• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于EMD和樣本熵的腦電信號(hào)睡眠分期研究?

    2016-11-28 01:29:27李懷勝鐘清華
    微處理機(jī) 2016年5期
    關(guān)鍵詞:模態(tài)信號(hào)方法

    李懷勝,楊 芳,鐘清華

    (華南師范大學(xué)物理與電信工程學(xué)院,廣州510006)

    基于EMD和樣本熵的腦電信號(hào)睡眠分期研究?

    李懷勝,楊芳,鐘清華

    (華南師范大學(xué)物理與電信工程學(xué)院,廣州510006)

    對(duì)于睡眠腦電的人工分期仍有不足的問(wèn)題,提出一種基于腦電節(jié)律經(jīng)驗(yàn)?zāi)B(tài)分解和樣本熵結(jié)合的睡眠分期方法。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)睡眠腦電信號(hào)進(jìn)行去噪和基本節(jié)律提取,獲得針對(duì)不同睡眠狀態(tài)下腦電節(jié)律的樣本熵,通過(guò)統(tǒng)計(jì)其樣本熵均值,發(fā)現(xiàn)腦電節(jié)律δ波和θ波于不同睡眠狀態(tài)下,樣本熵均值不相等且方差較小,能有效表示不同睡眠階段的特征,說(shuō)明樣本熵方法能較好的實(shí)現(xiàn)腦電信號(hào)的特征提取,用來(lái)區(qū)分睡眠各分期,為利用睡眠進(jìn)行監(jiān)護(hù)與醫(yī)學(xué)治療提供了一種可行的方法。

    經(jīng)驗(yàn)?zāi)B(tài)分解;腦電節(jié)律;特征提??;樣本熵;睡眠分期

    1 引 言

    腦電(Electroencephalogram,EEG)是神經(jīng)系統(tǒng)產(chǎn)生的可測(cè)電生理信號(hào),包含著大量生理信息,要從睡眠腦電中進(jìn)行睡眠分期有很大難度。一是睡眠時(shí)腦電信號(hào)極其微弱,易于引入干擾;二是睡眠腦電信號(hào)為非平穩(wěn)隨機(jī)信號(hào),難于提取特征,因此需要利用有效手段對(duì)睡眠腦電信號(hào)進(jìn)行處理。而基于腦電的特征提取方法用于睡眠深度監(jiān)測(cè),對(duì)睡眠進(jìn)行合理分期,是研究睡眠質(zhì)量、診斷睡眠疾病的基礎(chǔ)。近年來(lái)基于神經(jīng)網(wǎng)絡(luò)[1-3]的方法被較多用于腦電模式識(shí)別中,此類(lèi)方法的缺陷在于神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)難以確定,泛化能力差,且容易陷入局部最小點(diǎn)。近來(lái)非線(xiàn)性動(dòng)力學(xué)和混沌理論的方法,如:分形維數(shù)[4]、Kolmogorov-Sinai熵[5]、譜熵[6]、近似熵(ApEn)[7]等也被逐步應(yīng)用于腦電等生理信號(hào)分析。這些方法各有特點(diǎn),其中近似熵屬于復(fù)雜度測(cè)度方法,對(duì)短數(shù)據(jù)集有效,但是近似熵值對(duì)不同參數(shù)值的選取不具備相對(duì)一致性。本文提出一種將經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)與樣本熵(Sample Entropy,SampEn)相結(jié)合的方法對(duì)睡眠腦電進(jìn)行處理及睡眠分期,并經(jīng)試驗(yàn)證明了該方法的有效性。

    2 經(jīng)驗(yàn)?zāi)B(tài)分解和樣本熵理論分析

    2.1經(jīng)驗(yàn)?zāi)B(tài)分解原理

    EMD方法[8]是由Huang等于1998年提出的一種新的數(shù)據(jù)處理方法,它的特點(diǎn)是能夠?qū)Ψ蔷€(xiàn)性、非平穩(wěn)信號(hào)進(jìn)行線(xiàn)性化和平穩(wěn)化處理,并在分解過(guò)程中保留數(shù)據(jù)本身的特性,非常適合提取非線(xiàn)性非平穩(wěn)信號(hào)的瞬時(shí)特征。EMD的本質(zhì)是通過(guò)信號(hào)的時(shí)間尺度來(lái)獲得本征波動(dòng)模式,然后以此為依據(jù)分解信號(hào),分解所用的基函數(shù)是基于信號(hào)本身的,它回避了小波分解中選擇小波函數(shù)和分解層數(shù)的困擾,能自適應(yīng)地將信號(hào)分解為一系列的表征信號(hào)特征時(shí)間尺度的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)集。

    2.2EMD分解的實(shí)現(xiàn)過(guò)程

    信號(hào)經(jīng)EMD分解后自適應(yīng)的得到有限個(gè)IMF分量和一個(gè)表征信號(hào)趨勢(shì)的余量,它的分解基于以下三個(gè)假定條件:①信號(hào)至少存在兩個(gè)極值點(diǎn),即一個(gè)極大值點(diǎn)與一個(gè)極小值點(diǎn);②信號(hào)的特征時(shí)間尺度由相鄰的兩個(gè)極值點(diǎn)之間的時(shí)間間隔來(lái)定義;③假使信號(hào)沒(méi)有極值點(diǎn)而只有拐點(diǎn),則應(yīng)當(dāng)在分解之前先對(duì)信號(hào)作一次或多次微分運(yùn)算來(lái)獲取極值點(diǎn)。

    EMD分解的實(shí)質(zhì)是通過(guò)一種篩選來(lái)實(shí)現(xiàn)對(duì)信號(hào)的分解,設(shè)信號(hào)X(t)篩選的具體過(guò)程如下:

    (1)尋找信號(hào)局部的所有極大值和極小值;

