脑电波的睡眠监测系统设计(附件)【字数：12150】
摘 要睡眠质量是一个人健康与否的重要标准之一，由于如今人们社会生活的节奏日益加快，人们受到来自各个领域的各种压力也越来越大，各种人群的睡眠质量问题日益突出。对睡眠进行实时的监测有助于改善人们的睡眠问题，提高人们的睡眠质量。但目前用于监测睡眠的装置多为医院大型的监测系统，由于系统很复杂并且携带不方便带来很多困扰。因此本文将设计一种便于携带的睡眠监测系统。研究发现人的脑电波和人的睡眠状态有着关联，可以通过脑电波来监测睡眠状态。首先本次设计使用的是神念科技公司的TGAM脑电传感器，这是一款为大众市场应用所设计的脑电波传感器ASIC模块，它可以处理并输出原始脑电波信号和α、β等脑电波波段数据。通过干电极传感器（Ag/AgCl）将采集到的的信号给TGAM模块处理后经蓝牙传送到PC端监控软件。其中监控软件是通过一个跨平台的C++图形用户界面应用程序开发框架QT开发的。最后通过大量实验数据分析和与睡眠脑电数据库对比得到脑电波对睡眠质量的影响和反应患者的睡眠状况。本次设计的系统硬件设备体积小，人们使用和携带方便，脑电波数据分析正确率较高，实时性好，在睡眠脑电波监测领域有着较好的发展前景。
目 录
第一章 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 1
1.3研究的重点和难点 2
第二章 脑电波信号 4
2.1脑电信号的发现 4
2.3脑电波信号的分类 4
2.4脑电波信号的采集方法 5
第三章 硬件设计 7
3.1硬件系统整体结构 7
3.2EEG信号的采集芯片 7
3.3TGAM脑电波采集模块 8
3.4干电极传感器 9
3.5蓝牙无线传输模块（BK3231） 10
第四章 监测系统软件设计 11
4.1系统设计方案和软件介绍 11
4.2程序编写 12
4.2.1串口程序 12
4.2.2数据解析程序的编写 12
4.3脑电波形和数据的显示 15
4.4人机界面设计 16
第五章 实验与分析 18
5.1脑电波监测实验 18 *好棒文|www.hbsrm.com +Q: ￥351916072￥
5.2实验分析结论 21
第六章 总结 24
致 谢 25
参考文献 26
附录 28
第一章 绪论
1.1研究背景及意义
拥有一个好的睡眠质量是一个人健康的重要标准之一，根据世界卫生组织调查显示，现在世界上大约有1/3的人存在着或多或少的睡眠问题。睡眠不好会给人们带来一系列的问题，但是大多数人们对于睡眠障碍的认识还不足。根据我国医院有关部门调查显示，绝大多数的失眠患者虽然是第一次就诊，却有着长达几年的服用药物的历史。事实上，正是因为患者的不重视给自己无形中增加了治疗睡眠障碍的难度和周期。根据国外相关部门的一份调查显示，目前50%的工作事故和40%的车祸都和当事人的睡眠问题有关。睡眠障碍不仅影响了人们的工作和生活效率，还一定程度影响了社会的进步和发展。在每年的世界睡眠日，中国有关睡眠研究会组织都将会积极宣讲和普及有关健康睡眠知识和重要性。该研究会负责人还表示，影响健康睡眠的因素是多方面的，其中心理上的问题是很突出的一方面。其中，学会如何快速进入睡眠的休息习惯，也是可以有效解决睡眠问题的关键之一。良好的睡眠质量可以帮助减缓疲劳，充分恢复体力、让大脑得到休息、增强自身抵抗力、促进疾病康复 、促进生长发育和延缓衰老的作用。近年来人们的睡眠质量也越来越受到心理学和医学的广泛关注并且已经变成了衡量人们美好健康生活的重要标准之一[1]。
