CN103717125B - 用于确定人的睡眠和睡眠阶段的系统和方法 - Google Patents

Abstract

本发明涉及一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统和方法，其包括：被配置成检测此人的心率的心率检测部件；被配置成检测此人的某一身体部分的移动的移动检测部件，其中所检测到的移动是由身体的骨骼肌引起的；被配置成记录所检测到的心率和所检测到的身体部分的移动的记录部件；被配置成把此人的所记录的心率分类到至少一个心率类别和至少一个心率变异性类别中的心率分类部件；被配置成把所记录的移动分类到至少一个移动类别中的移动分类部件；以及被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件的确定部件。

Description

用于确定人的睡眠和睡眠阶段的系统和方法

本发明涉及用于确定人的睡眠和/或睡眠阶段的系统和方法，并且特别涉及一种用于根据从人的心率和移动导出的心率类别和移动类别来确定睡眠阶段过渡的系统和方法。

背景技术

许多人面临由于睡眠异常和睡眠干扰而导致的问题。举例来说，存在许多睡眠异常或病况，并且可能存在发作性睡病、梦游或者例如失眠或睡眠过度之类的异常睡眠长度等不同表现。此外，人的睡眠可能会受到打鼾或者例如光或噪音之类的环境因素的干扰，其中打鼾常常与阻塞性睡眠呼吸暂停综合症相关联。这些睡眠干扰通常以睡眠事件的发生结合例如自主性（呼吸或心脏）或运动性变更之类的生理变量的突然改变为标志。睡眠事件还可能是由例如睡眠呼吸暂停、下肢不宁、异常移动、梦游、心率不稳、梦魇、夜惊等睡眠病况的症状而导致的。因此，打鼾的睡眠者或者在梦魇或夜惊期间的说话和尖叫通常将导致异常的睡眠事件。不论是从健康（护理）的角度还是从社会经济的角度来看，异常的或者存在干扰的睡眠都会导致许多后果。

为了检测人们的睡眠异常和干扰的原因，睡眠实验室可以对人实施睡眠评分，即确定各个睡眠阶段及其过渡。在睡眠实验室中，在多导睡眠监测中观测生理参数并且记录相应的数据。多导睡眠监测期间的这一记录包括例如脑电图（EEG）、眼电图（EOG）和肌电图（EMG）之类的主要数据，以及例如心率、呼吸、血氧以及身体移动之类的次要数据。EEG被用来根据其频率和幅度检测并辨识脑波。通过EOG识别并分析眼球的移动。EMG允许评估并记录由骨骼肌产生的电活动。

在传统上，睡眠评分是基于对在睡眠周期当中连续进行的EEG、EOG和EMG记录进行分析。这些生理数据由通过附着到被测试/被记录人员的头皮和面部的不同部分的小电极记录的电位的波动表示。

随后由睡眠专科医生根据定义不同睡眠阶段的国际上所接受的规则对这些电位进行解释。每一个睡眠阶段由记录上的特定EEG波的存在和富集表征。此外，通过EOG记录检测到的眼睛移动主要在快速眼睛移动（REM）睡眠阶段期间存在，并且EMG取决于睡眠阶段和身体移动的同时存在而表现出紧张性和位相性水平的变化。

多导睡眠监测存在许多缺点。举例来说，在通过使用固定在颅骨的几个侧面的电极来记录EEG电位的过程中，例如电极被粘贴在面部和颅骨上。

此外，EOG和EMG需要把电极和传感器附着到被测试人员的面部、颅骨或其他身体部分。为了检测睡眠期间的眼睛移动，EOG需要把电极粘贴或者以其他方式附着在人的眼睛附近或眼睑上。

所有这些电极还需要附接到所述电极并且引导到放置在床头附近的装置的连线，连线限制了被测试人员的移动自由。因此，由于连线、不寻常的睡眠环境以及在寝具条件下强加的计划安排，这样的记录具有突显性。因此，这样的测试的结果可能会由于被测试人员的环境发生改变而存在失真。

此外，由于记录技术的复杂性，多导睡眠监测存在局限性。具体来说，需要例如睡眠实验室之类的特定记录场所、专用装备以及训练有素的工作人员。因此，多导睡眠监测仍然是用于睡眠评估的一种昂贵的特例性方法。

在US5,902,250中描述了基于眼睑移动（EOG）、头部移动和心搏信号（心电图-ECG）的检测的多导睡眠监测系统。但是所描述的系统较为昂贵，并且会由于所需的传感器和连线的数量而产生睡眠干扰。此外，在US5,902,250中描述的系统在确定睡眠阶段方面不很精确，而且不会确定睡眠阶段过渡。

此外，US7,351,206涉及一种睡眠状态确定设备，其基于一系列脉搏间隔数据确定睡眠状态。如果身体移动数据的波动数量大于预定阈值，则确定身体移动数据以便从一系列脉搏间隔数据中去除与身体移动数据并行地测量的所述脉搏间隔数据。如果身体移动的数量很多或者具有较长持续时间，则数据的缺乏会导致不精确的睡眠阶段确定。因此，所导出的结果可能不足以可靠地为睡眠阶段评分。

WO98/43536A1公开了一种用于确定患者的睡眠状态的方法。所述方法包括：监测患者的心率变异性，并且基于所述心率变异性确定睡眠状态。所述方法还可包括：监测眼睑移动的频率，并且基于眼睑移动的频率做出睡眠状态确定。一种用于确定呼吸模式的方法包括：通过接收心搏信号监测心率变异性，并且从所述信号的强度确定呼吸模式。一种基于家用的、可佩戴的整装式系统确定睡眠状态、呼吸模式，并且基于眼睑移动的频率、头部移动的频率和心率变异性评估患者的心脏呼吸风险。

US2007/0106183A1公开了一种睡眠状态测量设备，其具有：获得用户的自主神经指数的自主神经指数获得单元；以及基于自主神经指数的时间改变和用户睡眠循环的改变计算睡眠周期性指数的睡眠周期性指数计算单元；或者计算副交感神经优势度指数的优势度指数计算单元，其中所述睡眠周期性指数根据作为一个指数的用户的理想睡眠循环表明用户是否正在睡眠，所述副交感神经优势度指数则对于处在睡眠过程中的用户表明包括在自主神经指数中的副交感神经指数关于包括在自主神经指数中的交感神经指数的优势度。

US2009/0264715A1公开了一种睡眠系统，其具有能够在一个人的睡眠期间收集来自此人的睡眠数据以及环境数据的传感器。处理器执行对该数据进行分析并且控制人的睡眠以及围绕此人的环境的指令。通常来说，所述指令被加载到存储器中并且在该处执行，从而在一个人的睡眠期间根据来自此人的睡眠数据生成关于睡眠质量的客观度量并且收集环境数据。在执行时，所述指令接收一个人在睡眠之后的关于睡眠质量的主观度量，从睡眠质量的客观度量和睡眠质量的主观度量创建睡眠质量指数，使睡眠质量指数和当前睡眠系统设定与历史睡眠质量指数和相应的历史睡眠系统设定相关。所述指令随后可以根据睡眠质量指数与历史睡眠质量指数之间的相关来修改当前的睡眠系统设定集合。这些睡眠系统设定控制并且可能改变与所述睡眠系统相关联的环境的一个或多个不同元素。

US2010/0125215A1公开了一种睡眠分析系统及其分析方法。所述睡眠分析系统包括分析装置和睡眠感测设备。所述睡眠感测设备包括ECG信号收集器、多轴加速度计、无线传送单元以及控制单元。ECG信号收集器被用于收集与一个对象相关联的ECG信号。多轴加速度计被用于检测与该对象相关联的多轴加速度计信号。控制单元控制无线传送单元把ECG信号和多轴加速度计信号传送到分析装置以便分析所述对象的睡眠。在非REM睡眠的各个阶段之间没有做出区分。

但是由于与传统视觉睡眠评分相比在确定睡眠阶段和/或睡眠阶段过渡方面的巨大不确定性，这些睡眠评分方法与传统的视觉睡眠评分方法之间的一致性百分比被睡眠研究者和睡眠临床医师认为是过低的。因此，在医疗领域内还没有使用这些技术。

本发明的一个目的是提供一种用于确定睡眠状态和/或睡眠阶段和/或睡眠阶段过渡的系统和方法，其能够减少被测试人员的睡眠的干扰并且在足够精确且便宜的同时提供可靠的结果。

该目的可以通过由独立权利要求限定的本发明来实现。优选实施例由从属权利要求限定。

心率变异性以及心率变异性（HRV）信号的低频（LF）与高频（HF）分量的LF/HF比值可以被用来确定睡眠状态和睡眠阶段。心率中的非瞬态（稳定）波动允许区分与心率变异性（HRV）信号的低频（LF）和高频（HF）分量有关的交感神经和副交感神经活化。所得到的LF/HF比值是关于交感神经-迷走神经平衡的定量指数，并且可以通过频谱分析来计算。睡眠越加同步，LF/HF比值的减小就越多，LF/HF比值在REM睡眠期间会显著增大，从而表明这一时段期间的交感神经支配性。因此，对于HRV的频谱分析提供了超出传统心血管测量（平均心率、血压等等）之外的关于自主神经系统机能的超日节律行为的附加信息。

这种频谱分析方法的一个缺点在于，必须在心率信号稳定时计算该比值。当一个人正在移动时，对于该比值的计算受到由于移动而引起的心率改变的污染。换句话说，只有在一个人保持静止时才能使用LF/HF比值。

为睡眠评分不仅是基于确定特定睡眠阶段，而且还基于确定从一个阶段到另一个阶段的过渡。当心率不够稳定时，在利用LF/HF比值确定睡眠状态、睡眠阶段和/或睡眠阶段过渡（并且特别是确定睡眠阶段和/或从一个睡眠阶段到另一个睡眠阶段的过渡的确切时间）方面是非常成问题的，并且在确定睡眠阶段和/或阶段过渡时的误差可能是一两分钟到几分钟。

举例来说，可能存在LF/HF比值的缓慢过渡，其中LF/HF比值像正弦波那样从高数值到低数值并且反向波动。但是如果不存在表明睡眠阶段之间的过渡的关于LF/HF比值的数值的信息，则从非REM到REM睡眠阶段的过渡可能会被切割该波动曲线的水平线任意地固定。但是与传统的视觉睡眠评分相比，利用这样的技术无法足够精确地确定过渡时间，因此睡眠阶段确定的精度不足。

本发明的一个实施例使用心率和身体移动来确定睡眠状态、睡眠阶段和/或睡眠阶段过渡。在一个优选实施例中，确定睡眠阶段和/或睡眠阶段过渡是基于心率和身体移动类别。举例来说，通过同时参照心率的水平和突然发生的改变以及可能的伴随的身体移动，可以精确地确定睡眠阶段过渡。如果没有观察到过渡的迹象，则此人保持在相同的状态（清醒或睡着），或者在后一种情况下是保持在相同的睡眠阶段。通过这样做，本发明的实施例不依赖于心率信号的任何稳定性，并且通过使用其突然的变更，能够以仅为一两秒钟的误差确定从一个阶段到另一个阶段的过渡。

根据一个优选实施例，本发明涉及一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统。所述系统包括：被配置成检测此人的心率的心率检测部件，以及被配置成检测此人的某一身体部分的移动的移动检测部件。所检测到的移动是由身体的骨骼肌引起的。所述系统还包括：被配置成记录所检测到的心率和所检测到的身体部分的移动的记录部件，被配置成把此人的所记录的心率分类到至少一个心率类别中的心率分类部件，以及被配置成把所记录的移动分类到至少一个移动类别中的移动分类部件。所述系统还包括：被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件的确定部件。

根据该实施例的一个方面，所述系统包括：被配置成从所记录的心率计算心率平均值、变异性数值（包括传统上所使用的频谱LF/HF比值）、节律特性和/或心率事件或改变的心率计算部件。所述心率分类部件被配置成基于所计算的心率平均值、变异性数值、节律特性和/或心率事件或改变来对一个人的心率进行分类。

在所述实施例的另一方面，所述确定部件被配置成在一个特定时间段内识别出心率类别与移动类别的特定组合，并且所述确定部件被配置成基于所识别出的特定组合确定睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件。

关于该实施例的一个方面，所述移动检测部件包括被配置成感测一个人的某一身体部分的加速度的移动感测部件，其中所述记录部件还被配置成记录所感测到的加速度。所述系统包括：被配置成基于所记录的加速度的数值来至少计算此人的所述身体部分的每一次移动的强度和/或持续时间的移动计算部件。

