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。