CN103006223A - 一种家用非接触睡眠监测装置及方法 - Google Patents
一种家用非接触睡眠监测装置及方法 Download PDFInfo
- Publication number
- CN103006223A CN103006223A CN2012105401803A CN201210540180A CN103006223A CN 103006223 A CN103006223 A CN 103006223A CN 2012105401803 A CN2012105401803 A CN 2012105401803A CN 201210540180 A CN201210540180 A CN 201210540180A CN 103006223 A CN103006223 A CN 103006223A
- Authority
- CN
- China
- Prior art keywords
- breath signal
- signal
- sleeper
- sleep
- noncontact
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种家用非接触睡眠监测装置及方法,包括发射、接收天线、非接触生物雷达前端、DSP处理器,非接触生物雷达前端通过发射天线向睡眠者胸壁定向发射脉冲序列信号,通过接收天线拾取睡眠者含有呼吸信息的反射回波信号,经过相关检测和可变延迟处理后输出给DSP处理器,DSP处理器对睡眠者呼吸信号进行预处理、呼吸特征向量提取和聚类分析等步骤实现呼吸模式自动识别和控制,在不影响人体正常睡眠的前提下,可进行声光报警,强制让呼吸暂停的睡眠者清醒。
Description
技术领域
本发明涉及一种呼吸信号监测技术,特别涉及一种适用于家庭的非接触睡眠监测装置及方法。
背景技术
近年来,随着现代医学的日益进步,睡眠医学作为现代医学的重要组成部分逐渐建立和发展起来。对睡眠呼吸方面的研究直接关系到对睡眠疾病的研究,因此睡眠呼吸成为了睡眠医学中较为关心的问题,特别是睡眠呼吸暂停低通气综合症(Sleep Hypopnea Syn-drome,SAHS)受到了广泛的重视。
睡眠呼吸暂停综合症是一种严重危害人们健康和生命的疾病,美国的流行病学资料显示,睡眠呼吸暂停综合症的主要病发人群是40岁以上的成年男性,人群的发病率高达1%-4%,在我国还没相关的流行病学资料。睡眠呼吸暂停综合症是指在每晚7个小时睡眠的情况下,周期性的出现呼吸暂停(上呼吸道无气流通过达到10s以上)的发生次数大于30次或者每小时睡眠呼吸暂停的发生次数多于5次。这种病症除导致或加重呼吸衰竭外,还是脑血管意外、心肌梗塞和高血压的重要危险因素之一。尽早合理的诊治,可明确提高患者生活质量,预防各种并发症的发生。因此,对睡眠呼吸的监护是预防和诊治睡眠呼吸障碍的首要步骤,对呼吸频率、呼吸节律的监测能够确切反应患者的通气状况,并指导机械通气治疗和临床用药。
关于睡眠状态下人体生理信号监测技术,由于它对睡眠健康监测至关重要,而受到各国高度的重视。根据不同患者的需要,睡眠监测方法主要有(1)多导睡眠监测系统;(2)微动灵敏睡眠床垫;(3)远程家庭医疗监护网。
上述方法中,多导睡眠监测系统一般由主机、显示器、放大器、采集盒、EEG/ECG/EOG/EMG传感器、胸腹运动传感器、热敏气流传感器、血氧传感器、鼾声传感器、体位传感器、信号电缆、隔离电源组成,记录并分析睡眠时EEG、ECG、EOG、EMG、胸腹式呼吸运动、鼾声、脉搏、血氧饱和度、脉搏波、呼吸频率、体位等睡眠呼吸参数,对睡眠障碍、睡眠呼吸紊乱和睡眠呼吸暂停、低通气综合征疾病进行分析、诊断。通过对以上参数的记录与分析,对睡眠障碍、睡眠呼吸紊乱和睡眠呼吸暂停、低通气综合征疾病进行分析、诊断。多导睡眠监测是当今睡眠医学中的一项重要新技术,在世界睡眠研究界又被称为诊断睡眠障碍疾病的"金标准",对于诊治各种睡眠障碍相关疾病、保障人们健康正发挥越来越重要的作用。但是在监测过程中需要专业人员安装多种传感器和连接导线直接接触人体,在长时间连续监测时对人体带来很大的心理负荷,直接影响到睡眠监测结果的客观性,适用于对医院监测设备和环境不敏感的人群。
