基於脈搏變異性分析之睡眠階層辨識演算法之研發

Translated title of the thesis: Development of a Sleep Stage Recognition Algorithm Using Pulse Rate Variability Analysis
  • 賴 柏元

Student thesis: Master's Thesis

Abstract

本論文主旨在開發睡眠狀態辨識演算法,用以辨識一般人整晚的睡眠狀態。演算法ㄧ開始先將整晚的睡眠脈搏訊號做訊號前處理及雜訊消除,並將每個視窗的脈搏訊號依照時域分析、頻域分析和非線性分析三大種類計算出共32個特徵,然後將每個特徵正規化以消除生理訊號之特徵值單位不同。接著利用隨機減少多數法(random under-sampling)的方法來處理資料不平衡的問題,平衡後的資料再進行特徵降維。本論文以主成分分析(principal component analysis PCA)及線性判別分析(linear discriminant analysis LDA)兩種不同降維方法做比較,降維後的特徵作為分類器的輸入參數。此外,本論文使用了三種分類器來做睡眠狀態辨識的比較,第一種使用最常見且方便的最近鄰居法(k-nearest neighbors KNN),做為比較依據。第二種分類器使用具時間及隨機特性的分類器隱藏馬可夫模型(hidden Markov model HMM),配合具時間序列的睡眠資料來做分析。第三種分類器使用遞迴類神經網路(recurrent neural network RNN),此分類器具有學習能力和時間特性兩大優點。本論文利用多導睡眠儀(polysomnography PSG)收錄了34位健康受試者的資料,並將睡眠狀態分成清醒(wake)、快速動眼期(rapid eye movement REM)和非快速動眼期(non-rapid eye movement NREM)三個時期,最近鄰居法平均正確率(accuracy)為80 18%,隱藏馬可夫模型平均正確率為82 65%,遞迴類神經網路平均正確率為83 79%。實驗結果成?的驗證了使用脈搏訊號辨識睡眠狀態之有效性,且在未來可進一步實現在穿戴式載具上,讓睡眠監測更貼近生活且更加的便利。
Date of Award2015 Aug 5
Original languageChinese
SupervisorJeen-Shing Wang (Supervisor)

Cite this

基於脈搏變異性分析之睡眠階層辨識演算法之研發
柏元, 賴. (Author). 2015 Aug 5

Student thesis: Master's Thesis