CN114754905A - 对象状态检测方法、装置、智能终端及存储介质 - Google Patents
对象状态检测方法、装置、智能终端及存储介质 Download PDFInfo
- Publication number
- CN114754905A CN114754905A CN202110021417.6A CN202110021417A CN114754905A CN 114754905 A CN114754905 A CN 114754905A CN 202110021417 A CN202110021417 A CN 202110021417A CN 114754905 A CN114754905 A CN 114754905A
- Authority
- CN
- China
- Prior art keywords
- signal
- effective
- power spectrum
- sample
- variance
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims abstract description 137
- 238000012544 monitoring process Methods 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000009471 action Effects 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005311 autocorrelation function Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 238000005315 distribution function Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000222 aromatherapy Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/16—Measuring force or stress, in general using properties of piezoelectric devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提出一种对象状态检测方法、装置、智能终端及存储介质,涉及信号检测技术领域。该方法通过获取信号采集设备采集的第一监测信号,并在第一监测信号为有效动作信号时获取与第一监测信号连续的第二监测信号,再确定第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差,从而根据功率谱有效能量、功率谱有效峰值和有效信号方差确定对象的状态。通过功率谱有效能量、功率谱有效峰值和有效信号方差这三个参数综合判断对象是处于在床或离床状态,能有效降低误触或者信号采集设备自身的差异性导致的误判断,使得判断结果更加准确。
Description
技术领域
本发明涉及信号检测技术领域,具体而言,涉及一种对象状态检测方法、装置、智能终端及存储介质。
背景技术
判断用户处于在床或者离床状态已广泛运用在多种领域中,例如,其可以与家中的智能设备进行自动化联动,如当检测到人在床时自动打开床头灯、打开香薰、关闭窗帘等,当检测到人离床时打开小夜灯、打开窗帘等。
然而,现有技术中的在床或离床的判断方法的误差较大,比较容易出现误判的问题。
发明内容
有鉴于此,本发明的目的在于提供一种对象状态检测方法、装置、智能终端及存储介质,以解决上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种对象状态检测方法,所述对象状态检测方法包括:
获取信号采集设备采集的第一监测信号;
若所述第一监测信号为有效动作信号,则获取与所述第一监测信号连续的第二监测信号,其中,所述有效动作信号的信号强度大于或等于预先设置的信号阈值;
确定所述第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差;
根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态。
第二方面,本申请实施例还提供了一种对象状态检测装置,所述对象状态检测装置包括:
信号获取模块,用于获取信号采集设备采集的第一监测信号;
所述信号获取模块还用于若所述第一监测信号为有效动作信号,则获取与所述第一监测信号连续的第二监测信号,其中,所述有效动作信号的信号强度大于或等于预先设置的信号阈值;
参数确定模块,用于确定所述第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差;
状态判断单元,用于根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态。
第三方面,本申请实施例还提供了一种智能终端,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现上述的对象状态检测方法的步骤。
第四方面,本申请实施例提供了一种存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述的对象状态检测方法的步骤。
