CN104799613A - 一种无干扰识别和记录睡眠行为的e健康分区床垫 - Google Patents

Abstract

一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，由上、下两层床垫组合而成，所述上层床垫的上表层面料复合层内固定有呈网状矩阵分布的若干个对数电位传感器，所述对数电位传感器与信息采集器相连接，通过信息采集器将连续采集到的人-床界面压陷量信息和与人-床界面压陷量信息同步变化的对数电位器输出电压信号传输给数据处理器，从而同时获得人-床界面压陷形状和睡眠者动作行为事件发生的信号；所述下层床垫由头部区域、肩部区域、腰部区域、臀部区域、腿部区域五个独立的单体模块组合而成。本发明床垫可以识别并记录人体睡眠行为，为健康睡眠监测、研究及E健康睡眠体验提供技术支持，同时还可以定量化地研究人-床之间的支撑关系。

Description

一种无干扰识别和记录睡眠行为的e健康分区床垫

技术领域

本发明涉及一种e健康分区床垫，特别是一种可以定量化分析床垫的支撑性能，并可以在无干扰睡眠的前提下识别并记录睡眠行为，从而为健康睡眠维护和健康睡眠研究提供技术支持和信息帮助的床垫。

背景技术

睡眠是人体健康和精力、体力恢复的保证。一方面，健康睡眠需要每晚进行各种各样的动作行为和姿势调节，以避免由于局部肌肉、软组织持续受压而引起的血液循和神经传导受阻，另一方面，人体的动作行为和姿势调节又不能过于频繁，否则也会影响睡眠质量，如不宁腿综合征、周期性肢体动作等睡眠障碍问题多表现为睡眠过程中动作行为的增加，从而使睡眠时断时续，难易保持。实验研究表明，床垫或床具的支撑性能对人体睡眠行为有着重要的影响，如床垫过软或过硬都会影响人体的睡眠行为。因此，一，在无干扰睡眠的前提下识别并记录睡眠行为，对睡眠健康研究有着重要的意义；二，通过床垫支撑性能的调节实现睡眠行为的优化，对于健康睡眠床具或床垫的设计具有重要的意义。目前睡眠行为的测试方法主要有多导睡眠图记录法、体动记录图分析法和摄像法。其中多导睡眠图记录法虽然可以获得睡眠结构的详细信息，但该方法只能在实验室内完成，并且需要将多导电极置于人体之上，因此，对正常睡眠有一定程度的影响。体动记录图分析法是一种测试具体人体肢体动作的较好的方法，但为了获得全面的睡眠动作行为，需要给人体肢体部位的多处佩戴体动记录装置，因此，也会对睡眠产生一定程度的影响。摄像法虽然可以在不干扰睡眠的前提下测试睡姿和睡眠动作行为，但这种方法不够尊重受试者的隐私，同时，也无法精确测试细微动作行为和被褥掩盖下的动作行为。床垫最重要的功能就是支撑人体,供人睡眠和休息。这种支撑关系实际上就是一种力的平衡关系。首先,在人体重力作用下,床垫发生变形,并产生反作用力,与人体质量相互平衡。同时,床垫在反作用力的作用下,人体肌肉软组织发生变形,产生内应力,使肌肉骨骼系统达到力的平衡。在两种平衡力的作用下人体获得支撑。从这一角度讲,人-床之间的支撑关系可以通过人-床之间的压力界面和形状界面来反映，即可以通过人-床之间的形状界面和压力来定量化地研究床垫的支撑性能。但由于上述睡眠行为测试方法无法将睡眠行为与床垫的支撑性能定量化地连接起来，因此，也就无法根据睡眠行为的需要定量化地改变床具或床垫的支撑性能。

发明内容

本发明旨在克服以上睡眠行为测试技术中所存在的缺点和不足之处，提供一种e健康分区床垫，可以识别并记录人体睡眠行为，为健康睡眠监测、研究及E健康睡眠体验提供技术支持，同时还可以定量化地研究人-床之间的支撑关系。

本发明目的的实现采用如下技术方案：

一种无干扰识别和记录睡眠行为的e健康分区床垫，其结构特点在于，由上、下两层床垫组合而成，所述上层床垫的上表层面料复合层内固定有呈网状矩阵分布的若干个对数电位传感器，所述对数电位传感器与信息采集器相连接，通过信息采集器将连续采集到的人-床界面压陷量信息和与人-床界面压陷量信息同步变化的对数电位器输出电压信号传输给数据处理器，从而同时获得人-床界面压陷形状和睡眠者动作行为事件发生的信号；所述下层床垫由头部区域、肩部区域、腰部区域、臀部区域、腿部区域五个独立的单体模块组合而成。