根据所述实施例的另一方面，所述移动分类部件被配置成基于每一次移动的所计算的强度和/或持续时间把所述身体部分的每一次移动至少分类为大移动（LM）、小移动（SM）或抽动（TM），并且/或者被配置成把每一次LM、SM和/或TM至少分类到各个频率类别和/或持续时间类别中。

根据该实施例的另一方面，所述系统还包括：被配置成感测至少一项环境因素的环境感测部件，其中所述记录部件还被配置成记录所感测到的至少一项环境因素；以及被配置成把至少一项所记录的环境因素的至少一些数值分类到至少一个环境类别中的环境分类部件。所述确定部件还被配置成至少部分地基于所述至少一个环境类别来确定一个人的睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件。

根据该实施例的一个方面，所述环境感测部件被配置成感测噪音水平、周围环境温度和/或周围环境光。

根据所述实施例的另一方面，所述系统还包括环境计算部件，其被配置成基于所记录的噪音水平计算至少一个平均噪音水平和/或噪音事件，并且/或者基于所记录的周围环境温度计算至少一个平均周围环境温度水平和/或改变和/或变化，并且/或者基于所记录的周围环境光计算至少一个周围环境光水平和/或周围环境光水平的改变和/或变化。

关于该实施例的另一方面，所述确定部件还被配置成确定从清醒到睡眠的过渡和/或从一个睡眠阶段到另一个睡眠阶段的过渡和/或从睡眠到清醒的过渡，以及/或者至少一项所记录的环境因素对于睡眠阶段过渡或者从睡眠到清醒的过渡的直接因果效应。

根据所述实施例的一个方面，所述系统还包括评估部件，其被配置成基于所述至少一个心率类别、至少一个移动类别、至少一个环境类别和/或其任意组合来评估一个人的睡眠或清醒状态。

根据另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统包括被配置成检测此人的心率的心率检测部件，以及被配置成检测此人的某一身体部分的移动的移动检测部件，其中所述移动是由身体的骨骼肌引起的。所述系统还包括：被配置成记录所检测到的心率和所检测到的身体部分的移动的记录部件，被配置成把此人的所记录的心率分类到至少一个心率类别和至少一个心率变异性类别中的心率分类部件，以及被配置成把所记录的移动分类到至少一个移动类别中的移动分类部件。所述系统还包括：被配置成至少部分地基于所述至少一个心率类别、至少一个心率变异性类别和至少一个移动类别来确定此人的睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件的确定部件，其中所述确定部件被配置成在一定时间间隔内识别出心率类别、心率变异性类别和移动类别的某种组合，并且基于所识别出的组合确定睡眠、睡眠阶段和/或睡眠阶段过渡。

根据一个优选实施例，所述至少一个心率类别包括心率平均值类别。

在一个优选实施例中，心率平均值分类是基于心率平均值，其中心率平均值是在一个预定时间间隔内求平均的。优选地，用于对心率求平均的所述预定时间间隔根据在一个人身上所检测到的身体移动而不同。举例来说，在一个优选实施例中，如果存在一些身体移动则通过在第一时间间隔内对心率求平均来计算心率平均值，并且如果不存在或者只存在很少身体移动则通过在第二时间间隔内对心率求平均来计算心率平均值，其中第二时间间隔长于第一时间间隔。

根据另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统包括：可佩戴装置，其被配置成检测并记录此人的心率并且被配置成检测并记录此人的某一身体部分的移动，其中所述移动是由身体的骨骼肌引起的；以及分析装置，其被配置成把此人的所记录的心率分类到至少一个心率类别中，被配置成把所记录的移动分类到至少一个移动类别中，并且被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件。所述系统还包括被配置成把表示所记录的心率和所记录的移动的数据从可佩戴记录装置传送到分析装置的数据连接。

根据另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件的方法包括以下步骤：检测此人的心率；记录所检测到的心率；检测此人的某一身体部分的移动，其中所述移动是由身体的骨骼肌引起的；记录所检测到的移动；把此人的所记录的心率分类到至少一个心率类别中；把所记录的移动分类到至少一个移动类别中；至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。

根据该实施例的一个方面，所述方法包括在一个特定时间段内识别出心率类别与移动类别的特定组合，其中所述确定包括基于所识别出的特定组合确定睡眠阶段。

关于所述实施例的另一方面，所述方法包括：感测至少一项环境因素；记录所感测到的至少一项环境因素；把至少一项所记录的环境因素的至少一些数值分类到至少一个环境类别中；以及至少部分地基于所述至少一个环境类别来确定一个人的睡眠事件。

根据所述实施例的一个方面，所述方法包括：基于所述至少一个心率类别、至少一个移动类别、至少一个环境类别和/或其任意组合来评估一个人的睡眠或清醒状态。

根据所述实施例的另一方面，所述方法包括：至少部分地基于所述至少一个环境类别确定至少一项所记录的环境因素对于睡眠阶段过渡或睡眠事件或者从睡眠到清醒的过渡的直接因果效应。

关于另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统包括：被配置成检测此人的心率的心率检测部件；被配置成检测此人的某一身体部分的移动的移动检测部件，其中所述移动是由身体的骨骼肌引起的；被配置成把此人的所检测到的心率分类到至少一个心率类别中的心率分类部件；被配置成把所检测到的移动分类到至少一个移动类别中的移动分类部件；以及被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡的确定部件。

关于该实施例的一个方面，所述系统包括被配置成从所检测到的心率计算心率平均值、变异性数值（包括频谱LF/HF比值）、节律特性和/或心率事件或改变的心率计算部件，其中所述心率分类部件被配置成基于所计算的心率平均值、变异性数值、节律特性和/或心率事件或改变来对一个人的心率进行分类。

根据所述实施例的另一方面，所述确定部件还被配置成在一个特定时间段内识别出心率类别与移动类别的特定组合，其中所述确定部件被配置成基于所识别出的特定组合确定睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。

根据所述实施例的另一方面，所述确定部件被配置成识别出所述特定组合的心率类别和移动类别的相继顺序。

关于所述实施例的另一方面，所述确定部件被配置成把以下各项识别为一种特定组合：心率加速度事件连同所述身体部分的移动，在所述身体部分的移动之前的心率加速度事件，在所述特定时间段内没有所述身体部分的移动的心率加速度事件，以及/或者在所述身体部分的移动之后的心率加速度事件。

根据所述实施例的另一方面，所述心率检测部件包括被配置成感测一个人的心脏的脉波的脉波感测部件。

根据所述实施例的另一方面，所述移动检测部件包括被配置成感测一个人的所述身体部分的加速度的移动感测部件，其中所述系统包括被配置成基于所感测到的加速度的数值来至少计算此人的所述身体部分的每一次移动的强度和/或持续时间的移动计算部件。

根据所述实施例的另一方面，所述移动分类部件被配置成基于每一次移动的所计算的强度和/或持续时间把所述身体部分的每一次移动至少分类为大移动、小移动或抽动。

根据所述实施例的另一方面，所述移动分类部件被配置成基于每一次移动的所计算的强度和/或持续时间把所述身体部分的每一次移动至少分类为大移动（LM）、小移动（SM）或抽动（TM），并且/或者被配置成把每一次LM、SM和/或TM至少分类到各个频率类别和/或持续时间类别中。

根据所述实施例的另一方面，所述系统还包括：被配置成感测至少一项环境因素的环境感测部件；以及被配置成把至少一项所感测到的环境因素的至少一些数值分类到至少一个环境类别中的环境分类部件。

根据所述实施例的另一方面，所述确定部件还被配置成至少部分地基于所述至少一个环境类别来确定一个人的睡眠事件。

关于所述实施例的另一方面，所述环境感测部件被配置成感测噪音水平、周围环境温度和/或周围环境光。

关于所述实施例的另一方面，所述系统还包括环境计算部件，其被配置成基于所感测到的噪音水平计算至少一个平均噪音水平和/或噪音事件，并且/或者计算所感测到的周围环境温度的至少一个平均周围环境温度水平和/或改变和/或变化，并且/或者基于所感测到的周围环境光计算至少一个周围环境光水平和/或周围环境光水平的改变。

根据所述实施例的另一方面，所述确定部件还被配置成确定从一个睡眠阶段到另一个睡眠阶段和/或从睡眠阶段到清醒的过渡以及/或者睡眠事件。

根据所述实施例的另一方面，所述确定部件还被配置成确定所述过渡是下降过渡还是上升过渡，其中下降过渡从清醒或者从较浅睡眠阶段开始并且导向较深睡眠阶段，上升过渡从较深睡眠阶段开始并且导向较浅睡眠阶段或清醒。

根据所述实施例的一个方面，所述系统还包括识别部件，其被配置成识别出所检测到的心率、所检测到的移动和/或至少一项所感测到的环境因素的各个数值当中的缺失数值和/或异常数值。

关于所述实施例的另一方面，所述系统还包括评估部件，其被配置成基于所述至少一个心率类别、至少一个移动类别、至少一个环境类别和/或其任意组合来评估一个人的睡眠或清醒状态。

根据另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统包括：可佩戴装置，其被配置成检测此人的心率并且被配置成检测此人的某一身体部分的移动，其中所述移动是由身体的骨骼肌引起的；分析装置，其被配置成把此人的所检测到的心率分类到至少一个心率类别中，被配置成把所检测到的移动分类到至少一个移动类别中，并且被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件；以及被配置成把表示所检测到的心率和所检测到的移动的数据从可佩戴记录装置传送到分析装置的数据连接。

根据该实施例的一个方面，所述识别部件还被配置成恢复缺失数据和/或异常数据。

根据所述实施例的另一方面，所述数据连接是无线数据连接。

根据所述实施例的另一方面，所述可佩戴装置被佩戴在人的四肢、躯干和/或头部。

关于所述实施例的另一方面，所述可佩戴装置还被配置成记录表示至少一些相继心率间隔的数据，并且被配置成记录表示所检测到的移动的数据，其中所述数据连接被配置成把所记录的表示至少一些相继心率间隔的数据和/或表示所检测到的移动的数据从可佩戴装置传送到分析装置。

关于所述实施例的另一方面，所述分析装置还被配置成基于所述至少一个心率分类、至少一个移动分类和/或其任意组合来评估一个人的睡眠或清醒状态。

根据另一个实施例，一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的方法包括以下步骤：检测此人的心率；检测此人的某一身体部分的移动，其中所述移动是由身体的骨骼肌引起的；把此人的所检测到的心率分类到至少一个心率类别中；把所检测到的移动分类到至少一个移动类别中；以及至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。

根据该实施例的一个方面，所述方法包括在一个特定时间段内识别出心率类别与移动类别的特定组合的步骤，其中所述确定包括基于所识别出的特定组合确定睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。

根据所述实施例的另一方面，所述方法包括从所检测到的心率计算心率平均值、变异性数值、节律特性和/或心率事件或改变，其中对一个人的心率进行分类包括基于所计算的心率平均值、变异性数值、节律特性和/或心率事件或改变来对心率进行分类。

根据所述实施例的另一方面，所述方法包括以下步骤：感测至少一项环境因素；以及把至少一项所感测到的环境因素的至少一些数值分类到至少一个环境类别中。

关于所述实施例的另一方面，所述确定包括至少部分地基于所述至少一个环境类别来确定一个人的睡眠事件。

根据所述实施例的另一方面，感测所述至少一项环境因素包括感测噪音水平、周围环境温度和/或周围环境光。

根据所述实施例的一个方面，所述方法包括：基于所述至少一个心率类别、至少一个移动类别、至少一个环境类别和/或其任意组合来评估一个人的睡眠或清醒状态。

根据另一个实施例，本发明涉及一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的系统。所述系统包括：被配置成检测此人的心率的心率检测器，以及被配置成检测此人的某一身体部分的移动的移动检测器，其中所检测到的移动是由身体的骨骼肌引起的。所述系统还包括：被配置成记录所检测到的心率和所检测到的身体部分的移动的记录单元，被配置成把此人的所记录的心率分类到至少一个心率类别中的心率分类单元，以及被配置成把所记录的移动分类到至少一个移动类别中的移动分类单元。所述系统还包括：被配置成至少部分地基于所述至少一个心率类别和至少一个移动类别来确定此人的睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件的确定单元。

