CN111938588A - 一种检测睡眠状态的方法、睡眠监测仪及存储介质 - Google Patents
一种检测睡眠状态的方法、睡眠监测仪及存储介质 Download PDFInfo
- Publication number
- CN111938588A CN111938588A CN202010723356.3A CN202010723356A CN111938588A CN 111938588 A CN111938588 A CN 111938588A CN 202010723356 A CN202010723356 A CN 202010723356A CN 111938588 A CN111938588 A CN 111938588A
- Authority
- CN
- China
- Prior art keywords
- signal
- preset
- motion
- determining
- heart rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Anesthesiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例涉及睡眠监测技术领域,公开了一种检测睡眠状态的方法及睡眠监测仪,通过获取目标对象的微动信号,判断所述微动信号是否为周期信号,当所述微动信号为周期信号时,进一步,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间,若是,则根据所述微动信号,确定所述目标对象的体征参数,由所述体征参数,即可准确确定目标对象的睡眠状态。也即,通过对所述微动信号按周期性和单位时间内的信号能量进行筛选,筛选出可信度高的微动信号,能有效排出其它信号的干扰,从而,提高判断的准确性。
Description
技术领域
本发明实施例涉及睡眠监测技术领域,尤其涉及一种检测睡眠状态的方法、睡眠监测仪及存储介质。
背景技术
人的睡眠状态不仅可以直观的反应人体睡眠周期中的深睡浅睡比例,而且可以长期监测用户的睡眠习惯和健康状态。为了监测睡眠状态,相关睡眠保健产品监测人体在睡眠状态下的呼吸、心率等信号,根据该体征信号对用户整晚睡眠情况进行分析和评估。
然而,目前市场上的一些睡眠监测产品,将由传感器采集到的信号,直接进行分析识别,且内部识别算法简单,准确度不高,输出的睡眠报告与实际的睡眠情况存在较大差异。
发明内容
本发明实施例主要解决的技术问题是提供一种检测测睡眠状态的方法、睡眠监测仪及存储介质,能准确检测用户的睡眠状态。
为解决上述技术问题,第一方面,本发明其中一实施例中提供给了一种检测睡眠状态的方法,包括:
获取目标对象的微动信号,所述目标对象为相对于床的对象;
判断所述微动信号是否为周期信号;
若是,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间;
若是,根据所述微动信号,确定所述目标对象的体征参数;
根据所述体征参数,确定所述目标对象的睡眠状态。
在一些实施例中,所述判断所述微动信号是否为周期信号,包括:
获取第一预设时长的所述微动信号;
将所述第一预设时长内的所述微动信号进行自相关处理,获得所述微动信号的自相关信号;
确定所述第一预设时长内所述自相关信号的峰值最大值;
如果所述峰值最大值大于或等于预设阈值,则确定所述微动信号为周期信号。
在一些实施例中,所述根据所述微动信号,确定所述目标对象的体征参数,包括:
将所述微动信号进行滤波处理,以去除所述微动信号中的干扰信号;
将滤波处理后的微动信号以第一预设频带进行带通滤波,获取第一微动信号;
将滤波处理后的微动信号以第二预设频带进行带通滤波,获取第二微动信号,其中,所述第二预设频带的波段频率大于所述第二预设频带的波段频率,且所述第二预设频带的波段频率与所述第一预设频带的波段频率无重叠;
获取所述第一微动信号的信号质量,确定信号质量符合预设质量条件的第一微动信号为呼吸信号;
获取所述第二微动信号的信号质量,确定信号质量符合所述预设质量条件的第二微动信号为心率体动混合信号;
根据所述呼吸信号和所述心率体动混合信号,确定所述目标对象的体征参数。
在一些实施例中,所述滤波处理包括工频陷波处理。
在一些实施例中,所述信号质量为信号峰值的标准差,所述预设质量条件为所述标准差小于预设标准差阈值。
在一些实施例中,所述体征参数包括相对于床的状态、体动情况、心率和呼吸率;
所述根据所述呼吸信号和所述心率体动混合信号,确定所述目标对象的体征参数,包括:
根据所述心率体动混合信号,获取第二预设时长内所述心率体动混合信号的周期性和所述第二预设时长内所述心率体动混合信号单位时间内的信号能量;
若根据所述周期性确定所述第二预设时长内所述心率体动混合信号为非周期信号、且所述第二预设时长内所述心率体动混合信号单位时间内的信号能量均低于所述预设能量阈值区间的下限,则确定所述目标对象在所述第二预设时长内处于离床状态,否则,确定所述目标对象在所述第二预设时长内处于在床状态;
当所述目标对象在所述第二预设时长内处于在床状态时,若所述第二预设时长内所述心率体动混合信号单位时间内的信号能量大于或等于第一预设能量阈值,则确定所述目标对象在所述第二预设时长内产生体动,否则,确定所述目标对象在所述第二预设时长内未产生体动;
当所述目标对象在所述第二预设时长内未产生体动时,根据所述第二预设时长内所述心率体动混合信号,确定所述目标对象在所述第二预设时长内的心率,并根据所述第二预设时长内的所述呼吸信号,确定所述目标对象在所述第二预设时长内的呼吸率。
在一些实施例中,所述体征参数还包括体动类型和体动持续时间,其中,所述体动类型为大体动和小体动中的一种;
所述根据所述呼吸信号和心率体动混合信号,确定所述目标对象的体征参数,还包括:
当所述目标对象在所述第二预设时长内产生体动时,确定体动起始点和体动截止点之间的时间间隔为体动持续时间,其中,所述体动起点为所述心率体动混合信号单位时间内的信号能量由小于所述第一预设能量阈值增大至所述第一预设能量阈值的时间点,所述体动截止点为所述心率体动混合信号单位时间内的信号能量由大于所述第一预设能量阈值减小至所述第一预设能量阈值的时间点;
若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值大于或等于第二预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为大体动;
若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值小于所述第二预设能量阈值且大于或等于第三预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为小体动。
在一些实施例中,所述睡眠状态为觉醒、浅睡和深睡中的一种,所述根据所述体征参数,确定目标对象的睡眠状态,包括:
