Abstract
The sleep stages provides the most basic evidence for diagnosing a variety of sleep diseases. for staging sleep by analysis of EEG(electroencephalogram), it is especially important to detect the characteristic waveforms from EEG. In this paper, sleep EEG signals were analyzed using Fourier transform and continuous wavelet transform as well as discrete wavelet transform. Proposeed system methods. Fourier and wavelet for detecting of important characteristic waves(hump, sleep spindles. K-complex, hill wave, ripple wave) in sleep EEG. Sleep EEG data were analysed using Daubechies wavelet transform method and FFT method. As a result of simulation, we suggest that our neural network system attain high performance in classification of characteristic waves.
수면뇌파의 해석에 있어서 수면단계는 뇌파의 특성파 검출에 특히 중요하다. 수면단계는 여러 수면질환의 진단에 가장 기초적일 단서를 제공한다. 본 연구에서 수면뇌파 신호를 이산 웨이브렛 변환 뿐 만 아니라 퓨우리에 변환, 연속 웨이브렛 변환을 이용해서 해석하였다. 제안된 시스템 방범인 퓨우리에와 웨이브렛은 수면뇌파의 중요한 특성파(유파, 수면방추파, K복합, 구파 REM) 검출을 위해서 수면상태를 분석했다. 수면뇌파 분석에는 Daubechies 웨이브렛 변환 방법과 고속 퓨우리에를 이용했다. 모의실험결과 신경망 시스템이 특성 파형의 분류에 높은 성능을 발휘함을 알 수 있었다.