根据该实施例的一个方面，所述系统包括：被配置成从所记录的心率计算心率平均值、变异性数值、节律特性和/或心率事件或改变的心率计算单元。所述心率分类单元被配置成基于所计算的心率平均值、变异性数值、节律特性和/或心率事件或改变来对一个人的心率进行分类。

在所述实施例的另一方面，所述确定单元被配置成在一个特定时间段内识别出心率类别与移动类别的特定组合，并且所述确定单元被配置成基于所识别出的特定组合确定睡眠、睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。

关于该实施例的一个方面，所述移动检测单元包括被配置成感测一个人的某一身体部分的加速度的移动传感器，其中所述记录单元还被配置成记录所感测到的加速度。所述系统包括：被配置成基于所记录的加速度的数值来至少计算此人的所述身体部分的每一次移动的强度和/或持续时间的移动计算部件。

根据所述实施例的另一方面，所述移动分类部件被配置成基于每一次移动的所计算的强度和/或持续时间把所述身体部分的每一次移动至少分类为大移动（LM）、小移动（SM）或抽动（TM），并且/或者被配置成把每一次LM、SM和/或TM至少分类到各个频率类别和/或持续时间类别中。

根据该实施例的另一方面，所述系统还包括：被配置成感测至少一项环境因素的环境传感器，其中所述记录单元还被配置成记录所感测到的至少一项环境因素；以及被配置成把至少一项所记录的环境因素的至少一些数值分类到至少一个环境类别中的环境分类单元。所述确定单元还被配置成至少部分地基于所述至少一个环境类别来确定一个人的睡眠事件。

根据该实施例的一个方面，所述环境传感器被配置成感测噪音水平、周围环境温度和/或周围环境光。

根据所述实施例的另一方面，所述系统还包括环境计算单元，其被配置成基于所记录的噪音水平计算至少一个平均噪音水平和/或噪音事件，并且/或者基于所记录的周围环境温度计算至少一个平均周围环境温度水平和/或改变和/或变化，并且/或者基于所记录的周围环境光计算至少一个周围环境光水平和/或周围环境光水平的改变。

关于该实施例的另一方面，所述确定单元还被配置成确定从一个睡眠阶段到另一个睡眠阶段的上升过渡和/或从睡眠到清醒的过渡，以及/或者至少一项所记录的环境因素或睡眠事件对于上升睡眠阶段过渡和/或从睡眠到清醒的过渡的直接因果效应。

根据所述实施例的一个方面，所述系统还包括评估单元，其被配置成基于所述至少一个心率类别、至少一个移动类别、至少一个环境类别或者其任意组合来评估一个人的睡眠或清醒状态。

根据另一个实施例，本发明提供一种用于确定一个人的睡眠、睡眠阶段和/或睡眠阶段过渡的方法。所述方法包括：检测此人的心率；记录所检测到的心率；检测此人的某一身体部分的移动，其中所述移动是由身体的骨骼肌引起的；记录所检测到的移动；把此人的所记录的心率分类到至少一个心率类别和至少一个心率变异性类别中；把所记录的移动分类到至少一个移动类别中；以及至少部分地基于所述至少一个心率类别、至少一个心率变异性类别和至少一个移动类别来确定此人的睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件。

根据所述方法的一个优选实施例，所述至少一个心率类别包括心率平均值类别和心率平均值分类。

在一个优选实施例中，心率平均值分类是基于心率平均值，其中在一个预定时间间隔内对心率求平均。优选地，用于计算心率平均值的所述时间间隔根据在一个人身上所检测到的身体移动而不同。举例来说，在一个优选实施例中，如果存在一些身体移动则通过在第一时间间隔内对心率求平均来计算心率平均值，并且如果不存在或者只存在很少身体移动则通过在第二时间间隔内对心率求平均来计算心率平均值，其中第二时间间隔长于第一时间间隔。

除非另行声明，否则可以组合本发明的不同实施例的各个方面。

附图说明

为了描述能够获得前述和其他优点和特征的方式，后面将参照在附图中示出的具体实施例来给出对于前面所简述的主题内容的更加详细的描述。应当理解的是，这些附图仅仅描绘出典型的实施例因此不应被视为限制其范围，后面将利用附图以附加的确切性和细节来描述及解释各个实施例，其中：

图1示出了一位年轻的成年人的睡眠结构图；

图2描绘出根据本发明的一个实施例的记录装置和数据提取单元的各个组件；

图3描绘出根据本发明的一个实施例的分类单元的各个组件；

图4描绘出根据本发明的一个实施例的确定单元的各个组件；

图5示出了根据本发明的一个实施例的确定睡眠、睡眠阶段和/或睡眠阶段过渡的方法步骤；

图6示出了根据本发明的另一个实施例的验证心率记录的方法步骤；

图7示出了随着时间的心率事件或改变；

图8描绘出警觉状态与睡眠阶段之间的关系并且示出了这些状态与阶段之间的过渡；

图9示出了用于适配对心率求平均的时间间隔的方法步骤；

图10示出了从浅度睡眠到REM睡眠的睡眠阶段过渡；

图11示出了从深度睡眠到浅度睡眠的睡眠阶段过渡；

图12示出了从浅度睡眠到清醒的短暂过渡以及随后返回到浅度睡眠；

图13示出了从REM睡眠到清醒的短暂过渡以及随后返回到REM睡眠。

具体实施方式

本发明提供了一种系统和方法，其用来基于心率和身体移动性的不卧床记录对个人的清醒和睡眠周期进行评分，并且描述此人生活在其中的周围物理环境的特性和变化。在睡眠周期期间，所述方法将允许自动对不同的睡眠阶段进行评分，其方式与传统上通过多导睡眠监测记录和视觉评分所使用的方法类似并且具有相同的精度。因此，本发明可以通过使用简单许多并且容易许多的记录方法获得与通常的方法完全相当的详细睡眠描述和评估。与传统的多导睡眠监测相比，例如在一个人的腕部上进行的本发明的记录将较少受到人为电信号或连线限制的影响。此外，本发明具有完全自主性，并且不仅能够记录睡眠周期而且还能够记录活着的人的所有活动。

如前所述，本文献中所使用的一个人的警觉状态可以基本上被定义为清醒或睡眠。这些状态交替发生并且彼此依赖。

在睡眠期间，可以确定几个睡眠阶段。这些睡眠阶段可以被归类为快速眼睛移动（REM）睡眠阶段和非REM睡眠阶段。REM睡眠阶段是其中发生逼真梦境的阶段。其可以通过闭合眼睑下的快速眼睛移动的发生、运动性弛缓和低电压EEG模式来识别。REM睡眠阶段也被称作REM睡眠，其还与突发肌肉抽动、不规则呼吸、不规则心率以及自主活动的增加相关联。REM睡眠周期也被称作异相睡眠。此外，可以把一个人的睡眠评分到编号为1到4的非REM（NREM）阶段中。

图1描绘出一个健康的年轻成年人的示例性睡眠结构图，其中示出了一项八小时睡眠记录的不同睡眠阶段。必须提到的是，从一个阶段到另一个阶段的过渡在传统上被认为是突然的步骤。

如图所示，在睡眠的第一小时内，从清醒状态开始并且睡着的一个人可以过渡到NREM睡眠阶段1，并且进一步过渡到阶段2、3和4。

NREM睡眠的睡眠阶段1的标准包括具有明确的α活动和处在3到7Hz范围内的θ频率的低电压EEG迹线、偶尔的顶点尖峰以及缓慢滚动的眼睛移动（SEM）。这一阶段包括：缺少睡眠纺锤波、K复合波和REM。阶段1通常代表睡眠时间总量的4到5%。

NREM睡眠的睡眠阶段2由相对低电压的混合频率EEG背景下的睡眠纺锤波和K复合波的出现表征。高电压δ波可以构成阶段2分期的20%。阶段2通常占据总睡眠时间的45到55%。

NRME睡眠的睡眠阶段3由包括2cps或更慢的并且幅度不超过75μV（高幅度δ波）的EEG波的周期的至少20%并且不超过50%定义。其常常与NREM睡眠的阶段4组合成慢波睡眠（SWS），这是因为缺少这两个阶段之间的有文献记载的生理差异。这一阶段3通常仅仅在健康成年人的睡眠周期的前三分之一中出现，并且通常构成总睡眠时间的4到6%。

前面关于NREM睡眠阶段3的所有声明也适用于睡眠阶段4，其不同之处在于涵盖所述记录的50%或更多的高电压、缓慢EEGδ波。NREM睡眠阶段4通常代表总睡眠时间的12到15%。举例来说，梦游、夜惊以及与睡眠有关的遗尿发作通常在阶段4中开始或者在来自这一阶段的觉醒期间开始。

浅度非REM睡眠阶段是用于睡眠阶段1和2的常用术语，而深度非REM睡眠则是用于睡眠阶段3与4的组合的术语。

回到图1，在睡眠阶段4的周期之后，被测试人员的睡眠改变到睡眠阶段2并且改变到REM睡眠。此外，后面跟随一个由浅度非REM睡眠阶段构成的时期，并且随后返回另一个深度非REM睡眠阶段。

图1中所描绘的睡眠的其余部分包括从REM睡眠周期到较浅非REM睡眠阶段（比如阶段1和2）的过渡。

为了确定被测试人员的警觉状态并且为了确定被测试人员的睡眠阶段、睡眠阶段过渡和/或睡眠事件，本发明提供一种用于在长达几天或几周内连续地感测并记录例如心率和身体移动性之类的基本生理变量连同周围物理环境的一些特性的系统和方法。这种方法将能够对被测试人员的例如清醒和睡眠周期之类的基本状态进行评分。在清醒期间，本发明将允许在活跃周期与静止周期之间做出区分。在睡眠状态期间，将以每一个30秒分期对各个睡眠阶段进行评分。此外，通过把周围环境物理变量与生物变量一起同时记录将允许评估前者对于后者的影响。

图2示出了根据本发明的一个实施例的示例性感测/记录系统的各个组件。本发明不限于所描绘出的装置和组件的设置。正如将在后面更加详细地概述的那样，所描绘出的设置的各种变型是可能的，并且同样落在本发明的范围内。所述示例性系统包括记录装置100，其可以包括例如传感器以及与传感器有关的单元之类的检测部件。此外，记录装置100包括存储器170。

记录装置100可以包括心率检测部件，其可以检测被测试人员的心率并且输出表示心率的信号。所述心率检测部件可以是记录装置100的一个实体或单元。这样的实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行心率检测、输出心率信号以及后面所描述的其他功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行心率检测部件的功能，正如将在后面更加详细地概述的那样。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行心率检测部件的以下功能。

举例来说，所述心率检测部件包括传感器以及与传感器有关的单元。心率检测部件的这些传感器以及与传感器有关的单元可以包括脉搏传感器110，其感测被测试人员的脉波。可以在外围动脉上测量脉波。举例来说，如果记录装置100被放置在被测试人员的腕部，则可以在位于腕部中的桡动脉上测量脉波。本发明不限于腕部的动脉，相反被测试人员还可以把记录装置佩戴在踝部或者能够接近动脉的其他位置处。脉搏传感器110感测由于心脏收缩（即心脏收缩期）喷射出的血液导致的动脉管体积的瞬时增大所产生的动脉脉波。因此，这些脉波确切地对应于心搏。

心率检测部件的与传感器有关的单元可以是瞬时心率单元112，其基于所感测到的脉波确定被测试人员的心率（HR）。瞬时心率单元112对于在指定的最小时间段内感测到的脉波进行计数，并且确定心率（即每分钟心搏数）。

此外，所述心率检测部件还可以包括脉搏间间隔单元114，其测量在两个相继的脉波之间所经过的时间，并且输出例如用毫秒表示的所经过的时间。这一所经过的时间也被称作脉波间隔（PWI）或心搏间隔。

瞬时心率单元112和脉搏间间隔单元114都输出数据以用于存储在记录装置100的存储器170中并且/或者用于进一步的计算。该数据表示例如每秒或每5秒存储的特定时间点处的心率。此外，所述数据还可以表示由脉搏间间隔单元114输出的至少一个PWI的所经过的时间。取决于存储器容量，传感器110的未经处理的传感器数据也可以被记录并存储在存储器170中。

根据另一个实施例，将瞬时心率单元112和脉搏间间隔单元114的功能组合在一个单元中。这样的组合单元同时输出HR数值和表示PWI的数值以便存储在存储器170中或者进一步处理。