本发明结构特点还在：

所述每个单体模块分别有10个不同的硬度等级，其芯层硬度分别为：50mm-55mm，55mm-60mm，60mm-65mm，65mm-70mm，70mm-75mm，75mm-80mm，80mm-85mm，85mm-90mm，90mm-95mm，95mm-100mm，100mm-105mm。

所述上层床垫的芯层由泡沫海绵或乳胶海绵或马毛垫或羽绒填充材料或几种填充材料的组合制备而成；所述上层床垫的面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成。 

所述每个模块单体由芯层和包覆芯层的面料复合层组成，所述芯层由泡棉或乳胶海绵或弹簧或植物纤维垫组成；面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成。 

所述下层床垫的独立的模块单体周边上设置有用于模块单体相互拼接后起固定作用的粘扣带；所述上、下两层床垫的四面围边上设置有粘扣带，用于固定叠放的两层床垫结构。

一种无干扰识别和记录睡眠行为的e健康分区床垫的选择方法，其特点在于，包括如下步骤：

(1)首先进行人体测量，获得使用者的人体体型特征参量；

(2)根据体型特征预选一组下层床垫的模块单体，与上层床垫组合成整体床垫；

(3)使用者躺到床垫上，根据睡姿偏好选择睡姿；上层床垫和下层床垫在使用者的重量的作用下发生形变；

(4)对数电位传感器采集到人-床界面垂直下陷量矩阵和与人-床界面垂直压陷量矩阵同步变化的对数电位器的输出电压信号；

(5)利用人体测量数据构建数字化人体模型，将数字化人体模型与人床界面压陷形状 相拟合，获得数字化人体脊柱形态，判断脊柱形态是否处于自然弯曲的状态；

(6)若脊柱形态处于非自然弯曲的状态，则更换调节不同硬度特征的模块单体，直至使用者的睡姿脊柱形态处于自然弯曲为止；

(7)确定下层床垫的5个模块单体硬度规格，与上层床垫组合成整体床垫，选择完成。

一种e健康分区床垫对睡眠行为的识别、分类、分析方法，其特征在于：利用动作行为事件发生时，人体重量在床垫上的分布会发生变化，人-床界面压陷量也会发生变化的现象，利用与人-床界面压陷量变化同步的对数电位传感器输出电压信号的变化，获取睡眠者动作行为事件发生信号，主要步骤包括：

1)、利用上层床垫的上表层面料复合层内的对数电位传感器采集使用者整晚对数电位器的输出电压信号，采样频率0.5Hz；

2)、将每一个对数电位器(11)的输出电压相对时间求导数，计算所有对数电位器的输出电压的时间导数之和f(t)，f(t)的各个峰值即为受试者睡眠动作行为的信号；

       $f\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|\frac{{\mathrm{dV}}_i}{\mathrm{dt}}\right|---\left(1\right)$

其中，V_i是第i个对数电位器的输出电压；

3)、利用如下公式对受试者睡眠动作行为的信号进行校准，消除人体胖瘦对人体睡眠动作行为信号强弱的影响：

f_r(t)＝f(t)-A  (2)

其中，A为动作行为事件发生的阈限值，即动作行为事件发生的最小值；

校准后，要求睡眠者的主要动作行为事件的持续时间在4s以及以上，且一组连续变化的波只记为一个动作发生；

4)、按人体动作行为持续的时间将人体的动作行为分为四类，第一类为持续时间在5s以内的动作行为；第二类为持续时间在5s-10s的动作行为；第三类为持续时间在10s-15s之间的动作行为；第四类行为持续时间在15s以上的动作行为；

5)、利用动作总量、动作总时间、四类动作行为的时间分布、不动指数，即不动的总时间与动作总次数的比值、翻身次数、超过10分钟的不动片段出现次数、超过20分钟的不动片段出现次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布指标评价睡眠动作行为模式。

一种权分区床垫的下层床垫模块单体硬度测试和计算方法，其特点在于，按如下步骤进 行：

测试之前下层床垫的模块单体需在室温23±2℃，相对湿度50±5％的环境中静置24小时，然后将下层床垫的模块单体放置于试验机的支撑台上，测试下层床垫上的离散的点；支撑台具有直径约为6mm的多孔，孔间距20mm；试验机的压头为圆柱形，直径D＝200mm，压力范围0～250N，加载速度100mm/min；预压次数101次，其中总压力达到1200N的预压循环100次，总压力达到300N的预压1次；下层床垫模块单体的硬度由D_surface、D_core、D_bottom三个值来表示，单位mm，分别表征模块单体表层、芯层和底层的硬度，其值越大表示模块单体越软，其值越小表示模块单体越硬，公式为：