本申请实施例提供的对象状态检测方法、装置、智能终端及存储介质,通过获取信号采集设备采集的第一监测信号,并在第一监测信号为有效动作信号时获取与第一监测信号连续的第二监测信号,再确定第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差,从而根据功率谱有效能量、功率谱有效峰值和有效信号方差确定对象的状态。通过功率谱有效能量、功率谱有效峰值和有效信号方差这三个参数综合判断对象是处于在床或离床状态,能有效降低误触或者信号采集设备自身的差异性导致的误判断,使得判断结果更加准确。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种对象状态检测方法的流程图。
图2为本发明实施例提供的确定第二监测信号的功率谱有效能量的流程图。
图3为本发明实施例提供的采用周期图法确定第二监测信号的功率谱密度的流程图。
图4为本发明实施例提供的采用自相关法确定第二监测信号的功率谱密度的流程图。
图5为本发明实施例提供的确定第二监测信号的功率谱有效峰值的流程图。
图6为本发明实施例提供的确定动态阈值函数的过程。
图7为本发明实施例提供的确定第二监测信号的有效信号方差的流程图。
图8为本发明实施例提供的设置第一阈值的流程图。
图9为本发明实施例提供的设置第三阈值的流程图。
图10为本发明实施例提供的另一种对象状态检测方法的流程图。
图11为本发明实施例提供的一种对象状态检测装置的功能模块图。
图12为本发明实施例提供的另一种对象状态检测装置的功能模块图。
图13为本发明实施例提供的智能终端的硬件结构框图。
图标:100-智能终端;110-处理器;120-存储介质;121-操作***;122-数据;123-应用程序;130-存储器;140-输入输出接口;150-有线或无线网络接口;160-电源;200-对象状态检测装置;210-信号获取模块;220-参数确定模块;230-状态判断单元;240-阈值设置模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
现有技术中,通常使用压电薄膜传感器来采集原始信号,并可以通过信号分离算法从该原始信号中分离出直流~0.1Hz的信号分量,然后根据该信号分量的幅值来判断是否有体动,即若检测到***或体动,则认为在床;否则认为离床。
经发明人研究发现,这种方法很容易将用户的误碰触识别为有人在床;此外,由于传感器的个体差异问题,容易产生基线漂移,并将该基线漂移误识别为***或体动,导致判断准确度较低。
因此,发明人提出了本申请的对象状态检测方法,通过获取信号的功率谱有效能量、功率谱有效峰值和有效信号方差,并根据功率谱有效能量、功率谱有效峰值和有效信号方差这三个参数综合判断对象的状态,能有效降低误触或者信号采集设备自身的差异性导致的误判断,使得判断结果更加准确。
下面将对本申请实施例进行详细的说明。
请参阅图1,为本申请实施例提供的一种对象状态检测方法的流程图,施例描述的处理流程的执行主体可以为智能终端100。具体地,该对象状态检测方法包括:
S101,获取信号采集设备采集的第一监测信号。
其中,信号采集设备可以为压电薄膜传感器,该第一监测信号可以为压电薄膜传感器采集的压力信号。需要说明的是,信号采集设备可以持续采集第一监测信号,以便实时监测对象是否处于在床状态或者离床状态。
S102,若第一监测信号为有效动作信号,则获取与第一监测信号连续的第二监测信号。
其中,有效动作信号的信号强度大于或等于预先设置的信号阈值。也即,在获取第一监测信号后,便对该第一监测信号进行求模运算,以确定第一监测信号的信号强度,然后判断该信号强度是否大于或等于预先设置的信号阈值,若是,则再获取与该第一监测信号连续的第二监测信号。
该预先设置的信号阈值与信号采集设备的饱和电压峰峰值有关。具体地,预先设置的信号阈值、饱和电压峰峰值满足算式:τ=λ·Vpp。其中,τ为预先设置的信号阈值,Vpp为饱和电压峰峰值,λ为预设定的比例系数。
需要说明的是,信号采集设备的饱和电压峰峰值与信号采集设备的型号有关,一旦确定信号采集设备的具体型号,即可确定该饱和电压峰峰值。此外,该预设定的比例系数可根据实际需求进行设置,在一种可选的实施方式中,λ=0.4。
可以理解地,若第一监测信号为有效动作信号,则表明在该帧时间内出现了用户离开信号采集设备的动作(如离床动作)或者接近信号采集设备的的动作(如上床动作),此时需要通过获取第二监测信号来判断对象的状态。
S103,确定第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差。
其中,功率谱有效能量即为第二监测信号在有效频率范围内的功率谱能量;功率谱有效峰值即为第二监测信号在有效频率范围内的功率谱峰值。
需要说明的是,该预设定的有效频率范围是根据生命体征信号的有效频率确定的。通常情况下,生命体征信号可以包括呼吸、心跳等。其中,呼吸频率在0.1Hz~0.5Hz(包括0.1Hz及0.5Hz)之间,而心跳频率在0.8Hz~4Hz(包括0.8Hz及4Hz)之间。因此,在本申请实施例中,该有效频率范围为[0.1Hz,4Hz]。
其中,请参阅图2,为确定第二监测信号的功率谱有效能量的流程图。该过程包括:
S1031,确定第二监测信号的功率谱密度。