若第三预设时长内所述大体动的次数小于第一预设阈值,所述第三预设时长内所述心率的标准差小于第一心率阈值,且,所述第三预设时长内所述呼吸率的标准差小于第一呼吸率阈值,则确定所述睡眠状态为深睡,其中,所述第三预设时长大于所述第二预设时长;
若第三预设时长内所述大体动的次数大于所述第一预设阈值且小于第二预设阈值,则确定所述睡眠状态为浅睡;
若第三预设时长内所述大体动的次数大于所述第二预设阈值,则确定所述睡眠状态为觉醒。
为解决上述技术问题,第二方面,本发明其中一实施例中提供给了一种睡眠监测仪,包括:
压电传感器,用于采集微动电信号;
控制处理模块,所述控制处理模块与所述压电传感器连接,所述控制处理模块用于对所述微动电信号进行处理,以获取微动信号,所述控制处理模块包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上第一方面所述的方法。
为解决上述技术问题,第三方面,本发明其中一实施例中提供给了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被睡眠监测仪执行时,使所述睡眠监测仪执行如上第二方面所述的方法。
本发明实施例的有益效果:区别于现有技术的情况,本发明实施例提供的检测睡眠状态的方法,通过获取目标对象的微动信号,判断所述微动信号是否为周期信号,当所述微动信号为周期信号时,进一步,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间,若是,则根据所述微动信号,确定所述目标对象的体征参数,由所述体征参数,即可准确确定目标对象的睡眠状态。也即,通过对所述微动信号按周期性和单位时间内的信号能量进行筛选,筛选出可信度高的微动信号,能有效排出其它信号的干扰,从而,提高判断的准确性。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例提供的一种检测睡眠状态的方法的应用***示意图;
图2为图1中所示睡眠监测设备的电路结构示意图;
图3为本发明实施例提供的一种检测睡眠状态的方法的流程示意图;
图4为图3中步骤220的一子流程示意图;
图5为图3中步骤240的一子流程示意图;
图6为图5中步骤246的一子流程示意图;
图7为图5中步骤246的另一子流程示意图;
图8为图3中步骤250的一子流程示意图;
图9为本发明另一实施例提供的一种睡眠监测仪的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。此外,本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定,仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参见图1,为应用于本发明的一种检测睡眠状态的方法的实施例的应用***示意图,该***100包括:睡眠监测设备10、服务器20和移动终端30,其中,所述睡眠监测设备10与所述服务器20可以通过有线或无线的方式进行通信连接,所述移动终端30和所述服务器20可以通过有线或无线的方式进行通信连接。
所述睡眠监测设备10将监测到的用户睡眠状态发送至所述服务器20,经所述服务器20统计处理后,生成睡眠状态报告或睡眠状态报表,再发送至所述移动终端30。从而,用户可以从所述移动终端30中清晰了解到睡眠状态以及睡眠状态的变化。
对于所述睡眠监测设备10,包括传感器11、控制装置12以及电源适配器13,其中,所述传感器11和所述控制装置12连接,例如连接线连接,所述控制装置12与所述电源适配器13可拆卸连接,以适用不同的插座接口。所述传感器11用于采集用户的微动电信号,并发送给所述控制装置12,所述控制装置12对所述微动电信号以预设算法进行分析处理,从而,获取用户的睡眠状态。所述电源适配器13用于对所述控制装置12供电。
其中,所述传感器11为带状的压电薄膜传感器。所述传感器11可放置在床垫上或者床垫下,并位于用户腋窝正下方。当用户躺在床上后,由于呼吸、心跳和体动会使得用户身体产生微动,导致所述传感器11产生形变,采集到微动电信号,并将所述微动电信号通过传输线传输到所述控制装置12进行运算处理,得到用户的睡眠状态及体征参数。
请一并参阅图1和图2,所述控制装置12包括壳体121以及收容于所述壳体121内的控制处理模块122、供电模块123和通信模块124。其中,所述控制处理模块122用于对所述传感器11采集到的微动电信号进行处理分析,以获取睡眠状态,所述通信模块124用于与所述服务器20进行通信连接,所述供电模块123用于对所述控制处理模块122和所述通信模块124进行供电。
所述控制处理模块122包括电荷放大器1221、滤波器1222和控制器1223,所述电荷放大器1221的输入端与所述传感器11连接,所述电荷放大器1221的输出端与所述滤波器1222的输入端连接,所述滤波器1222的输出端与所述控制器1223连接。由所述传感器11采集到的微动电信号经所述电荷放大器1221进行放大处理,以及滤波器1222进行滤波处理,消除干扰信号后,发送至所述控制器1223。所述控制器1223用于提供计算和控制能力,以控制所述睡眠监测设备10执行相应的监测任务,例如,控制所述睡眠监测设备10执行下述发明实施例提供的任意一种检测睡眠状态的方法。
所述控制器1223包括单片机,单片机可采用51系列、Ardu i no系列、STM32系列等。在其他实施例中,所述控制器1223还可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、ARM(Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合;还可以是任何传统处理器、控制器、微控制器或状态机;也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
所述供电模块123包括USB公头1231、第一线性稳压器1232和第二线性稳压器1233,所述USB公头1231伸出所述壳体121,所述第一线性稳压器1232和第二线性稳压器1233收容于所述壳体121中。所述USB公头1231分别与所述第一线性稳压器1232和所述第二线性稳压器1233连接,所述第一线性稳压器1232的输出端与所述控制处理模122块连接,所述述第二线性稳压器1233的输出端与所述通信模块124连接。通过两个线性稳压器分别给所述控制处理模块122和所述通信模块供电124,以防止由所述通信模块124产生的高频信号串入所述供电模块123,对所述微动电信号产生干扰。
对于上述服务器20,可以是一台服务器,例如机架式服务器、刀片式服务器、塔式服务器或者机柜式服务器等,也可以是由若干台服务器组成的服务器集群,或者是一个云计算服务中心。
