如今人们对健康的关注已经超乎从前,WHO也提出研究要从关注人类健康着手,旨在对日常的生理心理状态进行实时有效的监测分析,能够及时发现身体状态异常。脑是人类身体的总控制中心,蕴含着丰富的信息。将近年来新兴的非线性动力学方法应用于对脑电信号的分析和特征参数提取中,有助于进一步研究,揭开人类生命科学的神秘面纱。研究成果应用于睡眠分期中,能够为睡眠分期寻找更加适合且有效的方法,也对睡眠相关研究有重要的意义。通过电极采集得到的脑电信号,是脑神经系统电活动在大脑皮层的体现,信号微弱且存在较多干扰。本文在进行特征参数提取之前,对脑电信号进行必要的去除基线漂移、滤除高频干扰和50Hz陷波等预处理,都有较好的效果。近年来的诸多研究表明脑电信号具有混沌特性,所以本文的研究中利用了三种非线性动力学方法,包括复杂度、近似熵和关联维数。选取每种方法的最优参数组合的过程,是通过对比MIT-BIH多导睡眠数据库中所选样本的实际计算结果与睡眠脑电专家分期结果而得。为了进行与传统方法的对比,也分别选取了频域分析方法中的频带能量比参数,和时频分析方法中的小波多分辨分析对同样的样本进行分析,比较最终计算结果。在分别进行最优参数组合选取后,决定了七个参数作为比较对象:复杂度、近似熵和关联维数三个非线性动力学参数,频带能量比中的ratio(α)和ratio(δ)两个参数以及小波多分辨分析得到的D3-1和D3-2两个参数。对数据库中睡眠脑电提取特征参数后的结果与专家分期结果进行比较,求得相关系数,最终再结合计算时间、个体差异性和分期效果明显性选取出综合最优的参数----关联维数,作为对脑电数据分析的特征参数,并应用于睡眠分期。关联维数的数值会随着睡眠程度加深而变小。为了能够将本文的分析结果适当推广应用。本文将关联维数对睡眠脑电分期的分析结果进行量化,得到关联维数取值范围与睡眠分期的大致对应关系,并利用得到的对应关系,对实验室实际采集到的脑电信号进行分析,得到采集脑电信号的大致分期结果。