其中,功率谱密度即为功率谱密度函数,表征第二监测信号在单位频带内的信号功率,表示了信号功率随频率的变化情况。在本申请实施例中,可以但不仅限于使用周期图法、自相关法等方法确定第二监测信号的功率谱密度。
请参阅图3,为采用周期图法确定第二监测信号的功率谱密度的流程图。该过程包括:
S10311,对第二监测信号进行快速傅立叶变换得到第二监测信号的频谱。
S10312,根据第二监测信号的频谱确定功率谱密度。
具体地,频谱、功率谱密度满足算式:
其中,XN[f]为频谱,N1为第二监测信号的长度。
请参阅图4,为采用自相关法确定第二监测信号的功率谱密度的流程图。该过程包括:
S10313,确定第二监测信号的自相关函数。
S10314,根据自相关函数计算功率谱密度。
其中,自相关函数、功率谱密度满足算式:
其中,r[m]为自相关函数,N1为第二监测信号的长度。
S1032,根据功率谱密度及预设定的有效频率确定功率谱有效能量。
具体地,预设定的有效频率包括预设定的有效频率下限值及预设定的有效频率上限值,且功率谱有效能量、功率谱密度满足算式:
其中,E为功率谱有效能量,P(f)为功率谱密度,f1为预设定的有效频率下限值,f2为预设定的有效频率上限值。
具体地,预设定的有效频率下限值f1=0.1Hz,预设定的有效频率上限值f1=4Hz。
其中,请参阅图5,为确定第二监测信号的功率谱有效峰值的流程图。该过程包括:
S1033,根据功率谱密度及预设定的算法确定动态阈值函数。
其中,该动态阈值函数即为阈值随频率变化的函数。需要说明的是,为了节约计算量、提高运行效率,在本步骤可以仅仅提取该功率谱密度在有效频率范围内的动态阈值函数。
在一种可选的实施方式中,可以采用恒虚警率(Constant False-Alarm Rate,CFAR)方法求解功率谱密度的动态阈值函数。其具体求解过程可以如图6所示:
首先,将功率谱密度在有效频率范围内的频率分为检测单元(D)、保护单元以及参考单元。其中,检测单元可以为任意频段,而该保护单元即为位于该检测单元左、右两侧、且与检测单元连续的频段,而该参考单元即为与左、右两侧的保护单元连续的频段。
例如,有效范围为0.1Hz~4Hz,取2Hz~2.2Hz为检测单元,则1.8Hz~2Hz这一频段以及2.2Hz~2.4Hz这一频段即为保护单元,1.6Hz~1.8Hz、1.4Hz~1.6Hz、2.4Hz~2.6Hz、2.6Hz~2.8Hz均为检测单元。
可以理解地,图6只给出了确定一个频段内的CFAR阈值的过程,可以利用滑窗反复执行图6中的过程,以确定每个频段对应的CFAR阈值,从而确定动态阈值函数。
S1034,根据动态阈值函数及功率谱密度获得功率谱有效峰值。
具体地,将对应频段内的功率谱密度和CFAR阈值进行比较,若频段内存在至少一个功率谱密度峰值大于该CFAR阈值,则保留该频段内的功率谱密度,从而确定功率谱有效峰值。
其中,请参阅图7,为确定第二监测信号的有效信号方差的流程图。该过程包括:
S1035,对第二监测信号进行滤波处理得到滤波信号。
在一种可选的实施方式中,以x[n]表示第二监测信号,以x1[n]表示滤波信号。从而,将第二监测信号x[n]通过截止频率为[0.1Hz,4Hz]的巴特沃斯带通滤波器,即可得到滤波信号x1[n]。
S1036,确定滤波信号的均值。
具体地,该均值与滤波信号满足算式:
S1037,根据滤波信号的均值计算有效信号方差。
具体地,有效信号方差、滤波信号、均值满足算式:
其中,S2为有效信号方差。
S104,根据功率谱有效能量、功率谱有效峰值和有效信号方差确定对象的状态。
具体地,若功率谱有效能量大于或等于预先设置的第一阈值、功率谱有效峰值大于或等于预先设置的第二阈值且有效信号方差大于或等于预先设置的第三阈值,则确定对象处于在床状态;否则,确定对象处于离床状态。
可以理解地,只有在功率谱有效能量大于或等于预先设置的第一阈值、功率谱有效峰值大于或等于预先设置的第二阈值且有效信号方差大于或等于预先设置的第三阈值时,才能确定该第二监测信号为生命体征信号,从而表明此时用户与信号采集设备之间存在相互作用;否则,确定该第二监测信号为无效噪音信号,从而表明此时用户与信号采集设备之间不存在相互作用。
因而,在确定第一监测信号为有效动作信号,并确定存在离床或上床动作以后,一旦确定该第二监测信号为在床生命体征信号,即可确定该第一监测信号是由用户的上床动作引起的,从而确定对象处于在床状态;反之,在确定第一监测信号为有效动作信号,并确定存在离床或上床动作以后,一旦确定该第二监测信号为离床噪音信号,即可确定该第一监测信号是由用户的下床动作引起的,从而确定对象处于离床状态。
为了能够更加准确地判断第二监测信号为在床生命体征信号还是离床噪音信号,本申请实施例采用在床生命体征信号和离床噪音信号的历史样本来确定第一阈值及第三阈值。
其中,请参阅图8,为设置第一阈值的流程图。该过程包括:
S801,获取在床生命体征信号的第一功率谱有效能量样本以及离床噪音信号的第二功率谱有效能量样本。
其中,智能终端100可以获取多个历史在床生命体征信号,再分别确定每个历史在床生命体征信号的功率谱有效能量,从而将这些功率谱有效能量作为第一功率谱有效能量样本;智能终端100可以获取多个历史离床噪音信号,再分别确定每个历史离床噪音信号的功率谱有效能量,从而将这些功率谱有效能量作为第二功率谱有效能量样本。
S802,统计第一功率谱有效能量样本的第一样本平均值及第一样本方差,并根据第一样本平均值及第一样本方差得到第一功率谱有效能量样本的置信区间下限值。