D_surface＝D_f40N-D_f4N

D_core＝D_f200N-D_f40N

D_bottom＝D_f250N-D_f200N

其中，D_f4N、D_f40N、D_f200N、D_f250N分别表示加载曲线上对应于4N、40N、200N和250N的位移。

与已有技术相比，本发明的优点主要体现在：

(1)本发明克服了现有睡眠行为测试技术需要将测试装置佩戴于受试者身体上，从而影响正常睡眠，或对受试者的隐私不够尊重的局限性，利用与人-床界面压陷量同步变化的对数电位传感器的输出电压信号识别睡姿，不仅可以确保受试者的隐私权，还可以实现睡眠行为的无干扰识别和实时监测。

(2)本发明所提供的人-床界面压陷形状的采集方法简单易行，不仅可以用于人-床界面的定量化研究，还可以用于脊柱形态的定量化研究。

(3)本发明克服了现有“分区床垫”不能根据人体体型的变化定量化地选择床垫的脊柱支撑条件的局限性，利用床垫力学性能和睡姿脊柱形态的定量化测试选择脊柱支撑模块单体，不仅可以实现床垫力学性能的定量化设计，还可以实现床垫的“量体裁衣”。

(4)本发明所提供的睡眠行为监测方法，通过翻身次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布等指标评价睡眠质量和睡眠健康，符合e健康家居产品发展的趋势。

(5)本发明所提供了上层床垫可以单独作为迷你床垫使用，也可以配合其它床垫或床具使用，其自动识别并监测睡眠行为的方法简单易行，符合e健康家居产品的特征，不仅可以家居环境，也可以用于实验室、睡眠体验等环境中，作为健康睡眠的研究方法。

说明书附图

图1是本发明整体床垫的结构图。

图2是本发明整体床垫的纵剖图。

图3是本发明上层床垫水平剖面图，即对数电位传感器矩阵的水平分布图。

图4是本发明两层床垫结构图。

图5是本发明整体床垫使用状态的总剖图。

图6a1、图6a2、图6a3是本发明采集的侧卧状态下人-床界面压陷形状。

图6b1、图6b2、图6b3是本发明采集的仰卧状态下人-床界面压陷形状。

图7a和图7b是本发明下层床垫模块单体硬度测试方法的示意图。

图8a1、8a2是矢状面上脊柱形态及其评价参量P1、P2、P3、P4、P5的示意图。

图8b1至图8b3是冠状面上脊柱形态及其评价参量P6、P7、P8、P9的示意图。

图8c是三维空间中脊柱形态及其扭曲度的评价参量P10的示意图。

图9是本发明中人体表面通用模型示意图。

图10是本发明中个性化人体表面模型示意图。

图11是本发明中附简化内部构架的个性化人体模型示意图。

图12a是本发明中侧卧睡姿时，数字化人体模型与人-床界面压陷形状相拟合的示意图。

图12b是本发明中仰卧睡姿时，数字化人体模型与人-床界面压陷形状相拟合的示意图。

图13a是本发明中侧卧睡姿时，人-床界面压陷形状的自适应压陷中心示意图。

图13b是本发明中仰卧睡姿时，人-床界面压陷形状的自适应压陷中心示意图。

图14a是本发明中侧卧状态下，人体模型背部表面脊柱棘突部位各点的三次样条曲线。

图14b是本发明中仰卧状态下，人体模型背部表面脊柱棘突部位各点的三次样条曲线。

图中标号：1上层床垫、11位移传感器、12上层床垫的面料复合层、13上层床垫的芯层、2下层床垫、21头部区域模块单体、22肩部区域模块单体、23腰部区域模块单体、24臀部区域模块单体、25腿部区域模块单体、2X1下层床垫面料复合层、2X2下层床垫芯层、3用于固定下层床垫模块单体的粘扣带、4用于固定上下两层床垫结构的粘扣带、5采集器、6主机处理器、7、显示器、8使用者、81胸椎C7、82腰椎L1、83腰椎L5、84双臀关节、85双膝关节、86双踝关节、87双肩关节、88双肘关节、89双腕关节、9冠状面上脊柱曲线、100床垫硬度测试机的支撑平台、101床垫硬度测试机的压头、D床垫硬度 测试机压头的直径、P床垫硬度测试时所加载的载荷、b1髂后上棘韧窝中心、b2腰椎L1、b3颈椎隆突、P1矢状面上腰曲的角度、P2矢状面上胸曲的角度、P3矢状面上腰椎曲线至脊柱曲线最小二乘线的最大的距离、P4矢状面上胸椎曲线至脊柱曲线最小二乘线的最大的距离、P5矢状面上脊柱曲线至其最小二乘线距离的均方差、P6为冠状面上与x轴之间的夹角、P7为冠状面上脊柱曲线至其最小二乘线距离的均方差、P8冠状面上与其最小二乘线之间的夹角、P9冠状面上腰椎曲线的最小二乘线和胸椎曲度的最小二乘线之间的夹角、P10三维立体空间中腰椎L5和L1两处脊柱曲线密切平面法向量之间的夹角。

