[发明专利]一种基于单导脑电的睡眠分期方法

权利要求书

1.一种基于单导脑电的睡眠分期方法，该方法充分利用三角滤波对于信号倒频特征的解析和卷积神经网络CNN能够提取信号潜在深层次信息的优势，对脑电信号进行特征提取并分类，提取、融合并获取到最有利于信号分离的信号特征；并利用对时序信号区分度高、与信号特性更加匹配的Bi_Lstm网络进行分类，具体操作步骤如下：

(一)数据预处理，将睡眠多导图数据集中的原始脑电信号EEG提取出来，然后进行数据清洗，将没有标签的数据删掉；选取需要的信号频段，用巴特沃斯滤波器对信号进行简单滤波，保留所需要的信号频率成分；然后对滤波后信号进行归一化处理，得到与睡眠状态一一对应的数据；

(二)将步骤(一)获得的实验数据输入到三角滤波倒谱分析程序，首先进行快速傅里叶变换FFT，然后选取合适的三角滤波器来细化对于信号倒频特征的非线性描述，经过三角滤波之后得到一个关于EEG信号的二维倒频特征系数矩阵，把这个系数矩阵作为EEG信号的倒频频谱特征值，并将二维矩阵展成一维数据形式；

(三)将步骤(一)的数据送入两个卷积核大小不同的一维卷积神经网络CNN，提取潜在特征后并在指定维度上合并，在不同尺度上提取信号的深层次信息，得到需要的最终信号特征；

(四)将步骤(二)和(三)处理得到的倒频数据和CNN提取的深层特征数据在第三个维度合并，进行特征融合，将融合后的特征向量作为信号的特征数据，在将数据送入分类网络之前先进行维度转换，变成与标签一一对应的数据形式，并对数据进行归一化处理，最后送入双向递归循环神经网络进行分类，得到分类结果。