每个人的一生大约有1/3的时间处于睡眠状态,睡眠是必不可少的生理活动。通过睡眠,人的体力得以补充,精神得以恢复,良好的睡眠有利于身心健康。但是随着生活节奏的加快,工作学习的压力增加,与睡眠相关的疾病已经严重的影响了人类健康。通过对人的睡眠质量进行有效客观的评估有利于预防和治疗睡眠相关的疾病,评估睡眠质量的一个重要手段之一是根据人的睡眠脑电信号进行睡眠分期,这也是客观评估睡眠质量的前提。脑电信号反应并记录着大脑生理活动状态,研究脑电信号特点,是研究睡眠分期,改善睡眠质量,诊断睡眠疾病的基础,有重要的理论意义和应用价值。本文的主要内容是研究一种基于单通道睡眠脑电信号对睡眠自动分期的方法。本文数据来源于Physio Bank中Sleep-EDF数据库的睡眠脑电信号。主要内容为睡眠脑电信号的去噪处理、节律波的提取、睡眠特征的提取和睡眠自动分期:(1)信号的去噪处理使用的小波阈值去噪方法,通过原始脑电信号做5层小波分解,使用软阈值方法完成脑电信号的去噪处理;(2)分别使用7层小波分解和6层小波包分解并重构进行节律波的提取,并行比对,最终选用小波包完成睡眠节律波的提取;(3)使用样本熵完成对不同睡眠状态下脑电信号4种节律波的熵值特征提取,此外对去噪后脑电信号使用9、10、11、12、13五个尺度的熵进行睡眠脑电特征的提取;(4)使用4种节律波的样本熵和5个多尺度熵共9个特征作为分类器的输入,以随机森林和支持向量机作为分类器,最中得出使用支持向量机更适合本文做脑电睡眠分期的结论。实验结果表明节律波的样本熵,去噪后睡眠脑电信号的多尺度熵都是进行睡眠分期的有效特征,在处理以上述9个分类特征作为输入。数据量在12000左右的时长30s睡眠信号,支持向量机比随机森林分期结果更加准确,最优综合分类结果达到91.32%。