睡眠与我们的生活息息相关,一个健康的成年人每天的睡眠时长大概占据了一天中三分之一的时间。因此睡眠的好坏关系着生命的健康与生活的质量,增强对日常睡眠的关注,才可以有效的预防低质量的睡眠对我们生活的影响。相比于在医院内的睡眠质量检测,家庭化的睡眠监测仪器以其便捷性、即时性和低成本等特点更容易被大众接受和选择。在众多生物信号中,脑电所携带的信息对于分析睡眠质量有着很好的效果,其原理是通过从采集到的脑电信号中获取能够体现出各个睡眠阶段特点的特征值,再利用合适的分类算法将脑电信号准确的分类,最终结合分类结果评估出测试者的睡眠质量。本文根据以上原理,设计出一套涵盖脑电信号采集、处理、特征提取、睡眠分期的睡眠质量评估系统。本文的主要研究内容如下:(1)搭建了脑电信号的硬件采集设备,目的是可以更方便的获取脑电信号,突出了系统的即时性和灵活性。系统的硬件部分是利用TGAM模块完成脑电信号的获取,再通过以STM32f103为主控芯片的信号采集板使信号完成模数转换,以及向上位机进行数据传输等功能。经过对设备的实际测试,硬件采集得到的脑电信号可以真实反映出人体睡眠脑电的时频特性;(2)在脑电信号的特征提取中,采用了由小波包分解得到的脑电节律波能量特征再结合非线性动力学方法中的KC复杂度和近似熵得到的特征值的方式来组成脑电信号的特征向量。实验表明,这种时频分析结合非线性分析的方式可以更有效的表现出脑电信号不同时期的特点。(3)对比了基于支持向量机分类器的两种优化算法即C、g交叉验证和粒子群算法的分类效果,根据结果选定了利用粒子群算法来优化支持向量机分类器;训练数据选用了来源于Physio Net网站内公开的睡眠脑电信号实验数据,结合专家已经为这些数据分析出的准确分期结果,训练出适合的分类模型。根据训练得到的结果来看,通过分类器训练后的模型泛化能力达到了80%以上;(4)利用模糊逻辑算法来对分期后的数据进行处理,给出该数据对应的测试者的睡眠质量。结合实验测试的结果来看,系统得到的睡眠质量分析结果也符合实际情况,系统基本满足了设计要求。