彭 程，常相茂，仇 媛

（南京航空航天大学计算机科学与技术学院，南京211106）

（∗通信作者电子邮箱pengchenggold@163.com）

0 引言

随着生活节奏的加快，越来越多的人被睡眠问题所困扰。传统的睡眠监测通过用户身体连接至多导睡眠监测仪进行评估，随着传感器技术的发展，移动设备麦克风、加速度计以及光敏传感器被用来进行睡眠信息的采集，一些机器学习的方法也被用于信号的分析［1-6］，例如文献［6］使用序列连通度分析提取信号特征，利用最小二乘支持向量机进行睡眠分期。心率变异性分析在分析人的精神状况以及睡眠分期取得了不错的效果。然而，当前的研究大多依靠专业医疗设备，并且方向主要停留在信息的获取上，例如对精神状况以及睡眠阶段分期的评估，缺乏对信息的实时利用即改善睡眠或缓解压力的具体措施，因此，使用舒适、简便的传感器进行睡眠监测以及通过具体措施对信息实时利用具有很重要的研究意义。

现代医学认为，心率信号作为重要的生理指标之一，包含了人的精神状况以及生理状态等重要信息。研究者通过对心率变异性（Heart Rate Variability，HRV）信号进行分析，提取包括时域以及频域多种特征，对用户在不同环境以及任务下的情感、精神压力状况以及生理状况进行评估。例如孙微［7］通过心率变异性分析构建支持向量机对睡眠阶段进行分期；Widasarie等［8］提取心率变异性不同频带标准化后能量，使用决策树-支持向量机对睡眠阶段进行分期；Okamura等［9］通过吸附在人体身体上传感器采集的信号，分析人的入睡以及醒来时的时间；……