对于上述移动终端30,可以是带有显示屏幕的终端设备,例如,智能手机、平板电脑或笔记本电脑等,图1中以智能手机为例。
所述睡眠监测设备10将集到的微动电信号以预设算法进行分析处理,得到所述体征参数和睡眠状态,所述体征参数包括心率、呼吸、体动情况、相对于床的状态等,并将所述睡眠状态以及所述体征参数上传至所述服务器20,由所述服务器20统计生成睡眠报表并发送至所述移动终端30,其中,所述睡眠报表包括心率曲线、呼吸曲线、体动情况、上下床时间、睡眠曲线等。从而,用户可在所述移动终端30上查看睡眠状态以及体征参数,由此,了解自身健康状态。
所述睡眠监测设备10还可以与睡眠环境中的家用电器通信连接,例如通过蓝牙与台灯、空调、自动窗帘等通信连接。从而,所述睡眠监测设备10可联动所述家用电器对睡眠环境进行控制,例如,可以联动空调根据睡眠深浅进行温湿度的智能调控;当用户睡觉而忘记关台灯时,可以联动台灯根据用户是否睡着进行自动关灯,用户夜间醒来喝水或者上洗手间则可以自动地打开台灯。早上起床时,检测到用户离床,则可以联动窗帘自动打开。
其中,需要说明的是,上述睡眠监测设备10的结构仅是为了进行示例性说明,在实际应用中,下述发明实施例提供的检测睡眠状态的方法还可以进一步的拓展到其它合适的睡眠产品中,而不限制于图1中所述的睡眠监测设备10。
请参阅图3,本发明实施例提供了一种检测睡眠状态的方法,所述方法可由上述控制器1223执行。如图3所示,所述方法200包括但不限于以下步骤:
步骤210:获取目标对象的微动信号,所述目标对象为相对于床的对象。
所述微动信号是一种用于确定所述目标对象的睡眠状态,以及统计所述目标对象的体征参数的信号,可以为压电信号。所述目标对象可以为成人或儿童。在本实施例中,可以通过将压电薄膜传感器置于所述目标对象的腋窝下方来获取所述微动信号,在其它实施例中,也可将所述压电薄膜传感器置于能与所述目标对象接触的地方,例如,睡袋等。所述微动信号反应了所述目标对象在床上的所有微动作,例如心跳、呼吸、体动以及在或离床等。可以理解的是,所述微动信号具体可以以任何合适的采样频率进行采集,例如,以每10ms一个微动信号的形式连续采集所述微动信号。
步骤220:判断所述微动信号是否为周期信号,若是,则执行步骤230。
由于所述微动信号反应了所述目标对象在床上的所有微动作,而所述微动作为多个,例如呼吸、心跳和体动,所以所述微动信号为一个混合信号,包括呼吸信号、心率信号和体动信号等。而一些微动作是周期性的,例如心跳和呼吸,即使所述体动不是按周期产生的,相对于心跳和呼吸,所述体动发生的较少,因此,所述体动信号不影响所述微动信号的周期。
然而,在睡眠环境中,所述微动信号还可能包括其它干扰信号。例如,当风扇对着床吹风时,气流也会作用于传感器上产生干扰信号。
为了确保微动信号的准确性,在进行识别睡眠状态之前,首先确认所述微动信号为周期信号,可确保信号准确,排出干扰信号。
为了判断所述微动信号的周期性,在一些实施例中,请参阅图4,所述步骤220具体包括:
步骤221:获取第一预设时长的所述微动信号。
在本实施例中利用自相关函数确定所述微动信号在时间序列上自身的重复规律,所述重复规律即是此时刻的微动信号与时移后的微动信号的相似性。所述第一预设时长为自相关函数中的时移变量,所述第一预设时长是人为设定的,例如,可以是10s。
步骤222:将所述第一预设时长内的所述微动信号进行自相关处理,获得所述微动信号的自相关信号。
所述自相关处理为将所述第一预设时长内的所述微动信号与所述微动信号自身进行逐相乘取平均,得到所述微动信号的自相关函数,所述微动信号的自相关信号即为所述微动信号的自相关函数。例如,所述微动信号为x(t),则其自相关函数(自相关信号)为Rx(τ)=∫x(t)x(t+τ)dt,其中τ即为所述第一预设时长。
步骤223:确定所述第一预设时长内所述自相关信号的峰值最大值。
步骤224:如果所述峰值最大值大于或等于预设阈值,则确定所述微动信号为周期信号。
获取所述第一预设时长内的所述自相关信号,并搜索出多个峰值,从而,可确定所述第一预设时长内的多个峰值中的最大值。可以理解的是,所述峰值也可以是位于所述第一预设时长后半段中的峰值,例如,当所述第一预设时长为10s时,取5-10s中所述自相关信号的多个峰值,并确定峰值最大值。由于周期信号的自相关函数的峰值会远大于非周期信号的自相关函数的峰值,因此,通过设定预设阈值,将所述第一预设时长内所述自相关信号的峰值最大值与所述预设阈值进行比较。如果所述峰值最大值大于或等于预设阈值,则确定所述微动信号为周期信号。
在本实施例中,通过建立自相关信号,可准确判断出所述微动信号的周期性。
步骤230:判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间,若是,则执行步骤240。
所述微动信号单位时间内的信号能量为1s内所有微动信号采样点的幅值的平方和,可通过以下公式获取:
其中,En为单位时间内的信号能量,i为采样点数,n为单位时间内的微动信号采样点的数量,x(i)为微动信号采样点的幅值。
所述预设能量阈值区间是根据实际经验人为设定的经验范围。所述预设能量阈值区间的下限反应了所述微动信号单位时间内信号能量的最小值,若所述微动信号单位时间内信号能量小于所述预设能量阈值区间的下限说明床上无所述目标对象。例如,当所述目标对象离开床时,风扇继续对着床吹风,气流产生的微动信号较弱,此时,采集到的所述微动信号弱,不能反应生命体征,因此,应当排除。
所述预设能量阈值区间的上限反应了所述微动信号单位时间内信号能量的最大值,若所述微动信号单位时间内信号能量大于所述预设能量阈值区间的上限则说明所述目标对象的动作幅度超出了睡眠过程中体动幅度的最大值,可以明确确定所述微动信号对应的动作为非睡眠时产生的。例如,当所述目标对象在床上跳跃时,此时,动作幅度超过了睡眠过程中体动幅度的最大值,采集到的所述微动信号过强,不能作为有效的信号,因此,应当排除。
也即,通过所述预设能量阈值区间对所述微动信号进行了过滤筛选,可筛选出能有效反应睡眠的微动信号,即可信度高的微动信号,以排出其它信号的干扰。
值得说明的是,所述预设能量阈值区间的上限和下限可以是通过大量试验获取的,也可以是本领域中的经验值。
步骤240:根据所述微动信号,确定所述目标对象的体征参数。
所述体征参数为用于反应所述目标对象生命体征的参数,所述微动信号反应了各生命体征(例如心跳、呼吸和体动),可通过将所述微动信号进行分离,分离出各生命体征对应的信号,进而即可确定体征参数。
在一些实施例中,请参阅图5,所述步骤240具体包括:
步骤241:将所述微动信号进行滤波处理,以去除所述微动信号中的干扰信号。
对所述微动信号进行滤波处理即滤除所述微动信号中的干扰信号,所述干扰信号的频率可根据实际情况而设定。
在一些实施例中,所述滤波处理包括工频陷波处理,即通过工频陷波器过滤掉所述微动信号中由电力***而引起的工频干扰信号,例如,滤波掉所述微动信号中50HZ或60HZ的工频干扰信号。