具体实施方式

下面结合附图和具体实施方法对本发明技术做进一步说明。

(一)一种无干扰识别和记录睡眠行为的ee健康分区床垫主要包括上层床垫1、下层床垫2、对数电位传感器11、信息采集器5和主机处理器6组成。

位移传感器11呈网状矩阵分布，与信息采集器5相连，位于反映人-床界面垂直下陷量最敏感的区域——上层床垫1的上表层面料复合层12内，通过信息采集器5将连续采集的人-床界面压陷量矩阵信息和与人-床界面压陷量信息同步变化的对数电位器输出电压信号传输给数据处理器6，由主机处理器6分析人-床界面压陷形状和睡眠者动作行为事件发生的信号，识别并记录睡眠行为，人-床界面压陷形状结合数字化人体模型判断睡眠脊柱形态。

下层床垫2由5个独立的模块单体组成，分别为头部区域模块单体21、肩部区域模块单体22、腰部区域模块单体23、臀部区域模块单体24和腿部区域模块单体25，每个模块单体有10种不同的硬度规格，其芯层硬度分别为：50mm-55mm，55mm-60mm，60mm-65mm，65mm-70mm，70mm-75mm，75mm-80mm，80mm-85mm，85mm-90mm，90mm-95mm，95mm-100mm，100mm-105mm。，可以根据不同人体脊柱支撑的需求，选择不同硬度的模块单体，并与上层床垫1组合成整体床垫。

上层床垫1由芯层13、包覆芯层13的面料复合层12和固定于上表层面料复合层12中的若干个对数电位传感器11组合而成。下层床垫2的5个独立的模块单体均由芯层2X2和包覆芯层2X2的面料复合层2X1组合合成。下层床垫2的5个独立的模块单体之间通过粘扣带4连接并固定；上层床垫1和下层床垫2之间通过粘扣带3连接并固定，构成整体ee健康分区床垫。上层床垫1的面料复合层12、下层床垫2的5个独立模块单体的面料复合层2X1均由面料、硬质海绵、海绵、无纺布等绗缝而成。上层床垫1的芯层13由泡沫海绵或 乳胶海绵或马毛垫或羽绒等填充材料或几种填充材料的组合制备而成；下层床垫2的5个独立模块单体的芯层2X2由泡沫海绵或乳胶海绵或弹簧或植物纤维垫组成。

1、购买床垫时：

(1)首先进行人体测量，获得使用者8的人体体型特征参量。

人体体型特征参量的获取：首先利用人体形态测量尺和围度尺，以肩峰点、肩部、胸、腰、盆骨、臀、跨部等人体解剖位置为基准，采集人体高度、宽度和围度方面的尺寸数据；以肩峰、肩、胸、腰、盆骨位置为基准采集人体厚度方面的尺寸数据；另外采集人体高度、体重、脊椎隆突点高度等人体数据，具体测量如表1所示。得肩宽、胸宽、腰宽、盆骨宽(中臀宽)、臀宽等人体特征参量，并计算人体质量指数(BMI)、胸宽/长度、胸宽/长度²、胸宽/重量、腰宽/长度、腰宽/长度²、腰宽/重量、肩宽/长度、肩宽/长度²、肩宽/重量、臀宽/长度、臀宽/长度²、臀宽/重量、盆骨宽/长度、盆骨宽/长度²、盆骨宽/重量、臀宽/腰宽、肩宽/腰宽等人体特征参量。

受试者人体测量表  (表1)

      

      

      