    (3)計(jì)算X(t)與m10(t)的差,記做h10(t),即h10(t)=X(t)-m10(t)。

    以上過(guò)程記做一次篩選,篩選的目的有兩個(gè):去除模態(tài)波形的疊加;平滑對(duì)稱(chēng)模態(tài)波形的振幅。第一個(gè)目的是為了讓IMF的瞬時(shí)頻率具備物理意義,第二個(gè)目的是為了讓兩個(gè)相鄰的IMF振幅差不至于太大,使得IMF具備調(diào)頻作用。

    (4)檢查h10(t)是否滿(mǎn)足IMF條件。如果不滿(mǎn)足,則將h10(t)代替原始信號(hào)X(t),重復(fù)k次以上步驟,直至h1k滿(mǎn)足IMF條件。這樣就得到了原始信號(hào)X(t)的第一個(gè)IMF,記做c1(t),即c1(t)=h1k(t)。

    (5)將c1(t)從原始信號(hào)X(t)中分離出來(lái),得到剩余分量r1(t),即r1(t)=X(t)-c1(t)。

    (6)將r1(t)代替原始信號(hào)X(t)依次重復(fù)以上步驟,對(duì)后面的rk(t)也同樣做篩選,分解出新的IMF集,即r2(t)=r1(t)-c2(t)...rN(t)=rN-1(t)-cN(t)。

    當(dāng)rN(t)是一單調(diào)函數(shù)或者小于預(yù)先設(shè)置的值時(shí),EMD的整個(gè)分解過(guò)程將停止。為了使得IMF在幅值和頻率上同時(shí)具備物理意義,Huang設(shè)置了一個(gè)基于限定相鄰兩個(gè)篩選結(jié)果的標(biāo)準(zhǔn)偏差SD的篩選準(zhǔn)則,即:

    當(dāng)SD的值為0.2-0.3之間時(shí),則終止篩選。

    綜上,在EMD的整個(gè)篩選過(guò)程中,基函數(shù)是基于信號(hào)本身的特性而自動(dòng)生成的,信號(hào)特性不同,其基函數(shù)也不同,因而EMD是根據(jù)信號(hào)本身的特性而對(duì)信號(hào)做自適應(yīng)的分解。信號(hào)經(jīng)過(guò)EMD分解后得到有限個(gè)IMF分量,每個(gè)IMF分量則凸顯了信號(hào)的內(nèi)在物理信息,這些IMF分量的截止頻率隨著信號(hào)的變化而變化。

    2.3樣本熵

    樣本熵是量化時(shí)間序列復(fù)雜性和研究時(shí)間序列性質(zhì)的重要工具,被廣泛應(yīng)用于很多研究領(lǐng)域,特別是生物醫(yī)學(xué)信號(hào)的研究與分析,其算法[13]描述如下:

    (1)對(duì)于一個(gè)N點(diǎn)的時(shí)間序列,我們表示為u={u(1),u(1),...u(N)}。

    (2)按序號(hào)連續(xù)順序組成一組m維向量:Xm(1),Xm(2),...,Xm(N-m+1),其中Xm(i)=[u(i),u(i+1),...,u(i+m+1)],1≤i≤N-m+1。

    (3)定義兩個(gè)m維向量Xm(i)和Xm(j)之間的距離d[Xm(i),Xm(j)]為兩者對(duì)應(yīng)元素中差值最大的一個(gè),即:d[Xm(i),Xm(j)]=max{|u(i+k)-u(j+k)|},其中0≤k≤m-1,1≤i≤N-m+1,1≤j≤N-m+1,i≠j。

    (4)r是設(shè)定的匹配過(guò)程公差閾值,給定一個(gè)閾值r,對(duì)每一個(gè)i≤N-m+1的值,統(tǒng)計(jì)d[Xm(i),Xm(j)]小于r×SD(SD為序列的標(biāo)準(zhǔn)差)的數(shù)目Nm(i),并計(jì)算此數(shù)目與距離總數(shù)(N-m)的值,記作:Cm(r)=Nm(i)/(N-m)。

    (7)樣本熵定義為:

    當(dāng)N為有限值時(shí),按上述步驟得出的是序列長(zhǎng)度為N時(shí)樣本熵的估計(jì)值,記作:

    樣本熵的物理意義是表示非線(xiàn)性動(dòng)力學(xué)系統(tǒng)產(chǎn)生新信息的速率,樣本熵值越小,序列自我相似性越高;樣本熵值越大,序列越復(fù)雜。對(duì)于SampEn(m,r,N)函數(shù),Pincus建議r的值取0.1-0.25SD,SD為要計(jì)算的時(shí)間序列標(biāo)準(zhǔn)差,m取1或2,參數(shù)N是數(shù)據(jù)長(zhǎng)度,要得到有效的統(tǒng)計(jì)特性和比較小的偽差,數(shù)據(jù)點(diǎn)數(shù)最好在100-5000之內(nèi)。通過(guò)實(shí)驗(yàn)驗(yàn)證,參數(shù)設(shè)為m=1,r=0.2SD,N=1500時(shí),處理睡眠腦電信號(hào)得到的樣本熵值分布效果最好。

    3 方法與實(shí)驗(yàn)結(jié)果

    3.1實(shí)驗(yàn)數(shù)據(jù)

    實(shí)驗(yàn)數(shù)據(jù)來(lái)源于麻省理工學(xué)院提供的MITBIH中的The Sleep-EDF database,所用數(shù)據(jù)編號(hào)為SC4001E0-PSG,1989年4月24日14:13:00~4月 25日14:18:00的睡眠數(shù)據(jù)。數(shù)據(jù)采樣頻率為100Hz,波幅單位為μV;數(shù)據(jù)存儲(chǔ)格式為歐洲數(shù)據(jù)格式;參考導(dǎo)聯(lián)為Fpz-Cz和Pz-Oz;該睡眠腦電的睡眠期已由專(zhuān)家人工標(biāo)注。

    3.2睡眠腦電的去噪處理

    MIT-BIH數(shù)據(jù)庫(kù)中的原始腦電信號(hào)含有大量的眼電、肌電、工頻、高頻、白噪聲等干擾,消除腦電信號(hào)中的噪聲是進(jìn)行睡眠分析的重要前提[14]。