步骤242:将滤波处理后的微动信号以第一预设频带进行带通滤波,获取第一微动信号。
所述第一预设频带的波段频率与由呼吸产生的信号的波段频率相适应,其能覆盖所述由呼吸产生的信号的所有波段频率,又能与由其它体征产生的信号相区分(例如由心率或体动产生的信号),而且无重叠,从而,可分离出由呼吸产生的信号。在本实施例中,所述第一预设频带的波段频率优选为0.1HZ-0.3HZ,当然,所述第一预设频带的波段频率并不限于0.1HZ-0.3HZ,也可以是其它波段频率,例如0.05HZ-0.35HZ等。
所述微动信号以所述第一预设频带滤波进行带通滤波后输出第一微动信号,所述第一微动信号的波段频率位于所述第一预设频带的波段频率之内。所述第一微动信号为低频稳态信号,能反应由呼吸产生的信号,从而可以准确确定与呼吸有关的体征参数,例如呼吸率。
步骤243:将滤波处理后的微动信号以第二预设频带进行带通滤波,获取第二微动信号。
其中,所述第二预设频带的波段频率大于所述第一预设频带的波段频率,且所述第二预设频带的波段频率与所述第一预设频带的波段频率无重叠。
所述第二预设频率的波段频率与由心跳和体动产生的信号的波段频率相适应,其能覆盖所述由心跳和体动产生的信号的所有波段频。所述。在本实施例中,所述第二预设频带的波段频率优选为3HZ-10HZ,当然,所述第二预设频带的波段频率并不限于3HZ-10HZ,也可以是其它波段频率,例如2HZ-12HZ等。
所述微动信号以所述第二预设频带滤波进行带通滤波后输出第二微动信号,所述第二微动信号的波段频率位于所述第二预设频带的波段频率之内。所述第二微动信号为高频稳态信号,能反应由心跳和体动产生的信号,从而可以准确确定与心跳、体动有关的体征参数,例如心率和体动。
步骤244:获取所述第一微动信号的信号质量,确定信号质量符合预设质量条件的第一微动信号为呼吸信号。
在本实施例中,对所述第一微动信号进行信号质量评估后,筛选出符合预设质量条件的第一微动信号为呼吸信号。所述呼吸信号即为由呼吸产生的微动信号。其中,所述信号质量是用来评估信号的质量的参数,可根据信号的特性进行设置。
例如,在本实施例中,所述第一微动信号为周期信号,所述信号质量为信号峰值的标准差,即通过统计一段时间内所述呼吸信号的多个峰值,并计算所述呼吸信号的多个峰值的标准差,确定所述呼吸信号的质量。对应的,所述预设质量条件为所述标准差小于预设标准差阈值。即通过所述呼吸信号峰值的离散性评估所述信号质量,所述呼吸信号峰值的离散性越小,则其信号质量越优。
步骤245:获取所述第二微动信号的信号质量,确定信号质量符合所述预设质量条件的第二微动信号为心率体动混合信号。
在本实施例中,对所述第二微动信号进行信号质量评估后,筛选出符合预设质量条件的第二微动信号为心率体动混合信号。所述心率体动混合信号即为由呼吸和体动产生的微动信号。
例如,在本实施例中,所述第二微动信号可看作周期信号,所述信号质量为信号峰值的标准差,即通过统计一段时间内所述心率体动混合信号的多个峰值,并计算所述心率体动混合信号的多个峰值的标准差,确定所述心率体动混合信号的质量。对应的,所述预设质量条件为所述标准差小于预设标准差阈值。即通过所述心率体动信号峰值的离散性评估所述信号质量,所述心率体动信号峰值的离散性越小,则其信号质量越优。
步骤246:根据所述心率体动混合信号,确定所述目标对象的体征参数。
所述体征参数用于反应所述目标对象的生命体征的参数。在一些实施例中,所述体征参数包括相对于床的状态、体动情况、心率和呼吸率。可以理解的是,所述相对于床的状态为在床和离床中的一种,所述体动情况为产生体动和未产生体动中的一种。根据所述呼吸信号确定所述目标对象的心率,根据所述心率体动混合信号可确定所述目标对象相对于床的状态、所述目标对象的体动情况和心率。
具体的,在一些实施例中,请参阅图6,所述步骤246包括:
步骤2461:根据所述呼吸信号和所述心率体动混合信号,获取第二预设时长内所述心率体动混合信号的周期性和所述第二预设时长内所述心率体动混合信号单位时间内的信号能量。
其中,所述第二预设时长大于所述第一预设时长,从而,所述第二预设时长内所述心率体动混合信号的周期性也可通过所述心率体动混合信号的自相关信号确定,具体可参照步骤221-步骤224,在此不再一一赘述。所述第二预设时长内所述心率体动混合信号单位时间内的信号能量也可通过上述公式获取。可以理解的是,所述第二预设时长为人为设定的经验值,作为确定所述目标对象在床时对应的微动信号持续时间的临界值,可通过大量试验数据确定。
步骤2462:若根据所述周期性确定所述第二预设时长内所述心率体动混合信号为非周期信号、且所述第二预设时长内所述心率体动混合信号单位时间内的信号能量均低于所述预设能量阈值区间的下限,则确定所述目标对象在第二预设时长内处于离床状态,否则,确定所述目标对象在所述第二预设时长内处于在床状态。
在所述第二预设时长内,若所述心率体动混合信号为非周期信号、且所述第二预设时长内所述心率体动混合信号单位时间内的信号能量均低于所述预设能量阈值区间的下限,则确定所述目标对象在所述第二预设时长内处于离床状态,否则,确定所述目标对象在所述第二预设时长内处于在床状态。
也即,若所述心率体动混合信号在所述第二预设时长内无周期并且信号能量低,则确定所述目标对象在所述第二预设时长内处于离床状态。若所述心率体动混合信号在所述第二预设时长内有周期并且信号能量强,则确定所述目标对象处于在床状态。相当于,若所述心率体动混合信号满足条件:周期信号,同时,单位时间内的信号能量小于所述预设能量阈值区间的下限,其周期和单位时间内的信号能量同时满足上述条件的持续时间大于所述第二预设时长,则确定所述目标对象处于离床状态,否则,确定所述目标对象处于在床状态,从而,能有效避免因所述心率体动混合信号短时间内不符合上述条件而造成的误判。
在本实施例中,通过所述心率体动混合信号的周期和单位时间内的信号能量,结合预设第二时长,确定所述目标对象的在或离床,可准确确定所述目标对象相对于床的状态。
步骤2463:当所述目标对象在所述第二预设时长内处于在床状态时,若所述第二预设时长内所述心率体动混合信号单位时间内的信号能量大于或等于第一预设能量阈值,则确定所述目标对象在所述第二预设时长内产生体动,否则,确定所述目标对象在所述第二预设时长内未产生体动。
其中,所述第一预设能量阈值为所述目标对象产生体动时,对应的所述心率体动混合信号单位时间内的信号能量的最小值。所述第一预设能量阈值可根据所述目标对象的实际情况而设定,例如,当所述目标对象的体重较大时,第一预设能量阈值也应相应增大,当所述目标对象的体重较轻时,例如幼童,所述第一预设能量阈值也应相应变小。
当发生体动时,所述心率体动混合信号单位时间内的信号能量会由小于所述第一预设能量阈值增大至所述第一预设能量阈值,当所述述心率体动混合信号单位时间内的信号能量增大至所述第一预设能量阈值时,确定所述目标对象在所述第二预设时长内产生体动,否则,确定所述目标对象在所述第二预设时长内未产生体动。