现如今对睡眠质量的研究也越来越广泛和深入，对睡眠的深入研究可以揭示睡眠的内在奥秘，从而达到治愈睡眠障碍和提高生活质量的目的。研究发现神秘的睡眠过程和每个人的脑电波有着明显的关系。因此研究者们开始研究脑电波来对睡眠进行状态监测，精确的监测一个人的睡眠状态是帮助研究睡眠疾病的重中之重。目前已有很多科研人员对脑电波和睡眠的关系有着明确的结论，其中在该研究领域上大家对睡眠周期的判断标准都比较认同的是由1968年Rechtschaffen和Kales提出的，他们依据EEG、EMG、EOG等生物电变化的规律把睡眠分为非快眼动睡眠（NREM）和快速眼动睡眠（REM）[2]。非快眼动睡眠又分为四个时期：I、II、III、IV四期[3]。其中I、II期称"浅睡眠"，III、IV期称为"深睡眠"(慢波睡眠)。第III期和第IV期之间最大的差别是δ波所占的比例不同。在第III期中δ波占25%到45%。而IV期的δ波则超过50%，并且它波形的变化幅度比起其他期更高，频率也更低。一整个睡眠过程有几个不同的阶段相互变换，发现睡眠的周期性变化规律并通过外在条件加以训练就可以达到控制睡眠状态和治愈与睡眠有关的疾病的目的，对提升人们的生活水平具有重要的意义[3]。
1.2国内外研究现状
目前，国内外很多学者对睡眠脑电波信号的提取和特征分析做了很深入的研究，EEG分析方法得到了广泛的应用和发展。早在1933年，Dietch就已经用间接法估计出脑电波的自相关函数，然后通过对函数进行傅里叶变换对脑电信号进行分析。早期的脑电波形特征是通过人工观察分析，计算机出现后，人们开启了脑电波特征的自动分析算法。时域分析法是最早的脑电信号分析方法。它的优点是包含了EEG的全部信息，能够描述单个和多个脑电波的幅度和波长，适用于长时间的睡眠脑电波。Honda在研究非24h睡眠和清醒周期的患者脑电时，用Fujimori法识别α波和δ波[3]。
1990年，Keim研究小组利用功率谱分析及单变量自回归模型方法提取睡眠脑电信号的特征。然而对于脑电信号来说，本质上是脑神经细胞的群体生物电活动，脑电信号本身是非线性和非平稳信号，因此经典脑电分析在睡眠过程中存在很多不足之处[4]。最近几年来，非线性分析理论得到突飞猛进的发展，促进了睡眠脑电信号的进一步研究，大量的研究开始采用各种非线性分析方法对睡眠脑电进行研究。提出了一种混沌分析与小波包变换相结合的特征提取方法[5]。通过对正常人在清醒时期和睡眠时的脑电信号相关维数分析，得出人在清醒时的相关维数大，而随着睡眠深度的增加，相关维数逐渐下降。
唐艳等用独立成分分量和共空域子空间分解方法与支持向量机学习方法结合起来，用于提取EEG信号特征，得到了较为成功的结果。
目 录
第一章 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 1
1.3研究的重点和难点 2
第二章 脑电波信号 4
2.1脑电信号的发现 4
2.3脑电波信号的分类 4
2.4脑电波信号的采集方法 5
第三章 硬件设计 7
3.1硬件系统整体结构 7
3.2EEG信号的采集芯片 7
3.3TGAM脑电波采集模块 8
3.4干电极传感器 9
3.5蓝牙无线传输模块（BK3231） 10
第四章 监测系统软件设计 11
4.1系统设计方案和软件介绍 11
4.2程序编写 12
4.2.1串口程序 12
4.2.2数据解析程序的编写 12
4.3脑电波形和数据的显示 15
4.4人机界面设计 16
第五章 实验与分析 18
5.1脑电波监测实验 18 *好棒文|www.hbsrm.com +Q: ￥351916072￥
5.2实验分析结论 21
第六章 总结 24
致 谢 25
参考文献 26
附录 28
第一章 绪论
1.1研究背景及意义
拥有一个好的睡眠质量是一个人健康的重要标准之一，根据世界卫生组织调查显示，现在世界上大约有1/3的人存在着或多或少的睡眠问题。睡眠不好会给人们带来一系列的问题，但是大多数人们对于睡眠障碍的认识还不足。根据我国医院有关部门调查显示，绝大多数的失眠患者虽然是第一次就诊，却有着长达几年的服用药物的历史。事实上，正是因为患者的不重视给自己无形中增加了治疗睡眠障碍的难度和周期。根据国外相关部门的一份调查显示，目前50%的工作事故和40%的车祸都和当事人的睡眠问题有关。睡眠障碍不仅影响了人们的工作和生活效率，还一定程度影响了社会的进步和发展。在每年的世界睡眠日，中国有关睡眠研究会组织都将会积极宣讲和普及有关健康睡眠知识和重要性。该研究会负责人还表示，影响健康睡眠的因素是多方面的，其中心理上的问题是很突出的一方面。其中，学会如何快速进入睡眠的休息习惯，也是可以有效解决睡眠问题的关键之一。良好的睡眠质量可以帮助减缓疲劳，充分恢复体力、让大脑得到休息、增强自身抵抗力、促进疾病康复 、促进生长发育和延缓衰老的作用。近年来人们的睡眠质量也越来越受到心理学和医学的广泛关注并且已经变成了衡量人们美好健康生活的重要标准之一[1]。
现如今对睡眠质量的研究也越来越广泛和深入，对睡眠的深入研究可以揭示睡眠的内在奥秘，从而达到治愈睡眠障碍和提高生活质量的目的。研究发现神秘的睡眠过程和每个人的脑电波有着明显的关系。因此研究者们开始研究脑电波来对睡眠进行状态监测，精确的监测一个人的睡眠状态是帮助研究睡眠疾病的重中之重。目前已有很多科研人员对脑电波和睡眠的关系有着明确的结论，其中在该研究领域上大家对睡眠周期的判断标准都比较认同的是由1968年Rechtschaffen和Kales提出的，他们依据EEG、EMG、EOG等生物电变化的规律把睡眠分为非快眼动睡眠（NREM）和快速眼动睡眠（REM）[2]。非快眼动睡眠又分为四个时期：I、II、III、IV四期[3]。其中I、II期称"浅睡眠"，III、IV期称为"深睡眠"(慢波睡眠)。第III期和第IV期之间最大的差别是δ波所占的比例不同。在第III期中δ波占25%到45%。而IV期的δ波则超过50%，并且它波形的变化幅度比起其他期更高，频率也更低。一整个睡眠过程有几个不同的阶段相互变换，发现睡眠的周期性变化规律并通过外在条件加以训练就可以达到控制睡眠状态和治愈与睡眠有关的疾病的目的，对提升人们的生活水平具有重要的意义[3]。
1.2国内外研究现状
目前，国内外很多学者对睡眠脑电波信号的提取和特征分析做了很深入的研究，EEG分析方法得到了广泛的应用和发展。早在1933年，Dietch就已经用间接法估计出脑电波的自相关函数，然后通过对函数进行傅里叶变换对脑电信号进行分析。早期的脑电波形特征是通过人工观察分析，计算机出现后，人们开启了脑电波特征的自动分析算法。时域分析法是最早的脑电信号分析方法。它的优点是包含了EEG的全部信息，能够描述单个和多个脑电波的幅度和波长，适用于长时间的睡眠脑电波。Honda在研究非24h睡眠和清醒周期的患者脑电时，用Fujimori法识别α波和δ波[3]。
1990年，Keim研究小组利用功率谱分析及单变量自回归模型方法提取睡眠脑电信号的特征。然而对于脑电信号来说，本质上是脑神经细胞的群体生物电活动，脑电信号本身是非线性和非平稳信号，因此经典脑电分析在睡眠过程中存在很多不足之处[4]。最近几年来，非线性分析理论得到突飞猛进的发展，促进了睡眠脑电信号的进一步研究，大量的研究开始采用各种非线性分析方法对睡眠脑电进行研究。提出了一种混沌分析与小波包变换相结合的特征提取方法[5]。通过对正常人在清醒时期和睡眠时的脑电信号相关维数分析，得出人在清醒时的相关维数大，而随着睡眠深度的增加，相关维数逐渐下降。
唐艳等用独立成分分量和共空域子空间分解方法与支持向量机学习方法结合起来，用于提取EEG信号特征，得到了较为成功的结果。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/jdgc/46.html