    (1)基于EMD濾波的EEG去噪

    任意信號(hào)經(jīng)過(guò)EMD算法分解后會(huì)得到有限個(gè)IMF分量和一個(gè)表征信號(hào)趨勢(shì)的殘余分量。這些IMF分量總是按照由高頻到低頻的順序逐漸分離出來(lái),表征了信號(hào)頻率分布的所有信息,因而它是一種自適應(yīng)濾波的信號(hào)分析方法。基于EMD算法的分解特性,可以將EMD看做是一個(gè)時(shí)頻濾波的分析方法[15]。

    基于EMD濾波的思想十分簡(jiǎn)單,即根據(jù)信號(hào)的要求,通過(guò)去除噪音頻段的IMF,將剩余的IMF重構(gòu)來(lái)增強(qiáng)信號(hào)在要求頻率范圍內(nèi)的特征。其優(yōu)點(diǎn)在于,EMD的基函數(shù)直接從信號(hào)本身產(chǎn)生,不像小波分解算法那樣需要預(yù)先確定基函數(shù),它是一種基于信號(hào)局部特征尺度分解的自適應(yīng)濾波法。選取實(shí)驗(yàn)數(shù)據(jù)中一段腦電信號(hào)進(jìn)行去噪處理,如圖1所示,濾除噪音后的信號(hào),白噪聲與尖波脈沖干擾基本消除,與此同時(shí)很好的保留了有用信號(hào)中的尖峰和突變部分,濾波處理是為下一步分析腦電信號(hào)作好準(zhǔn)備。

    圖1 腦電信號(hào)濾波處理

    3.3睡眠腦電基本節(jié)律的提取

    通過(guò)信號(hào)的時(shí)間尺度來(lái)獲得本征信號(hào)波動(dòng)模式,然后以此為依據(jù)分解信號(hào),分解所用的基函數(shù)是基于信號(hào)本身的。再對(duì)非線(xiàn)性、非平穩(wěn)信號(hào)進(jìn)行線(xiàn)性化和平穩(wěn)化處理,具有良好的時(shí)頻局部化特性,可實(shí)現(xiàn)對(duì)信號(hào)瞬態(tài)成分的檢測(cè),并可對(duì)其各頻率段成分進(jìn)行處理,提取到睡眠腦電信號(hào)節(jié)律的時(shí)變信息,并在分解過(guò)程中保留數(shù)據(jù)本身的特性,較好地表現(xiàn)頻域信號(hào)的連續(xù)性和突變性,在實(shí)際工程應(yīng)用中能夠獲得較好的效果。選取實(shí)驗(yàn)數(shù)據(jù)中的一段睡眠腦電信號(hào),如圖2所示。腦電信號(hào)基本節(jié)律的提取,如圖3所示,圖4為完備性檢測(cè)圖。

    3.4睡眠腦電基本節(jié)律的分析

    目前國(guó)際上普遍使用的是R&K睡眠分階規(guī)則[16],它把睡眠分為覺(jué)醒期(SW)、非快速眼動(dòng)睡眠期(NREM)、和快速眼動(dòng)睡眠期(REM),其中NREM可分為Ⅰ期、Ⅱ期、Ⅲ期和Ⅳ期。由于Ⅲ期和Ⅳ期波形很相似,僅在振幅上略有區(qū)別,將Ⅲ期和Ⅳ期統(tǒng)一劃分為Ⅲ期。且δ波和θ波是表征睡眠的主要特征,因此將重點(diǎn)分析基本節(jié)律中δ波和θ波的變化。

    圖2 原始睡眠腦電信號(hào)

    圖3 腦電信號(hào)基本節(jié)律提取

    圖4 腦電各基本節(jié)律的完備性檢驗(yàn)

    根據(jù)腦電信號(hào)在不同睡眠狀態(tài)下腦電基本節(jié)律的表現(xiàn)不同,通過(guò)比較睡眠各期的腦電節(jié)律δ波和θ波樣本熵值的大小,可用來(lái)區(qū)分不同的睡眠狀態(tài)。實(shí)驗(yàn)中以實(shí)驗(yàn)數(shù)據(jù)庫(kù)中的分期結(jié)果為參考標(biāo)準(zhǔn),利用matlab進(jìn)行數(shù)據(jù)處理,分別任意截取覺(jué)醒期(SW)、快速眼動(dòng)睡眠期(REM)和非快速眼動(dòng)睡眠期(NREM)Ⅰ期、Ⅱ期、Ⅲ期的睡眠腦電數(shù)據(jù),分別對(duì)其進(jìn)行去噪和基本節(jié)律提取,然后對(duì)睡眠實(shí)驗(yàn)室數(shù)據(jù)進(jìn)行樣本熵計(jì)算,取m=1;r=0.25SD;N=1500,并參考經(jīng)驗(yàn)豐富的醫(yī)生所做的人工睡眠分期的結(jié)論,得到睡眠腦電基本節(jié)律δ波和θ波樣本熵的平均值,再統(tǒng)計(jì)方差,得到睡眠各期腦電節(jié)律的樣本熵均值與方差如圖5-圖6所示。

    圖5 睡眠各期腦電節(jié)律的樣本熵均值

    圖6 睡眠各期腦電節(jié)律的樣本熵方差

    從睡眠規(guī)律的角度來(lái)看,睡眠各期的樣本熵是不一樣的,隨著睡眠的深入,δ波和θ波的樣本熵均值逐漸增大,δ波和θ波復(fù)雜性增強(qiáng),這與有睡意時(shí)腦電中δ波和θ波占主導(dǎo)相吻合[17]。清醒期腦電節(jié)律以大于8Hz為主,所以清醒期的δ波和θ波樣本熵均值最小;快速眼動(dòng)期雖然是處于深睡期,但大部分時(shí)間在做夢(mèng),所以該期的樣本熵均值最大。而從樣本熵均值及方差大小的角度來(lái)看,睡眠各期腦電節(jié)律δ波和θ波的樣本熵均值都不相等,樣本熵均值的方差很小,即不同睡眠狀態(tài)下的腦電節(jié)律δ波和θ波樣本熵值波動(dòng)范圍小,總能找出任一個(gè)睡眠期與其它睡眠期的δ波和θ波樣本熵均值不相等,并且能較容易區(qū)分不同的睡眠狀態(tài)。綜上,通過(guò)腦電節(jié)律樣本熵的方法可以用來(lái)區(qū)分睡眠各期。