步骤2464:当所述目标对象在所述第二预设时长内未产生体动时,根据所述第二预设时长内所述心率体动混合信号,确定所述目标对象在所述第二预设时长内的心率,并根据所述第二预设时长内的所述呼吸信号,确定所述目标对象在所述第二预设时长内的呼吸率。
心率为每分钟的心跳次数。具体的,根据所述第二预设时长内所述心率体动混合信号,计算所述第二预设时长内所述心率体动混合信号的峰值数量,并根据所述第二预设时长和所述第二预设时长内所述心率体动混合信号的峰值数量,即可换算出所述目标对象在所述第二预设时长内的心率。
呼吸率为每分钟的呼吸次数。具体的,根据所述第二预设时长内的所述呼吸信号,计算所述第二预设时长内所述呼吸信号的峰值数量,并根据所述第二预设时长和所述第二预设时长内所述呼吸信号的峰值数量,即可换算出所述目标对象在所述第二预设时长内的呼吸率。
在所述目标对象在所述第二预设时长内未产生体动时,再计算所述目标对象的心率和呼吸率,可防止由体动产生的微动信号对所述心率和呼吸率造成干扰,增加了心率和呼吸率的准确性。
在一些实施例中所述体征参数还包括体动类型和体动持续时间,其中,所述体动类型为大体动和小体动中的一种。请参阅图7,所述步骤246还包括:
步骤2465:当所述目标对象在所述第二预设时长内产生体动时,确定体动起始点和体动截止点之间的时间间隔为体动持续时间。
当发生体动时,所述心率体动混合信号单位时间内的信号能量先增大至超过所述第一预设能量阈值,再降低至低于所述第一预设能量阈值。
其中,所述体动起点为所述心率体动混合信号单位时间内的信号能量由小于所述第一预设能量阈值增大至所述第一预设能量阈值的时间点,所述体动截止点为所述心率体动混合信号单位时间内的信号能量由大于所述第一预设能量阈值减小至所述第一预设能量阈值的时间点。
步骤2466:若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值大于或等于第二预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为大体动。
其中,所述第二预设能量阈值为所述目标对象产生大体动时,对应的所述心率体动混合信号单位时间内的信号能量的最小值。所述第二预设能量阈值可根据所述目标对象的实际情况而设定,例如,当所述目标对象的体重较大时,第二预设能量阈值也应相应增大,当所述目标对象的体重较轻时,例如幼童,所述第二预设能量阈值也应相应变小。
可以理解的是,所述心率体动混合信号单位时间内的信号能量与体动的动作幅度呈正相关。在所述体动起始点和所述体动截止点之间,包括若干个所述心率体动混合信号单位时间内的信号能量,所述若干个所述心率体动混合信号单位时间内的信号能量的大小与对应时刻的体动幅度有关,而在一次体动过程中,体动的动作幅度是变化的,因此,若出现所述心率体动混合信号单位时间内的信号能量大于或等于第二预设能量阈值时,即可确定此次体动类型为大体动,也即确定所述目标对象在所述第二预设时长内的体动类型为大体动。
步骤2467:若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值小于所述第二预设能量阈值且大于或等于第三预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为小体动。
其中,所述第三预设能量阈值为所述目标对象产生小体动时,对应的所述心率体动混合信号单位时间内的信号能量的最小值。所述第三预设能量阈值可根据所述目标对象的实际情况而设定,例如,当所述目标对象的体重较大时,第三预设能量阈值也应相应增大,当所述目标对象的体重较轻时,例如幼童,所述第三预设能量阈值也应相应变小。
在所述体动起始点和所述体动截止点之间,包括若干个所述心率体动混合信号单位时间内的信号能量,所述若干个所述心率体动混合信号单位时间内的信号能量的大小与对应时刻的体动幅度有关,而在一次体动过程中,体动的动作幅度是变化的,因此,若所述心率体动混合信号单位时间内的信号能量的最大值小于所述第二预设能量阈值且大于或等于所述第三预设能量阈值,则确定此次体动类型为小体动,也即确定所述目标对象在所述第二预设时长内的体动类型为小体动。
步骤250:根据所述体征参数,确定所述目标对象的睡眠状态。
所述睡眠状态包括觉醒、浅睡和深睡中的一种,用于表征所述目标对象入睡的程度。所述目标对象的睡眠状态可根据所述体征参数确定,例如,若一段时间内频繁发生大体动,则说明所述目标对象处于觉醒或浅睡状态。
在一些实施例中,请参阅图8,所述步骤250具体包括:
步骤251:若第三预设时长内所述大体动的次数小于第一预设阈值,所述第三预设时长内所述心率的标准差小于第一心率阈值,且,所述第三预设时长内所述呼吸率的标准差小于第一呼吸率阈值,则确定所述睡眠状态为深睡。
其中,所述第三预设时长大于所述第二预设时长。所述第三预设时长包括若干个所述第二预设时长,所述第三预设时长为判断睡眠状态的时间阈值。当某体征参数持续所述第三预设时长,才能确定所述睡眠状态。例如,在所述第三预设时长内,所述大体动的次数少,并且,所述心率和所述呼吸率的离散型小,则确定为深睡。
具体的,当所述第三预设时长内所述大体动的次数小于第一预设阈值,所述第三预设时长内所述心率的标准差小于第一心率阈值,且,所述第三预设时长内所述呼吸率的标准差小于第一呼吸阈值,则确定所述睡眠状态为深睡。
其中,所述第一预设阈值为大体动的次数在深睡时的阈值,即当所述睡眠状态为深睡时,所述大体动的次数大于所述第一预设阈值。所述第一心率阈值为心率的标准差在深睡时的阈值,所述第一呼吸阈值为呼吸率的标准差在深睡时的阈值。即当所述睡眠状态为深睡时,所述心率的标准差小于所述第一心率阈值,且所述呼吸率的标准差小于所述第一呼吸阈值。所述第一预设阈值、所述第一心率阈值和所述第一呼吸阈值可为人工设定的实际经验值,也可是经大量试验后的结果。
步骤252:若第三预设时长内所述大体动的次数大于所述第一预设阈值且小于第二预设阈值,则确定所述睡眠状态为浅睡。
步骤253:若第三预设时长内所述大体动的次数大于所述第二预设阈值,则确定所述睡眠状态为觉醒。
所述第二预设阈值为大体动的次数在浅睡时的阈值,可以理解的是,所述第二预设阈值大于所述第一预设阈值。即当所述睡眠状态为浅睡时,所述大体动的次数大于所述第一预设阈值且小于所述第二预设阈值时,则确定所述睡眠状态为浅睡。否则,若所述第三预设时长内所述大体动的次数大于所述第二预设阈值时,则确定所述睡眠状态为觉醒。
在本实施例中,通过获取目标对象的微动信号,判断所述微动信号是否为周期信号,当所述微动信号为周期信号时,进一步,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间,若是,则根据所述微动信号,确定所述目标对象的体征参数,由所述体征参数,即可准确确定目标对象的睡眠状态。也即,通过对所述微动信号按周期性和单位时间内的信号能量进行筛选,筛选出可信度高的微动信号,能有效排出其它信号的干扰,从而,提高判断的准确性。