此外，根据所描绘的实施例，设备100还包括可以检测被测试人员的身体的移动（其也被称作身体移动（BM））的移动检测部件。所述移动检测部件可以是记录装置100的一个实体或单元。如前所述，这样的实体或单元可以是例如集成电路（IC）之类的电路系统，其被构建来施行后面进一步描述的移动检测部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行移动检测部件的以下功能。

为了对睡眠阶段或睡眠阶段过渡进行评分或者检测被测试人员的睡眠事件，主要对于骨骼肌的移动感兴趣。虽然眼球移动和/或由一个人的心脏和/或肺部所引起移动也可以允许得出关于睡眠阶段的结论，但是本发明依赖于由骨骼肌引起的移动。

所述移动检测部件可以是简单的传感器120，其允许确定该传感器是否发生了移动。此外，所述移动检测部件还可以是一个或多个加速度传感器120，其能够更加精确地感测身体移动。这样的感测部件120可以是用以感测沿着一个或多个轴的加速度的加速度传感器120。这样还允许确定BM的方向、持续时间和强度。

在一个优选实施例中，将通过放置在记录装置100中的小型化三轴加速度计120来测量被测试人员的身体移动。加速度计120例如每秒20次测量加速度的数值，并且对于每一秒将所有的绝对值相加。可以设定测量频率和相加时间段以便针对被测试人员的移动习惯调节装置100的灵敏度。

如前所述，所述记录装置例如可以被佩戴在被测试/被记录人员的腕部。这对于所述人员是便利的，因为其不会像传统的多导睡眠监测仪器和传感器那样干扰睡眠。此外，由骨骼肌引起的任何移动都发生在某一身体部分中，比如四肢、躯干和/或头部。在大多数情况下，这些移动将伴随有腕部的微小移动。因此选择系统的灵敏度以便检测这些移动。可以调节传感器120的灵敏度以便针对佩戴者的移动来个性化系统100。

回到图2，记录装置100的移动检测部件还可以包括接收来自传感器120的输出信号的比较器单元122。比较器单元122把这些输出信号与一个预定义阈值进行比较。只有在一个或多个轴上的加速度超出该预定义阈值的情况下，由传感器120的输出信号所表示的特定移动才被记录，即存储在存储器170中。因此，可以通过选择所述预定义阈值来调节加速度感测系统的灵敏度。此外，本发明的系统允许对于每一个轴或者对于记录装置100的每一个加速度传感器120设定一个阈值。于是可以对所述系统进行调节以便强调腕部的特定移动，这是因为沿着手臂的方向上的移动可能不如与手臂正交的方向上的移动那么强烈。

根据另一方面，比较器单元122保存将把所感测到的加速度与之进行比较的多于一个阈值。这样允许基于所感测到的加速度的量值对移动进行预先分类。

传感器120的输出被存储在存储器170中以供进一步处理。如前所述，所述存储可以取决于比较器单元122的输出信号。

除了前面的传感器和单元之外，记录装置100还可以包括用于感测环境因素的环境感测部件。如前所述，所述环境感测部件也可以是记录装置100的一个实体或单元。一个实体或单元可以是例如集成电路（IC）之类的电路系统，其被构建来施行后面所描述的环境感测部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行环境感测部件的以下功能。

所述环境感测部件可以包括几个单元，比如噪音传感器130、光传感器140和/或温度传感器150。

举例来说，可以感测被测试人员的周围环境物理特性。可以把噪音记录为每秒的积分值，并且以1dB的精度在从20到100dB的范围内每秒测量周围环境噪音水平（Leq1sec）。以1勒克斯的精度在10到1000勒克斯的范围内每秒测量周围环境光。以0.5℃的精度在-20到+50℃的范围内利用专用温度传感器150每秒测量周围环境温度。所有的周围环境物理数值都被记录在记录装置100的内部存储器170中。

回到图2，记录装置100还可以包括附加感测部件180。正如前面已经描述过的那样，附加感测部件180可以是记录装置100的一个实体或单元。一个实体或单元可以是例如集成电路（IC）之类的电路系统，其被构建来施行后面所描述的附加感测部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行环境感测部件的以下功能。

附加感测部件180例如可以包括特别为了测量血氧饱和度而制作的生理传感器，其也被称作“脉搏血氧测定”。该传感器测量循环血液中的氧饱和度。其数值在健康的睡眠者体内通常接近100%。在睡眠呼吸暂停综合症中可能观察到其数值低于90%的减饱和度。

另外的附加传感器180可以是用来测量脉搏传递时间的传感器或者测量皮肤温度的传感器或者检测皮肤电位变化的传感器。

脉搏传递时间与动脉血压直接相关。动脉壁是弹性的，并且其包含可以变更脉管直径的小肌肉。对于心脏的每一次收缩，特定血量以特定的力被喷射到动脉中。这一血压取决于动脉壁的张力。如果该张力较高，则血压升高，如果该张力减小，则血压降低。对应于心搏的脉搏的速度取决于动脉壁的硬度。因此，当动脉壁的张力较高时脉搏加速，并且当所述张力较低时脉搏减速。随后在位于相同动脉上并且分开几厘米的两处地方之间计算所述传递时间。可以在这两处分开的地方测量相同的经过脉搏，并且所经过的时间与动脉壁的张力或血压直接相关。这一时间的缩短对应于血压的升高，而这一所经过的时间的加长则对应于血压的降低。这一所经过的时间的数值取决于所述两处地方之间的距离，并且这一时间的变化给出了血压变化的数值，并且可以对其进行校准。

可以通过附着到皮肤表面的小传感器来测量皮肤温度。其给出关于皮肤与环境之间的热交换的良好指示。其变化可以表明对于发生改变的周围环境温度的适配或者警觉状态的变更。还有可能通过使用适当的传感器来测量皮肤电位的变化。这一度量是关于交感神经系统活动的间接指示。其可以表明针对环境的特定反应性，或者表明特定情绪状态（包括一个人的可能的紧张）。

根据本发明的一个实施例，所述记录装置被划分成至少两个模块。这些模块的其中之一仅仅包括前面描述的生理传感器110和120和/或与传感器有关的单元112、114和122。这样的装置较为紧凑，并且可以不超出例如手表的尺寸。第二模块可以包括环境传感器130、140和/或150。第三模块可以包括附加传感器180。如果可能的话，附加传感器180也可以被包括在第一和第二模块的其中之一内。

这样的划分的优点在于，在夜间当一个人卧床时，专用于生理变量的模块将仍然附着到此人身上，而专用于周围环境因素的模块则可以被分开放置在一旁，例如放置在床头桌上。这样就允许获得更加稳定的环境数值，并且将避免由于移动的床单而导致的人为噪音信号或者由于睡眠者的姿势而被覆盖或未被覆盖的光传感器所导致的光水平的改变。

每一个此类分开的模块可以包括其自身的存储器，或者仅有第一模块包括存储器，而第二和/或第三模块则把数据从其传感器以及与传感器有关的单元传送到第一模块以进行存储。数据传送可以通过无线连接来实现，正如后面更加详细地解释的那样。

所述至少两个分开的模块还可以被构建成使其连接形成单一装置。在这样的情况下，所述模块包括附接部件和电连接器以便作为单一装置运作。举例来说，如果仅有一个模块具有存储器，则所述电连接器可以被用来把数据从一个模块传送到另一个模块的存储器。

在任何情况下，根据前面描述的每一个实施例的记录装置100还可以包括时钟160。时钟160的输出信号被传送到前面描述的每一个传感器或单元110到150和180。传感器110、120、130、140、150和/或180以及单元112、114和/或122可以使用所输出的时钟信号来确定取决于时间的数值。仅仅作为一个实例，瞬时心率单元112和/或脉搏间间隔单元114可以分别使用所述时钟信号来确定被测试人员的心率以及测量两个相继脉波之间所经过的时间。

如前所述，记录装置100可以包括用于记录所检测到的心率、身体移动和/或环境因素的记录部件。所述记录部件可以是记录装置100的一个实体或单元。一个实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行后面所描述的记录部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的IC，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行以下记录功能。

所述记录部件可以包括存储器170，其连接到记录装置100的前述传感器和单元。存储器170可以通过总线连接到各个传感器和单元，并且能够存储通过总线接收到的传感器110、120、130、140、150和/或180的输出信号。

为了正确地存储所感测到的数值，所述记录部件还可以包括连接到总线以及时钟160的存储器控制器172。因此，存储器控制器172可以控制存储所感测到的数值，并且可以添加将与每一个所感测到的数值相组合地存储的时间戳或其他信号。这样就允许在后来的某一时间对所感测到的数值进行进一步的评估和/或计算。

存储器控制器172还可以负责存储单元112、114和/或122的输出数值。存储器控制器172把这些单元的输出数值以及与每一个输出数值相关联的可选的时间戳或时间段的指示存储在存储器170中。

根据另一个实施例，装置100不包括存储器170和存储器控制器172。在这种情况下，在装置100中将只存在传感器110、120、130、140、150和/或180以及相关联的单元112、114和/或122。前面所描述的传感器和单元的输出信号于是将被传送到另一个装置以进行存储和/或进一步的计算。举例来说，这样的感测装置将把所感测到的数值连续传送到能够接收数据并且存储前面描述的所接收到的单元的传感器数值和/或输出数值的装置。所述数据传送例如可以被实施为无线连接（无线LAN、Bluetooth、红外数据通信）或有线连接（通用串行总线（USB）、Firewire、LAN或其他网络连接）。

根据本发明的另一方面，记录装置100可以包括按钮或其他致动器（未示出）。如果被测试/被记录人员例如通过按下按钮将其致动，则记录装置把当前时间连同关于所述按钮的致动的指示一起存储。这样就允许通过由一个人简单地按下按钮来标记特定事件。作为一个实例，只有当此人决定自愿中断记录系统时（例如去洗澡），他或她才能按下所述按钮，或者在去睡觉之前并且在早晨醒来之后立即再一次按下所述按钮。这些所标记的事件可以在所述系统的后来的某一阶段被用来更加容易地识别出特定事件，正如从后面的描述将更加明显地看到的那样。

记录装置100还可以具有多于一个致动器以便标识各种预定义事件。根据另一方面，可以按照特定方式使用所述致动器来标识不同事件，比如将其按住1、2或3秒或者将其按下一次、两次等等。

关于所有实施例，存储在存储器170中的所记录的数据可以被数据提取单元200采用来进行进一步的计算和确定。因此，所述数据被从存储器170传送到数据提取单元200。用于这一数据传送的数据连接可以被实施为无线或有线连接。举例来说，无线连接可以是基于无线LAN、Bluetooth、红外数据通信或者其他无线通信技术。有线数据通信可以利用通用串行总线（USB）、Firewire、LAN或者其他网络连接来实施。

根据另一方面，数据提取单元200（包括后面描述的各个子单元当中的至少一些）与记录装置100可以被集成到一个装置中。在这种情况下，数据提取单元200可以例如通过总线直接访问存储器170。这样的装置例如可以被构建为可佩戴装置，其用于检测并记录所述装置的佩戴者的心率和/或身体移动。为了减少被测试人员在睡眠期间受到的干扰，所述可佩戴装置可以被形成为类似于佩戴在人的腕部的手表。由于人们习惯于佩戴手表，因此与多导睡眠监测的电极和连线相比，这样的装置在睡眠期间对人的干扰较小。

回到图2中描绘的实施例和数据提取单元200，心率计算部件210可以是数据提取单元200的一部分。正如对于记录装置100的部件已经概述过的那样，心率计算部件210也可以是一个实体或单元。一个实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行所述心率计算部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行以下心率计算功能。

心率计算部件210对来自脉搏传感器110、瞬时心率单元112和/或脉搏间间隔单元114的所记录的数据进行评估。举例来说，心率计算部件210从前面描述的相继脉波间隔（PWI）的未经处理的数值中提取出经过加工的心率数据。由心率计算部件210计算并输出的数据可以包括HR平均值、HR变异性数值、节律特性和/或HR事件或改变，正如现在将要更加详细地解释的那样。

具体来说，HR平均值可以属于两种类型：全局HR平均值（GHRA）和静止HR平均值（RHRA）。GHRA将是在相当长的时间段内计算的，比如取决于日间或夜间的时间是5到10分钟。此外，这一平均值的标准偏差将被用于量化所考虑的时段内的HR变异性（HRV）。因此，GHRA计算将包括没有任何身体移动（BM）的时段以及具有身体移动的时段。其还将给出反映出周围环境因素的影响的总体HR平均值，比如噪音、温度或光变化。RHRA将是在短得多的时段内计算的，例如取决于警觉状态是10到60秒，并且是在当前不存在BM或者在先前的10秒期间曾经存在BM的时段期间计算的。这一平均值的标准偏差将被计算来为HR节律定性，也就是说定性其是规则的还是不规则的。因此，RHRA与被测试人员的运动性活动无关，同时仍然可能受到环境因素的影响。