微动灵敏睡眠床垫采用灵敏度极高的气床压力传感器,测量人体心搏和呼吸引起的压力变化来测量BCG、呼吸、心率和翻身等体动。床垫分为四个区分别测量、互相校正信号,能够准确地测量每次心跳的心动周期,并能进行睡眠时心率变异性分析和自主神经功能的评定,对睡眠呼吸暂停综合征起到辅助诊断作用。国内典型的多功能睡眠床垫是由北京空军医学研究所俞梦孙院士带领的研究小组研制的,主要用于飞行员的睡眠监测,最大限度地降低飞行事故。该方法由于采用睡眠床垫,使人能够在睡眠的自然状态下完成生理信号的无创监测,在睡眠监测中具有重要作用。但是其检测设备价格昂贵,不适用家庭睡眠监测。
远程家庭医疗监护网采用普遍使用的电话和个人计算机作基础,以家庭近距离遥测技术、远距离电话通讯网为技术平台,形成以心电、血压等重要的生理参数为主的监护网络系统,实现病人在家中就能及时得到中心医院的监护和急救处理和病情分析等多种功能。但是,心电、血压的获取仍然采用传感器接触人体,也不适用于家庭睡眠监测。
发明内容
本发明的目的是提供一种适用于家庭的睡眠监测装置及方法,通过对睡眠状态下的人体进行无约束、非接触的呼吸率监测,在发生睡眠呼吸暂停时进行报警,在不影响人体正常睡眠的同时,实现对其睡眠状态的非接触式监测。
为达到以上目的,本发明是采取如下技术方案予以实现的:
一种家用非接触睡眠监测装置,其特征在于,包括发射、接收天线、非接触生物雷达前端、DSP处理器,其中,非接触生物雷达前端通过发射天线向睡眠者胸壁定向发射脉冲序列信号,通过接收天线拾取睡眠者含有呼吸信息的反射回波信号,经过相关检测和可变延迟处理后输出给DSP处理器,DSP处理器对睡眠者呼吸信号进行呼吸模式自动识别和控制。
所述非接触生物雷达前端包括一个窄脉冲成形模块、一个距离门模块、一个相关检测模块和一个积分-微分模块,所述窄脉冲成形模块产生窄脉冲序列信号通过外接发射天线辐射出去,窄脉冲序列被睡眠者因呼吸引起的胸壁微动所反射,其回波信号被外接接收天线接收,通过相关检测模块对窄脉冲回波进行解调后输出到积分-微分模块,提取出睡眠者呼吸微动信息,所述距离门模块连接相关检测模块,实现探测区内的距离选通和扫描;所述外接发射天线与接收天线与睡眠者的胸部距离不超过0.5米。
一种采用前述装置的非接触睡眠监测方法,其特征在于,包括下述步骤:
(1)打开家用非接触睡眠监测装置的电源,DSP处理器对非接触生物雷达前端进行硬件自检,准备就绪时开始采集呼吸信号;
(2)然后DSP处理器对呼吸信号进行预处理,包括低通FIR滤波和归一化处理,将呼吸信号的幅值按比例缩放到[-1,1]的区间;
(3)将预处理后的呼吸信号提取其短时平均幅度、短时方差、短时频谱三个特征组成呼吸信号模式识别的特征向量空间;
(4)得到呼吸信号的特征相量空间后,采用聚类分析进行呼吸模式自动分类和判别,
(5)如果判别呼吸信号为呼吸暂停,则触发DSP处理器外围的声光报警电路进行报警。
上述方法中,所述的归一化处理按以下公式进行:
y=(x-Min)/(Max-Min)
其中x为数字滤波后的呼吸信号,y为归一化的呼吸信号,Max和Min分别表示滤波后呼吸信号的最大值和最小值。
所述的短时平均幅度按以下公式计算:
所述的的短时方差按以下公式计算:
所述采用聚类分析进行呼吸模式自动分类和判别步骤中,判别函数采用以下表达式:
g(x)=w'x+ω0
其中,w是权向量,ω0为阈值权,判定规则如下:g(x)>0则判定ω1,g(x)<0则判定ω2,如果g(x)=0,把这种情况也归为ω1类。
与现有的睡眠呼吸暂停监护装置及方法相比,本发明具有以下优点:
1、由于采用非接触生物雷达前端作为探测媒介,无需任何器件或导线接触人体,从信号的发射到接收完全是无线的,可以在0.5米内实现对人体的呼吸信号的监测,检测过程中对其没有任何束缚,克服了接触式传感器或电极长时间监测容易增加心理负荷而影响检测者正常睡眠的缺陷。
2、呼吸率检测准确。传统的呼吸监测装置需要绑带绑于人体的胸腹部,胸腹部的运动会产生较大的基线漂移而影响呼吸率检测的准确度,呼吸率的误差为4-6次/分钟。而本发明设计的非接触睡眠监测装置中的呼吸信号的检测不受基线漂移的影响,且呼吸率检测采用自相关处理和功率谱相融合,呼吸率的检测误差为1-2次/分钟。
4、安装和使用灵活,可以灵活地安装在床旁、天花板,使用四节干电池供电可连续工作10小时,整个监测过程只需要打开电源开关、无需干扰人体的正常休息,当出现呼吸暂停时进行声光报警。