(2)然后根据体型特征预选一组下层床垫2的模块单体，与上层床垫1组合成整体床垫。

(3)使用者8躺到床垫上，根据睡姿偏好选择睡姿。

(4)上层床垫1和下层床垫2在使用者8的重量的作用下发生形变。

(5)对数电位传感器11采集到人-床界面垂直下陷量矩阵和与人-床界面垂直压陷量矩阵同步变化的对数电位器的输出电压信号。

(6)利用人体测量数据构建数字化人体模型，将数字化人体模型与人床界面压陷形状相拟合，获得数字化人体脊柱形态9，利用脊柱形态9的10评价指标P1-P10判断脊柱形态是否处于自然弯曲的状态。

(7)若脊柱形态9处于非自然弯曲的状态，则更换调节不同硬度特征的模块单体22、23、24，直至使用者8的睡姿脊柱形态9处于自然弯曲为止。

(8)确定下层床垫2的5个模块单体硬度规格，与上层床垫1组合成整体床垫，购买床垫。

2、使用过程中使用者8的体型特征发生变化，则再次更换下层床垫2的模块单体22、23、24，确保脊柱形态处于自然弯曲的状态。

(二)人-床界面压陷形状提取的步骤

1、受试者8躺到整体床垫上；

2、在人的重量作用下，上层床垫1和下层床垫2的5个模块单体压缩变形，对数电位传感器11的矩阵同步测得人-床界面压陷量。

3、卡采集5对数电位传感器11的矩阵中每个电位传感器11的位移变化量，并由电脑主机7储存；

(三)人-床界面压陷形状连续采集：

(四)睡眠行为的识别、分类、分析与记录。

本发明提供了一种睡眠行为识别和分类的方法，主要利用动作行为事件发生时，人体重量在床垫上的分布会发生变化，人-床界面压陷量也会发生变化的现象，利用与人-床界面压陷量变化同步的对数电位传感器输出电压信号的变化，获取睡眠者动作行为事件发生信号，主要步骤包括：

1、利用本发明提供上层床垫1的上表层面料复合层12内的对数电位传感器11采集使用者8整晚对数电位器11的输出电压信号，采样频率0.5Hz；

2、将每一个对数电位器11的输出电压相对时间求导数，计算所有对数电位器11的输出电压的时间导数之和f(t)，f(t)的各个峰值即为受试者睡眠动作行为的信号；

       $f\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|\frac{{\mathrm{dV}}_i}{\mathrm{dt}}\right|$

(1)

其中，V_i是第i个对数电位器的输出电压。

3、利用如下公式对受试者睡眠动作行为的信号进行校准，消除人体胖瘦对人体睡眠动作行为信号强弱的影响：

f_r(t)＝f(t)-A

(2)

其中，A为动作行为事件发生的阈限值，即动作行为事件发生的最小值，A仅与人体质量指数BMI和床垫的力学性能有关。校准后，要求睡眠者的主要动作行为事件的持续时间在4s以及以上，且一组连续变化的波只记为一个动作发生；

4、按人体动作行为持续的时间将人体的动作行为分为四类，第一类为持续时间在5s以内的动作行为，如人体局部肌肉的抽搐、痉挛等动作行为；第二类为持续时间在5s-10s的动作行为；第三类为持续时间在10s-15s之间的动作行为；第四类为持续时间在15s以上的动作行为，一般为翻身、姿势调节等大的动作行为。

5、利用动作总量(事件总量)、动作总时间(事件持续总时间)、四类动作行为(事件)的时间分布、不动指数(不动的总时间与动作总次数的比值)、翻身次数、超过10分钟的不动片段出现次数、超过20分钟的不动片段出现次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布等指标评价睡眠动作行为模式。

(五)脊柱形态的定量化判定

1、个性化人体模型的构件

(1)输入人体各部位的高度、宽度、厚度和围度方面的尺寸数据，及体重数据，具体人体测量数据如表1所示。

(2)将数据代入数字化人体表面通用模型，并利用MATLB和UGS两种软件结合构建人体模型。其中，通用模型包括5个主要的部分，分别是躯干、双臂和双腿。每个部分分别由连续的超椭圆所组成，代表人体的横截面，如图9所示，这些超椭圆被定义为点集的几何形状，其上的任一点(x，y)满足公式：

