近年来,随着生活节奏加快压力增大,睡眠障碍问题越来越严重,影响人们生活质量,降低工作效率,因此睡眠问题亟待解决。目前,多导睡眠图广泛应用于睡眠障碍诊断,但存在操作复杂、仪器庞大、便携性低等缺点,无法满足日常家用需求,普适性低。因此,睡眠质量的监测与评估具有重要意义。本论文基于单导脑电、眼电与肌电信号,实现睡眠分期准确率高的上位机软件系统,其中包括人机交互软件和睡眠分期算法。本论文的研究内容主要包括:1、基于生理信号采集仪器的精度差异与睡眠生理信号的特性,提出了变异系数、脑电频谱能量比及非线性熵等归一化参量;对提出的特征参量通过t检验进行向量降维,并选择最优参数组合作为睡眠分期分类器的输入源。2、通过比较三种常见的多元分类器,选择了性能良好的支持向量机分类器;经过支持向量机分类器的睡眠分期后,结合睡眠生理特性对初步结果进行了修正。3、采用了美国国家睡眠研究资源库的80条数据对算法进行了测试,并利用灵敏度、特异度和准确率三个指标评估睡眠分期结果。4、实现了具有信息录入、信号回放、睡眠数据分析等功能的上位机软件系统。本论文实现了基于支持向量机的混合信号睡眠分期算法及其上位机软件,并初步验证了算法性能,证明其具有准确率高、适用性广等优点,对家用医疗和临床睡眠分期诊断均具有实际应用价值。