睡眠是人类必需的生理活动,睡眠能够使人从疲劳的状态中恢复过来,使人保持良好的状态。夜晚的整夜睡眠是睡眠的一个主要方式,也是人恢复身体状况的主要途径；白天的短时睡眠对人在白天恢复体力,保持良好的精神状态,提高休息质量也起重要的作用。本课题的研究对象是白天短时睡眠,主要解决白天短时睡眠过程中的睡眠阶段分期问题。在白天的短时睡眠中,被试所处的环境与夜晚不同,例如白天的光线强,晚上的光线弱；白天外界的噪声对被试影响较大,晚上几乎没有噪声；白天的温度高,晚上的温度较低；此外,被试的个体差异也很明显,有的被试睡眠状态比较平稳,有的被试睡眠状态波动比较明显。针对白天短时睡眠的特点,本课题主要研究浅睡眠阶段的特征提取方法和浅睡眠阶段的分类识别方法。首先,本课题分析和提取了浅睡眠各阶段的特征参数。白天短时睡眠数据包括脑电信号、眼电信号和肌电信号。根据白天短时睡眠和夜晚长时睡眠的差别,以及肌电信号在短时睡眠各个阶段中的变化不明显,最终剔除冗余参数,选取了适合白天短时睡眠阶段的脑电信号和眼电信号,将这两种信号作为白天短时睡眠分期的特征信号。结果显示,所提取的参数能够较好的反映白天短时睡眠中睡眠深度的变化趋势。其次,本课题根据所提取的特征,结合支持向量机,设计实现了浅睡眠阶段的分类识别,能够较准确地区分白天短时睡眠过程中所出现的各个浅睡眠阶段。根据本文构建的计算参数的公式,将所提取的脑电信号和眼电信号作为分类参数,选取训练数据和测试数据,利用支持向量机对短时睡眠数据进行分类。结果显示,支持向量机应用于白天的短时睡眠分期中是有效的,能够得到比较理想的分期结果。