       ${\left|\frac{x}{a}\right|}^n+{\left|\frac{y}{b}\right|}^n=1$

其中，a和b分别为半径，表征人体的宽度和厚度，n为阶数，决定椭圆的形状(当0<n<1时为星形，当n＝2时为椭圆体，当n>2时为矩形)。建模时输入人体各部位界面的高度、宽度、厚度和围度。高度用于椭圆的定位，宽度和厚度分别确定椭圆的半径。椭圆的阶数利用最小二乘优化法，由围度计算获得。将相邻的椭圆上的点相连接，获得人体模型，如图10所示。其中解剖点之间的椭圆利用分段3次埃尔米特插值法获得。解剖点包括内踝点、胫骨突点、大转子点、髂前上棘、髂后上棘、第1椎点、第3椎点、第5椎点、第7胸椎点、乳头点、肩峰点、桡骨茎突、桡骨点、第7椎点；根据解剖点测量给定内部骨架，这一骨架由检测关节及其连接关节点构成，如图11所示，检测关节主要包括双膝关节85、双肩关节87、双轴关节88、双臀关节84和三个脊椎(1腰椎L1、2腰椎L5、3胸椎C7)，根据关节的活动特性，赋予个性化人体模型28个自由度。其中28个自由度包括三个肩关节自由度(包括屈伸、外展内收、内外旋转)；两个锁骨旋转活动自由度(包括伸与缩、提与降)；肘关节有两个活动自由度，包括屈伸和内外旋转；脊柱变形有6个活动自由度，腰椎L1和L5各三个，包括屈伸、外展内收和内外翻转；髋关节3个自由度，包括屈伸、外展内收和内外旋转；膝关节1个活动自由度；肩关节左右各3个关节自由度，锁骨旋转活动自由度左右各2个，肘关节左右各2个，髋关节左右各3个，膝关节左右各1个，脊柱上有6个活动自由度。

2、结合数字化人体模型与人-床界面压陷形状的拟合(如图12a和图12b)，获得睡姿脊柱形态：

(1)使数字化人体模型躺倒，并根据人-床界面压陷形状，调节数字化人体模型的活动自由度，确定其自由度的对应值。

(2)对于仰卧睡姿，由于在人体模型与床垫表面压陷形状拟合之前，脊柱没有变形，因此，只需要确定三个定位的人体活动自由度就可以了，即：横向平移量x，纵向平移量y，床垫表面的旋转角度是θ。而这三个参量可以根据肩部区域最大压陷点O1和臀部区域最大压陷点O2的位置来设置。其中O1和O2为两个区域的自适应压陷中心COI，计算公式为：

       $\mathrm{COI}=\frac{\mathrm{\&Sigma;}{Z}_i\&CenterDot;(x_i,y_i)}{\mathrm{\&Sigma;}{Z}_i}$

其中，(xi,yj)为纵横坐标点，Zi为床垫压陷量。

用O1、O2连线与纵轴的夹角表示θ，纵横轴坐标x和y通过臀部O2点来对正，如图13b所示。

(3)对于侧卧睡姿，除了以上三个定位数字化人体模型的自由度以外，还需要确定四个关节角度，即胸关节81、腰关节82和83、髋关节84和膝关节85。其中O1、O2点的确定与仰卧相同，点O3为肩部区域和臀部区域的鞍点，x、y和θ由点O3的坐标和与纵轴的夹角来确定。和腰椎2确定胸部脊柱弯曲度，如图13a所示。以O2为圆心，以大腿长为半径在躯干和大腿夹角90°-180°的范围之内可以找到大腿的最大压陷量直线，而这一直线确定髋关节84和膝关节85的位置。膝关节5的弯曲的确定方法与髋关节5相同。

(4)当以上数字化人体模型活动自由度完全确定后，通过计算连续人体表面到对应压陷位置的距离来完成拟合工作。

(5)通过人体背部表面三次样条曲线取点确定侧卧和仰卧脊柱形态，如图14a和14b所示。

3、脊柱形态的定量化评价：

利用矢状面、冠状面以及立体空间中脊柱曲线的10项评价参量，如图8a、8b、8c所示，分别从偏离脊柱曲线的最小二乘线、水平的角度，偏离最小二乘线的距离、脊柱空间的扭曲度、腰椎曲线、胸椎曲线等方面描述睡姿脊柱形态，并实现睡姿脊柱形态8的定量化评价。