其中,该第一功率谱有效能量样本的置信区间下限值满足算式:
S803,统计第二功率谱有效能量样本的第二样本平均值及第二样本方差,并根据第二样本平均值及第二样本方差得到第二功率谱有效能量样本的置信区间上限值。
其中,该第二功率谱有效能量样本的置信区间下限值满足算式:
S804,将第一功率谱有效能量样本的置信区间下限值与第二功率谱有效能量样本的置信区间上限值的均值设置为第一阈值。
也即,第一阈值τ1=(τl1+τh1)/2。
其中,请参阅图9,为设置第三阈值的流程图。该过程包括:
S901,获取在床生命体征信号的第一方差样本以及离床噪音信号的第二方差样本。
其中,智能终端100可以获取多个历史在床生命体征信号,再分别确定每个历史在床生命体征信号的方差,从而将这些方差作为第一方差样本;智能终端100可以获取多个历史离床噪音信号,再分别确定每个历史离床噪音信号的方差,从而将这些方差作为第二方差样本。
S902,统计第一方差样本的第三样本平均值及第三样本方差,并根据第三样本平均值及第三样本方差得到第一方差样本的置信区间下限值。
其中,该第一方差样本的置信区间下限值满足算式:
S903,统计第二方差样本的第四样本平均值及第四样本方差,并根据第二样本平均值及第二样本方差得到第二方差样本的置信区间上限值。
其中,该第二方差样本的置信区间下限值满足算式:
S904,将第一方差样本的置信区间下限值与第二方差样本的置信区间上限值的均值设置为第三阈值。
也即,第三阈值τ3=(τl2+τh2)/2。
可以理解地,通过上述方法确定的第一阈值和第三阈值,更接近实际应用情况,从而使得最终的判断结果更加准确。
在一种可选的实施方式中,为了进一步提高判断准确性,本申请实施例还提供了另一种对象状态检测方法。请参阅图10,为本申请实施例提供的另一种对象状态检测方法的流程图。该方法包括:
S301,获取信号采集设备采集的第一监测信号。
S302,若第一监测信号为有效动作信号,则获取与第一监测信号连续的多个第二监测信号;
S303,若多个第二监测信号的功率谱有效能量均大于或等于预先设置的第一阈值、多个第二监测信号的功率谱有效峰值均大于或等于预先设置的第二阈值且多个第二监测信号的有效信号方差均大于或等于预先设置的第三阈值,则确定对象处于在床状态;否则,确定对象处于离床状态。
可以理解地,通过连续判断多个第二监测信号的功率谱有效能量、功率谱有效峰值及有效信号方差,可以更有效地避免误触导致的判断失误的问题。同时,在实际应用过程中,也可以通过设置第二监测信号的数量来适应具体的应用需求。例如,需要在检测到用户上床时则打开小夜灯,或者在检测到用户上床后的10秒才打开小夜灯,可以通过设置第二监测信号的数量来确定。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种对象状态检测装置200的实现方式。进一步地,请参阅图11,图11为本申请实施例提供的一种对象状态检测装置200的功能模块图。需要说明的是,本实施例所提供的对象状态检测装置200,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该对象状态检测装置200包括:信号获取模块210、参数确定模块220及状态判断单元230。
其中,信号获取模块210用于获取信号采集设备采集的第一监测信号。
可以理解地,在一种可选的实施方式中,该信号获取模块210可用于执行S101、S301。
信号获取模块210还用于若第一监测信号为有效动作信号,则获取与第一监测信号连续的第二监测信号。
可以理解地,在一种可选的实施方式中,该信号获取模块210可用于执行S102。
参数确定模块220用于确定第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差。
其中,参数确定模块220确定第二监测信号的功率谱有效能量的过程为:确定第二监测信号的功率谱密度,并根据功率谱密度及预设定的有效频率确定功率谱有效能量。
参数确定模块220确定第二监测信号的功率谱有效峰值的过程为:根据功率谱密度及预设定的算法确定动态阈值函数,并根据动态阈值函数及功率谱密度获得功率谱有效峰值。
参数确定模块220确定第二监测信号的有效信号方差的过程为:对第二监测信号进行滤波处理得到滤波信号,确定滤波信号的均值,根据滤波信号的均值计算有效信号方差,并根据滤波信号的均值计算有效信号方差。
可以理解地,在一种可选的实施方式中,该信号获取模块210可用于执行S103、S1031、S1032、S1033、S1034、S1035、S1036、S1037、S10311、S10312、S10313及S10314。
状态判断单元230用于根据功率谱有效能量、功率谱有效峰值和有效信号方差确定对象的状态。
可以理解地,在一种可选的实施方式中,该状态判断单元230可用于执行S104。
在一种可选的实施方式中,信号获取模块210还用于若第一监测信号为有效动作信号,则获取与第一监测信号连续的多个第二监测信号。
可以理解地,在一种可选的实施方式中,该信号获取模块210可用于执行S302。
状态判断单元230还用于若多个第二监测信号的功率谱有效能量均大于或等于预先设置的第一阈值、多个第二监测信号的功率谱有效峰值均大于或等于预先设置的第二阈值且多个第二监测信号的有效信号方差均大于或等于预先设置的第三阈值,则确定对象处于在床状态;否则,确定对象处于离床状态。