可以通过在一个预定时间间隔（时间段）内对心率求平均来计算例如GHRA平均值或RHRA平均值之类的心率平均值。用于计算心率平均值（例如GHRA平均值或RHRA平均值）的时间间隔可以是固定的。举例来说，可以通过例如在5分钟、10分钟等等内对心率求平均来计算GHRA（其包括具有以及不具有身体移动的时段），并且可以通过例如在5秒、10秒、30秒、60秒等等内对心率求平均来计算RHRA。

还可以通过在不同的预定时间间隔内对心率求平均来计算心率平均值。具体来说，可以通过在第一种情况下在第一时间间隔内对心率求平均并且在第二种情况下在第二时间间隔内对心率求平均来计算心率平均值。举例来说，在同时有身体移动发生的情况下，可以通过在较短时间间隔（例如5次心搏）内对心率求平均来计算心率平均值，而在没有或者仅有很少（轻微）身体移动的情况下，可以通过在较长时间间隔（例如30次心搏）内对心率求平均来计算心率平均值。求平均间隔可以在两个或更多步骤（例如2、3、4、5步等等）中变化，或者可以连续地变化（例如与身体移动的数量和/或强度相反）。如果所述时间间隔分步骤变化，则对应于身体移动的阈值可以被用来选择用于对心率求平均的适当时间间隔。举例来说，如果身体移动的数量和/或强度落到一定阈值以下，则可以使用更长的时间间隔来对心率求平均。可以类似于后面进一步描述的身体移动类别来定义用于选择不同时间间隔长度的身体移动阈值。还可以根据后面进一步描述的所检测到的身体移动类别来改变用于计算心率平均值的时间间隔。

通过改变用于计算心率平均值的时间间隔允许在需要更高精度时（例如在存在身体移动的情况下）提供增强的精度和时间分辨率。在这后一种情况下，在一个较短时间间隔内得到的平均值仍将表现出心率曲线的变化，而在一个更长时间间隔内得到的平均值则将过多地平滑心率曲线。在没有或者仅有相对很少（轻微）身体移动的情况下，可以增大用于求平均的时间间隔以便提高分类质量，这例如是通过减少错误地检测到的睡眠阶段过渡的数目实现的。

可以按照心搏数来确定求平均间隔，或者也可以按照秒钟和/或分钟来确定求平均间隔。此外，用于计算心率平均值的时间间隔还可以取决于当前心率和/或心率平均值。

图9示出了用于适配对心率求平均的时间间隔的示例性方法步骤集合。在步骤910处，对于给定时间检测身体移动的数量和/或强度。所述检测例如可以实时地实施，或者可以在已经记录了几分钟、几小时或几天的数据之后实施。在步骤920中，把所检测到的身体移动的数量/强度与一个预定阈值进行比较。所述阈值例如可以与表明睡眠阶段、睡眠阶段过渡等等的阈值有关。

如果所检测到的身体移动的数量/强度高于阈值，则所述方法继续到步骤930。如果所检测到的身体移动的数量/强度低于或等于阈值，则所述方法继续到步骤940。在步骤930处，用于对心率求平均的时间间隔被设定到第一时间间隔t1，在步骤940处，用于对心率求平均的时间间隔被设定到第二时间间隔t2。优选地，时间间隔t2长于第一时间间隔t1。

所述方法随后继续到步骤950，并且利用由步骤930或940确定的设定时间间隔对心率求平均。

随后可以对于另一个时刻重复所述方法。为此，例如可以把评估时间偏移固定时间或者偏移可变时间，比如在步骤930或940中选择的时间间隔。优选地，重复所述方法，直到所有数据样本都被评估为止。

此外，回到图2，HR事件单元212可以从存储器170提取数据。HR事件单元212确定两个相继脉搏之间的间隔的变化，从而给出心率变化的直接数值。这一时间间隔的缩短对应于心率加速，而这一间隔的加长则对应于较低心率。因此，可以从存储在存储器170中的数据提取出两种类型的HR改变：HR加速（HRA）和HR减速（HRD）。取决于警觉状态和一天当中的时间，这些改变将持续几秒到几十秒。其将在计算滑动窗口平均值并且实施在几秒钟内进行的相应分析时被检测到。在图7中描绘出对应于HRA和HRD的随着时间的示例性心率梯度。

具体来说，当被测试人员正在移动时或者当发生活化或觉醒时将看到HRA。其是具有初始心率加速以及随后的心率减速的两阶段变化。这一减速可能会加重，并且最低HR数值可能会低于初始平均水平。在清醒期间，任何BM或者对于物理环境的外部刺激的反应都将伴随有HRA。在睡眠期间，HRA将由任何BM或者由任何觉醒产生。这样的觉醒可以是内部的或者可以是由于例如噪音之类的外部原因。HRA将由其幅度和持续时间定义，其幅度即最高瞬时HR数值与下一个最低瞬时HR数值之间的差，其持续时间即从所述加速开始到返回初始HR数值的持续时间（也参见图7）。

此外，在没有任何BM或觉醒的情况下将看到HRD。其是平均心率从一个水平逐渐降低到一个较低水平的单阶段改变。通常当对象放松时或者当存在从清醒到浅度睡眠或者从浅度睡眠到深度睡眠的过渡时会看到HRD。在后面的这些情况下，HRD可以持续几分钟。

此外，心率计算部件210还可以确定其中一些脉波间隔（PWI）数据项目是否异常或缺失。为了改进HR数据的分类，本发明还提供对于缺失的或异常的脉波间隔数据的恢复。心率计算单元210因此可以施行PWI的恢复，正如后面关于图6更加详细地概述的那样。

回到图2，数据提取单元200还可以包括身体移动计算部件220。如前所述，身体移动计算部件220也可以是一个实体或单元。一个实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行身体移动计算部件的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行以下身体移动计算功能。

该身体移动计算部件220基于所记录的加速度的数值计算一个人的每一次身体移动的强度和/或持续时间。举例来说，身体移动计算部件220访问并且评估来自加速度传感器120和比较器单元122的所记录的数据。

如前所述，可以关于特定时间段获得所记录的身体移动的未经处理的数据。举例来说，取决于处理能力和存储器容量，可以把这一时间段从小于1秒调节到多于5秒或者甚至10秒。优选地，每秒获得所记录的身体移动的未经处理的数据。

计数器222可以是身体移动计算部件220的一部分，或者可以是数据提取单元200内的一个单独的单元。计数器222通过对每秒的BM进行计数来确定移动的强度。

包括在身体移动计算部件220中或者连接到身体移动计算部件220的另一个单元可以是持续时间确定单元224。单元224计算身体移动的持续时间，即其中由计数器222确定了移动计数的相继秒数。

根据另一个实施例，计数器222和/或持续时间确定单元224也可以是记录装置100的一部分。由于记录装置100提供时钟160，由传感器120感测到的加速度可以被计数器222和持续时间确定单元224直接使用。此外，根据这样的实施例，计数器222和持续时间确定单元224将其最终得到的输出存储在存储器170中。

回到图2中所描绘的实施例，数据提取单元200还可以包括环境计算部件230，其计算由噪音传感器130、光传感器140和/或温度传感器150感测到的所记录的数据的特定数值。环境计算部件230可以是数据提取单元200的一个实体或单元。这样的实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行环境计算部件230的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行以下环境计算功能。

环境计算部件230可以包括噪音水平单元231，其确定周围环境噪音是否超出一个预定义水平或阈值。此外，噪音水平单元231还可以把存储在存储器170中的所感测到的噪音数值与两个或更多阈值进行比较，以便确定不同的噪音水平。

噪音事件单元232也可以被包括在环境计算部件230中，并且从所感测到的噪音数据评估是否发生了特定噪音事件。噪音事件例如可以是一个预定时间段内的噪音超出特定水平，比如由噪音水平单元231确定的那些水平。

此外，环境计算部件230可以包括平均温度单元233，其计算特定时间段内的周围环境温度的平均值。举例来说，可以在10分钟间隔、30分钟间隔或1小时间隔内对周围环境温度求平均。本发明不限于用于对周围环境噪音求平均的特定时间段。因此，例如2、4或6小时之类的任何其他时间段也可以是可能的。

此外，环境计算部件230还可以包括温度改变单元234。温度改变单元确定温度在特定时间点之间是否已发生了改变。举例来说，温度改变单元234可以确定温度在某一时间点到例如5或10分钟之后是否已经改变了预定义度数值。温度改变单元234还可以确定可以被预设的特定时间段内的温度改变。这些时间段可以是5分钟、10分钟、30分钟、60分钟或更长。本发明不限于任何特定时间段，相反还可以是基于其他预设时间段。

包括在环境计算部件230中的光水平单元235基于所记录的光数据确定光是否超出特定数值。所述光水平单元可以包括用以把所记录的光数据与之比较的多个预设阈值。

此外，所述计算部件可以包括光改变单元236，其用于确定所记录的光数据的数值的改变。

此外，数据提取单元200还可以包括附加计算部件240，其计算由（多个）附加传感器180感测到的所记录的数据的特定数值。附加计算部件240可以是数据提取单元200的一个实体或单元。这样的实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行环境计算部件240的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行以下环境计算功能。

附加计算部件240可以被适配成基于（多个）附加传感器180的类型施行任何必要的计算。举例来说，如果附加传感器180感测脉搏血氧测定，则附加计算部件240可以基于一个或多个预定义阈值计算一个或多个血氧饱和度水平。此外，如果（多个）附加传感器允许确定脉搏传递时间（PTT），则附加计算部件240实施PTT的计算，正如前面已经描述过的那样。

此外，附加计算部件240还可以基于所感测到的皮肤温度来计算皮肤与环境之间的热交换。此外，可以通过由附加计算部件240把所感测到的皮肤电位与一个或多个阈值进行比较来确定交感神经系统的活动。从而可以计算一个或多个皮肤温度和/或皮肤电位水平。

数据提取单元200及其所有组件（比如部件或单元210到240）将访问存储在记录装置100的存储器170中的所记录的数据。如前所述，这一数据访问可以通过总线或数据连接来实施。数据提取单元200的单元210到240的输出也被存储在数据提取单元200的存储器（未示出）中以供进一步的确定。

在另一个实施例中，数据提取单元200是记录装置100的一部分。在这种情况下，单元210到240可以使用存储器170来读取所记录的数据值以及写入所计算的输出数值。关于该实施例，所述组合装置能够通过如前所述的有线或无线接口和数据连接把由数据提取单元210到240提取的数据传送到另一个装置。

根据另一个实施例，记录装置100和数据提取单元200被划分成一个或多个模块。正如前面已经提到的那样，这样的模块可以包括所有生理传感器和单元（110到122）、环境传感器和单元（130到150）以及附加传感器180。此外，每一个模块将包括关于数据提取单元200描述的相应的计算单元（210到224；230到236；240）。图3示出了分类单元300的方块图，其可以包括心率分类部件310、身体移动分类部件320、环境分类部件330和/或附加分类部件340。每一个部件310到340可以是分类单元300的一个实体或单元。这样的实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行对应的部件310到340的各项功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行这些功能。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行后面更加详细地概述的功能。

本领域技术人员将认识到，取决于安装在记录装置100中的传感器，分类单元300可以包括其中一个或所有部件或单元310到340。举例来说，如果在记录装置100中不存在周围环境传感器130到150，则分类单元300可以不需要环境分类单元330。

分类单元300能够访问其中存储由数据提取单元200及其各个子单元输出的数据的存储器。因此，分类单元300提供用于无线或有线数据传送的接口，比如网络接口、串行或并行总线接口等等。

心率分类部件310对由心率计算单元210从该单元210直接输出或者经由例如存储器170之类的存储器输出的所记录的数据进行分类。所输出的该数据可以包括心率平均值、心率变异性数值、节律特性和/或心率事件或改变。这些数值当中的每一项如果由心率计算单元210确定则可以被分类。