其中10项评价参量，是指P1-P10这10项参量，其中P1为矢状面上腰曲的角度，即脊柱曲线上b1髂后上棘韧窝中心和b2腰椎L1两处切线之间的夹角，从角度方面反映腰椎前凸的程度；P2为矢状面上胸曲的角度，即脊柱曲线上b3颈椎隆突和b2腰椎L1两处切线之间的夹角，反映胸椎后凸的程度，如图8a所示；P3为矢状面上腰椎曲线至脊柱曲线最小二乘线的最大的距离，反映腰椎曲线偏离直线的程度，如图8a所示；P4为矢状面上胸椎曲线至脊柱曲线最小二乘线的最大的距离，反映胸椎曲线偏离直线的程度，如图8a所示；P5为 矢状面上脊柱曲线至其最小二乘线距离的均方差，反映矢状面上整体脊柱曲线偏离直线的程度，如图8a所示；P6为冠状面上(髂后上棘韧窝中心与颈椎隆突之间的连线)与x轴之间的夹角，从角度方面反映冠状面上脊柱曲线偏离直线的角度，如图8b-1所示；P7为冠状面上脊柱曲线至其最小二乘线距离的均方差，反映冠状面上整体脊柱曲线偏离直线的程度，如图8b-2所示；P8为冠状面上(髂后上棘韧窝中心与颈椎隆突之间的连线)与其最小二乘线之间的夹角，从角度方面反映冠状面上脊柱曲线偏离直线的角度，如图8b-3所示；P9为冠状面上腰椎曲线的最小二乘线和胸椎曲度的最小二乘线之间的夹角，反映脊柱偏离直线的程度，如图8b；P10为三维立体空间中腰椎L5和L1两处脊柱曲线密切平面法向量之间的夹角，反映腰椎曲线在空间内的扭曲程度，如图8c。

(六)下层床垫模块单体硬度测试和计算方法。

测试之前下层床垫2的模块单体需在室温(23±2)℃，相对湿度(50±5)％的环境中静置24小时(适应环境)，然后将下层床垫2的模块单体放置于试验机的支撑台100上，测试下层床垫2上的离散的点。支撑台100具有直径约为6mm的多孔，孔间距20mm(以便在试验过程中将产生的气体排出)。试验机的压头101为圆柱形，直径D＝200mm，压力范围0～250N，加载速度100mm/min。预压次数101次，其中总压力达到1200N的预压循环100次，总压力达到300N的预压1次。下层床垫模块单体的硬度由D_surface、D_core、D_bottom三个值来表示，单位mm，分别表征模块单体表层、芯层和底层的硬度，其值越大表示模块单体越软，其值越小表示模块单体越硬，公式为：

D_surface＝D_f40N-D_f4N

D_core＝D_f200N-D_f40N

D_bottom＝D_f250N-D_f200N

其中，D_f4N、D_f40N、D_f200N、D_f250N分别表示加载曲线上对应于4N、40N、200N和250N的位移。(硬度分成单体表层、芯层和底层的硬度，其优点在于，可以更细致地描述床垫使用过程中在人体重力作用下不同部位的变形情况)

(七)本发明中上层床垫1可以作为迷你床垫单独使用，或与其它床垫、床具配合使用，用于脊柱形态的定量化判定，睡眠行为的识别与监测等，睡眠行为、脊柱形态测试与评价的方法同上述案例。

(八)本发明中上层床垫1可以与其它e健康分区床垫配合使用，通过睡姿脊柱形态判断和睡眠行为监测，判断e健康分区床垫是否满足使用者的健康需求，脊柱形态定量化判断 与睡眠行为监测方法同上述案例。

Claims (8)

1.一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，由上、下两层床垫组合而成，所述上层床垫的上表层面料复合层内固定有呈网状矩阵分布的若干个对数电位传感器，所述对数电位传感器与信息采集器相连接，通过信息采集器将连续采集到的人-床界面压陷量信息和与人-床界面压陷量信息同步变化的对数电位器输出电压信号传输给数据处理器，从而同时获得人-床界面压陷形状和睡眠者动作行为事件发生的信号；所述下层床垫由头部区域、肩部区域、腰部区域、臀部区域、腿部区域五个独立的单体模块组合而成。

2.根据权利要求1所述的一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，所述每个单体模块分别有10个不同的硬度等级，其芯层硬度分别为：50mm-55mm，55mm-60mm，60mm-65mm，65mm-70mm，70mm-75mm，75mm-80mm，80mm-85mm，85mm-90mm，90mm-95mm，95mm-100mm，100mm-105mm。

3.根据权利要求1所述的一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，所述上层床垫的芯层由泡沫海绵或乳胶海绵或马毛垫或羽绒填充材料或几种填充材料的组合制备而成；所述上层床垫的面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成。

4.根据权利要求1所述的一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，所述每个模块单体由芯层和包覆芯层的面料复合层组成，所述芯层由泡棉或乳胶海绵或弹簧或植物纤维垫组成；面料复合层由面料、硬质海绵、海绵、无纺布绗缝而成。

5.根据权利要求1所述的一种无干扰识别和记录睡眠行为的e健康分区床垫，其特征在于，所述下层床垫的独立的模块单体周边上设置有用于模块单体相互拼接后起固定作用的粘扣带；所述上、下两层床垫的四面围边上设置有粘扣带，用于固定叠放的两层床垫结构。

