睡眠脑电设计报告(1).doc

《生物医学信号处理实习》设计报告题目：基于睡眠脑电信号的睡眠分期研究专业：信息工程学院生物医学工程班级：15生医1姓名：王姝敏学号：1500308132时间：2018年3月5日----2018年3月23日课程设计目标及要求课程设计目标本次设计要求基于脑电、心电等医学信号完成睡眠分期。医学信号可选择心电、脑电或者这两种生理信号的组合完成睡眠分期。课程设计要求阅读相关书籍和文献理解“睡眠分期”总结睡眠问题的研究现状及目前睡眠分期的分析手段。选择拟运用医学信号（主要指脑电、心电）并运用正确的特征提取方法完成有效的睡眠分期。医学数据来自于MIT-BIH生理信息库中的多参数睡眠数据库至少选择两组数据。阅读文献“DevelopmentofthepolysomnographicdatabaseonCD-ROM”及相关资料理解数据格式并会在matlab使用这些数据。设计具体睡眠分析方案提交方案设计报告。分组讨论各自设计方案的可行性在教师的指导下修改设计方案。在matlab平台上实现设计方案并与给出的结果进行对比。睡眠分期的设计方案及可行性分析睡眠分期的设计方案（1）在MIT-BIH生理信息库中的多参数睡眠数据库中至少选择两组数据之后将获得的数据信息导入matlab。（2）设计维纳滤波器滤除脑电信号中的杂波排除一些干扰因素的影响。（3）设计巴特沃斯低通滤波器巴特沃斯低通滤波器的特点是通频带内的频率响应曲线最大限度平坦没有起伏而在阻频带则逐渐下降为零。（4）通过样本熵算法可以提取非线性特征从而用于特征分析。睡眠分期预处理方案的可行性分析（从滤波器的设计进行叙述）（1）维纳滤波器维纳滤波器是一种以最小平方为最优准则的线性滤波器。在一定的约束条件下其输出与给定函数（通常称为期望输出）的差的平方达到最小通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波器的优点是适应面较广无论平稳随机过程是连续的还是离散的是标量的还是向量的都可应用。对某些问题还可求出滤波器传递函数的显式解并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是要求得到半无限时间区间内的全部观察数据的条件很难满足同时它也不能用于噪声为非平稳的随机过程的情况对于向量情况应用也不方便。因此维纳滤波在实际问题中应用不多。设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差对该误差求均方即为均方误差。因此均方误差越小噪声滤除效果就越好。为使均方误差最小关键在于求冲激响应。如果能够满足维纳－霍夫方程可使维纳滤波器达到最佳。根据维纳－霍夫方程最佳维纳滤波器的冲激响应全由输入自相关函数以及输入与期望输出的互相关函数所决定。（2）巴特沃斯低通滤波器巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦没有起伏而在阻频带则逐渐下降为零。在振幅的对数对角频率的波特图上从某一边界角频率开始振幅随着角频率的增加而逐步减少趋向负无穷大。巴特沃斯滤波器的振幅对角频率单调下降并且也是唯一的无论阶数振幅对角频率曲线都保持同样的形状的滤波器。只不过滤波器阶数越高在阻频带振幅衰减速度越快。其他滤波器高阶的振幅对角频率图和低阶数的振幅对角频率有不同的形状。提取脑电信号特征参数的睡眠分期（从算法上阐述如何分期）巴特沃斯低通滤波器可用如下振幅的平方对频率的公式表示：其中=滤波器的阶数=截止频率=振幅下降为-3分贝时的频率=通频带边缘频率在通频带边缘的数值计算样本熵时首先要对r、m、N这三个参数进行选取：（1）参数m是计算样本熵时选取的窗口长度一般情况下m可选为1或2实际上应用中优先选择m=2因为这样在序列的联合概率进行动态性重构时会有更多的详细信息。对于m>2一般不用。（2）参数r为有效阈值。为了得到具有比较有效的统计特性r值太小估计出的统计概率不理想；r值太大会丢失系统的许多详细信息。（3）参数N是数据长度。如果选N较大有可能包含两个以上睡眠阶段的特征波会造成混淆丢失该阶段的详细睡眠信息并且运行速度慢。睡眠分期的实验分析实验数据在生理信息库中睡眠数据库（http://www.physionet.org/cgi-bin/atm/ATM）中选择两组数据slp16mslp02am作为原始采集信号。基于脑电信号睡眠分期的实验分析过程Matlab程序代码：rawData=importdata('slp02am.mat');Fs=250;%采样频率fig=1;[fmag]=spectrum(rawDataFs);figure(fig)subplot(211);plot(rawData(1:7500));title('源信号');