需要说明的是,在上述各个实施例中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
本发明实施例还提供了一种睡眠监测仪300,请参阅图9,包括压电传感器310和控制处理模块320。所述控制处理模块320与所述压电传感器310连接。
所述压电传感器310用于采集微动电信号,所述控制处理模块320用于对所述微动电信号进行处理,以获取微动信号。
所述压电传感器310可为带状的压电薄膜传感器。所述压电传感器310可放置在床垫上或者床垫下,并位于所述目标对象的腋窝正下方。当所述目标对象躺在床上后,由于呼吸、心跳和体动会使得所述目标对象的身体产生微动,导致所述压电传感器产生形变,采集到微动电信号,并发送至所述控制处理模块。可以理解的是,所述压电传感器310还可以为其它形式,放置于其它地方,只要能检测到由所述目标对象产生的微动即可。
所述控制处理模块320包括:至少一个处理器321,以及,与所述至少一个处理器321通信连接的存储器322,图9中以一个处理器为例。其中,所述存储器322存储有可被所述至少一个处理器321执行的指令,所述指令被所述至少一个处理器321执行,以使所述至少一个处理器321能够执行图3至图8所述的检测睡眠状态的方法。
所述存储器322作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的检测睡眠状态的方法对应的程序指令/模块。所述处理器321通过运行存储在存储器322中的非暂态软件程序、指令以及模块,可以实现上述图3至图8所述的检测睡眠状态的方法。具体地,所述存储器322可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器还可以包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图9中的一个处理器,可使得上述一个或多个处理器可执行上述任意方法实施例中的检测睡眠状态的方法。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被电子设备执行时,使所述电子设备执行任一项所述的检测睡眠状态的方法。
综上所述,该检测睡眠状态的方法通过获取目标对象的微动信号,判断所述微动信号是否为周期信号,当所述微动信号为周期信号时,进一步,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间,若是,则根据所述微动信号,确定所述目标对象的体征参数,由所述体征参数,即可准确确定目标对象的睡眠状态。也即,通过对所述微动信号按周期性和单位时间内的信号能量进行筛选,筛选出可信度高的微动信号,能有效排出其它信号的干扰,从而,提高判断的准确性。
以上所描述的装置或设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的,作为模块单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种检测睡眠状态的方法,其特征在于,包括:
获取目标对象的微动信号,所述目标对象为相对于床的对象;
判断所述微动信号是否为周期信号;
若是,判断所述微动信号单位时间内的信号能量是否落入预设能量阈值区间;
若是,根据所述微动信号,确定所述目标对象的体征参数;
根据所述体征参数,确定所述目标对象的睡眠状态。
2.根据权利要求1所述的方法,其特征在于,所述判断所述微动信号是否为周期信号,包括:
获取第一预设时长的所述微动信号;
将所述第一预设时长内的所述微动信号进行自相关处理,获得所述微动信号的自相关信号;
确定所述第一预设时长内所述自相关信号的峰值最大值;
如果所述峰值最大值大于或等于预设阈值,则确定所述微动信号为周期信号。
3.根据权利要求1所述的方法,其特征在于,所述根据所述微动信号,确定所述目标对象的体征参数,包括:
将所述微动信号进行滤波处理,以去除所述微动信号中的干扰信号;
将滤波处理后的微动信号以第一预设频带进行带通滤波,获取第一微动信号;
将滤波处理后的微动信号以第二预设频带进行带通滤波,获取第二微动信号,其中,所述第二预设频带的波段频率大于所述第一预设频带的波段频率,且所述第二预设频带的波段频率与所述第一预设频带的波段频率无重叠;
获取所述第一微动信号的信号质量,确定信号质量符合预设质量条件的第一微动信号为呼吸信号;
获取所述第二微动信号的信号质量,确定信号质量符合所述预设质量条件的第二微动信号为心率体动混合信号;
根据所述呼吸信号和所述心率体动混合信号,确定所述目标对象的体征参数。
4.根据权利要求3所述的方法,其特征在于,所述滤波处理包括工频陷波处理。
5.根据权利要求3所述的方法,其特征在于,所述信号质量为信号峰值的标准差,所述预设质量条件为所述标准差小于预设标准差阈值。
6.根据权利要求3所述的方法,其特征在于,所述体征参数包括相对于床的状态、体动情况、心率和呼吸率;
所述根据所述呼吸信号和所述心率体动混合信号,确定所述目标对象的体征参数,包括:
根据所述心率体动混合信号,获取第二预设时长内所述心率体动混合信号的周期性和所述第二预设时长内所述心率体动混合信号单位时间内的信号能量;
若根据所述周期性确定所述第二预设时长内所述心率体动混合信号为非周期信号、且所述第二预设时长内所述心率体动混合信号单位时间内的信号能量均低于所述预设能量阈值区间的下限,则确定所述目标对象在所述第二预设时长内处于离床状态,否则,确定所述目标对象在所述第二预设时长内处于在床状态;
当所述目标对象在所述第二预设时长内处于在床状态时,若所述第二预设时长内所述心率体动混合信号单位时间内的信号能量大于或等于第一预设能量阈值,则确定所述目标对象在所述第二预设时长内产生体动,否则,确定所述目标对象在所述第二预设时长内未产生体动;
当所述目标对象在所述第二预设时长内未产生体动时,根据所述第二预设时长内所述心率体动混合信号,确定所述目标对象在所述第二预设时长内的心率,并根据所述第二预设时长内的所述呼吸信号,确定所述目标对象在所述第二预设时长内的呼吸率。
7.根据权利要求6所述的方法,其特征在于,所述体征参数还包括体动类型和体动持续时间,所述体动类型为大体动和小体动中的一种;
所述根据所述呼吸信号和所述心率体动混合信号,确定所述目标对象的体征参数,还包括:
当所述目标对象在所述第二预设时长内产生体动时,确定体动起始点和体动截止点之间的时间间隔为体动持续时间,其中,所述体动起点为所述心率体动混合信号单位时间内的信号能量由小于所述第一预设能量阈值增大至所述第一预设能量阈值的时间点,所述体动截止点为所述心率体动混合信号单位时间内的信号能量由大于所述第一预设能量阈值减小至所述第一预设能量阈值的时间点;