    4 結(jié)束語(yǔ)

    與腦電的非線(xiàn)性分析方法比較,結(jié)合EMD和樣本熵的方法可以更完整的提取睡眠腦電的各個(gè)節(jié)律,較好的保留其信號(hào)本身的特性,細(xì)致地對(duì)不同睡眠狀態(tài)下腦電基本節(jié)律的變化進(jìn)行分析;同時(shí)由于睡眠各期的腦電節(jié)律δ波和θ波樣本熵均值的大小不相等,且樣本熵均值方差很小,它們能有效表示不同睡眠階段的特征。結(jié)論與數(shù)據(jù)庫(kù)中的專(zhuān)家判定相吻合,這說(shuō)明樣本熵方法能很好的進(jìn)行腦電信號(hào)的特征提取,可以用來(lái)區(qū)分睡眠各分期,可為其他信號(hào)的特征提取提供理論與實(shí)驗(yàn)依據(jù),也為利用腦電信號(hào)進(jìn)行監(jiān)護(hù)與醫(yī)學(xué)治療提供了一種可行的方法。

    [1]Shimada T,Shiina T,Saito Y.Detection of characteristic waves of sleep EEG by neural network analysis[J].IEEE Transactions on Biomedical Engineering,2000,47(3):369-379.

    [2]Liu Derong,Pang Zhongyu,Lloyd Stephen r.A neural network method for detection of obstructive apnea and narcolepy based on pupil size and EEG[J].IEEE Transactions on Biomedical Engineering,2008,19(2):308-318.

    [3]吳婷,顏國(guó)正,楊幫華,等.基于有監(jiān)督學(xué)習(xí)的概率神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)分類(lèi)方法[J].上海交通大學(xué)學(xué)報(bào),2008,42(5):803-806.Wu T,Yan G Z,Yang B H,et al.Electroencephalography Classification Based on Probabilistic Neural Network with Supervised Learning in Brain Computer Interface[J].Journal of Shanghai Jiaotong University,2008,42(5):803-806.

    [4]胥永剛,何正嘉.分形維數(shù)和近似熵用于度量信號(hào)復(fù)雜性的比較研究[J].振動(dòng)與沖擊,2003,22(3):25-27.Xu Y G,He Z J.Research on Comparison betweenapproximate entropy and fractal dimension for complexity measure of signals[J].Journal of Vibration and Shock,2003,22(3):25-27.

    [5]Pincus S M,Goldberger A L.Physiological time-se-ries Analysis:What does regularity quantify[J].Amer J Physiol Heart Circulatory Physiology,1994,266(4):1643-1656.

    [6]Grouven U,Beger F A,Schultz B,et al.Correla-tion of narcotrend index,entropy measures,and spectral parameters with calculated propofol effect-site concentrations during induction of propofol-remifentanil anaesthesia[J].Journal of Clinical Monitoring and Computing,2004,18(4):231-240.

    [7]Pincus S M.Approximate entropy(ApEn)as a complexity measure[J].Chaos,1995,5(1):110-117.

    [8]Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spec-trum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London,Series A,1998,454(1971):903-995.

    [9]Soomro,M.H.A method for automatic removal of eye blink artifacts from EEG based on EMD-ICA[C].Signal Processing and its Applications(CSPA),2013 IEEE 9th International Colloquium on,2013:129-134.

    [10]J Ville.Theorie Et Applications De La Notion De Signal Analytique[J].Cablesettransmission,1948(2):61-74.

    [11]H Kim,K Hwang1,J Cho D Koo.Effect of bedside light on sleep quality and background EEG rhythms[J].Sleep Medicine 14S(2013):e165-e238.

    [12]Azarnoosh M,Motie Nasrabadi A,Mohammsdi M R,et al.Investigation of mental fatigue through EEG signal processing based on nonlinear analysis:symbolic dynamics[J].Chaos,Solitons&Fractals,2011,44(12):1054-1062.

    [13]Joshua S Richman,J Randall Moorman.Physiological timeseriesanalysisusingapproximateentropyand sample entropy[J].Am j.physiol heart circ physiol,278:h2039-h(huán)2049,2000.

    [14]Aboalayon K A I.Efficient sleep stage classification based on EEG signals[C].IEEE Long Island Systems,Applications andTechnologyConference(LISAT),2014.

    [15]P Flandrin,P Goncalves,G Rilling.Detrending and Denoising with Empirical ModeDecompositions[C].Proc.of XII EUSIPCO 2004,Vienna,Austria,2004:1581-1584.

    [16]王菡僑.有關(guān)美國(guó)睡眠醫(yī)學(xué)學(xué)會(huì)睡眠分期的最新判讀標(biāo)準(zhǔn)指南解析[J].診斷學(xué)理論與實(shí)踐,2009,8(6):575-578.Wang H Q.About the latest interpretation standard of guidelines of American Academy of Sleep Medicine for sleep staging[J].Journal of Diagnostics Concepts&Practice,2009,8(6):575-578.

    [17]V Bajaj,R B Pachori.Automatic classification of sleep stages based on the time-frequency image of EEG signals[J].Comput.Methods Programs Biomed,2013,112(3):320-328.

    [18]Hau-tieng Wu,Talmon R,Yu-Lun Lo.Assess Sleep Stage by Modern Signal Processing Techniques[J].IEEE Transactions on?Biomedical Engineering,2014,62(4):1159-1168.

    [19]李治,汪曣,劉鳳軍,等.入睡腦電信號(hào)的去噪[J].中國(guó)組織工程研究與臨床康復(fù),2007,11(13):2531-2533.Li Z,Wang Y,Liu F J,et al.Noise removing in sleeping electroencephalogram signal[J].Chinese Journal of Tissue Engineering Research,2007,11(13):2531-2533.

