睡眠监测系统的算法研究与低功耗设计

《睡眠监测系统的算法研究与低功耗设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201431111895分类号TP391密级硕士学位论文睡眠监测系统的算法研究与低功耗设计学位申请人易明雨指导教师肖赤心副教授学院名称信息工程学院学科专业计算机技术研究方向智能信息处理二O一八年六月四日AlgorithmResearchandLowPowerConsumptionDesignofSleepMonitoringSystemCandidateMingyuYiSupervisorProf.ChixinXiaoCollegeInstituteofInformationEnginee

2、ringProgramComputerTechnologySpecializationIntelligentInformationProcessingTechniqueDegreeProfessionalMasterUniversityXiangtanUniversityDateJune4,2018摘要睡眠是人类必不可少的生理活动，与人类的身心健康关系密切。然而，睡眠隐患和相关疾病却普遍存在于人群中，睡眠问题已成为社会关注的焦点之一。监测和研究睡眠对于发现有关疾病的病因，引导人们保持健康生活方式，预防睡眠相关慢

3、性病有着重大的实际意义。睡眠监测系统主要监测人睡眠时的各种生理或其他有用信号，目的是对用户进行睡眠状态分期和睡眠质量分析。目前大多数研究集中在监测信号的选取和特征提取，最关键的睡眠分期方法多采用机器学习中的分类算法。在实际应用方面，传统睡眠监测设备主要用于医院监护，费用昂贵、操作复杂，难以满足家庭或社区日常保健的需求。市面上已有的一些睡眠监测系统多数也存在或监测效果不准确，或受环境干扰因素多，监测效果不稳定等缺点。本文的目的是研究和改进睡眠状态分期的算法和模型，提高睡眠分期准确率，并设计一款面向家居环境，全天候

4、、实时、低功耗、非干扰的睡眠监测系统。主要工作是提出了一种快速隐层优化极限学习机，提高了求解精度、泛化能力和稳定性且极少增加时间复杂度。在解决睡眠分期具体问题时，采用分类和预测综合判定方法进一步提高睡眠分期准确率。本文还学习和研究了睡眠监测系统的整个体系，设计和实现了关键算法部分，构建了一个低功耗非干扰的系统框架。具体为：1）提出了一种快速而全面的隐层优化极限学习机，该算法能同时训练多个学习网络，全面兼顾模型泛化能力和隐层结点个数的优化，并通过分布式思想避免大量重复计算。实验结果证明，相对于分布式极限学习机，改

5、进的算法在求解精度、泛化能力和稳定性上大大提高且极少增加时间复杂度，非常适用于解决大规模数据分类问题。2）睡眠分期实际上含有一种隐性的时序关系，因此在使用快速隐层优化极限学习机的基础上，本文采用分类和预测相结合的方法进一步提高睡眠分期准确率，同时优化设计尽量避免重复计算。实验证明，该方法能进一步提高算法分类准确率，时间复杂度也增加不多。3）学习和研究了睡眠监测系统的整个体系，设计和实现了睡眠监测系统的关键算法部分，包括监测信号的选取和处理、睡眠分期时的原始数据的特征提取和选择、睡眠环境评分量化和睡眠质量分析的方

6、法等。4）设计了一个全天、实时、低功耗、非干扰的睡眠监测系统。关键词：睡眠监测；极限学习机；分类；预测；低功耗IAbstractSleepisonebasicbutalmostthemostimportantphysiologicalactivitiesforhumanbeings.Moreover,Sleepqualityisoneofthekeycriteriatomeasuretheirhealth.Asiswell-known,sleephazardsandrelateddiseasesarepreva

7、lentinthecrowd,sleepproblemhencehasarousesocialconcern.Itbecomespracticalsignificanttomonitorandstudysleepindiscoveringtheetiologyofthedisease,guidingpeopletomaintainahealthylifestyleandpreventingsleep-relatedchronicdiseases,etc.Inordertostagesleepandanalyze

8、sleepqualityoftheuser,sleepmonitoringsystemusuallymonitorsvariousphysiologicalsignalsorotherusefulsignalsduringsleep.Atpresent,mostresearchesfocusonsignalsselectionandfeaturesextraction,andusema