基于EEG信号特征提取与SVM算法的睡眠自动分期

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。