基于脑电波的便携式睡眠质量监测系统

基于脑电波的

便携式睡眠质量监测系统

金旭扬

导师：华东理工大学信息学院万永菁

上海中学信息学科组吴奕明

摘要

睡眠是人体重要的生理活动，睡眠质量近年来受到高度关注；本文从脑电波角度探寻睡眠监测的有效易行方法，从软硬件角度设计了便携式睡眠质量监测系统。研究分析便携式脑电采集设备采集的数据和CAP睡眠脑电数据库，用功率谱分析和BP神经网络探究了睡眠分期的有效算法。实验进行了初步的睡眠分期与质量评估，证明了便携式睡眠质量监测系统的准确性及利用脑电数据进行睡眠分期的有效性。本课题研究，提出了利用单导连脑电信号进行睡眠分期的可行性，为之后研究便携式、市场化的睡眠监测设备以及其他应用提供了重要的实验参考依据。

关键词：脑电；脑机接口；睡眠监测；睡眠分期；BP神经网络

一、引言

1.1 睡眠质量研究背景及意义

睡眠是一种重要的生理现象。从生到死，人类始终是在觉醒和睡眠中度过。人类通过高质量的睡眠，可以消除疲劳，更好地恢复精神和体力，使人在睡眠之后保持良好的觉醒状态，提高工作、学习效率。

人类用于睡眠的时间占人一生中的三分之一。然而迄今我们对这一重要的生理现象的认识还微乎其微，对睡眠进行科学的研究只有短短的几十年历史。1937年，Lomis、Harvey和Hobart注意到，睡眠不是处于一种稳定状态，而是要发生一系列非常有规律的周期性变化。[1]

1986年，Rechtschaffen等人重新肯定了Dement和Kleitman的分期标准，并根据十年来的经验作了一些必要的修改和补充，使之更趋完善。[2]

2007年，美国睡眠医学会基于上述标准进行改进，发布了新的睡眠分期专业标准，其中规定了各个指标具体的采集标准及判定方法。[3]

1.2 脑电信号分析方法综述

随着电子技术的发展，数字处理技术逐步应用到EEG的分析中来。经典的EEG分析方法有：以分析EEG波形的几何性质，如幅度、均值、峭度等为主的时域分析方法和以分析EEG 各频率功率、相干等为主的领域方法。早在70年代初，W.C.Yeo和J.P.Smith[4]就应用Walsh谱分析离线地研究了一个处于睡眠状态的男性的三段脑电图。rsen等[5]应用Walsh顺序的Walsh函数对EEG进行展开，并定义了双值自相关函数，尔后讨论了可以按双值自相关函数来显示各种睡眠EEG的特征。

1982年，美国物理学家Hopfield提出了HNN模型，从而有力地推动了应用神经网络方法解释许多复杂生命过程的进展。自八十年代末以来，人工神经网络的应用已涉及到了脑电分析的各个方面，其中包括自发脑电的睡眠分级及睡眠EEG分析。S.Roberts和L.Tarassenko[6,7]把人工神经网络应用于睡眠EEG的自动分析。他们采用无监督学习网络对大量没有经过人工判别的数据进行自组织分类，少量的经过人工判别的标准样本则用来自组织分类结果做解释和量化，从而在网络中形成了8个聚类区。根据EEG在8个聚类区之间随时间运动的轨迹可以对一夜的睡眠状况有定性的了解。[8]

1.3 脑电监测设备介绍

目前，脑电监测设备大致有二：

一为大型的、医院专用的多导睡眠监测系统。这种系统需要测量多导连的脑电图、眼电图、肌电图、口鼻气流、呼吸运动、血氧饱和度等众多指标，且有严格的判定规则、需要专业知识。[3]

二为便携式脑机接口设备。此类设备通常体积小、使用方便、成本也较低，测量的脑电图多为单导连，但由于获取的数据用途较为单一，可以很好地完成睡眠监测的任务。[9]

1.4 课题研究目标

本课题利用便携式脑电波采集设备实时获取脑电数据，并且与终端设备通讯实时存储、分析数据。利用Windows、Android等移动平台下编写的软件实现此功能，实现人体的睡眠监控。

二、方法和假设

2.1 系统软硬件平台的基本架构

2.1.1 睡眠质量监测系统的硬件组成

用于采集数据的设备是宏智力公司出品的Brainlink意念力头箍，它采用基于Neurosky 芯片平台的Thinkgear芯片，主要用于检测脑电信号。实验采用手机（Android）系统和电脑（Windows）系统作为采集终端。

图2-1 睡眠质量监测系统框图

图2-2 宏智力公司出品的Brainlink意念力头箍

2.1.2 睡眠质量监测系统的数据采集方式

NeuroSky的脑电波采集设备较为轻便，只有前额、左耳垂两个电极（一导连）。设备采用AAA电池供电，根据介绍续航能力有8小时（若再并联一颗电池可以更长），没有传统脑电采集中与脑电频段接近的50Hz工频交流干扰信号。设备采用无线蓝牙连接，更有利于睡眠时数据的传输；耳垂采用导电夹，容易固定；利用心电图电极片改装前额电极，也可以弥补原本接触不良的缺点。

为了完成单向传输数据的目的，使用的蓝牙模拟串口（发送）芯片能耗低、续航能力强、编程较为简易。接收端可以是任何蓝牙4.0设备，只需一次配对后就可自动连接，对于手机、电脑硬件的要求不高。

初步测试时，采集使用的是Microsoft Windows平台，使用Neurosky提供的API接口，在Visual C++上编写简单的程序即可完成数据的存盘。采样频率约为513.5Hz，远高于脑电信号的最高有效频率30Hz的两倍，符合采样定理。

图2-3 Windows 7下的采集、分析软件

利用Neurosky提供的Android API接口，在Android平台下的脑电波预览、采集工作也得以完成，程序可以在后台运行，并且将采样数据即使存盘，在实际使用过程中更为方便，也省去了用电脑建立连接、定义接口的繁杂步骤，适合移动平台。

图2-4 Android下的采集、预览软件

2.2 基于脑电信号的睡眠质量监测方法

2.2.1 脑电信号预处理方法

脑电波在时域上属于非平稳随机信号，实验中采集的脑电波只有一导连，因此信号不稳定、噪波严重。需要经过初步的低通数字滤波预处理。为方便起见，频率衰减带上限取到高于脑电波分析中有效频率30Hz的50Hz。

数字滤波器包括有限冲激响应(FIR)滤波器和无限冲激响应(IIR)滤波器两大类。FIR滤波器可以得到严格的线性相位，相比IIR需要采用较高的阶数（约是IIR的五至十倍），但软件实现方便。[10]

假设FIR滤波器的单位冲击响应h(n)为一个长度为N的序列，那么滤波器的系统函数为：

(2-1)