可以理解地,在一种可选的实施方式中,该状态判断单元230还可用于执行S303。
请参阅图12,为本申请实施例提供的另一种对象状态检测装置200的功能模块图。该对象状态检测装置200还包括阈值设置模块240。
其中,该阈值设置模块240可用于获取在床生命体征信号的第一功率谱有效能量样本以及离床噪音信号的第二功率谱有效能量样本,统计第一功率谱有效能量样本的第一样本平均值及第一样本方差,并根据第一样本平均值及第一样本方差得到第一功率谱有效能量样本的置信区间下限值,统计第二功率谱有效能量样本的第二样本平均值及第二样本方差,并根据第二样本平均值及第二样本方差得到第二功率谱有效能量样本的置信区间上限值,并将第一功率谱有效能量样本的置信区间下限值与第二功率谱有效能量样本的置信区间上限值的均值设置为第一阈值。
该阈值设置模块240还用于获取在床生命体征信号的第一方差样本以及离床噪音信号的第二方差样本,统计第一方差样本的第三样本平均值及第三样本方差,并根据第三样本平均值及第三样本方差得到第一方差样本的置信区间下限值,统计第二方差样本的第四样本平均值及第四样本方差,并根据第二样本平均值及第二样本方差得到第二方差样本的置信区间上限值,并将第一方差样本的置信区间下限值与第二方差样本的置信区间上限值的均值设置为第三阈值。
可以理解地,在一种可选的实施方式中,该阈值设置模块240可用于执行S801~S804、S901~S904。
综上所述,本申请实施例提供的对象状态检测方法、装置、智能终端100及存储介质120,通过获取信号采集设备采集的第一监测信号,并在第一监测信号为有效动作信号时获取与第一监测信号连续的第二监测信号,再确定第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差,从而根据功率谱有效能量、功率谱有效峰值和有效信号方差确定对象的状态。通过功率谱有效能量、功率谱有效峰值和有效信号方差这三个参数综合判断对象是处于在床或离床状态,能有效降低误触或者信号采集设备自身的差异性导致的误判断,使得判断结果更加准确。
在本申请所提供的几个实施例中,所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
请参阅图13,其示出了本申请实施例提供的一种智能终端100的硬件结构框图。该智能终端100可以是智能床垫、智能电热毯等。如图9所示,该智能终端100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器110(CentralProcessingUnit,CPU)、用于存储数据122的存储器130,一个或一个以上存储应用程序123或数据122的存储介质120(例如一个或一个以上海量存储设备)。
其中,存储器130和存储介质120可以是短暂存储或持久存储。存储在存储介质120的程序可以包括一个或一个以上模块,每个模块可以包括对智能终端100中的一系列指令操作。更进一步地,处理器110可以设置为与存储介质120通信,在智能终端100上执行存储介质120中的一系列指令操作。该处理器110可以包括但不限于微处理器(MicrocontrollerUnit,MCU)或现场可编程逻辑器件(Field Programmable Gate Array,FPGA)等的处理装置。
智能终端100还可以包括一个或一个以上电源160,一个或一个以上有线或无线网络接口150,一个或一个以上输入输出接口140,和/或,一个或一个以上操作***121,例如WindowsServerTM,MacOSXTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口140可以用于经由一个网络接收或者发送数据122。上述的网络具体实例可包括智能终端100的通信供应商提供的无线网络。在一个实例中,输入输出接口140包括一个网络适配器(NetworkInterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图13所示的结构仅为示意,其并不对上述智能终端100的结构造成限定。例如,智能终端100还可包括比图13中所示更多或者更少的组件,或者具有与图13所示不同的配置。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器110执行时实现上述灯光控制方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,ROM)、随机存取存储器130(RandomAccessMemory,RAM)、磁碟或者光盘等。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种对象状态检测方法,其特征在于,所述对象状态检测方法包括:
获取信号采集设备采集的第一监测信号;
若所述第一监测信号为有效动作信号,则获取与所述第一监测信号连续的第二监测信号,其中,所述有效动作信号的信号强度大于或等于预先设置的信号阈值;
确定所述第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差;
根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态。
