刘众 王新安 李秋平 赵天夏

1. 北京大学深圳研究生院集成微系统科学与工程应用实验室, 深圳 518055; 2. 北京大学信息科学技术学院,北京 100871; † 通信作者, E-mail: anxinwang@pku.edu.cn

睡眠是人类日常基本行为之一, 睡眠质量的好坏是判断人体健康状况的重要指标。睡眠不佳容易引起日常生活规律紊乱, 甚至可能带来疾病的困扰[1]。医院通常采用多导睡眠仪[2–3]检测睡眠质量,被检测人员的头部、胸部和手脚等区域需要贴满电极, 记录脑电信号、眼动信号和肌电信号等, 操作复杂, 人工成本高, 并且严重影响被检测人员的正常睡眠。实际上, 大部分情况下, 人们只希望了解大致的睡眠状况。因此, 需要一种既方便, 准确率又高的方法判断睡眠状态。

通过分析 ECG (Electrocardiogram)信号, 能够获得睡眠过程中心率变异性的变化情况。心率变异性(heart rate variability, HRV)与人体的自主神经活动关联比较紧密, 其高频段(HF)通常反映副交感神经的活性, 低频段(LF)同时受交感神经与副交感神经系统的调控[4–5]。在睡眠过程中, 交感神经平静下来, 副交感神经变得活跃。因此, 心率变异性能够较好地呈现类似脑电波的周期性变化[6]。Yilmaz等[7]通过提取 ECG 信号特征, 采用贝叶斯分类器,获得较好的分类结果, 但对清醒状态的识别准确率偏低。

除副交感神经表现活跃外, 人类睡眠过程中的体动状况此觉醒期少得多, 尤其是周期性腿动信号和翻身信号的差异比较显著[8]。在不同的睡眠阶段,周期性腿动的特征有明显差异, 其相对频率、持续时间和引起觉醒的效应都随睡眠逐渐加深而下降,而腿动的间隔时间增加。……