传统研究整夜睡眠过程的方法通常需要受试者佩戴多种仪器来捕捉脑电（ＥＥＧ）或心电（ＥＣＧ）信号，其干扰自然睡眠不便于家庭睡眠健康监测。为解决这一问题，基于薄膜压电传感器设计无干扰式睡眠信号采集装置以获取睡眠分期所需的信号。然后，提取体动强度值、呼吸变异性（ＲＶ）与心率变异性（ＨＲＶ）的时域与频域等参数，并精选出初步的特征参数。利用反向传播（ＢＰ）神经网络实现睡眠四分期。为提高对四分期睡眠结构的识别准确率，通过实验进一步筛选出对睡眠分期影响最显著的特征参数，并用灰狼优化（ＧＷＯ）算法对ＢＰ 神经网络进行优化。实验结果显示，基于５ 个特征参数的ＧＷＯＢＰ 神经网络对健康受试者的睡眠四分期识别准确率可达７６． ８２ ％ 。将薄膜压电传感器与睡眠分期算法相结合，简化了监测流程，提升了家庭睡眠监测的便捷性。