    [20]Huang Ch-Sh;Lin Ch-Li;Ko,et al.A hierarchical classification system for sleep stage scoring via forehead EEG signals[C].IEEE Symposium on Computational Intelligence,Cognitive Algorithms,Mind,and Brain(CCMB),2013(5):16-19.

    [21]See,A.R.A study on sleep EEG Using sample entropy and power spectrum analysis[C].Defense Science Research Conference and Expo(DSR),2011:1-4.

    [22]L Cohen,C Lee.Instantaneous Frequency,Its Standard Deviation and Multicomponent Signals[J].SPIE Adv.Algs.Sig.Proc.III,1988,975:186-208.

    [23]Temel Kayikcioglu,Masoud Maleki,Kubra.ErogluFast and accurate PLS-based classification of EEG sleep using single channel data[J].Expert Systems with Applications,2015(42):7825-7830.

    Study on Sleep Stages Based on EMD and Sample Entropy of EEG Rhythm

    Li Huaisheng,Yang Fang,Zhong Qinghua
    (School of Physics&Telecommunication Engineer,South China Normal University,Guangzhou 510006,China)

    A method of sleep stages,based on EMD and sample entropy of EEG rhythm,is put forward to solve the shortage of artificial staging of sleep EEG.Firstly,EMD is used to denoise sleeping EEG and extract the basic rhythm.Secondly,the sample entropy of EEG rhythm under different sleep states is computed.Finally,after the statistics of mean and variance of the sample entropy,the mean of sample entropy of wave δ and wave θ is different under different sleeping stages of EEG rhythm,which indicates that the sample entropy analysis of sleep EEG rhythm can be used to effectively characterize different sleeping stages and extract feature of EEG.It provides a new way to make use of sleeping EEG for care and treatment.

    EMD;EEG rhytnm;Feature extraction;Sample entropy;Sleep stages

    10.3969/j.issn.1002-2279.2016.05.017

    TP3

    A

    1002-2279(2016)05-0068-05

    ?廣東省教育部產(chǎn)學(xué)研合作基金(2012B091100062);廣東省自然科學(xué)基金(S2011040003189);廣東省科技計(jì)劃項(xiàng)目(20130123q)