5、本发明方法为非接触检测睡眠状态下人体的呼吸信号,不影响人体正常睡眠,通过采用低通滤波和归一化处理、呼吸特征向量提取和聚类分析等处理,能够有效地抑制其他运动干扰和自动识别人体的睡眠呼吸模式,并进行声光报警,强制让呼吸暂停的睡眠者清醒以免发生意外。
附图说明
以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1为本发明装置的功能结构框图。
图2为图1中的非接触生物雷达前端的电路原理图。
图3为图1中的呼吸模式识别单元的算法流程图。
图4为采用本发明图1装置检测到一名睡眠状态下人体的呼吸信号。其中(a)图为正常睡眠呼吸波形;(b)图为睡眠中呼吸幅度减弱频率不变的情况;(c)图为睡眠中呼吸幅度减弱频率增加;(d)图为睡眠中发生无呼吸运动情况。
图5为采用本发明呼吸模式识别算法检测到一名睡眠状态下人体发生呼吸暂停情况及分类结果。其中(a)图为发生呼吸暂停情况;(b)分类结果。
具体实施方式
如图1所示,一种适用于家庭的非接触睡眠监测装置,包括发射、接收天线tan1、tan2、非接触生物雷达前端、DSP处理器。非接触生物雷达前端用于发射窄脉冲信号检测睡眠状态下睡眠者man的呼吸信号,通过发射天线tan1向睡眠者的胸壁定向发射脉冲序列信号、通过接收天线tan2拾取含有睡眠者呼吸信息的反射回波信号,经过相关检测和可变延迟处理后输出给DSP处理器。DSP处理器对呼吸信号进行处理,采用呼吸模式识别算法(预处理、特征提取、聚类分析)进行呼吸模式自动识别和控制。
其中,非接触生物雷达前端包括由脉冲信号源和窄脉冲成形电路构成的窄脉冲成形模块、距离门模块(由可变延迟线电路构成)、相关检测模块、积分-微分模块。窄脉冲成形模块产生250ps的窄脉冲序列经过发射天线tan1照射睡眠者,由呼吸引起的胸壁微动将窄脉冲序列的回波信号进行调制,经接收天线tan2进入相关检测模块进行解调,然后通过积分-微分模块脉冲积累、微动检测后检测出呼吸信号。呼吸模式识别算法内嵌于DSP处理器芯片中,由DSP实现呼吸暂停判别并触发其外部的声光报警电路,整个硬件系统的电源由外接四节5号干电池提供。
非接触生物雷达前端具体电路可采用如图2所示的结构。其中脉冲信号源由晶体振荡器G1、门电路D1A-D3A和RC电路R1、C1,R2、C2组成,其输出信号为标准的TTL方波,频率为6MHz;窄脉冲形成电路采用阶跃二极管V1对信号源产生的方波进行整形,这种二极管在正弦信号的作用下能产生持续时间极短的脉冲串(几十ns),窄脉冲再经过激励电感L1(nH级微带电感)整形为250ps的快脉冲。距离门模块由包括反相器D5A和D8A、专用集成电路D1(型号为AD9501)的可变延迟线电路构成,可变延迟线电路由与DSP并口的8位高低电平控制,其步长为0.15ns,则测距精度可以达到22.5mm;相关检测模块由窄脉冲采保电路构成,主要由采样二极管V3和电容C14组成,发射信号经过一定的延迟(相当于在某一距离上)后,对接收信号进行采样,假若在此距离上有一静止目标,则经过一定时间积累后,就会产生一个直流信号,如果目标是运动的,则经过积累后就会得到一个交流信号,即多谱勒信号。采样二极管选用选择开关时间小、寄生分量小的二极管,电容选用充电时间常数大于取样脉冲的脉冲宽度、放电时间常数大于取样脉冲的周期。积分-微分模块由积分电路和微分电路组成,积分电路对相关检测电路的输出信号进行积累,经过成千上万个脉冲积累后微弱的目标信号被检测出来;微分电路对积分电路的输出信号进行微分,如果没有运动目标,微分电路的输出信号为一固定值,如果有运动目标,微分电路把由于目标运动引起的积累信号的变化检测出来。其中积分器(由N1、C11和R9构成)的时间常数为30s,微分器(由C10、N2和R8构成)时间常数为0.5秒,保证能够将睡眠者呼吸的微动信号检测出来。非接触生物雷达前端的输出功率小于0.01微瓦,作用距离小于0.5米。睡眠状态下人体的呼吸信号可参见图4。
如图3所示,本发明DSP中呼吸模式识别算法的流程是:
首先,打开本发明非接触睡眠监测装置的电源后,DSP处理器芯片中的呼吸模式识别软件对非接触生物雷达前端进行硬件自检,当硬件准备就绪时开始采集呼吸信号;然后对呼吸信号进行预处理,预处理包括低通FIR(有限冲激响应)滤波(截止频率为0.5Hz)和归一化处理将呼吸信号的幅值按比例缩放到[-1,1]的区间,归一化处理按照以下公式进行:y=(x-Min)/(Max-Min),其中x为数字滤波后的呼吸信号,y为归一化的呼吸信号,Max和Min分别表示滤波后呼吸信号的最大值和最小值;将预处理后的呼吸信号提取其短时平均幅度、短时方差、短时频谱三个特征组成呼吸信号模式识别的特征向量空间,短时平均幅度、短时方差分别按照以下公式计算:
(1)短时平均幅度
(2)短时方差
在统计学中,方差是描述一个向量的离散程度,是向量中各个数据与向量均值之差的平方和的平均数,可以用下式表示:
得到呼吸信号的特征相量后,采用聚类分析进行呼吸模式自动分类和判别,其核心是判别函数的确定。判别函数的表达式为:
g(x)=w'x+ω0
这里w是权向量,ω0为阈值权。睡眠呼吸模式主要包括正常呼吸呼吸暂停两大类和,要求实现以下判定规则:g(x)>0则判定ω1,如果g(x)<0则判定ω2,如果g(x)=0,把这种情况也归为ω1类。也就是说方程g(x)=0定义了一个判定面,它把归类于ω1的点和归类于ω2的点分开,如果g(x)是线性的,就把这个平面称为超平面。这个超平面将特征空间分成两个半空间,即对应于ω1类的决策域R1和对应于ω2类的决策域R2。因为当x在R1中时g(x)>0,所以判定面的法向量指向R1,另外,超平面的位置由阈值权ω0确定。假设有一个包含n个样本的集合x1,x2,…,xn,一些标记为ω1,另一些标记为ω2,用这些样本来确定判别函数。
采用感知器算法,利用多个训练样本和两个呼吸信号的特征向量,即可确定判别函数。如果判别呼吸信号为呼吸暂停,则触发DSP芯片外围的声光报警电路进行报警。
如图5所示,(a)图中将这75s的信号一共分成了29个时间段,分别求得每一段的特征向量,并代入判别函数,可以得出第1—7段为正常呼吸状态,8—12段为呼吸暂停状态,13-21段为正常呼吸状态,22—24段为呼吸暂停状态,25—29段为正常呼吸状态。(b)图中对于正常呼吸状态用‘+’表示,对于呼吸暂停状态用‘o’表示,图中的彩色平面即判别面。根据对呼吸状态的判别,可以得出在17.5s-32.5s和52.5s-62.5s两个时间段均符合呼吸暂停状态的特征,并且这两段时间均大于等于10s,因此判定在这75s的时间段内,发生了两次睡眠呼吸暂停。
Claims (7)
1.一种家用非接触睡眠监测装置,其特征在于,包括发射、接收天线、非接触生物雷达前端、DSP处理器,其中,非接触生物雷达前端通过发射天线向睡眠者胸壁定向发射脉冲序列信号,通过接收天线拾取睡眠者含有呼吸信息的反射回波信号,经过相关检测和可变延迟处理后输出给DSP处理器,DSP处理器对睡眠者呼吸信号进行呼吸模式自动识别和控制。
2.如权利要求1所述的家用非接触睡眠监测装置,其特征在于,所述非接触生物雷达前端包括一个窄脉冲成形模块、一个距离门模块、一个相关检测模块和一个积分-微分模块,所述窄脉冲成形模块产生窄脉冲序列信号通过外接发射天线辐射出去,窄脉冲序列被睡眠者因呼吸引起的胸壁微动所反射,其回波信号被外接接收天线接收,通过相关检测模块对窄脉冲回波进行解调后输出到积分-微分模块,提取出睡眠者呼吸微动信息,所述距离门模块连接相关检测模块,实现探测区内的距离选通和扫描;所述外接发射天线与接收天线与睡眠者的胸部距离不超过0.5米。
3.一种非接触睡眠监测方法,采用权利要求1所述的家用非接触睡眠监测装置实现,其特征在于,包括下述步骤:
(1)打开家用非接触睡眠监测装置的电源,DSP处理器对非接触生物雷达前端进行硬件自检,准备就绪时开始采集呼吸信号;
(2)然后DSP处理器对呼吸信号进行预处理,包括低通FIR滤波和归一化处理,将呼吸信号的幅值按比例缩放到[-1,1]的区间;
(3)将预处理后的呼吸信号提取其短时平均幅度、短时方差、短时频谱三个特征组成呼吸信号模式识别的特征向量空间;
(4)得到呼吸信号的特征相量空间后,采用聚类分析进行呼吸模式自动分类和判别,
(5)如果判别呼吸信号为呼吸暂停,则触发DSP处理器外围的声光报警电路进行报警。
4.如权利要求3所述的非接触睡眠监测方法,其特征在于,所述的归一化处理按以下公式进行:
y=(x-Min)/(Max-Min)