举例来说，HR平均值可以被分类成高、中等和低平均值。此外，心率的变异性也可以被分类为例如非常高、高、中等或低。可以从对于心搏间隔的频谱分析获得传统的LF/HF比值。其他分类可以具有不同数目的类别，比如5、7或10个水平。本发明不限于任何特定的类别数目。在必要时，HR分类部件310可以在一定程度上被修改以便在更多或更少类别之间进行区分。

在清醒期间，平均心率可以从静止期间的60到80心搏/分钟显著变化到非常高强度锻炼期间的170到190。最大心率数值取决于一个人的年龄以及先前的训练。在睡眠期间，平均心率可以低至40心搏/分钟。身体训练有素的年轻成年人在睡眠期间可以达到甚至更低的数值，比如35心搏/分钟。因此，对于清醒状态和睡眠状态可以不同地设定心率分类部件310把所记录的数据分类到其中的类别。此外，可以根据一个人的年龄和身体训练状况针对被测试/被记录人员来调节所述类别。

此外，HR的节律例如可以被分类为非常不规则、不规则、规则等等。类似地，HR事件或改变可以被分类为加速、减速或诱发反应。如前所述，本发明不限于这些类别，而是可以包括更多或更少类别。为了应对未来的发现，在必要时可以改变HR分类部件310的各个类别。

此外，如前所述，分类单元300可以包括身体移动（BM）分类部件或单元320，其可以对所记录的身体移动数据进行分类。可以根据其持续时间（以秒计）及其强度（每秒计数）对每一次移动进行分类。如前所述，对应于每一秒的移动次数被记录在装置100中。在没有移动的情况下，对应于所考虑的该秒的计数将是0。

BM分类部件320导出从移动计算单元220输出的数据，所述数据是从单元220直接输出的或者是经由例如存储器170之类的存储器输出的。BM分类部件320可以使用由BM计算单元220计算的身体移动的强度和/或其持续时间。BM分类部件320可以对身体移动施行一种或更多种分类。举例来说，BM分类部件320正把被测试人员的BM分类到三个不同类别中：大移动（LM），比如姿势改变；小移动（SM），比如四肢或手的移动；以及抽动（TM），比如在REM睡眠中发生的身体末端的非常短暂的移动。此外，可以把BM强度分类到特定范围中，比如每秒1到2、3到5以及6到10次计数。所述类别也可以没有那么精确，比如许多次、有限次数、有时或很少几次等等。还可以获得两种分类或者相继的分类的组合，比如常常连续地发生的许多次移动、一段长时间内没有抽动或者很少几次孤立的小BM。

分类单元300还可以包括环境分类部件330，其对环境计算单元230和/或子单元231到236的所记录的环境因素数值进行分类。举例来说，来自噪音水平单元231的所计算的噪音水平例如可以被分类为低噪音水平、中等噪音水平或高噪音水平。此外，由噪音事件单元232确定的噪音事件可以按照其幅度、持续时间、上升和衰减周期的斜率而被分类。举例来说，噪音事件可以被分类为波动性非常大、短暂但响亮的噪音事件或者处于低水平但是持续一段较长时间。

环境分类部件或单元330还可以对分别由平均温度单元233和温度改变单元234计算的平均温度和温度改变进行分类。举例来说，一个特定时间段内的平均温度可以被分类为高、中或低或者还可以被分类为波动。在这种情况下，环境分类部件330还可以把为之计算平均温度的一天当中的时间纳入考虑。举例来说，某一特定平均温度在夜间可以被视为高，而相同的平均温度在日间则被分类为中等。按照相同的方式，取决于由温度改变单元234确定的改变的持续时间，温度改变可以被分类为波动或稳定，或者被分类为突然或长期改变。

此外，由光水平单元235计算的光水平也可以被环境分类部件330分类到例如波动或稳定之类的特定类别或者被分类为明亮、暗淡等等。此外，由光改变单元236计算的光水平改变也可以被环境分类部件330分类到例如缓慢改变、快速改变等特定类别中。环境分类部件330还可以从由环境计算部件230的各个单元（例如从单元231到236）计算的两个或更多数值形成各个类别。举例来说，在对温度改变进行分类时可以把所确定的光水平纳入考虑。举例来说，离开建筑物并且进入外部的热空气中的人可能会受到温度的突然改变以及升高的光水平的影响。

最后，附加分类部件或单元340可以对由附加计算单元240（图2）提取或计算的数据进行分类。举例来说，血氧饱和度水平可以被分类为低、中和高。同样地，其他类别和不同的类别数目也是可能的。此外，在由附加计算单元240计算脉搏传递时间（PTT）的情况下，PTT也将被分类到例如短、中和长之类的类别中。取决于所采用的（多个）附加传感器180，可以导出其他数据类别。皮肤温度将被分类到例如低、中或高之类的类别中。类似地，皮肤电位将被分类到例如许多、中等或很少几个之类的类别中。

关于心率分类部件310、身体移动分类部件320、环境分类部件330和附加分类部件340，应当提到的是，可以由用户调节将把特定数据分类到其中的类别。举例来说，如果特定类别可能在未来会有价值，则可以对分类单元300进行适配以便也把新类别纳入考虑。另一方面，可以从分类部件或单元310到340中去除不太令人感兴趣的现有类别。此外，可以对存储在部件310到340的其中一个内的任何阈值进行修改，以便调节分类单元300的功能。

现在我们参照图4，该图描绘出用于确定被测试人员的警觉状态、睡眠阶段、睡眠阶段过渡和/或睡眠事件的确定部件400。确定部件或确定装置400可以包括评估部件410，比如警觉状态确定单元410。确定部件或确定装置400还可以包括睡眠阶段确定单元420和活动确定单元430。

确定部件400及其子部件410到430可以分别是一个实体或单元。这样的实体或单元可以是例如集成电路（IC）之类的电路，其被构建来施行后面所描述的确定和其他功能。或者，所述实体或单元是能够运行特定软件或固件的电路，其中所述软件或固件施行确定部件400的各项功能，正如将在后面更加详细地概述的那样。优选地并且也是替换地，所述实体或单元是执行软件或固件的概念性组件的例如微处理器之类的处理器，其中通过执行所述概念性组件来施行这些功能。

评估部件410是可选的，因为记录装置可以只在被测试/被记录人员的睡眠周期期间被使用。如果对于包括清醒周期和睡眠周期的更长时间段佩戴记录装置，则评估部件410评估被测试人员处于清醒周期还是睡眠周期中。这一评估也被称作警觉状态确定，其可以通过分析分类单元300（图3）的经过加工的数据、通过分析由数据提取单元200计算的数据以及/或者各个类别与所计算数据的组合来进行。换句话说，在确定被测试人员的警觉状态时，把从所感测到并且所记录的数据确定的类别纳入考虑。此外，所记录的数据或者所记录的数据与所分类的数据的组合可以构成用于进一步确定的基础。这方面特别可以包括心率数据和/或类别（来自单元210/310）以及/或者身体移动数据和/或类别（来自单元220/320）。此外，如果存在的话，来自单元230/330和240/340的环境类别和/或附加类别也可以被用来确定警觉状态或者至少验证警觉状态。

下面的表I提供了示例性的HR、BM和环境类别，警觉状态确定单元410可以从中确定被测试人员处于清醒状态或睡眠状态。

表I

基本上，心率的较大变化和/或大量移动（特别是大移动）的发生将存在于清醒状态下而不是睡眠期间。此外，周围环境物理因素的突然变化（比如大量噪音或者周围环境温度或周围环境光的频繁改变）将表明移动中的从而是醒着的人。

如果确定一个人的警觉状态是清醒状态，则活动确定单元430确定活动水平，比如静止、中等活跃或非常活跃。这一确定将是基于大、小移动的次数和序列，比如对于活跃的人有大量移动并且对于静止的人则减少，所述确定还将是基于经过加工的HR数据，比如与静止的人相比，非常活跃或中等活跃的人有更高平均值水平、更多HR事件或改变、更大HR变异性以及更加不规则的节律。在后面的表II的“清醒（W）”列中示出了醒着并且活跃的人的示例性HR类别和BM类别。

如果被测试人员的警觉状态已被确定为睡眠状态，则睡眠阶段确定单元420在不同的睡眠阶段之间进行区分并且/或者识别出睡眠事件。这一区分和识别可以基于由单元310识别出的心率类别做出。此外，所述区分和识别还可以是基于由单元320识别出的身体移动类别和/或心率变异性类别。

此外，睡眠阶段确定单元420还可以通过使用HR与BM数据之间的交叉比较在不同睡眠阶段之间进行区分并且可以识别出睡眠阶段过渡和/或睡眠事件。所述交叉比较例如可以把一定时间关系内的HR类别与BM类别进行比较。这样的时间关系可以包括所述类别是基于在相同时间点感测到的数据或者处在相同时间段内。此外，所述类别还可以是基于在感测BM之间或之后所感测到的HR数据或者反之亦然。可以根据特定的具体规则和标准数值来进行所述交叉比较，比如在后面的表II中给出的实例。

表II

如表II中所示，在清醒期间和睡眠期间都可以看到大移动（LM）和小移动（SM）。但是其次数并且主要是其相继次序在这两种不同的警觉状态下将是相当不同的。在清醒期间，LM和SM将大量发生并且有时连续发生。这将取决于对象的活动，并且这些运动性活动的数量将被用来为强运动性活动周期和低运动性活动周期定性。在睡眠期间，LM和SM将很少发生，并且大多数时间被较长的无移动周期分开。

此外，抽动（TM）将仅在睡眠期间被看到，并且特别在REM睡眠时期被看到。TM将仅仅持续一秒或两秒，并且每秒的计数数目将较低。TM将通过分开几秒或几十秒的突发而发生。

此外，警觉状态确定单元410和睡眠阶段确定单元420考虑到心率和身体移动性是相关的，这是因为身体移动引发针对向肌肉供养的需求增多。因此，任何身体移动都伴随有属于HRA类型的升高的心率。较大的或者持续性的BM伴随有HR的更大的并且持续性的升高。在BM暂时停止的一段可变时间之后跟随有HR降低并且返回其先前水平。HR与BM之间的时间关系给出关于当前情况的良好指示。

举例来说，如果对象正在自愿移动，则HRA与BM一起发生。如果对象（在睡眠期间）内部觉醒，则HRA先于BM近似6到8次心搏，如果对象对例如噪音之类的外部刺激做出反应，则HRA在伴有或者没有BM的情况下发生。当其相关联时，BM可能在HRA的少于前5次心搏内发生。如果对象非自愿地被其他人（例如床伴）移动，则BM首先发生，随后HRA在几秒之后发生。此外，如果存在利用附加传感器（参见图2）实施的脉搏血氧测定，则可以利用相同时间段的所分类的血氧饱和度水平来验证前面描述的BM与HR的相互关系。

觉醒是突然的脑部激活。其可以与从NERM睡眠的“深度”阶段到NREM睡眠的“较浅”阶段或者从REM睡眠到清醒的突然改变相关联，并且作为最终结果可能会醒来。觉醒可以伴随有升高的心率以及身体移动。

此外，虽然不需要记录环境因素，但是其对应的数值和组合也可以被警觉状态确定单元410和睡眠阶段确定单元420使用来确定或验证所识别出的睡眠阶段、睡眠阶段过渡或睡眠事件。如果对象停留在相同的环境中，则噪音水平、周围环境温度和周围环境光可能或多或少地是恒定的。例如在睡眠期间，周围环境温度和周围环境光应当不会改变太多。其数值及其稳定性将表明相当稳定的环境条件。与此相反，在清醒周期期间，如果对象正从一个处所移动到另一个处所，比如外出、乘车等等，则这些环境数值将会频繁地改变。极端的数值甚至将表明严重的周围环境条件（非常低或非常高的周围环境温度、高噪音水平等等）。这些环境条件对HR的影响将由确定装置400的单元410到430来评估，以便测量物理环境对于对象的可能约束和影响。

此外，睡眠阶段确定单元420可以识别出睡眠事件。睡眠事件在睡眠期间自发地发生或者响应于外部刺激而发生。举例来说，可以通过心率和身体移动中的特定改变识别出例如睡眠呼吸暂停、下肢不宁、梦魇、夜惊等睡眠病况的症状。在这些情况中，例如周围环境噪音水平之类的环境数据常常是非常有价值的。睡眠者的睡眠呼吸暂停中和打鼾中的最终喘息的噪音或者梦魇或夜惊中的说话和尖叫是证实生理改变的附加迹象。将通过生理改变和先前的噪音事件识别出例如由于周围环境噪音导致的突然醒来之类的睡眠事件。但是这里也一样，在生理数据和环境数值中看到的主要改变将被用来证实或识别睡眠事件的起因。