若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值大于或等于第二预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为大体动;
若位于所述体动起始点和所述体动截止点之间的所述心率体动混合信号单位时间内的信号能量中的最大值小于所述第二预设能量阈值且大于或等于第三预设能量阈值,确定所述目标对象在所述第二预设时长内的体动类型为小体动。
8.根据权利要求7所述的方法,其特征在于,所述睡眠状态为觉醒、浅睡和深睡中的一种;
所述根据所述体征参数,确定目标对象的睡眠状态,包括:
若第三预设时长内所述大体动的次数小于第一预设阈值,所述第三预设时长内所述心率的标准差小于第一心率阈值,且,所述第三预设时长内所述呼吸率的标准差小于第一呼吸率阈值,则确定所述睡眠状态为深睡,其中,所述第三预设时长大于所述第二预设时长;
若第三预设时长内所述大体动的次数大于所述第一预设阈值且小于第二预设阈值,则确定所述睡眠状态为浅睡;
若第三预设时长内所述大体动的次数大于所述第二预设阈值,则确定所述睡眠状态为觉醒。
9.一种睡眠监测仪,其特征在于,包括:
压电传感器,用于采集微动电信号;
控制处理模块,所述控制处理模块与所述压电传感器连接,所述控制处理模块用于对所述微动电信号进行处理,以获取微动信号,所述控制处理模块包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8任一项所述的方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被睡眠监测仪执行时,使所述睡眠监测仪执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723356.3A CN111938588A (zh) | 2020-07-24 | 2020-07-24 | 一种检测睡眠状态的方法、睡眠监测仪及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723356.3A CN111938588A (zh) | 2020-07-24 | 2020-07-24 | 一种检测睡眠状态的方法、睡眠监测仪及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111938588A true CN111938588A (zh) | 2020-11-17 |
Family
ID=73338833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010723356.3A Pending CN111938588A (zh) | 2020-07-24 | 2020-07-24 | 一种检测睡眠状态的方法、睡眠监测仪及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111938588A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159505A (zh) * | 2021-03-15 | 2021-07-23 | 海尔(深圳)研发有限责任公司 | 用于睡眠仪监控的方法、装置、平台设备及*** |
CN113679345A (zh) * | 2021-08-13 | 2021-11-23 | 珠海格力电器股份有限公司 | 睡眠监测方法、装置、***及存储介质 |
CN114027799A (zh) * | 2021-12-13 | 2022-02-11 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
CN114176511A (zh) * | 2021-11-03 | 2022-03-15 | 深圳绿米联创科技有限公司 | 睡眠监测方法、装置、电子设备及存储介质 |
CN116649917A (zh) * | 2023-07-24 | 2023-08-29 | 北京中科心研科技有限公司 | 一种睡眠质量监测方法、装置及可穿戴设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103142219A (zh) * | 2013-03-28 | 2013-06-12 | 江苏晓山信息产业股份有限公司 | 一种无约束式生命体征监测床垫 |
CN107550484A (zh) * | 2017-09-28 | 2018-01-09 | 漫迪医疗仪器(上海)有限公司 | 一种心磁信号质量评价方法及*** |
CN107898432A (zh) * | 2017-10-17 | 2018-04-13 | 深圳和而泰智能控制股份有限公司 | 鼾声检测方法、装置、设备及介质 |
CN107951470A (zh) * | 2017-12-12 | 2018-04-24 | 深圳市迈迪加科技发展有限公司 | 睡眠信号处理方法及装置 |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与*** |
CN108697348A (zh) * | 2018-03-16 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种生理信息监测方法及生理信息监测垫、一种床垫 |
CN109907729A (zh) * | 2018-10-12 | 2019-06-21 | 中科传感技术(青岛)研究院 | 一种睡眠时生命特征的检测方法 |
CN111035367A (zh) * | 2019-12-31 | 2020-04-21 | 华南师范大学 | 一种用于判断睡眠呼吸暂停的信号检测方法及*** |
CN111281349A (zh) * | 2020-03-12 | 2020-06-16 | 北京曙光易通技术有限公司 | 睡眠呼吸障碍监测方法及*** |
CN111407315A (zh) * | 2020-03-24 | 2020-07-14 | 浙江大学温州研究院 | 一种针对超声多普勒胎心信号的质量评估方法 |
-
2020
- 2020-07-24 CN CN202010723356.3A patent/CN111938588A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103142219A (zh) * | 2013-03-28 | 2013-06-12 | 江苏晓山信息产业股份有限公司 | 一种无约束式生命体征监测床垫 |
