睡眠分期對臨床疾病診斷以及睡眠質量評估至關重要。現有睡眠分期方法大多通過單通道或單模態信號，使用單分支深層卷積網絡進行特征提取，這不僅阻礙了睡眠相關多樣性特征的捕獲，增加了計算代價，而且對睡眠分期的準確率也有一定的影響。為解決這一問題，本文提出一種端到端的用于睡眠精準分期的多模態生理時頻特征提取網絡（MTFF-Net）。首先，利用短時傅里葉變換（STFT）將包含腦電（EEG）、心電（ECG）、眼電（EOG）、肌電（EMG）的多模態生理信號轉換為二維時頻特征圖；然后，使用多尺度EEG緊湊卷積網絡（Ms-EEGNet）與雙向門控循環（Bi-GRU）網絡相結合的時頻特征提取網絡，捕獲與睡眠特征波形相關的多尺度頻譜特征以及與睡眠階段轉換相關的時序特征。根據美國睡眠醫學學會（AASM）EEG睡眠分期判據，該模型在科英布拉大學系統與機器人研究所第三組子睡眠數據集（ISRUC-S3）上的五分類任務中取得了84.3%的準確率，其宏觀F1分數（m-F1）的值為83.1%，科恩卡帕（Cohen's Kappa）系數為79.8%。實驗結果表明，本文所提模型實現了更高的分類準確率，推進了深度學習算法在輔助臨床決策中的應用。