面对与日俱增的生活工作压力,越来越多的人被迫加入到快节奏的生活方式中来。与之相伴而来的,是更多的人受到了睡眠障碍疾病的困扰,个体睡眠质量急剧下降。在这样的时代背景下,进行睡眠活动相关研究,改善睡眠质量,具有重要的意义。睡眠分期是睡眠活动研究领域的重点内容。通过睡眠分期,个体的睡眠活动进程变得一目了然。深睡时长,睡眠总时间以及睡眠效率等睡眠质量评估指标的计算也变得简单。睡眠分期是睡眠质量评估的有利辅助。当下,基于脑电信号的睡眠分期成为了睡眠分期研究的主流趋势。而在脑电信号应用领域,脑机接口(Brain-computer Interface,BCI)技术是典型代表。因此本文创新式地将脑机接口技术同睡眠分期相结合,以基于脑机接口的睡眠分期算法及应用作为研究课题,并进行了相关的研究性工作。(1)基于频域分析和统计计算,本文提出了一种自动睡眠分期算法。首先借助傅里叶变换提取信号的频谱特征,边缘频率。再提取信号的均值,标准差等统计特征,共同构成特征向量。运用交叉验证,在公开数据集上对算法分类性能进行测试,平均准确率为85%,Kappa系数为0.83。实验结果证明了算法的分类性能较为理想。(2)设计离线睡眠分期实验。依照AASM进行睡眠脑电信号和眼电信号记录。其中,眼电信号用于专家进行睡眠标签时的辅助,脑电信号用于后续分析处理。应用本文提出的自动睡眠分期算法提取特征,交叉验证得到分类结果,平均准确率达到77%,Kappa系数为0.70。进一步检验了算法的泛化性能。(3)设计在线睡眠分期实验。运用脑机接口技术实时采集实验对象的睡眠脑电信号,利用预先训练好的分类模型,对睡眠时期进行实时预测。结合专家给出的测试数据集的正确标签,构造混淆矩阵,计算在线分类准确率。在线准确率为77%,Kappa系数为0.68。检验了实时睡眠分期系统的性能。