在社会与经济的高速发展背景下，个人压力不断增大、睡眠疾病的患病率持续增加，睡眠监测与睡眠疾病诊断的居家观测成为睡眠研究中亟需解决的严峻问题。因此，使用提取过程简单的单通道生理信号进行睡眠相关领域的研究就有比较实际的应用价值。本文提出了一种简单有效的基于光电容积脉搏波(Photoplethysmography，PPG)的多分类自动睡眠分期与睡眠疾病诊断方法。首先，对CAP睡眠数据库中108位受试者的光电容积脉搏波信号进行预处理以及多模态生理信号提取操作;接着，从时域、频域以及使用非线性方法对处理后的多模态信号进行特征提取;然后，使用LightGradientBoostingMachine(LightGBM)分类器进行多类睡眠分期;最后，在睡眠疾病诊断部分，使用受试者整夜睡眠监测的四分类结果作为依据，对数据进行预处理以及从时域以及使用非线性方法特征提取后，使用支持向量机分类器进行睡眠疾病诊断。本研究内容如下:
　　1.在光电容积脉搏波信号采集过程中会出现由身体运动、暗电流、环境光等引起的干扰，本研究使用双正交样条小波方法滤除信号中的基线漂移与工频干扰。
　　2.从光电容积脉搏信号中提取出心率信号，心率变异性信号等多模态信号，并从时域、频域、以及非线性三个角度对上述多模态信号进行特征提取。
　　3.睡眠的三分类、四分类、五分类睡眠分期准确率分别为88％、83％、78％。其对应的kappa系数分别为0.79、0.76、0.70。并且本研究方法对于睡眠疾病受试者仍然适用。
　　4.本研究使用上述受试者四分类睡眠分期结果作为数据，实现对CAP睡眠数据库的受试者是健康受试者还是睡眠疾病受试者的区分。