睡眠对人们来说是必不可少的,是我们恢复精神状态和体力的主要方式。但随着现代社会节奏的加快,工作和生活压力的增大,越来越多的人患上了失眠等睡眠障碍性疾病,不仅在身体、心理上饱受折磨,还严重影响到学习、工作效率以及生活质量。传统的失眠治疗方法只是在一定程度上增加了睡眠量,并没有从睡眠质的角度进行考虑,因此不能有效的缓解失眠所带来的各种痛楚。针对这一问题,本文提出了一种基于睡眠状态辨识的非药物干预治疗方法,即根据不同睡眠状态与EEG信号之间的对应关系,设计一种高效、准确的睡眠状态辨识算法,在准确辨识人体各个睡眠状态后,采用物理因素对其进行阶段性诱导,实现睡眠过程的连续循环控制,达到改善睡眠质量的目的。基于这一出发点,本文进行了以下三方面的研究工作:(1)睡眠状态辨识方法研究。分别使用传统机器学习方法和深度学习方法对人体睡眠状态进行辨识研究,构建了三种不同的睡眠状态辨识模型。其中基于传统机器学习方法的辨识模型以人工设计的EEG信号MSE、PSE两种非线性特征参数作为输入,SVM分类器进行睡眠状态辨识;而基于深度学习方法的辨识模型集特征提取与分类为一体,其以EEG信号的STPS时-频谱图作为输入,分别使用CNN和ResNet两种深度学习模型提取隐含在EEG信号中的抽象特征并完成睡眠状态辨识,有效地避免了人工设计特征参数所带来的不确定性。(2)睡眠过程控制方法研究。在准确辨识人体睡眠状态的基础上,依据脑电生物反馈理论,着重探讨了不同物理因素对大脑睡眠过程的调控作用,最终建立了一个以声音物理量为控制量的睡眠控制系统。该系统将大脑睡眠状态作为被控对象,以声音物理量为控制量,睡眠状态检测系统为传感器,睡眠系统控制器按照一定的控制规则作用于人体,实现对大脑睡眠状态的精准控制。(3)人体睡眠质量评估。根据本文的研究思路,进行大量的人体睡眠实验。采用Emotiv EPOC脑波采集装置实时采集受试者的睡眠EEG信号,并利用本文所提的睡眠状态辨识方法对受试者的睡眠状态进行辨识,选取辨识效果最优的网络模型。将该辨识模型的输出结果作为睡眠控制系统的反馈量,根据制定的睡眠控制规则对受试者进行不同声音下的诱导,实现大脑睡眠状态的相间转移。实验结果表明,本文所使用的睡眠状态辨识算法对于6种睡眠状态的辨识准确率最高达到了 93.5%,并且按照睡眠控制规则构建的睡眠控制系统可以显著提高人体睡眠质量。