1、睡眠呼吸暫停綜合癥已經逐步引起越來越多的關注，長時間的睡眠呼吸紊亂事件不僅會導致身體疾病，對生活和工作也會造成一定的影響。多導睡眠儀作為評估及診斷睡眠呼吸事件的金標準，卻有著費用昂貴及不舒適的缺點。隨著人類社會的進步，為使越來越多的人了解自身睡眠狀態(tài)，便攜式睡眠監(jiān)測系統(tǒng)成為研究的重點?；趩螌?lián)心電信號的獲取方式簡單，僅使用兩個電極即可提取。目前市場上睡眠檢測的儀器只能檢測睡眠好壞，并不能檢測睡眠呼吸暫停。因此，基于短時間尺度生理信號檢

2、測睡眠呼吸暫停的算法還不夠成熟?；谝延形墨I表明，心電信號中的相關特征可以表征睡眠事件。研究短時間尺度上的心電特征，對于檢測睡眠呼吸紊亂事件具有十分重要的指導意義。
　　本文主要研究短時間尺度上睡眠呼吸暫停事件的檢測。在心電信號研究的基礎上，分析可以作為指示睡眠呼吸暫停的心電特征，并篩選特征，使用分類較好的特征參數(shù)搭建短時間尺度的檢測算法。首先，對單導聯(lián)心電信號進行片段劃分，每個片段為15s。并對該段心電數(shù)據(jù)進行去噪處理，包含使用

3、陷波器去除工頻干擾和低通濾波器去除高頻噪聲。采用心電信號特征檢測算法，檢測QRS復波和T波，搭建呼吸信號提取算法。并提取特征參數(shù)，即RR間期、RR幅值、TT間期、TT幅值、QRS角度、心率參數(shù)序列，依據(jù)此特征計算相關參量在15s內的均值及方差，并作為分類特征。使用支持向量機對提取特征建立分類模型，選擇高斯徑向核函數(shù)并進行參數(shù)優(yōu)化。通過Apnea數(shù)據(jù)庫中樣本數(shù)據(jù)對分類特征及分類算法進行驗證。結果表明，RR間期均值、TT間期均值及4分位值均