利用信号处理技术和模式识别理论实现脑电睡眠特征的提取和分类，研究目标是基于单通道EEG的时频特征的提取与分类。主要内容是首先将给定的原始EEG脑电信号数据，进行分类别可视化处理，之后提取特征数据并进行可视化，最后进入分类器，实现分类，并输出测试混淆矩阵与准确率结果。

（1）分别读取EEG信号数据文件与对应的标签文件；
（2）采用巴特沃斯滤波器对读入的数据文件进行0.5-30Hz滤波处理；
（3）调用matplotlib.pylab库对原始数据进行分类别可视化处理，并以滤波后可视化图像进行对比；
（4）调用numpy库，pandas库函数及自带基础函数，实现数据的特征提取；
（5）调用sklearn preprocessing库函数，实现数据特征标准化处理；
（6）调用pandas库函数，输出特征提取表，sheet1未标准化，sheet2标准化；
（7）读入特征提取表sheet（标准化处理后），进行训练集与测试集划分；
（8）调用sklearn库confusion_matrix与 neighbors函数，实现knn分类与测试，输出测试混淆矩阵与准确率结果