    李懷勝(1991-),男,廣東省陽(yáng)江市人,碩士研究生,主研方向:智能儀器及生理信號(hào)處理方向。

    2015-12-25

    猜你喜歡
    模態(tài)信號(hào)方法
    信號(hào)
    鴨綠江(2021年35期)2021-04-19 12:24:18
    完形填空二則
    基于FPGA的多功能信號(hào)發(fā)生器的設(shè)計(jì)
    電子制作(2018年11期)2018-08-04 03:25:42
    可能是方法不對(duì)
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    基于LabVIEW的力加載信號(hào)采集與PID控制
    國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚(yú)
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
    av播播在线观看一区| 亚洲,一卡二卡三卡| 国产人妻一区二区三区在| 久久久久久久大尺度免费视频| 国产成人午夜福利电影在线观看| 国产女主播在线喷水免费视频网站| 又大又黄又爽视频免费| av国产精品久久久久影院| 国产精品一二三区在线看| 精品视频人人做人人爽| 边亲边吃奶的免费视频| 欧美另类一区| 午夜激情福利司机影院| 欧美高清成人免费视频www| 欧美精品一区二区大全| 久久久久久国产a免费观看| 一区二区三区免费毛片| 欧美成人午夜免费资源| 精品国产一区二区三区久久久樱花 | 国产又色又爽无遮挡免| 男女边摸边吃奶| 亚洲av福利一区| 亚洲va在线va天堂va国产| 欧美高清性xxxxhd video| 久久鲁丝午夜福利片| 亚洲av中文av极速乱| 日本猛色少妇xxxxx猛交久久| 免费观看的影片在线观看| 精品亚洲乱码少妇综合久久| 天天一区二区日本电影三级| 又大又黄又爽视频免费| 插阴视频在线观看视频| 真实男女啪啪啪动态图| 人妻夜夜爽99麻豆av| 亚洲自偷自拍三级| 色婷婷久久久亚洲欧美| 精品一区二区三卡| 国产永久视频网站| av黄色大香蕉| 你懂的网址亚洲精品在线观看| 亚洲av成人精品一二三区| 国精品久久久久久国模美| 女人被狂操c到高潮| 97超碰精品成人国产| 人妻夜夜爽99麻豆av| 亚洲av福利一区| 热99国产精品久久久久久7| 国产亚洲av片在线观看秒播厂| 亚洲av二区三区四区| 男女下面进入的视频免费午夜| 亚洲精品久久午夜乱码| 直男gayav资源| 一个人看的www免费观看视频| 少妇丰满av| 国产黄片视频在线免费观看| 性色av一级| 色5月婷婷丁香| 日产精品乱码卡一卡2卡三| 噜噜噜噜噜久久久久久91| 下体分泌物呈黄色| 中文资源天堂在线| 日韩伦理黄色片| 久久精品久久精品一区二区三区| 成人二区视频| 看免费成人av毛片| 亚洲综合色惰| 插阴视频在线观看视频| 亚洲av成人精品一区久久| 免费观看av网站的网址| 国国产精品蜜臀av免费| 久久精品久久久久久久性| 国产伦理片在线播放av一区| 精品久久久久久久久亚洲| 久久精品久久精品一区二区三区| 尤物成人国产欧美一区二区三区| 99精国产麻豆久久婷婷| 少妇的逼好多水| 国产精品99久久99久久久不卡 | 深爱激情五月婷婷| 久久99热6这里只有精品| 色5月婷婷丁香| 国产真实伦视频高清在线观看| 亚洲av一区综合| 超碰97精品在线观看| 99re6热这里在线精品视频| 精品人妻视频免费看| 嫩草影院新地址| 91精品国产九色| 黄色配什么色好看| 日本wwww免费看| 王馨瑶露胸无遮挡在线观看| 久久久a久久爽久久v久久| 欧美xxⅹ黑人| 一级二级三级毛片免费看| 女人被狂操c到高潮| 国产欧美亚洲国产| 丰满人妻一区二区三区视频av| 亚洲四区av| 联通29元200g的流量卡| 日韩av在线免费看完整版不卡| 国产视频首页在线观看| 熟妇人妻不卡中文字幕| 国内精品美女久久久久久| 麻豆国产97在线/欧美| 少妇 在线观看| 中文资源天堂在线| 国产精品久久久久久精品电影| 午夜老司机福利剧场| 国产高清三级在线| 只有这里有精品99| av国产久精品久网站免费入址| 日本一本二区三区精品| 亚洲av国产av综合av卡| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲av天美| 在线天堂最新版资源| 中文精品一卡2卡3卡4更新| 国产精品久久久久久精品电影小说 | 亚洲无线观看免费| www.色视频.com| 久久久久九九精品影院| 人人妻人人看人人澡| 亚洲成人精品中文字幕电影| 欧美xxxx黑人xx丫x性爽| 国产高清三级在线| 亚洲真实伦在线观看| 精品少妇久久久久久888优播| 国产91av在线免费观看| 身体一侧抽搐| 嫩草影院新地址| 久久精品国产鲁丝片午夜精品| 国产精品久久久久久久电影| 成人漫画全彩无遮挡| 女的被弄到高潮叫床怎么办| 我的老师免费观看完整版| 91久久精品国产一区二区三区| 干丝袜人妻中文字幕| 亚洲国产日韩一区二区| 国产亚洲91精品色在线| 成人二区视频| 免费av观看视频| 亚洲激情五月婷婷啪啪| 国产综合精华液| 国内精品宾馆在线| 久久亚洲国产成人精品v| 亚洲精品日韩av片在线观看| 男人和女人高潮做爰伦理| 精品久久久久久久人妻蜜臀av| 亚洲自拍偷在线| 亚洲高清免费不卡视频| 亚洲欧美成人精品一区二区| 久久久久久久久大av| av女优亚洲男人天堂| 国产伦理片在线播放av一区| 九九久久精品国产亚洲av麻豆| 久久国内精品自在自线图片| 欧美高清成人免费视频www| 日本午夜av视频| 18禁裸乳无遮挡免费网站照片| 国产欧美日韩精品一区二区| 视频区图区小说| 99久国产av精品国产电影| 人人妻人人看人人澡| 3wmmmm亚洲av在线观看| 国产美女午夜福利| 老司机影院毛片| 高清av免费在线| 建设人人有责人人尽责人人享有的 | 波多野结衣巨乳人妻| 精品人妻视频免费看| 一级毛片我不卡| 成人一区二区视频在线观看| 亚洲精品成人久久久久久| 久久久久九九精品影院| 不卡视频在线观看欧美| 18禁裸乳无遮挡动漫免费视频 | 欧美zozozo另类| 