基于生理电信号的睡眠分期是监测睡眠过程和诊疗睡眠疾病的重要前提，针对人工睡眠分期方法存在耗时久、效率低、具有主观性等问题，近年来自动睡眠分期方法凭借高效性和准确性受到研究者的关注。因此，从算法设计的角度针对近6年的自动睡眠分期算法进行综述，分为传统机器学习和深度学习两大类，并对2个类别按照单通道与多通道生理电信号2种输入方式，从模型算法、信号类型、分期性能方面进行归纳总结。通过对比可知：单通道信号输入降低了信号采集成本，更适用于家庭睡眠监测，而多通道信号输入贴合分期准则，更适用于临床睡眠分析；深度学习类算法相较于传统机器学习类算法更具有研究前景，其可利用深度神经网络自动学习信号内在表征，在高效处理大规模数据的同时提供较好的分期性能。深度学习方法未来的研究重点应该从模型设计的角度转变为提升模型可解释性和泛化性，从而推动深度神经网络在睡眠医学领域中的应用。