使用从（多个）附加传感器180（图2）记录的信息的一个实例是脉搏传递时间（PTT）。如果从这些传感器计算并分类的数据可用，则可以得出关于特定时间段期间的被测试/被记录人员的动脉血压的结论。所述血压随后被睡眠阶段确定单元420使用来确定和/或验证特定睡眠阶段和/或睡眠阶段过渡和/或睡眠事件。因此，血压的突然改变可以表明由于例如噪音之类的环境事件而造成的睡眠干扰。

检测睡眠事件的另一个实例涉及利用附加传感器180（图2）测量被称作“脉搏血氧测定”的血氧饱和度。可以由睡眠阶段确定单元420把这一“脉搏血氧测定”的所测量并分类的数据与所分类的移动数据和噪音水平相关联。如果检测到噪音，例如在呼吸暂停的末尾（喘息）发生的噪音，则睡眠阶段确定单元420可以确定是否还发生了短暂的移动和相关联的血氧饱和度降低。如果这些确定是肯定的，则将其自动识别为与睡眠呼吸暂停相关联的睡眠事件。

因此，在睡眠期间将检测到噪音事件的任何发生，并且将评估其对HR和BM的可能影响。被测试人员的睡眠可能受到噪音的干扰，并且其后果在睡眠结构和睡眠片断化方面可能非常重要。因此，可以确定夜间噪音对睡眠的影响。

此外，在对象静止或睡眠时，不能预期周围环境温度的突然变化。这些改变可能在对象改变处所时发生。在睡眠期间，周围环境温度可能不同于中性条件。其在夏天可能过暖或者在冬天过冷。这些条件可能会睡眠具有影响并且对其造成干扰。如果观察到这样的极端数值，则将对睡眠结构和可能的干扰进行评估。

最后，取决于对象生活在其中的处所，周围环境光的水平可能会不同。其还将取决于对象在一天当中的移动而变化。其数值对于确定睡眠周围环境条件是否所预期的低照明水平的条件将是非常重要的。

如前所述，记录装置100（参见图2）可以包括例如按钮之类的致动器，以便由被测试/被记录人员标记特定事件。确定装置400（即单元410、420和/或430）于是将识别出所记录的数据内的被标记事件，并且分别在确定警觉状态、睡眠阶段或睡眠阶段过渡和/或睡眠事件时使用该信息。由于可以在系统中预先定义所述被标记事件，因此确定装置400能够明确地识别出相关联的清醒或睡眠状态。此外，可以利用不同的按钮或致动类型来标记多于一个（多于一种）事件。这样可以进一步帮助确定装置400实施其任务。其还允许训练装置400的确定或者由装置300施行的分类，正如后面将更加详细地概述的那样。

确定装置400还确定如在图8中示出的一个健康对象体内的从一个阶段到另一个阶段的过渡。这些过渡还可以由警觉状态确定单元410和/或睡眠阶段确定单元420确定。图8描绘出清醒状态以及深度睡眠、浅度睡眠和异相睡眠（REM）阶段。如箭头所示，从一个状态/阶段到另一个状态/阶段的过渡在大多数状态/阶段之间都是可能的。但是从清醒到深度睡眠或者从异相睡眠到深度睡眠的过渡将不会在没有中间浅度睡眠状态的情况下发生。

从一个阶段到另一个阶段的过渡可以被划分成下降过渡和上升过渡，下降过渡即从清醒或较浅睡眠阶段开始并且导向较深睡眠阶段的那些过渡，上升过渡即从较深睡眠阶段到较浅睡眠阶段或者到清醒的那些过渡。特定改变会在这两种类型的过渡之前发生或者与之相伴发生。在表III（下降过渡）和表IV（上升过渡）中给出了警觉状态确定单元410和睡眠阶段确定单元420对于所述两种过渡类型所使用的示例性标准。

表III（下降过渡）

表IV（上升过渡）

根据本发明的另一方面，确定装置400能够自动改良其自身。由于所述装置已经记录了随时可用的几天或几周的数据，因此其可以根据被测试/被记录人员的行为来调节各个确定单元。如果找到明确地标识出睡眠、特定睡眠阶段、睡眠阶段过渡或睡眠事件的HR或BM类别和/或数据的第一组合，则确定装置400可以搜索没有第一组合那么独特但是更常被找到的类似组合。因此，装置400可以调节对应于睡眠、睡眠阶段、睡眠阶段过渡和睡眠事件识别的标准。

此外，确定装置400还可以向分类单元300传送数据，以便配置分类算法。按照这种方式，可以对分类进行调节以便更好地识别出睡眠、睡眠阶段、睡眠阶段过渡和/或睡眠事件。

这些技术还可以被用来改良装置400和单元300以实现更好的警觉状态检测。利用所记录的数据，装置400可以建立被测试人员的简档，以便获得HR、BM、环境和/或其他所感测到的数据的平均水平、峰值和变化。这随后可以被用来针对被测试人员的每日/每夜的行为来调节单元300和装置400的分类和确定。其还可以被用来识别由于针对被测试人员的新的医学治疗而引发的改变，或者评估这一治疗是否导致此人的健康状况的改善或恶化。

类似地，可以通过共用从被记录人员的大规模群组获得的信息来改良装置400。从而所述装置可以更好地评估来自特定年龄或性别群组的数据。睡眠生理在儿童、年轻成年人或老年人之间相当不同，但是在一定年龄群组内部，睡眠特性则相当类似。因此，装置400可以集成所收集的数据，以便更好地评估单独的所记录数据与相同年龄或性别群组特性相比的正常性。

确定装置400可以经由数据连接而连接到分类单元300（图3），以便访问由分类单元300输出的不同类别。这样的数据连接可以被实施为无线或有线连接。举例来说，无线连接可以基于无线LAN、Bluetooth、红外数据通信或者其他无线通信技术。有线数据通信可以利用通用串行总线（USB）、Firewire、LAN或其他网络连接来实施。

所描述的装置和单元100到400之间的数据连接还可以被用来向分类单元300、数据提取单元200和/或记录装置100输送分析结果。这些装置当中的每一个可以能够显示或者以其他方式输出分析结果。举例来说，在可佩戴装置的情况下可以集成有显示器，其中被测试/被记录人员可以滚动浏览分析结果。此外，可以把打印机连接到装置100到400之一以便打印分析结果。

此外，确定装置400可以能够经由网络连接发送包括所述结果的分析报告。举例来说，装置400可以向预定义接收方发送电子邮件或分组数据，比如被测试/被记录人员或者负责监督的医务人员或医生。确定装置400还可以发送或者允许访问所记录的未经处理的数据（参见图2的存储器170）、数据提取单元200的输出和/或分类单元300的输出。受过训练的人员可以对所接收到或所访问的数据实施进一步的分析，以便验证分析结果或者提供对于前面关于图2到4描述的部件和单元的调节。在接连持续几天或几周的记录的情况下，可以根据具体情况强调并评注对于在所述长时间段期间发生的重大改变的描述。作为实例，这可能是在针对患者的医学治疗期间、在运动员的训练周期期间或者在旅行人员的时差反应周期期间发生的情况。

根据另一个实施例，分类单元300是一起形成分析装置的确定装置400的一部分。在这种情况下，在确定装置400与数据提取单元200（图2）或者其中存储所提取的数据的例如存储器170之类的存储器之间建立数据连接。所述数据连接可以按照与前面提到的相同的方式来实施。

根据另一个实施例，装置和单元100、200、300和400被组合在一个装置中。在这种情况下，各个装置和单元的处理器和存储器可以被共享，从而降低生产成本。这样的组合装置随后可以被连接到显示装置或打印机，以便输出随着记录时间确定的警觉状态和/或睡眠阶段。

但是本发明不限于不同装置和单元100、200、300和400的具体实现方式。应当提到的是，这些装置、单元及其组件的任何组合都落在本发明的范围内。

现在参照图5，本发明还定义了一种确定睡眠阶段的方法，比如由前面关于图2到4描述的装置和单元所施行的方法。图5中所示出的方法开始于在步骤510中检测来自待测试人员的心率。这一心率检测可以由传感器进行，其例如感测被测试人员的脉波并且从中导出心率。

此外，在步骤520中检测被测试人员的身体移动。这样的检测可以是基于加速度传感器或者能够登记一个人的移动的其他传感器。如前所述，身体移动的检测集中于骨骼肌移动。举例来说，对于一个人的眼睛移动或者任何内脏或心脏的移动不感兴趣，这是因为只从这些移动不可能确定所有睡眠阶段。骨骼肌移动可以是一个人的例如手臂或腿之类的四肢、躯干或头部的移动。每一次此类移动通常都将产生此人的腕部或踝部的移动，并且在该处可以发生步骤520的检测。

随后在步骤530中把所检测到的心率分类成前面已经关于图3概述的特定类别。前面关于图2概述的心率平均值、心率变异性、心率改变或节律特性的计算可以在心率分类之前进行。

在步骤540中对所检测到的身体移动进行分类，正如前面关于图3所解释的那样。此外，身体移动持续时间和强度的计算可以在分类之前进行。

基于所识别出的心率类别和身体移动类别，在步骤550中可以确定一个人的睡眠阶段和/或睡眠阶段过渡。可以在这样的确定之前确定警觉状态。前面关于图4更加详细地描述了步骤550处的确定。

此外，根据步骤560，检测到一个或多个睡眠事件，正如前面关于图4所概述的那样。

此外，在步骤555中，通过施行交叉比较识别出特定心率类别与身体移动类别的组合。这样的识别可以关于特定时间段进行。举例来说，正如前面所概述的那样，确定是否从在相同时间期间或者在一定紧密时间关系内感测到的数据确定了特定的心率类别和身体移动类别。其他组合可以是在特定身体移动类别之前或之后发生的特定心率类别，或者反之亦然。

所有这些识别出的组合随后可以被用于在步骤550中确定睡眠阶段。前面在表I中示出了示例性的组合。

参照图6，为了改进对于HR数据的分类，本发明还提供对于缺失或异常脉波间隔（PWI）数据的恢复。举例来说，心率计算单元210（图2）可以施行关于图6所描述的各个步骤。

具体来说，同样如前面所解释的那样，在步骤610中记录相继的脉波间隔（PWI），以便随后取回瞬时心率。超过2500msec（毫秒）的PWI对应于少于24心搏/分钟（b/min）的瞬时心率。这样的PWI被视为缺失PWI数据。此外，短于300msec的间隔对应于超过200心搏/分钟的瞬时心率，并且被视为可疑的PWI。因此，在步骤620中确定所记录的PWI是否落在300msec到2500msec的范围内（0.3s到2.5s）。

如果PWI落在该范围内，则PWI被认为是正确的，并且可以被用于HR数据的进一步计算或分类。

如果PWI没有落在该范围内，则在PWI大于2500msec的情况下，则所述方法在步骤640处继续。随后在步骤650中确定PWI是否长于10秒。如果是的话，该间隔被视为对应于缺失数据。

如果PWI短于300msec（步骤680），则所述方法在步骤690处继续，从而确定短于300msec的PWI的数目是否小于3。如果此类短暂PWI的数目大于或等于3，则这些间隔也被视为对应于缺失数据。

缺失数据将不会被恢复，这是因为其将对应于记录处理中的技术问题。如果仅有的缺失数据涉及脉波记录，那么其将是由脉搏检测系统中的故障或者是由记录装置的不正确的放置引起的。如果缺失数据涉及所有记录渠道，那么这将是由于存储器或电池故障而引起的。

缺失PWI和可疑PWI将是由于记录的暂时性停止或者是由于记录装置的移位而产生的人为信号所导致的。在特定条件下，在步骤670中可以恢复缺失PWI（2.5s<PWI<10s）和可疑PWI（PWI<0.3s并且#PWI<3）。为此，首先验证在缺失PWI或可疑PWI之前的至少10个PWI以及其后的至少10个PWI处在正常范围内（0.3s<PWI<2.5s）。如果是这样的话，则用缺失PWI或可疑PWI之前的10个正常PWI与其后的10个正常PWI的平均值来替代所述缺失PWI或可疑PWI。

本发明利用了以下事实：睡眠阶段的改变伴随有植物性（心率）和运动性（移动）机能的改变。通过考虑这两个变量及其时间关系，本发明不仅允许对这些阶段进行区分，而且还允许非常精确地确定睡眠阶段过渡确实发生的时间。在图10到13中给出了这样的过渡的几个具体实例。

