睡眠腦電是研究睡眠障礙及相關疾病的重要客觀指標。人工解析腦電方法耗時且易受主觀因素影響, 而已有的自動睡眠分期算法則較為復雜且正確率較低。本文提出基于支持向量機(SVM)及特征選擇的單通道腦電睡眠分期方法。從單通道腦電波信號中提取了38個特征值。在此基礎上, 通過將特征選擇方法F-Score拓展到多分類, 增加淘汰因子, 為SVM分類器選擇合適的輸入特征向量組。文章采用標準的開源數據, 對比實驗了無特征選擇、標準的F-Score特征選擇以及帶有淘汰制的F-Score特征選擇三種方法。實驗結果表明, 本文提出的方法能夠有效提高分期正確率, 減少計算時間。