男女那种视频在线观看| 深夜a级毛片| 欧美xxxx黑人xx丫x性爽| 日韩欧美一区视频在线观看 | 国产永久视频网站| 一二三四中文在线观看免费高清| 人人妻人人看人人澡| 免费播放大片免费观看视频在线观看| 在线免费观看不下载黄p国产| 日本熟妇午夜| 色哟哟·www| 欧美日韩亚洲高清精品| 国内少妇人妻偷人精品xxx网站| 色视频在线一区二区三区| av在线app专区| 中文字幕av成人在线电影| 国产高清有码在线观看视频| 午夜视频国产福利| 丰满人妻一区二区三区视频av| 亚洲精品第二区| 女人久久www免费人成看片| 中文精品一卡2卡3卡4更新| 成人二区视频| 在线看a的网站| 少妇裸体淫交视频免费看高清| 新久久久久国产一级毛片| 中文天堂在线官网| 国语对白做爰xxxⅹ性视频网站| 亚洲人成网站在线观看播放| 精品一区二区免费观看| 欧美丝袜亚洲另类| 日本-黄色视频高清免费观看| 激情 狠狠 欧美| 久久精品国产鲁丝片午夜精品| 亚洲精品亚洲一区二区| 热99国产精品久久久久久7| 特级一级黄色大片| 自拍欧美九色日韩亚洲蝌蚪91 | 水蜜桃什么品种好| 国产白丝娇喘喷水9色精品| 国产国拍精品亚洲av在线观看| 91精品国产九色| 国产免费一级a男人的天堂| 免费观看性生交大片5| 青春草视频在线免费观看| 亚洲精品日韩av片在线观看| 最近的中文字幕免费完整| 网址你懂的国产日韩在线| 日本猛色少妇xxxxx猛交久久| 欧美极品一区二区三区四区| 亚洲精品久久久久久婷婷小说| 最后的刺客免费高清国语| 国产伦理片在线播放av一区| 麻豆国产97在线/欧美| 九九爱精品视频在线观看| 亚洲精品视频女| 欧美日韩国产mv在线观看视频 | 国产亚洲5aaaaa淫片| 午夜老司机福利剧场| 日日摸夜夜添夜夜添av毛片| 大片电影免费在线观看免费| 97在线人人人人妻| 日本午夜av视频| 国产 精品1| 国产白丝娇喘喷水9色精品| av一本久久久久| 高清在线视频一区二区三区| 日韩伦理黄色片| 亚洲精品第二区| 在线天堂最新版资源| 校园人妻丝袜中文字幕| 欧美高清成人免费视频www| 国产精品国产三级国产av玫瑰| 日本黄色片子视频| 国产乱人视频| 国产精品熟女久久久久浪| 国产欧美亚洲国产| 欧美日韩视频高清一区二区三区二| 成人美女网站在线观看视频| 亚洲av.av天堂| 嘟嘟电影网在线观看| 国内少妇人妻偷人精品xxx网站| 王馨瑶露胸无遮挡在线观看| 伊人久久精品亚洲午夜| 中国国产av一级| 欧美一级a爱片免费观看看| 久久久久精品久久久久真实原创| 亚洲精品456在线播放app| 国产爱豆传媒在线观看| 日韩欧美精品免费久久| 三级经典国产精品| 精品少妇久久久久久888优播| 成人欧美大片| 一级片'在线观看视频| 熟妇人妻不卡中文字幕| 亚洲成人中文字幕在线播放| 国产亚洲一区二区精品| 亚洲av中文av极速乱| 久久国内精品自在自线图片| 99视频精品全部免费 在线| 一级毛片久久久久久久久女| 国产精品人妻久久久久久| 免费不卡的大黄色大毛片视频在线观看| 久久久久久久大尺度免费视频| 国产黄色免费在线视频| 下体分泌物呈黄色| 全区人妻精品视频| videossex国产| 天天一区二区日本电影三级| 少妇裸体淫交视频免费看高清| 日韩一区二区视频免费看| 久久久久久伊人网av| 国产精品蜜桃在线观看| 婷婷色麻豆天堂久久| 久久久久网色| 国产免费福利视频在线观看| 免费观看的影片在线观看| 色综合色国产| 国产av国产精品国产| 久久亚洲国产成人精品v| 国产成人福利小说| 欧美97在线视频| 免费av毛片视频| 欧美极品一区二区三区四区| 黄片wwwwww| 久久人人爽人人片av| 边亲边吃奶的免费视频| 亚洲精品日本国产第一区| 欧美区成人在线视频| 亚洲欧美日韩卡通动漫| 黄色配什么色好看| 亚洲aⅴ乱码一区二区在线播放| 91狼人影院| a级毛片免费高清观看在线播放| 成人美女网站在线观看视频| xxx大片免费视频| 日日啪夜夜爽| 国产成人91sexporn| 特大巨黑吊av在线直播| 亚洲精品久久久久久婷婷小说| 国产免费视频播放在线视频| 联通29元200g的流量卡| 国产女主播在线喷水免费视频网站| 亚洲人成网站在线播| 99久久九九国产精品国产免费| 日韩av免费高清视频| 亚洲不卡免费看| 制服丝袜香蕉在线| 日日摸夜夜添夜夜爱| 亚洲人成网站在线观看播放| 国产精品久久久久久精品电影| 一级黄片播放器| 国产高清不卡午夜福利| 我要看日韩黄色一级片| 丝袜喷水一区| 深夜a级毛片| 97精品久久久久久久久久精品| .国产精品久久| 久久久久久国产a免费观看| 欧美 日韩 精品 国产| 亚洲经典国产精华液单| 伦理电影大哥的女人| 夫妻午夜视频| 啦啦啦啦在线视频资源| 亚洲av二区三区四区| 日韩av免费高清视频| 亚洲精品456在线播放app| 亚洲欧美精品自产自拍| 国产精品精品国产色婷婷| av在线app专区| 神马国产精品三级电影在线观看| 男男h啪啪无遮挡| 久久这里有精品视频免费| 亚洲精品成人久久久久久| 在线 av 中文字幕| 亚洲在久久综合| 国产成人精品婷婷| 美女视频免费永久观看网站| 精品熟女少妇av免费看| 国产精品女同一区二区软件| 高清在线视频一区二区三区| 2022亚洲国产成人精品| av卡一久久| 国产淫语在线视频| 亚洲成人中文字幕在线播放| 美女高潮的动态| av播播在线观看一区| 国产精品一二三区在线看| 蜜臀久久99精品久久宅男| 午夜激情福利司机影院| 街头女战士在线观看网站| 最近的中文字幕免费完整| 国产免费福利视频在线观看| 男人和女人高潮做爰伦理| 大话2 男鬼变身卡| 乱系列少妇在线播放| 22中文网久久字幕| a级毛色黄片| 国产精品成人在线| 女的被弄到高潮叫床怎么办| 日韩制服骚丝袜av| 男女那种视频在线观看| 日本猛色少妇xxxxx猛交久久| 美女被艹到高潮喷水动态| 有码 亚洲区| a级一级毛片免费在线观看| 男女国产视频网站| 欧美激情国产日韩精品一区| 日日摸夜夜添夜夜爱| 三级经典国产精品| 高清欧美精品videossex| 亚洲欧美精品自产自拍| 亚洲欧美一区二区三区国产| 国产黄频视频在线观看| 久久久久久久国产电影| 一级毛片 在线播放| 国产 一区 欧美 日韩| 亚洲一级一片aⅴ在线观看| 在线观看一区二区三区激情| 