6.一种权利要求1所述无干扰识别和记录睡眠行为的e健康分区床垫的选择方法，其特征在于，包括如下步骤：

(1)首先进行人体测量，获得使用者(8)的人体体型特征参量；

(2)根据体型特征预选一组下层床垫(2)的模块单体，与上层床垫(1)1组合成整体床垫；

(3)使用者(8)躺到床垫上，根据睡姿偏好选择睡姿；上层床垫(1)和下层床垫(2)在使用者(8)的重量的作用下发生形变；

(4)对数电位传感器(11)采集到人-床界面垂直下陷量矩阵和与人-床界面垂直压陷量矩阵同步变化的对数电位器的输出电压信号；

(5)利用人体测量数据构建数字化人体模型，将数字化人体模型与人床界面压陷形状相拟合，获得数字化人体脊柱形态(9)，判断脊柱形态是否处于自然弯曲的状态；

(7)若脊柱形态(9)处于非自然弯曲的状态，则更换调节不同硬度特征的模块单体(22、23、24)，直至使用者(8)的睡姿脊柱形态(9)处于自然弯曲为止；

(8)确定下层床垫(2)的5个模块单体硬度规格，与上层床垫(1)组合成整体床垫，选择完成。

7.一种权利要求1所述e健康分区床垫对睡眠行为的识别、分类、分析方法，其特征在于：利用动作行为事件发生时，人体重量在床垫上的分布会发生变化，人-床界面压陷量也会发生变化的现象，利用与人-床界面压陷量变化同步的对数电位传感器输出电压信号的变化，获取睡眠者动作行为事件发生信号，主要步骤包括：

1)、利用上层床垫(1)的上表层面料复合层(12)内的对数电位传感器(11)采集使用者(8)整晚对数电位器(11)的输出电压信号，采样频率0.5Hz；

2)、将每一个对数电位器(11)的输出电压相对时间求导数，计算所有对数电位器(11)的输出电压的时间导数之和f(t)，f(t)的各个峰值即为受试者睡眠动作行为的信号；

$f\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\left|\frac{{\mathrm{dV}}_i}{\mathrm{dt}}\right|---\left(1\right)$

其中，V_i是第i个对数电位器的输出电压；

3)、利用如下公式对受试者睡眠动作行为的信号进行校准，消除人体胖瘦对人体睡眠动作行为信号强弱的影响：

f_r(t)＝f(t)-A  (2)

其中，A为动作行为事件发生的阈限值，即动作行为事件发生的最小值；

校准后，要求睡眠者的主要动作行为事件的持续时间在4s以及以上，且一组连续变化的波只记为一个动作发生；

4)、按人体动作行为持续的时间将人体的动作行为分为四类，第一类为持续时间在5s以内的动作行为；第二类为持续时间在5s-10s的动作行为；第三类为持续时间在10s-15s之间的动作行为；第四类行为持续时间在15s以上的动作行为；

5)、利用动作总量、动作总时间、四类动作行为的时间分布、不动指数，即不动的总时间与动作总次数的比值、翻身次数、超过10分钟的不动片段出现次数、超过20分钟的不动片段出现次数、超过30分钟的不动片段出现次数、每种睡姿的保持时间、每种睡姿的时间分布指标评价睡眠动作行为模式。

8.一种权利要求1所述分区床垫的下层床垫模块单体硬度测试和计算方法，其特征在于，按如下步骤进行：

测试之前下层床垫2的模块单体需在室温23±2℃，相对湿度50±5％的环境中静置24小时，然后将下层床垫(2)的模块单体放置于试验机的支撑台(100)上，测试下层床垫(2)上的离散的点；支撑台(100)具有直径约为6mm的多孔，孔间距20mm；试验机的压头(101)为圆柱形，直径D＝200mm，压力范围0～250N，加载速度100mm/min；预压次数101次，其中总压力达到1200N的预压循环100次，总压力达到300N的预压1次；下层床垫模块单体的硬度由D_surface、D_core、D_bottom三个值来表示，单位mm，分别表征模块单体表层、芯层和底层的硬度，其值越大表示模块单体越软，其值越小表示模块单体越硬，公式为：

$D_{\mathrm{surface}}=D_{f_{40N}}-D_{f_{4N}}$

$D_{\mathrm{core}}=D_{f_{200N}}-D_{f_{40N}}$

$D_{\mathrm{bottom}}=D_{f_{250N}}-D_{f_{200N}}$

其中，分别表示加载曲线上对应于4N、40N、200N和250N的位移。