举例来说，图10示出了从浅度睡眠到REM睡眠的过渡。该图代表一项20分钟周期记录。在其上方部分登记了两个脑电图（EEG）和两个眼电图（EOG）。垂直箭头表示通过对上方的四条迹线进行视觉分析利用传统的睡眠阶段评分确定的从浅度睡眠到REM睡眠的确切过渡。

该图的下方部分示出了短时间心率平均值（测量时间为近似5秒）和身体移动的记录。该图的左半部分示出了心率变异性在浅度睡眠中较小，当睡眠者正在移动时除外。在浅度睡眠中发生的两次移动伴随有心率的较大升高（心率改变大约20心搏）。该图的右半部分示出了在REM睡眠中，心率变异性较大，并且所看到的许多心率改变（最大的一项除外）没有移动伴随。因此，心率与身体移动之间的关系的这一突然改变特定于从浅度睡眠到REM睡眠的过渡（也参见表III）。

图11给出了从深度睡眠到浅度睡眠的过渡。在这里同样考虑一个20分钟周期。在这里给出了与图10中相同的迹线。通过对于EEG和EOG的视觉分析而确定的从深度睡眠到浅度睡眠的确切过渡由垂直箭头表示。在该图的左侧部分中，我们看到心率变异性在深度睡眠中非常小，并且在该睡眠阶段期间不存在身体移动（也参见表II和IV）。去到浅度睡眠的过渡伴随有引发较大心率改变的两次移动。后来，心率变异性比深度睡眠中更大。

在图12中表示出从浅度睡眠到清醒的短暂过渡以及返回到浅度睡眠。这一次由于夜间醒来的较短持续时间，所述记录的长度只有5分钟。两次过渡由垂直线标记。在这里，清醒时段仅持续1分40秒（两条灰色垂直线之间的距离对应于10秒）。从浅度睡眠到清醒的过渡伴随有较大且较久的身体移动（大约30秒），并且心率升高非常多。紧接在所述移动之后，心率保持高于先前的浅度睡眠中的数值，从而表明对象的清醒状态（也参见表IV）。在返回到与清醒时段之前所看到的心率数值相当的一个低得多的心率数值之后跟随有从清醒到浅度睡眠的过渡。

图13示出了从REM睡眠到清醒的短暂过渡以及随后返回到REM睡眠阶段。为了更好地理解改变特征，这里的记录时间同样只有5分钟，并且清醒时段的持续时间的长度仅有1分10秒。在该图的左侧部分，REM睡眠由高度波动的心率表征，其中的改变不是由于身体移动而是由于非常不规则的心搏（也参见表II）。清醒时段伴随有心率的大幅升高，所述心率升高又伴随有持续大约30秒的较大身体移动。在返回到与醒来之前所看到的心率数值相当的一个心率数值之后，对象返回到REM睡眠，并且其特征性波动心率与身体移动无关。

这几个实例表明，可以通过分析心率和身体移动及其时间关系来确定睡眠阶段、睡眠阶段过渡和/或睡眠事件。如前所述，这一分析可以通过定义例如心率平均值、心率变异性、身体移动等参数并且把这些参数当中的每一项分类到至少一个类别中来进行。与前面所表明的定义所确立的睡眠阶段的标准一起，这些数据允许精确地确定睡眠、睡眠阶段和/或睡眠阶段过渡。这种补充方法是获得与从多导睡眠监测的视觉分析导出的睡眠结构图等效的客观睡眠结构图的唯一方式。

本发明允许对生理和/或环境数据进行记录、计算和分类，以便在利用所记录并且分类的数据之后产生关于睡眠结构和睡眠质量的全局报告。所述报告将包括例如清醒时间、静止时间、卧床时间、睡着时间、睡眠效率、入睡时间、花在不同睡眠阶段中的时间和时间百分比、睡眠阶段改变次数、移动次数、醒来次数等统计数据。如果希望的话，将把给定一晚的睡眠结构与同一个人的先前记录进行比较。这样做可以是为了评估由于生活环境中的改变而导致的睡眠结构和质量的改变，或者评估药理治疗的效果，或者跟随由于时差反应导致的睡眠变更等等。

本发明的另一个优点在于，关于周围环境物理因素的记录将有助于评估与这些因素在睡眠周期期间的可能变化有关的睡眠干扰。周围环境噪音可能会干扰睡眠，并且由于可能延迟的入睡时间、夜间醒来以及提前的最终醒来而导致睡眠长度减小。在某些情况下，噪音不会使得睡眠中的人醒来，但是会产生觉醒、睡眠阶段改变以及心血管变更。周围环境温度也可能对于睡眠结构和质量有很大影响。因此，高或低周围环境温度将伴随有多次醒来、深度和REM睡眠阶段的数量减少连同身体移动性的增大。这样的干扰可以解释睡眠差的人所体验到的日常疲劳，尽管其无意识地与夜间环境有关。所有这些效果都被本发明的系统和方法检测到。关于睡眠结构和睡眠质量的最终报告可以包括关于可能对睡眠者造成干扰的环境因素的具体信息。

此外，在睡眠期间发生的异常事件或者睡眠病况的存在常常被普通人群所忽略。本发明的系统可以利用来自生理变量的信息和/或来自由所述装置记录的周围环境因素的信息检测到这些事件或病况当中的一部分。

举例来说，打鼾以及常常与其相关联的阻塞性睡眠呼吸暂停综合症将通过心率变化以及在呼吸暂停的末尾发生的身体移动而被检测到，而且还将从检测打鼾和最终喘息的噪音记录被检测到。可以很容易把血氧测定（血氧饱和度水平）和动脉压力的特定度量与本发明的特定记录相关联，以便评估症状的严重性。可以通过加速度计检测到例如异常移动之类的睡眠事件，比如下肢不宁综合症。通过前述变更和周围环境参数的同时改变可以检测到梦游。可以测量并量化例如失眠或睡眠过度之类的异常睡眠长度。可以通过在清醒期间发生的突然性短暂睡眠时段以及通过REM睡眠开始或超前的第一REM睡眠时期检测到发作性睡病。还可以通过生理与物理度量的组合来检测例如睡惊症叫喊和梦魇之类的其他睡眠事件。最后，所述系统在神经-精神方面疾病的领域内也可能是非常有价值的。实际上，几项观察暗示了睡眠与心理失常之间的重要关联。对于神经精神疾病，比如对于抑郁症、精神分裂症、老年退化性疾病和帕金森氏病之类的主要情绪障碍，所述关联最为明显。对于前面提到的这些疾病当中的大多数，睡眠是对于更好的诊断以及关于药理或生理治疗的疗效的更加准确的评估和量化有所贡献的良好生物标记。足够令人感兴趣的是，有一点同样变得越来越清楚，即如果睡眠得到改善或正常化，那么在这些病况中观察到的其中一些认知障碍也会得到显著改善。

从时间生物学的角度来看，由本发明在几天或几周内进行的连续记录还将允许评估一个人的基本昼夜节律和超日节律的正常性。在几种病况中，这些节律受到很大干扰，并且其返回到正常可能在很大程度上表明疾病的临床演化或者给定治疗的功效。

Claims (14)

1.一种用于确定人的睡眠阶段过渡的系统，所述系统包括：

被配置成检测此人的心率的心率检测部件(110)；

被配置成检测此人的身体的一部分的移动的移动检测部件(120)，其中所述移动是由身体的骨骼肌引起的；

被配置成记录所检测到的心率和所检测到的所述身体的一部分的移动的记录部件(170)；

被配置成把此人的所记录的心率分类到至少一个心率类别和至少一个心率变异性类别中的心率分类部件(310)；

被配置成把所记录的移动分类到至少一个移动类别中的移动分类部件(320)；以及

被配置成至少部分地基于所述至少一个心率类别、所述至少一个心率变异性类别和所述至少一个移动类别来确定此人的睡眠阶段过渡的确定部件(400)，其中所述确定部件被配置成在一时间段内识别出心率类别、心率变异性类别和移动类别的组合，并且基于所识别出的组合通过同时评估心率的水平和突然发生的改变以及可能的伴随的身体移动确定睡眠阶段过渡。

2.根据权利要求1所述的系统，其包括：

被配置成从所记录的心率计算心率平均值、变异性数值、节律特性和/或心率事件或改变的心率计算部件(210)，

其中，所述心率分类部件被配置成基于所计算的心率平均值、变异性数值、节律特性和/或心率事件或改变来对此人的心率进行分类。

3.根据权利要求1或2所述的系统，其中，所述确定部件还被配置成至少部分地基于所述至少一个心率类别、所述至少一个心率变异性类别和所述至少一个移动类别确定此人的睡眠事件。

4.根据权利要求1或2所述的系统，其中，所述移动检测部件包括被配置成感测此人的所述身体的一部分的加速度的移动感测部件，其中所述记录部件还被配置成记录所感测到的加速度，并且其中所述系统包括：

被配置成基于所记录的加速度的数值来至少计算此人的所述身体的一部分的每一次移动的强度和/或持续时间的移动计算部件(220)。

5.根据权利要求4所述的系统，其中，所述移动分类部件被配置成基于每一次移动的所计算的强度和/或持续时间把所述身体的一部分的每一次移动至少分类为大移动LM、小移动SM或抽动TM，并且/或者被配置成把每一次LM、SM和/或TM至少分类到各个频率类别和/或持续时间类别中。

6.根据权利要求1或2所述的系统，其还包括：

被配置成感测至少一项环境因素的环境感测部件(130，140，150)，其中所述记录部件还被配置成记录所感测到的至少一项环境因素；以及

被配置成把至少一项所记录的环境因素的至少一些数值分类到至少一个环境类别中的环境分类部件(330)，

其中，所述确定部件还被配置成至少部分地基于所述至少一个环境类别来确定此人的睡眠阶段过渡。

7.根据权利要求6所述的系统，其中，所述环境感测部件被配置成感测噪音水平、周围环境温度和/或周围环境光，所述系统还包括：

环境计算部件(230)，其被配置成基于所记录的噪音水平计算至少一个平均噪音水平和/或噪音事件，并且/或者基于所记录的周围环境温度计算至少一个平均周围环境温度水平和/或改变，并且/或者基于所记录的周围环境光计算至少一个周围环境光水平和/或周围环境光水平的改变。

8.根据权利要求1所述的系统，其中，所述至少一个心率类别包括心率平均值类别。

9.根据权利要求7所述的系统，其中，所述确定部件还被配置成确定从清醒到睡眠的过渡和/或从一个睡眠阶段到另一个睡眠阶段的过渡和/或从睡眠到清醒的过渡，以及/或者至少一项所记录的环境因素对于睡眠阶段过渡或者从睡眠到清醒的过渡的直接因果效应。

10.根据权利要求7所述的系统，其还包括：

评估部件(410)，其被配置成基于所述至少一个心率类别、所述至少一个心率变异性类别、所述至少一个移动类别以及所述至少一个环境类别来评估此人的睡眠或清醒状态。

11.一种用于确定人的睡眠阶段过渡的方法，所述方法包括：

检测(510)此人的心率；

记录所检测到的心率；

检测(520)此人的身体的一部分的移动，其中所述移动是由身体的骨骼肌引起的；

记录所检测到的移动；

把此人的所记录的心率分类(530)到至少一个心率类别和至少一个心率变异性类别中；

把所记录的移动分类(540)到至少一个移动类别中；以及

至少部分地基于所述至少一个心率类别、所述至少一个心率变异性类别和所述至少一个移动类别通过同时评估心率的水平和突然发生的改变以及可能的伴随的身体移动来确定(550)此人的睡眠阶段过渡。

12.根据权利要求11所述的方法，所述方法包括：

在一特定时间段内识别出(555)心率类别、心率变异性类别和移动类别的特定组合，并且

其中，所述确定包括基于所识别出的特定组合来确定睡眠阶段过渡。

13.根据权利要求11或12所述的方法，所述方法包括：

感测至少一项环境因素；

记录所感测到的至少一项环境因素；

把至少一项所记录的环境因素的至少一些数值分类到至少一个环境类别中；以及

至少部分地基于所述至少一个环境类别来确定此人的睡眠或清醒状态。

14.根据权利要求13所述的方法，所述方法包括：

至少部分地基于所述至少一个环境类别来确定至少一项所记录的环境因素对于睡眠阶段过渡或者从睡眠到清醒的过渡的直接因果效应。