷的睡眠监测服务。
(完整word版)多导睡眠监测仪说明书
多导睡眠监测仪说明书通过睡眠监测仪，在患者安静入睡的状态下，连续记录睡眠时6-8小时的脑电图、心电图、肌电图、血氧饱和度、鼾声、呼吸动度等十多项指标的改变，用于诊断睡眠呼吸暂停综合症、确定其病因、分型、判定预后、提供治疗方案。
特别是各种睡眠障碍性疾病（慢性失眠、白日过度嗜睡、遗尿症、多梦、睡惊症、多发性睡病、周期性腿动、不宁腿综合症、帕金森氏病、精神抑郁症等）。
对其确定病因，确定诊断,制定行之有效的治疗方法提供可靠依据.并可解除患者入睡难而需长期依赖口服镇静、安眠药之痛苦,从而达到根治的目的，进一步改善患者的睡眠和生活质量。
多导睡眠监测分析系统可连续10小时监测记录病人的口鼻气流、血氧、心率、胸、腹式呼吸、鼾声、体位等变化情况。
1、口鼻气流：用以了解呼吸暂停和低通气情况;2、血氧：了解血氧饱和度的变化；3、心率：了解呼吸暂停或低通气时的心率变化情况，了解呼吸暂停对心脏功能的影响;4、胸式呼吸：区分呼吸暂停类型，如阻塞型和中枢型等；5、腹式呼吸:区分呼吸暂停类型，如阻塞型和中枢型等；6、体位:了解体位和呼吸暂停及低通气的关系；7、鼾声：了解鼾声响度、持续时间以及和呼吸暂停或低通气的关系，辅助区分呼吸暂停类型。
七参数睡眠记录仪除了一般三参数睡眠记录仪所具备的功能外,增加了区分睡眠呼吸紊乱类型（阻塞型、中枢型和混合型）功能及了解体位和睡眠呼吸紊乱关系的功能，使诊断更加详细,更具治疗指导作用.多导睡眠监测介绍多导睡眠监测（PSG)是在全夜睡眠过程中，连续并同步地描记脑电、呼吸等10余项指标，全部记录次日由仪器自动分析后再经人工逐项核实。
监测主要由三部份组成:①分析睡眠结构、进程和监测异常脑电.②监测睡眠呼吸功能，以发现睡眠呼吸障碍,分析其类型和严重程度.③监测睡眠心血管功能。
此外还可根据需要，记录肢体活动以了解失眠的某些原因等.多导睡眠监测仪检查内容(一）睡眠情况通过记录脑电图,眼电图,肌电图准确反映睡眠状况和分期脑电图：区分睡眠与醒觉,睡眠各个分期及其各期所占比例。
便携式脑电多导睡眠记录仪技术参数及配置
便携式脑电多导睡眠记录仪技术参数及配置便携式脑电多导睡眠记录仪技术参数及配置一(功能描述:动态脑电图仪是在活动、睡眠等日常生活状态下记录受试者24小时及以上脑电图的设备，适用于常规脑电图检查，发作性疾病如癫痫、晕厥和睡眠障碍的脑电分析等。
动态视频脑电图仪可在采集脑电数据时，同步记录受试者的声音、活动状态，可有效辅助医师对脑电病变的准确分析。
二(技术参数:1. 放大器通道数:32通道，含7对活动参考电极对2. 隔离接地连接器:1个输入通道3. 声音事件标记:1个输入通道4. 记录器事件标记:1个输入通道5. ?采样率:3200Hz/每通道6. AD转换:16bit7. 共模抑制:,110dB8. 噪声:峰值,0.2µV9. 所有通道抗锯齿保护10. 内置所有通道(包括地线)的电极阻抗检测11. 内置信号定标12. 扩展内置诊断13. 50/60Hz市电滤波14. ?强大的Cadwell EasyNet储存数据协议15. 记录时间:>48小时16. 数据采集卡:标配2G，可记录48小时;选配4G可记录116小时 17. 数据存储:所有通道的数据都以完整的带宽和增益范围储存 18. 数据传输方式:内置以太网19. ?患者活动日志: 病人可以通过微型麦克风声音输入活动记录，可自动标记时间，在回放时病人条目可以用于回顾20. ?记录器由网线连接到电脑?21. 全面兼容EasyNet模块22. 电源:2只标准D型碱性电池可正常运行48小时以上23. ?重量:1.6磅(730克)(包括记录器、放大器、电池座、2只D型电池、保护套)?24. ? Q-Video Mobile?(选配), 视频和音频数据获取和存储都在该装置;, 通过USB传输数据到电脑, 通过Q-video视频模块LCD屏可实时显示视频, 视频模块采用可充电电池供电。
电池可持续使用24小时。
电量完全耗完后需充电3.5小时。
患者可通过连接电源线更换电池。
《睡眠质量监测系统的设计》范文
《睡眠质量监测系统的设计》篇一一、引言随着现代社会生活节奏的加快和压力的增大，越来越多的人面临睡眠问题。
有效的睡眠是健康的重要组成部分，但大多数人经常忽略自己的睡眠状态和质量。
为此，我们提出一个实用的系统设计——睡眠质量监测系统。
本系统通过整合多维度技术和先进的数据分析算法，为使用者提供个性化的睡眠健康管理和监测方案。
二、系统概述本系统采用集成式设计，集成了生物电信号采集、数据处理和反馈等多个模块。
系统可监测睡眠期间的生理指标，如脑电波、心跳等，从而全面分析用户的睡眠质量。
此外，该系统还可根据用户的使用习惯和健康状况，提供定制化的睡眠建议和改善方案。
三、系统架构设计1. 硬件设计- 生物电信号采集器：采用先进的生物电信号采集技术，可精确捕捉用户在睡眠过程中的生理变化数据。
- 数据传输模块：通过蓝牙等无线技术将数据实时传输至主处理单元。
- 主处理单元：负责数据的初步处理和存储，可与手机等设备进行连接和交互。
2. 软件设计- 数据处理与分析模块：通过算法分析采集的生理数据，对用户的睡眠状态进行评估和分类。
- 用户界面与交互模块：采用直观的用户界面设计，便于用户了解自己的睡眠数据和改善建议。
- 数据库模块：用于存储用户数据和历史记录，为后续的个性化服务提供支持。
四、功能模块设计1. 生物电信号采集模块：本模块通过生物电传感器采集用户在睡眠过程中的生理数据，如脑电波、心跳等。
2. 数据处理与分析模块：本模块采用先进的算法对采集的生理数据进行处理和分析，识别用户的睡眠状态（如浅睡、深睡、REM等），并评估其睡眠质量。
3. 用户反馈与建议模块：根据用户的睡眠数据和分析结果，本模块为用户提供个性化的睡眠建议和改善方案，如调整作息时间、改善睡眠环境等。
4. 数据库管理模块：本模块负责存储用户数据和历史记录，支持数据备份和恢复功能。
通过对用户历史数据的分析，可以预测其未来可能的健康风险并提供预防措施。
五、系统实现与优化1. 系统实现：在硬件方面，需确保生物电信号采集器的精度和稳定性；在软件方面，需确保数据处理和分析算法的准确性和实时性。
《睡眠质量监测系统的设计》范文
《睡眠质量监测系统的设计》篇一一、引言随着生活节奏的加快和工作压力的增大，越来越多的人面临着睡眠质量问题。
睡眠质量直接影响着人们的健康和生活质量。
因此，设计一个有效的睡眠质量监测系统，对改善人们的睡眠状况、提高生活质量具有重要意义。
本文将详细介绍睡眠质量监测系统的设计思路、方法和应用前景。
二、系统设计目标睡眠质量监测系统的设计目标主要包括以下几个方面：1. 实时监测睡眠过程：系统应能够实时监测用户的睡眠过程，包括入睡时间、睡眠时长、深浅睡眠阶段等。
2. 准确评估睡眠质量：根据监测数据，系统应能准确评估用户的睡眠质量，包括睡眠效率、呼吸情况、心率变化等。
3. 提供改善建议：系统应根据监测结果，为用户提供针对性的改善建议，帮助用户改善睡眠质量。
4. 操作简便、使用安全：系统应具备操作简便、使用安全的特点，方便用户在日常生活中的使用。
三、系统设计方法1. 硬件设计硬件部分主要包括传感器、数据采集器和主机。
传感器负责采集用户的生理数据，如脑电波、心率、呼吸等；数据采集器负责将传感器采集的数据传输到主机；主机负责对数据进行处理和分析。
传感器部分可采用可穿戴设备，如智能手环、智能手表等，方便用户佩戴。
数据采集器应具备低功耗、稳定性好、抗干扰能力强等特点。
主机可采用智能手机或专用设备，具备强大的数据处理和分析能力。
2. 软件设计软件部分主要包括数据采集、数据处理、睡眠评估和用户界面四个模块。
数据采集模块负责从传感器获取原始数据；数据处理模块负责对原始数据进行清洗、转换和存储；睡眠评估模块根据处理后的数据评估用户的睡眠质量；用户界面模块提供友好的交互界面，方便用户查看监测结果和改善建议。
四、系统实现1. 数据采集：通过传感器实时采集用户的生理数据，包括脑电波、心率、呼吸等。
2. 数据处理：对原始数据进行清洗、转换和存储，以便进行后续的睡眠评估。
3. 睡眠评估：根据处理后的数据，采用相关算法评估用户的睡眠质量，包括入睡时间、睡眠时长、深浅睡眠阶段、呼吸情况、心率变化等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于脑电波的便携式睡眠质量监测系统金旭扬导师：华东理工大学信息学院万永菁上海中学信息学科组吴奕明摘要睡眠是人体重要的生理活动，睡眠质量近年来受到高度关注；本文从脑电波角度探寻睡眠监测的有效易行方法，从软硬件角度设计了便携式睡眠质量监测系统。
研究分析便携式脑电采集设备采集的数据和CAP睡眠脑电数据库，用功率谱分析和BP神经网络探究了睡眠分期的有效算法。
实验进行了初步的睡眠分期与质量评估，证明了便携式睡眠质量监测系统的准确性及利用脑电数据进行睡眠分期的有效性。
本课题研究，提出了利用单导连脑电信号进行睡眠分期的可行性，为之后研究便携式、市场化的睡眠监测设备以及其他应用提供了重要的实验参考依据。
关键词：脑电；脑机接口；睡眠监测；睡眠分期；BP神经网络一、引言1.1 睡眠质量研究背景及意义睡眠是一种重要的生理现象。
从生到死，人类始终是在觉醒和睡眠中度过。
人类通过高质量的睡眠，可以消除疲劳，更好地恢复精神和体力，使人在睡眠之后保持良好的觉醒状态，提高工作、学习效率。
人类用于睡眠的时间占人一生中的三分之一。
然而迄今我们对这一重要的生理现象的认识还微乎其微，对睡眠进行科学的研究只有短短的几十年历史。
1937年，Lomis、Harvey和Hobart注意到，睡眠不是处于一种稳定状态，而是要发生一系列非常有规律的周期性变化。
[1]1986年，Rechtschaffen等人重新肯定了Dement和Kleitman的分期标准，并根据十年来的经验作了一些必要的修改和补充，使之更趋完善。
[2]2007年，美国睡眠医学会基于上述标准进行改进，发布了新的睡眠分期专业标准，其中规定了各个指标具体的采集标准及判定方法。
[3]1.2 脑电信号分析方法综述随着电子技术的发展，数字处理技术逐步应用到EEG的分析中来。
经典的EEG分析方法有：以分析EEG波形的几何性质，如幅度、均值、峭度等为主的时域分析方法和以分析EEG 各频率功率、相干等为主的领域方法。
早在70年代初，W.C.Yeo和J.P.Smith[4]就应用Walsh谱分析离线地研究了一个处于睡眠状态的男性的三段脑电图。
rsen等[5]应用Walsh顺序的Walsh函数对EEG进行展开，并定义了双值自相关函数，尔后讨论了可以按双值自相关函数来显示各种睡眠EEG的特征。
1982年，美国物理学家Hopfield提出了HNN模型，从而有力地推动了应用神经网络方法解释许多复杂生命过程的进展。
自八十年代末以来，人工神经网络的应用已涉及到了脑电分析的各个方面，其中包括自发脑电的睡眠分级及睡眠EEG分析。
S.Roberts和L.Tarassenko[6,7]把人工神经网络应用于睡眠EEG的自动分析。
他们采用无监督学习网络对大量没有经过人工判别的数据进行自组织分类，少量的经过人工判别的标准样本则用来自组织分类结果做解释和量化，从而在网络中形成了8个聚类区。
根据EEG在8个聚类区之间随时间运动的轨迹可以对一夜的睡眠状况有定性的了解。
[8]1.3 脑电监测设备介绍目前，脑电监测设备大致有二：一为大型的、医院专用的多导睡眠监测系统。
这种系统需要测量多导连的脑电图、眼电图、肌电图、口鼻气流、呼吸运动、血氧饱和度等众多指标，且有严格的判定规则、需要专业知识。
[3]二为便携式脑机接口设备。
此类设备通常体积小、使用方便、成本也较低，测量的脑电图多为单导连，但由于获取的数据用途较为单一，可以很好地完成睡眠监测的任务。
[9]1.4 课题研究目标本课题利用便携式脑电波采集设备实时获取脑电数据，并且与终端设备通讯实时存储、分析数据。
利用Windows、Android等移动平台下编写的软件实现此功能，实现人体的睡眠监控。
二、方法和假设2.1 系统软硬件平台的基本架构2.1.1 睡眠质量监测系统的硬件组成用于采集数据的设备是宏智力公司出品的Brainlink意念力头箍，它采用基于Neurosky 芯片平台的Thinkgear芯片，主要用于检测脑电信号。
实验采用手机（Android）系统和电脑（Windows）系统作为采集终端。
图2-1 睡眠质量监测系统框图图2-2 宏智力公司出品的Brainlink意念力头箍2.1.2 睡眠质量监测系统的数据采集方式NeuroSky的脑电波采集设备较为轻便，只有前额、左耳垂两个电极（一导连）。
设备采用AAA电池供电，根据介绍续航能力有8小时（若再并联一颗电池可以更长），没有传统脑电采集中与脑电频段接近的50Hz工频交流干扰信号。
设备采用无线蓝牙连接，更有利于睡眠时数据的传输；耳垂采用导电夹，容易固定；利用心电图电极片改装前额电极，也可以弥补原本接触不良的缺点。
为了完成单向传输数据的目的，使用的蓝牙模拟串口（发送）芯片能耗低、续航能力强、编程较为简易。
接收端可以是任何蓝牙4.0设备，只需一次配对后就可自动连接，对于手机、电脑硬件的要求不高。
初步测试时，采集使用的是Microsoft Windows平台，使用Neurosky提供的API接口，在Visual C++上编写简单的程序即可完成数据的存盘。
采样频率约为513.5Hz，远高于脑电信号的最高有效频率30Hz的两倍，符合采样定理。
图2-3 Windows 7下的采集、分析软件利用Neurosky提供的Android API接口，在Android平台下的脑电波预览、采集工作也得以完成，程序可以在后台运行，并且将采样数据即使存盘，在实际使用过程中更为方便，也省去了用电脑建立连接、定义接口的繁杂步骤，适合移动平台。
图2-4 Android下的采集、预览软件2.2 基于脑电信号的睡眠质量监测方法2.2.1 脑电信号预处理方法脑电波在时域上属于非平稳随机信号，实验中采集的脑电波只有一导连，因此信号不稳定、噪波严重。
需要经过初步的低通数字滤波预处理。
为方便起见，频率衰减带上限取到高于脑电波分析中有效频率30Hz的50Hz。
数字滤波器包括有限冲激响应(FIR)滤波器和无限冲激响应(IIR)滤波器两大类。
FIR滤波器可以得到严格的线性相位，相比IIR需要采用较高的阶数（约是IIR的五至十倍），但软件实现方便。
[10]假设FIR滤波器的单位冲击响应h(n)为一个长度为N的序列，那么滤波器的系统函数为：(2-1) 上式的差分形式为：(2-2)(n)一定是无限时宽的，无法实由于理想滤波器在边界频率处不连续，故其时域信号hd现。
因此，需要把具有理想线性相位特性的滤波器曲线用窗函数截取：(2-3) 这种设计思想称为窗函数设计法。
其中，常用的汉明窗（Hamming Window）函数如下：(2-4) 幅值函数为：(2-5)[11]使用Matlab的fir1工具设计300点的FIR低通滤波器，采用汉明窗，以512Hz作为采样频率，50Hz作为率减带，得到的滤波器幅频响应曲线如下：图2-5 300点低通滤波器幅频响应曲线（采用归一化角频率，2π即为实际采样频率的512Hz）2.2.2 脑电信号的频域分析脑电波按频率从高到低划分依次为：β波(14~30Hz)，α波(8~14Hz)，θ波(4~8Hz)，δ波表2-1 脑电波的频段划分以及不同类型脑电波所反映出的脑部精神状态[12]离散时间序列x(n)的傅立叶（Fourier Transform）变换是：(2-6) 如已知随机信号x(n)的自相关函数r(k)，那么功率谱密度函数就定义为：(2-7) 功率谱函数的另一定义是：(2-8) 理论上，离散信号处理方法对有限带宽的信号能做准确分析，但有限带宽信号在时域上是无限长的，只取其中有限长的一段进行傅立叶变换，相当于在原信号上加了矩形窗运算。
加窗在频域上，对原功率谱起到了平滑的作用。
(2-9)[13]其中，w(n)表示窗口函数。
常用的窗有三角窗、汉宁窗、汉明窗、布莱克曼窗等。
这些窗的旁瓣电平比矩形窗低，但分辨率也较矩形窗低。
[14]这里使用的是汉明窗，在2.2.1节已有详细介绍。
2.2.3睡眠分期判定的改进算法表2-2 睡眠分期的脑电标准[3]其中，非快速眼动期睡眠深度从深到浅，依次是：N3、N2、N1。
人工神经网络（Artificial Neural Network）是由大量简单的处理单元广泛连接组成的复杂网络，用于模拟人类大脑神经网络的结构和行为。
它反映了人脑功能的许多基本特性，但它并不是人脑全部的真实写照，而只是对其作某种简化、抽象和模拟[15]。
在各种学习算法中，多层网络的反向传播算法（简称BP算法）应用最为广泛。
BP算法最早是由Werbos在1974年提出来的，Rumelhart等人于1985年发展了该理论，提出了清晰而又严格的算法。
BP算法适用于前向网络，它采用有导师学习的训练形式，提供输入矢量集的同时提供输出矢量集，通过反向传播学习算法，调整网络的连接权值，以使网络输出在最小均方差意义下，尽量向期望输出接近，反向学习的进程由正向传播和反向传播组成。
在正向传播过程中，输入信息经隐含神经元逐层处理并传向输出层，如果输出层不能得到期望的输出，则转入反向传播过程，将实际输出与期望输出之间的误差沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差减小，然后转入正向传播过程，反复循环，直至误差小于给定的值为止。
设有N个训练对组成的训练集，每一个训练对用输入矢量Xi = (xi1, xi2,… , xim)和输出矢量Di =(di1, di2,… , din)， 1≤ i≤ N。
在前向传播中，把Xi作为网络的输入，根据现有的W计算网络的输出Yi =(yi1, yi2,… , yin)。
比较实际输出Yi与期望输出Di之间的差异，计算每一个输出单元的平方误差(yij - dij)2， 1≤ j≤ n。
把这些误差进行加总得到误差函数：(2-10)所要做的就是通过改变W来减小E，以使得所有的输入矢量都尽量与相应的输出矢量相匹配。
因此学习的过程就转化为定义在权值空间上的目标函数E的极小化问题。
在训练过程中总是以尽可能快的减小E的方式进行。
一般它依赖于在权值空间中是否沿梯度方向搜索，所以采用梯度下降法来训练权值。
每一个权值wij 的变化量△wij按如下方式计算：(2-11) 其中Z为学习率，是控制算法收敛速度的参数。
在第一阶段得到的总误差平方和又在第二阶段被一层一层地反向传播回去，从输出单元到输入单元。
权值的调整决定于传播过程中的每一步。
由于Ii 、fi和E都是连续可微的，因此，可以应用以下公式计算△E/△ wij的值：(2-12)W的修改可以有两种方式，一是对于每一训练对(Xi , Di)都修改一次W，另一种方式是输入全部的训练对后再加总△wij并进行修改。
训练矢量集中训练对的数目称为一个epoch。
当epoch不是非常大的时候，后一种方式能够加快收敛的速度。