睡眠学科的研究主要涉及生理学、心理学、神经生物学、计算机科学等学科,在睡眠脑电信号研究中,首先进行的就是睡眠分期。睡眠分期工作长期以来都是靠专家等人工完成,而专家间使用训练规则往往难以一致。上世纪八十年代末,睡眠自动分期成为研究热点,但目前常规的睡眠分期系统识别率不高,因此考虑结合睡眠脑电信号的特征设计高效率、高准确率的基于脑电信号的睡眠自动评分系统。本文首先具体论述了国内外学者研究睡眠分期的现状,以及睡眠脑电信号应用在睡眠分期研究中的重要作用。其次将近似熵、小波变换、去趋势波动分析以及模糊神经系统应用在睡眠分期中。本文研究内容主要体现在以下几个方面:(1)介绍了小波去噪的工作原理,使用小波阈值去噪到睡眠脑电信号的预处理。通过分析采用db4小波系数5层分解对信号进行去噪。(2)针对睡眠脑电的特征,提取睡眠脑电的近似熵、相对小波能量、标度指数特征指标,通过对比不同睡眠时期的特征指标,发现它们随着睡眠期的不同呈现一定的变化规律,因此将它们作为睡眠自动评分的特征指标。(3)介绍基于ANFIS模型的模糊神经网络,通过将三种不同类型的特征参数组合训练该模型以探究出识别率与效率最高的睡眠评分系统。最终确定“相对小波能量+标度指数”与ANFIS协同作用的睡眠评分系统具有较高的识别率,较低的计算成本以及较快的运算速度,可在硬件中实时实现。