其中x为数字滤波后的呼吸信号,y为归一化的呼吸信号,Max和Min分别表示滤波后呼吸信号的最大值和最小值。
7.如权利要求3所述的非接触睡眠监测方法,其特征在于,所述采用聚类分析进行呼吸模式自动分类和判别步骤中,判别函数采用以下表达式:
g(x)=w'x+ω0
其中,w是权向量,ω0为阈值权,判定规则如下:g(x)>0则判定ω1,g(x)<0则判定ω2,如果g(x)=0,把这种情况也归为ω1类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105401803A CN103006223A (zh) | 2012-12-13 | 2012-12-13 | 一种家用非接触睡眠监测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105401803A CN103006223A (zh) | 2012-12-13 | 2012-12-13 | 一种家用非接触睡眠监测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103006223A true CN103006223A (zh) | 2013-04-03 |
Family
ID=47955719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105401803A Pending CN103006223A (zh) | 2012-12-13 | 2012-12-13 | 一种家用非接触睡眠监测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103006223A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104905791A (zh) * | 2014-03-11 | 2015-09-16 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及系统 |
CN105105718A (zh) * | 2015-05-19 | 2015-12-02 | 上海兆观信息科技有限公司 | 一种非接触式的睡眠分期和睡眠呼吸障碍检测方法 |
CN106473703A (zh) * | 2016-09-21 | 2017-03-08 | 广州视源电子科技股份有限公司 | 睡眠状态分类器的训练方法和系统 |
CN106725486A (zh) * | 2016-08-30 | 2017-05-31 | 南京理工大学 | 基于呼吸模式监测雷达的呼吸模式判决方法 |
CN107049283A (zh) * | 2017-06-02 | 2017-08-18 | 南京理工大学 | 一种基于自适应残差比较算法的睡眠呼吸暂停检测方法 |
CN107366872A (zh) * | 2017-07-13 | 2017-11-21 | 浙江朗特隆光电有限公司 | 一种非接触式睡眠监测台灯 |
CN107887032A (zh) * | 2016-09-27 | 2018-04-06 | 中国移动通信有限公司研究院 | 一种数据处理方法及装置 |
CN107967684A (zh) * | 2017-12-11 | 2018-04-27 | 深圳大学 | 非接触式睡眠呼吸检测方法和装置 |
CN108474841A (zh) * | 2015-04-20 | 2018-08-31 | 瑞思迈传感器技术有限公司 | 由特征信号对人类的检测和识别 |
CN108720836A (zh) * | 2017-04-17 | 2018-11-02 | 普天信息技术有限公司 | 一种呼吸异常告警检测方法及系统 |
WO2019205321A1 (zh) * | 2018-04-23 | 2019-10-31 | 广东美的制冷设备有限公司 | 睡眠阶段的监测方法、空调器及计算机可读存储介质 |
CN110400446A (zh) * | 2019-08-02 | 2019-11-01 | 重庆文理学院 | 一种用于游泳池溺水检测的方法 |