夫妻午夜视频| 麻豆成人av视频| 午夜亚洲福利在线播放| 亚洲经典国产精华液单| 大香蕉97超碰在线| 日本黄大片高清| 亚洲精品日本国产第一区| 男的添女的下面高潮视频| 国产成人aa在线观看| 日日啪夜夜撸| 美女视频免费永久观看网站| 九九久久精品国产亚洲av麻豆| 涩涩av久久男人的天堂| 又粗又硬又长又爽又黄的视频| 99久久精品一区二区三区| 搡老乐熟女国产| 特级一级黄色大片| 亚洲婷婷狠狠爱综合网| 在线看a的网站| 国产成人aa在线观看| 亚洲精品视频女| 久久精品久久久久久久性| 精品久久久久久久久亚洲| 日本三级黄在线观看| 成人国产av品久久久| 亚洲经典国产精华液单| 禁无遮挡网站| 日韩av不卡免费在线播放| 天堂俺去俺来也www色官网| 深夜a级毛片| 蜜桃久久精品国产亚洲av| 高清日韩中文字幕在线| 亚洲不卡免费看| eeuss影院久久| 日韩一区二区视频免费看| 国产男人的电影天堂91| 亚洲精品一二三| 最近中文字幕高清免费大全6| 成人免费观看视频高清| 亚洲四区av| 日韩一本色道免费dvd| 久久精品久久久久久久性| 日韩伦理黄色片| 亚洲天堂国产精品一区在线| 国产精品三级大全| 欧美激情国产日韩精品一区| 国产免费一区二区三区四区乱码| 国内精品美女久久久久久| 午夜激情久久久久久久| 国产又色又爽无遮挡免| 一区二区三区四区激情视频| 国产av码专区亚洲av| 在线 av 中文字幕| 街头女战士在线观看网站| 国产爽快片一区二区三区| 中国三级夫妇交换| a级一级毛片免费在线观看| 一级毛片久久久久久久久女| av福利片在线观看| 久久久久精品性色| 精品人妻视频免费看| 久久精品国产a三级三级三级| 大码成人一级视频| 日日摸夜夜添夜夜添av毛片| 美女内射精品一级片tv| 男的添女的下面高潮视频| 欧美丝袜亚洲另类| 亚洲av成人精品一二三区| 久久久久久久亚洲中文字幕| 国产精品爽爽va在线观看网站| 99re6热这里在线精品视频| 美女内射精品一级片tv| 欧美精品人与动牲交sv欧美| 美女视频免费永久观看网站| 免费电影在线观看免费观看| 久久久欧美国产精品| 亚洲精品久久午夜乱码| 日本免费在线观看一区| 久久精品国产亚洲网站| 草草在线视频免费看| 成人综合一区亚洲| 视频中文字幕在线观看| 九九在线视频观看精品| 在线免费观看不下载黄p国产| 免费观看a级毛片全部| 国产久久久一区二区三区| 啦啦啦在线观看免费高清www| 久久久欧美国产精品| 亚洲aⅴ乱码一区二区在线播放| 亚洲国产高清在线一区二区三| 51国产日韩欧美| av免费观看日本| 在线观看人妻少妇| 亚洲精品国产色婷婷电影| 国产成人精品福利久久| 一本一本综合久久| 汤姆久久久久久久影院中文字幕| 国产91av在线免费观看| 中文精品一卡2卡3卡4更新| 久久久欧美国产精品| 一区二区三区四区激情视频| 免费观看av网站的网址| 人妻系列 视频| 亚洲精品成人久久久久久| 涩涩av久久男人的天堂| 亚洲精品国产成人久久av| 99久久九九国产精品国产免费| 国产精品熟女久久久久浪| 久久99蜜桃精品久久| 极品少妇高潮喷水抽搐| 成人特级av手机在线观看| 十八禁网站网址无遮挡 | 国国产精品蜜臀av免费| 成人高潮视频无遮挡免费网站| 久久午夜福利片| 午夜福利网站1000一区二区三区| 丝袜喷水一区| 激情 狠狠 欧美| av天堂中文字幕网| 亚洲人与动物交配视频| 又大又黄又爽视频免费| 成年女人在线观看亚洲视频 | 亚洲欧美精品自产自拍| 国产69精品久久久久777片| 99久久中文字幕三级久久日本| 欧美高清成人免费视频www| 亚洲精品影视一区二区三区av| 欧美精品人与动牲交sv欧美| 欧美日韩亚洲高清精品| 亚洲国产欧美在线一区| 久久久久久久久久成人| 亚洲综合精品二区| 2022亚洲国产成人精品| 尤物成人国产欧美一区二区三区| 国产视频首页在线观看| 亚洲成色77777| 51国产日韩欧美| 国产精品秋霞免费鲁丝片| 80岁老熟妇乱子伦牲交| 性插视频无遮挡在线免费观看| 边亲边吃奶的免费视频| 国产欧美日韩一区二区三区在线 | 欧美激情国产日韩精品一区| 美女cb高潮喷水在线观看| 中文欧美无线码| 亚洲人成网站高清观看| 亚洲av电影在线观看一区二区三区 | 亚洲国产欧美人成| 大香蕉久久网| 下体分泌物呈黄色| 又大又黄又爽视频免费| 国产在线男女| av国产久精品久网站免费入址| 午夜福利在线在线| 伊人久久国产一区二区| 国产高清国产精品国产三级 | 各种免费的搞黄视频| 亚洲,欧美,日韩| 免费观看的影片在线观看| 亚洲欧美日韩无卡精品| 亚洲人成网站高清观看| 国产黄片视频在线免费观看| 成人毛片60女人毛片免费| 欧美 日韩 精品 国产| 国产男女内射视频| h日本视频在线播放| 日韩 亚洲 欧美在线| 久久久成人免费电影| 国产又色又爽无遮挡免| 国语对白做爰xxxⅹ性视频网站| 日本与韩国留学比较| 久久久久久久亚洲中文字幕| 久久精品久久精品一区二区三区| 交换朋友夫妻互换小说| 别揉我奶头 嗯啊视频| 嫩草影院精品99| 国产有黄有色有爽视频| 热re99久久精品国产66热6| 免费不卡的大黄色大毛片视频在线观看| 精品人妻视频免费看| 欧美一级a爱片免费观看看| 免费观看无遮挡的男女| 亚洲精品视频女| 在线观看人妻少妇| 国产黄片视频在线免费观看| 男的添女的下面高潮视频| 久久精品国产a三级三级三级| 欧美性猛交╳xxx乱大交人| 精品熟女少妇av免费看| 中文字幕制服av| 精品一区在线观看国产| 国产av码专区亚洲av| 久热久热在线精品观看| 麻豆国产97在线/欧美| 在线a可以看的网站| 女人被狂操c到高潮| 少妇的逼好多水| 免费av不卡在线播放| 人妻系列 视频| 亚洲av福利一区| 一个人看的www免费观看视频| 韩国高清视频一区二区三区| 国产男人的电影天堂91| 亚洲经典国产精华液单| 啦啦啦啦在线视频资源| 国产男女内射视频| 欧美日韩综合久久久久久| 成人二区视频| 欧美少妇被猛烈插入视频| av.在线天堂| 午夜精品国产一区二区电影 | 欧美一级a爱片免费观看看| 男男h啪啪无遮挡| 国产精品成人在线| 中文字幕久久专区| av国产久精品久网站免费入址| 久久国产乱子免费精品| 成人午夜精彩视频在线观看| 午夜福利视频1000在线观看|