2.根据权利要求1所述的对象状态检测方法,其特征在于,所述根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态的步骤包括:
若所述功率谱有效能量大于或等于预先设置的第一阈值、所述功率谱有效峰值大于或等于预先设置的第二阈值且所述有效信号方差大于或等于预先设置的第三阈值,则确定所述对象处于在床状态;否则,确定所述对象处于离床状态。
3.根据权利要求2所述的对象状态检测方法,其特征在于,在所述根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态的步骤之前,所述方法还包括:
获取在床生命体征信号的第一功率谱有效能量样本以及离床噪音信号的第二功率谱有效能量样本;
统计所述第一功率谱有效能量样本的第一样本平均值及第一样本方差,并根据所述第一样本平均值及所述第一样本方差得到所述第一功率谱有效能量样本的置信区间下限值;
统计所述第二功率谱有效能量样本的第二样本平均值及第二样本方差,并根据所述第二样本平均值及所述第二样本方差得到所述第二功率谱有效能量样本的置信区间上限值;
将所述第一功率谱有效能量样本的置信区间下限值与所述第二功率谱有效能量样本的置信区间上限值的均值设置为所述第一阈值。
4.根据权利要求2所述的对象状态检测方法,其特征在于,在所述根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态的步骤之前,所述方法还包括:
获取在床生命体征信号的第一方差样本以及离床噪音信号的第二方差样本;
统计所述第一方差样本的第三样本平均值及第三样本方差,并根据所述第三样本平均值及所述第三样本方差得到所述第一方差样本的置信区间下限值;
统计所述第二方差样本的第四样本平均值及第四样本方差,并根据所述第二样本平均值及所述第二样本方差得到所述第二方差样本的置信区间上限值;
将所述第一方差样本的置信区间下限值与所述第二方差样本的置信区间上限值的均值设置为所述第三阈值。
5.根据权利要求1-4中任意一项所述的对象状态检测方法,其特征在于,所述方法还包括:
若所述第一监测信号为有效动作信号,则获取与所述第一监测信号连续的多个所述第二监测信号;
若多个所述第二监测信号的功率谱有效能量均大于或等于预先设置的第一阈值、多个所述第二监测信号的功率谱有效峰值均大于或等于预先设置的第二阈值且多个所述第二监测信号的有效信号方差均大于或等于预先设置的第三阈值,则确定所述对象处于在床状态;否则,确定所述对象处于离床状态。
9.根据权利要求6所述的对象状态检测方法,其特征在于,所述确定所述第二监测信号的功率谱有效峰值的步骤包括:
根据所述功率谱密度及预设定的算法确定动态阈值函数;
根据所述动态阈值函数及所述功率谱密度获得所述功率谱有效峰值。
10.根据权利要求1-4中任意一项所述的对象状态检测方法,其特征在于,所述确定所述第二监测信号的有效信号方差的步骤包括:
对所述第二监测信号进行滤波处理得到滤波信号;
确定所述滤波信号的均值;
根据所述滤波信号的均值计算所述有效信号方差。
11.一种对象状态检测装置,其特征在于,所述对象状态检测装置包括:
信号获取模块,用于获取信号采集设备采集的第一监测信号;
所述信号获取模块还用于若所述第一监测信号为有效动作信号,则获取与所述第一监测信号连续的第二监测信号,其中,所述有效动作信号的信号强度大于或等于预先设置的信号阈值;
参数确定模块,用于确定所述第二监测信号的功率谱有效能量、功率谱有效峰值和有效信号方差;
状态判断单元,用于根据所述功率谱有效能量、所述功率谱有效峰值和所述有效信号方差确定对象的状态。
12.一种智能终端,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现权利要求1-10中任意一项所述的对象状态检测方法的步骤。
13.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-10中任意一项所述的对象状态检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110021417.6A CN114754905B (zh) | 2021-01-08 | 2021-01-08 | 对象状态检测方法、装置、智能终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110021417.6A CN114754905B (zh) | 2021-01-08 | 2021-01-08 | 对象状态检测方法、装置、智能终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114754905A true CN114754905A (zh) | 2022-07-15 |
CN114754905B CN114754905B (zh) | 2023-10-31 |
Family
ID=82324518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110021417.6A Active CN114754905B (zh) | 2021-01-08 | 2021-01-08 | 对象状态检测方法、装置、智能终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114754905B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010010497A1 (en) * | 1999-03-05 | 2001-08-02 | Riley Carl William | Monitoring system and method |