CN110477887A (zh) * | 2019-09-18 | 2019-11-22 | 浙江理工大学 | 一种非入侵式长程呼吸暂停综合征的监测装置 |
WO2020031106A3 (en) * | 2018-08-07 | 2020-06-11 | Goldtech Sino Ltd | Health maps for navigating a health space |
CN111329462A (zh) * | 2020-03-05 | 2020-06-26 | 河北工业大学 | 一种实时无束缚心率提取方法 |
CN112263242A (zh) * | 2020-10-26 | 2021-01-26 | 哈尔滨工业大学 | 基于fmcw雷达的呼吸检测及模式分类方法 |
CN113907742A (zh) * | 2021-10-29 | 2022-01-11 | 北京清雷科技有限公司 | 睡眠呼吸数据的监测方法及装置 |
CN114176535A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于超宽带非接触体征监测装置及方法 |
CN114176564A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
CN114869241A (zh) * | 2022-07-11 | 2022-08-09 | 西南交通大学 | 睡眠呼吸事件预测方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1155236A (zh) * | 1994-08-09 | 1997-07-23 | 加利福尼亚大学董事会 | 监视与成象装置和方法 |
CN101437442A (zh) * | 2006-03-06 | 2009-05-20 | 无线2000Rf&Uwb技术有限公司 | 超宽带监视系统和天线 |
US20120245479A1 (en) * | 2011-03-23 | 2012-09-27 | Meena Ganesh | Physiology Monitoring and Alerting System and Process |
-
2012
- 2012-12-13 CN CN2012105401803A patent/CN103006223A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1155236A (zh) * | 1994-08-09 | 1997-07-23 | 加利福尼亚大学董事会 | 监视与成象装置和方法 |
US5766208A (en) * | 1994-08-09 | 1998-06-16 | The Regents Of The University Of California | Body monitoring and imaging apparatus and method |
CN101437442A (zh) * | 2006-03-06 | 2009-05-20 | 无线2000Rf&Uwb技术有限公司 | 超宽带监视系统和天线 |
US20120245479A1 (en) * | 2011-03-23 | 2012-09-27 | Meena Ganesh | Physiology Monitoring and Alerting System and Process |
Non-Patent Citations (2)
Title |
---|
林时来: "基于蚁群算法的呼吸信号情感识别研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
路国华,杨国胜,王健琪,荆西京: "基于微功率超宽带雷达监测人体生命信号的研究", 《医疗卫生装备》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104905791B (zh) * | 2014-03-11 | 2017-07-28 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及系统 |
