现代生活节奏日益加快，人们受到的压力愈来愈大，越来越多的人遭受睡眠问题的困扰。睡眠分期对睡眠疾病的预防、诊断和治疗有着重要意义。传统人工判别睡眠分期方法存在着繁琐、耗时、主观性强等问题，开展睡眠自动分期算法研究，对于提高睡眠分期的自动化水平和准确性，为医护人员的临床诊断提供重要的辅助决策依据，具有重要临床应用价值。　　本文紧密围绕睡眠脑电信号处理及睡眠分期算法开展深入研究，采用临床医学睡眠脑电数据，从信号处理的角度，对睡眠脑电信号展开了一系列的处理。研究睡眠脑电信号的自动分期算法，有效解决在睡眠分期中存在的伪迹干扰、特征提取选择及分类器选择等问题，提高睡眠分期的精度，主要工作如下:　　首先，在对脑电信号主要干扰来源进行分析的基础上，提出了一种睡眠脑电信号预处理方法。根据睡眠脑电信号的特点，采用巴特沃斯滤波器，对脑电信号进行低通滤波，有效去除高频信号;采用小波软阈值去噪方法对脑电信号进行降噪处理，有效去除白噪声;针对睡眠脑电信号中存在的眼电伪迹，提出基于典型相关分析的伪迹去除方法，实现了眼电伪迹的有效去除。　　其次，在分析睡眠脑电信号特点的基础上，通过采用时域分析方法、频域分析方法及非线性分析方法对脑电信号进行处理，从中提取出能够反映不同期段脑电信号的特征信息。组合不同域提取的特征描述睡眠过程，并提出基于极限学习机的睡眠分期算法，通过实验仿真，证明所提基于极限学习机的睡眠分期算法的合理性和有效性。　　最后，为了进一步提高睡眠分期的精度，本文提出了基于极限学习机与专家规则融合的睡眠分期算法，从仿专家判读的角度建立分期规则，并提取出脑电节律波以及在判读中关键的特殊波形，对睡眠进行分期，得到的结果与基于极限学习机分类得到的结果进行信息融合，得到最终的分期结果。通过仿真验证了所提方法的有效性与优越性。