JP2002323371A (ja) * | 2001-04-27 | 2002-11-08 | Toshiba Corp | 音響診断装置及び音響診断方法 |
US20060042409A1 (en) * | 2002-11-07 | 2006-03-02 | Cbs System Co. | Method for measuring biological signal strength, method for judging sleeping state and device for monitoring sleeping state |
CN101370457A (zh) * | 2006-01-20 | 2009-02-18 | 八乐梦医用床有限公司 | 设有离床预测和检测***的床装置 |
CN101833849A (zh) * | 2009-03-13 | 2010-09-15 | 上海研祥智能科技有限公司 | 一种以无线方式监测病人起居的装置 |
US20120190996A1 (en) * | 2009-07-24 | 2012-07-26 | Fujitsu Limited | Sleep apnea syndrome testing apparatus, test method for sleep apnea syndrome and tangible recording medium recording program |
CN107708528A (zh) * | 2015-06-25 | 2018-02-16 | 皇家飞利浦有限公司 | 用于监测对象的生理状态的设备和方法 |
CN109414223A (zh) * | 2016-05-20 | 2019-03-01 | 美蓓亚三美株式会社 | 生物体信息监测*** |
US20190072379A1 (en) * | 2016-03-01 | 2019-03-07 | Hifi Engineering Inc. | Method and system for determining whether an event has occurred from dynamic strain measurements |
CN110215214A (zh) * | 2019-05-29 | 2019-09-10 | 深圳和而泰家居在线网络科技有限公司 | 对床的监测方法、监测装置及监测设备 |
CN110638460A (zh) * | 2019-09-16 | 2020-01-03 | 深圳和而泰家居在线网络科技有限公司 | 一种相对于床的对象的状态检测方法、装置和设备 |
CN111345793A (zh) * | 2018-12-21 | 2020-06-30 | 纬创资通股份有限公司 | 非接触式生命征象检测***与方法 |
CN112437629A (zh) * | 2018-06-13 | 2021-03-02 | 皇家飞利浦有限公司 | 确定被监测对象的生命体征的可靠性 |
-
2021
- 2021-01-08 CN CN202110021417.6A patent/CN114754905B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010010497A1 (en) * | 1999-03-05 | 2001-08-02 | Riley Carl William | Monitoring system and method |
JP2002323371A (ja) * | 2001-04-27 | 2002-11-08 | Toshiba Corp | 音響診断装置及び音響診断方法 |
US20060042409A1 (en) * | 2002-11-07 | 2006-03-02 | Cbs System Co. | Method for measuring biological signal strength, method for judging sleeping state and device for monitoring sleeping state |
CN101370457A (zh) * | 2006-01-20 | 2009-02-18 | 八乐梦医用床有限公司 | 设有离床预测和检测***的床装置 |
CN101833849A (zh) * | 2009-03-13 | 2010-09-15 | 上海研祥智能科技有限公司 | 一种以无线方式监测病人起居的装置 |
US20120190996A1 (en) * | 2009-07-24 | 2012-07-26 | Fujitsu Limited | Sleep apnea syndrome testing apparatus, test method for sleep apnea syndrome and tangible recording medium recording program |