CN104905791A (zh) * | 2014-03-11 | 2015-09-16 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及系统 |
CN108474841A (zh) * | 2015-04-20 | 2018-08-31 | 瑞思迈传感器技术有限公司 | 由特征信号对人类的检测和识别 |
CN105105718A (zh) * | 2015-05-19 | 2015-12-02 | 上海兆观信息科技有限公司 | 一种非接触式的睡眠分期和睡眠呼吸障碍检测方法 |
WO2017049753A1 (en) * | 2015-05-19 | 2017-03-30 | Shanghai Megahealth Technologies Co., Ltd | Noncontact detection method of sleep stages and sleep-disordered breathing |
CN106725486A (zh) * | 2016-08-30 | 2017-05-31 | 南京理工大学 | 基于呼吸模式监测雷达的呼吸模式判决方法 |
CN106473703A (zh) * | 2016-09-21 | 2017-03-08 | 广州视源电子科技股份有限公司 | 睡眠状态分类器的训练方法和系统 |
CN106473703B (zh) * | 2016-09-21 | 2019-06-11 | 广州视源电子科技股份有限公司 | 睡眠状态分类器的训练方法和系统 |
CN107887032A (zh) * | 2016-09-27 | 2018-04-06 | 中国移动通信有限公司研究院 | 一种数据处理方法及装置 |
CN108720836A (zh) * | 2017-04-17 | 2018-11-02 | 普天信息技术有限公司 | 一种呼吸异常告警检测方法及系统 |
CN107049283A (zh) * | 2017-06-02 | 2017-08-18 | 南京理工大学 | 一种基于自适应残差比较算法的睡眠呼吸暂停检测方法 |
CN107049283B (zh) * | 2017-06-02 | 2020-09-18 | 南京理工大学 | 一种基于自适应残差比较算法的睡眠呼吸暂停检测系统 |
CN107366872A (zh) * | 2017-07-13 | 2017-11-21 | 浙江朗特隆光电有限公司 | 一种非接触式睡眠监测台灯 |
CN107967684A (zh) * | 2017-12-11 | 2018-04-27 | 深圳大学 | 非接触式睡眠呼吸检测方法和装置 |
WO2019205321A1 (zh) * | 2018-04-23 | 2019-10-31 | 广东美的制冷设备有限公司 | 睡眠阶段的监测方法、空调器及计算机可读存储介质 |
CN113164071A (zh) * | 2018-08-07 | 2021-07-23 | 金达中华有限公司 | 导航健康空间的健康地图 |
WO2020031106A3 (en) * | 2018-08-07 | 2020-06-11 | Goldtech Sino Ltd | Health maps for navigating a health space |
CN110400446B (zh) * | 2019-08-02 | 2021-03-26 | 重庆文理学院 | 一种用于游泳池溺水检测的方法 |
CN110400446A (zh) * | 2019-08-02 | 2019-11-01 | 重庆文理学院 | 一种用于游泳池溺水检测的方法 |
CN110477887A (zh) * | 2019-09-18 | 2019-11-22 | 浙江理工大学 | 一种非入侵式长程呼吸暂停综合征的监测装置 |
CN111329462B (zh) * | 2020-03-05 | 2022-05-20 | 河北工业大学 | 一种实时无束缚心率提取方法 |
CN111329462A (zh) * | 2020-03-05 | 2020-06-26 | 河北工业大学 | 一种实时无束缚心率提取方法 |
CN112263242A (zh) * | 2020-10-26 | 2021-01-26 | 哈尔滨工业大学 | 基于fmcw雷达的呼吸检测及模式分类方法 |