CN107550484A (zh) * | 2017-09-28 | 2018-01-09 | 漫迪医疗仪器(上海)有限公司 | 一种心磁信号质量评价方法及*** |
CN107898432A (zh) * | 2017-10-17 | 2018-04-13 | 深圳和而泰智能控制股份有限公司 | 鼾声检测方法、装置、设备及介质 |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与*** |
CN107951470A (zh) * | 2017-12-12 | 2018-04-24 | 深圳市迈迪加科技发展有限公司 | 睡眠信号处理方法及装置 |
CN108697348A (zh) * | 2018-03-16 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种生理信息监测方法及生理信息监测垫、一种床垫 |
CN109907729A (zh) * | 2018-10-12 | 2019-06-21 | 中科传感技术(青岛)研究院 | 一种睡眠时生命特征的检测方法 |
CN111035367A (zh) * | 2019-12-31 | 2020-04-21 | 华南师范大学 | 一种用于判断睡眠呼吸暂停的信号检测方法及*** |
CN111281349A (zh) * | 2020-03-12 | 2020-06-16 | 北京曙光易通技术有限公司 | 睡眠呼吸障碍监测方法及*** |
CN111407315A (zh) * | 2020-03-24 | 2020-07-14 | 浙江大学温州研究院 | 一种针对超声多普勒胎心信号的质量评估方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159505A (zh) * | 2021-03-15 | 2021-07-23 | 海尔(深圳)研发有限责任公司 | 用于睡眠仪监控的方法、装置、平台设备及*** |
CN113679345A (zh) * | 2021-08-13 | 2021-11-23 | 珠海格力电器股份有限公司 | 睡眠监测方法、装置、***及存储介质 |
CN113679345B (zh) * | 2021-08-13 | 2022-06-14 | 珠海格力电器股份有限公司 | 睡眠监测方法、装置、***及存储介质 |
CN114176511A (zh) * | 2021-11-03 | 2022-03-15 | 深圳绿米联创科技有限公司 | 睡眠监测方法、装置、电子设备及存储介质 |
CN114027799A (zh) * | 2021-12-13 | 2022-02-11 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
CN114027799B (zh) * | 2021-12-13 | 2023-03-14 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
CN116649917A (zh) * | 2023-07-24 | 2023-08-29 | 北京中科心研科技有限公司 | 一种睡眠质量监测方法、装置及可穿戴设备 |
CN116649917B (zh) * | 2023-07-24 | 2023-10-24 | 北京中科心研科技有限公司 | 一种睡眠质量监测方法、装置及可穿戴设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111938588A (zh) | 一种检测睡眠状态的方法、睡眠监测仪及存储介质 | |
AU2017249318B2 (en) | Urination prediction and monitoring | |
JP5552853B2 (ja) | 生体情報測定装置、生体情報測定方法、および生体情報測定プログラム | |
JP5496137B2 (ja) | 睡眠状態検出装置およびこれを用いた空気調和機、ならびに、睡眠状態検出方法および空気調和機制御方法 | |
CN111938584B (zh) | 一种睡眠监测方法与设备 | |
CN104323766A (zh) | 一种自动反射式心率检测仪 | |
CN108697348A (zh) | 一种生理信息监测方法及生理信息监测垫、一种床垫 | |
CN101835178B (zh) | 一种实现远程无线监测的方法及无线监测装置 | |
US20140088373A1 (en) | System and method for determining sleep stage | |
US20160183880A1 (en) | Biological information measuring device and driving control method of the same | |
CN208876492U (zh) | 一种生理信息监测垫及床垫 | |
TWI643041B (zh) | 智慧鬧鈴控制系統及方法 | |
WO2017194450A1 (en) | Sleep monitoring | |
KR20170028903A (ko) | 심장 박동수 모니터의 에너지 소모를 감소시키기 위한 방법들 및 시스템들 | |
CN104122864A (zh) | 一种检测人体状态并可通过该状态控制家用电器的*** | |
CN112451834B (zh) | 一种睡眠质量管理方法、装置、***及存储介质 | |
CN109373391B (zh) | 风速调节方法、装置、吸油烟机、空气净化器及存储介质 | |
CN111988424A (zh) | 一种睡眠智能监控床、***及方法 | |
CN108375909A (zh) | 一种参数分析方法、装置、设备和计算机可读存储介质 | |
JP2015150034A (ja) | 睡眠状態判定装置、および睡眠状態判定方法、睡眠状態判定システム | |
CN109524117A (zh) | 建立特定用户的个人血压估计模型的方法与电子装置 | |
CN104305967A (zh) | 着凉风险检测方法和设备 | |
Han et al. | Smart sleep care system for quality sleep | |
JP2014195710A (ja) | 生体情報測定装置、生体情報測定方法、および生体情報測定プログラム | |
US20210121657A1 (en) | Method for determining the risk of a user waking up in an undesirable state |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |