一种基于可穿戴生理设备的睡眠阶段分类检测算法
本发明公开了一种基于可穿戴生理设备的睡眠阶段分类检测算法,包括以下步骤:获取多模态脑电生理信号;对多模态脑电生理信号依次执行滤波去除噪声和Z‑score归一化处理,得到预处理信号数据;对预处理后的信号数据通过反向传播算法和梯度下降优化实现,以交叉熵损失函数衡量生成信号与真实信号的差异,不断调整参数使生成信号更接近真实睡眠信号;构建一个与生成器具有相同的卷积单元形式的判别器,判别器与生成器构成生成对抗网络模型,自动调整调节参数,输出不同睡眠阶段的分类结果。本发明通过合理整合EEG和EOG等信号和GAN模型的应用,使模型能够学习到真实睡眠信号的分布并进行准确分类;提高分类的准确性和稳定。
复旦大学
2021-01-12