CN113907742A (zh) * | 2021-10-29 | 2022-01-11 | 北京清雷科技有限公司 | 睡眠呼吸数据的监测方法及装置 |
CN113907742B (zh) * | 2021-10-29 | 2024-05-24 | 北京清雷科技有限公司 | 睡眠呼吸数据的监测方法及装置 |
CN114176535A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于超宽带非接触体征监测装置及方法 |
CN114176564A (zh) * | 2021-12-14 | 2022-03-15 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
CN114176564B (zh) * | 2021-12-14 | 2023-11-24 | 北京中科蓝电科技有限公司 | 基于雷达信号提取呼吸状态的方法 |
CN114869241A (zh) * | 2022-07-11 | 2022-08-09 | 西南交通大学 | 睡眠呼吸事件预测方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103006223A (zh) | 一种家用非接触睡眠监测装置及方法 | |
CN109480787B (zh) | 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法 | |
CN104224132B (zh) | 睡眠监测装置及其监测方法 | |
CN102917661B (zh) | 基于多变量残差的用于人体健康监视的健康指数 | |
CN103070683B (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN104545844B (zh) | 一种基于4g移动通讯技术的多参数睡眠监测与智能诊断系统及其使用方法 | |
CN105476602A (zh) | 非接触式人体生命体征测量方法及装置 | |
CN106937808A (zh) | 一种智能床垫的数据采集系统 | |
CN105286823A (zh) | 穿戴式自供电多生理参数监测装置及监测方法 | |
JP2009538720A (ja) | 生理的徴候を監視するための装置、システム、および方法 | |
US8965493B2 (en) | Electromedical implant and monitoring system | |
CN104257353A (zh) | 一种睡眠呼吸暂停综合症检测系统 | |
CN109640805A (zh) | 具有确定颈动脉血压的多功能量测装置 | |
CN106175770B (zh) | 一种睡眠期间呼吸暂停的判断系统 | |
CN104545818A (zh) | 一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法 | |
CN108283489A (zh) | 睡眠呼吸系统及方法 | |
CN107334460A (zh) | 基于心电、呼吸、体位信号的睡眠质量评估系统及方法 | |
CN106344034A (zh) | 一种睡眠质量评估系统及其方法 | |
CN103908241B (zh) | 睡眠及呼吸检测方法、装置 | |
CN105982643B (zh) | 睡眠事件检测方法与系统 | |
CN109222935A (zh) | 一种基于uwb传感器判断人体睡眠质量的方法及系统 | |
CN204909917U (zh) | 基于布料传感器的睡眠监护与医疗诊断的智能床单 | |
CN109008955A (zh) | 一种便携式生理参数监测仪及其监测方法 | |
CN107397535A (zh) | 孕妇综合体征监护装置和系统 | |
CN111012329A (zh) | 一种高精度、运动型、无创便携式心肺功能参数测量设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130403 |