CN107708528A (zh) * | 2015-06-25 | 2018-02-16 | 皇家飞利浦有限公司 | 用于监测对象的生理状态的设备和方法 |
US20190072379A1 (en) * | 2016-03-01 | 2019-03-07 | Hifi Engineering Inc. | Method and system for determining whether an event has occurred from dynamic strain measurements |
CN109414223A (zh) * | 2016-05-20 | 2019-03-01 | 美蓓亚三美株式会社 | 生物体信息监测*** |
CN112437629A (zh) * | 2018-06-13 | 2021-03-02 | 皇家飞利浦有限公司 | 确定被监测对象的生命体征的可靠性 |
CN111345793A (zh) * | 2018-12-21 | 2020-06-30 | 纬创资通股份有限公司 | 非接触式生命征象检测***与方法 |
CN110215214A (zh) * | 2019-05-29 | 2019-09-10 | 深圳和而泰家居在线网络科技有限公司 | 对床的监测方法、监测装置及监测设备 |
CN110638460A (zh) * | 2019-09-16 | 2020-01-03 | 深圳和而泰家居在线网络科技有限公司 | 一种相对于床的对象的状态检测方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114754905B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180020953A1 (en) | Method and device for identifying human movement state | |
US7429247B2 (en) | Sleep state estimating device and program product | |
CN105956388B (zh) | 基于vmd的人体生命体征信号分离方法 | |
US20120184862A1 (en) | System and method for patient monitoring | |
Hively et al. | Timely detection of dynamical change in scalp EEG signals | |
JP7081735B2 (ja) | 物理的接触なしに物理的変化を検出するためのシステム及び方法 | |
JP2009160001A (ja) | 睡眠評価装置及び睡眠評価方法 | |
CN105102968B (zh) | 血液状态分析装置、血液状态分析***、血液状态分析方法、以及程序 | |
CN102988036A (zh) | 测量脉率的方法 | |
CN110285044B (zh) | 基于树莓派的水泵振动监测分析仪及方法 | |
WO2017118126A1 (zh) | 一种鼾声检测方法及装置 | |
CN112244794A (zh) | 基于周期性特征的生命体征检测方法、装置和存储介质 | |
EP1848335B1 (en) | Method and apparatus for monitoring a sedated patient | |
CN106073806B (zh) | 一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备 | |
CN114754905A (zh) | 对象状态检测方法、装置、智能终端及存储介质 | |
CN105701980B (zh) | 一种有毒气体报警器及报警方法 | |
Oletic et al. | Towards continuous wheeze detection body sensor node as a core of asthma monitoring system | |
CN113693582A (zh) | 生命体征信息监测方法及装置、存储介质和处理器 | |
CN112075930A (zh) | 基于散点图的分析预警装置、方法、***和电子设备 | |
EP1858409B1 (en) | Method and apparatus for monitoring a sedated patient | |
CN116269297A (zh) | 基于雷达的生命体征检测方法、装置、雷达及存储介质 | |
WO2007046283A1 (ja) | 生体情報取得装置及び生体情報取得方法 | |
CN115089164A (zh) | 呼吸率变异性数据的提取方法及装置、存储介质 | |
CN111329481A (zh) | 生理参数确定方法、装置、生理参数检测设备及介质 | |
Kim et al. | Seizure detection methods using a cascade architecture for real-time implantable devices |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |