基于特征融合的ARMA短时睡眠状态分析

• 作者: 张俊民 王蓓 王行愚
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 医学
• 关键词: 短时睡眠 脑电信号 特征融合 ARMA模型
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 404-411
• 页数: 8页
• 分类号: TP181|R318.04
• 字数: 7122字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.2016.03.018

摘要

针对短时睡眠的特点,结合自回归-移动平均模型(Auto-Regressive and Moving Average Model,ARMA)对短时睡眠过程中的睡眠状态变化进行分析研究.以白天短时睡眠中记录的脑电信号为研究对象,首先,从脑电信号中提取了3个与短时睡眠过程相关的特征参数,采用条件概率方法对特征参数进行融合处理,计算得到一个表征睡眠状态的参数;然后,通过ARMA模型分析睡眠状态的变化趋势;最后,采用支持向量机(Support Vector Machine,SVM)方法将整个短时睡眠过程进行了睡眠状态的自动判别,并与人工判别进行比较.结果表明,基于特征融合的ARMA模型显著提高了睡眠状态分析的准确率,7组测试数据得到的平均准确率为88.7％.一方面,特征融合能够有效地提高数据处理速度,为睡眠状态实时检测提供有利的数据处理方式;另一方面,ARMA模型的预测作用,能够分析受试者的睡眠状态变化趋势,为进一步调整和控制睡眠时长提供客观评价依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王行愚	华东理工大学信息科学与工程学院	120	1138	16.0	27.0
2	王蓓	华东理工大学信息科学与工程学院	25	62	4.0	6.0
3	张俊民	华东理工大学信息科学与工程学院	2	7	2.0	2.0