CN107951470B - 睡眠信号处理方法及装置 - Google Patents
睡眠信号处理方法及装置 Download PDFInfo
- Publication number
- CN107951470B CN107951470B CN201711319142.4A CN201711319142A CN107951470B CN 107951470 B CN107951470 B CN 107951470B CN 201711319142 A CN201711319142 A CN 201711319142A CN 107951470 B CN107951470 B CN 107951470B
- Authority
- CN
- China
- Prior art keywords
- signals
- paths
- signal
- original sleep
- original
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Anesthesiology (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例提供一种睡眠信号处理方法及装置。其中,方法包括:获取双人睡眠检测设备采集到的两路原始睡眠信号;提取所述两路原始睡眠信号各自的信号特征;计算所述两路原始睡眠信号的相关系数;根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。本申请实施例,科以提高对双人床垫上的用户的在床或离床状态的检测的准确性,为提升睡眠检测精准度奠定了基础。
Description
技术领域
本申请涉及信号处理技术领域,尤其涉及一种睡眠信号处理方法及装置。
背景技术
随着社会的进步和生活水平的提高,人们越来越注重睡眠的质量,对睡眠的检测就显得十分重要。目前,市面上有不少可以检测睡眠的设备,例如手环、检测带、床垫等,这些设备通过加速度传感器、压电传感器或其他类型的传感器来采集用户的睡眠信号,进而基于采集到的睡眠信号分析睡眠质量。
对于单人检测设备来说,通过特定的算法处理,可以保证睡眠质量分析结果的精度。但是,对于双人检测设备来说,由于包括两个检测单元,情况比较复杂,保证睡眠质量分析结果的精度有一定难度。例如,在一种情况下,一边的床垫上没有人,另一边相邻的床垫上有人。但是,由于人的呼吸、心跳的震动可以通过床垫进行传导,从而双人检测设备可采集到信号幅度相差不多的两路睡眠信号,而单纯从信号大小上很难判断应该基于哪路信号分析睡眠质量,因此无法保证睡眠质量分析结果的精度。
针对上述问题,目前较为通用的做法是在双人检测设备中再植入一类传感器,例如压力传感器,在原有传感器采集睡眠信号时协助判断是否有人存在,这样和原有传感器采集到的信号进行联合判断,进而可以确定应该基于哪路信号分析睡眠质量。但是,这样无疑增加了睡眠检测设备的成本,也使得结构更复杂,不利于实现。
发明内容
本申请的多个方面提供一种睡眠信号处理方法及装置,用以提高对双人床垫上的用户的在床或离床状态的检测的准确性,为提升睡眠检测精准度奠定了基础。
本申请实施例提供一种睡眠信号处理方法,包括:
获取双人睡眠检测设备采集到的两路原始睡眠信号;
提取所述两路原始睡眠信号各自的信号特征;
计算所述两路原始睡眠信号的相关系数;
根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。
进一步可选地,所述获取双人睡眠检测设备采集到的两路原始睡眠信号,包括:根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号;或者根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。
进一步可选地,所述提取所述两路原始睡眠信号各自的信号特征,包括:计算所述两路原始睡眠信号各自的幅度、能量或幅度最大值。
进一步可选地,所述计算所述两路原始睡眠信号的相关系数,包括:分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号;根据所述两路带通滤波信号各自的周期,截取指定周期数的两路信号片段;计算所述两路信号片段的相关系数,作为所述两路原始睡眠信号的相关系数。
进一步可选地,所述根据所述两路带通滤波信号各自的周期,截取相同周期数的两路信号片段之前,所述方法还包括:采用峰值法、自相关法、FFT法、导数法或CZT法,计算所述两路带通滤波信号各自的周期。
进一步可选地,所述分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号,包括:采用滤波范围为0.05~10hz的带通滤波器,分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。
进一步可选地,所述指定周期数大于3个周期。
进一步可选地,所述根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号,包括:
在所述两路原始睡眠信号各自的信号特征都大于特征阈值时,判断所述两路原始睡眠信号的相关系数是否大于相关系数阈值;
在判断结果为是时,确定所述两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号;
在判断结果为否时,确定所述两路原始睡眠信号分别为对应用户在床状态的有效信号。
进一步可选地,在识别出所述两路原始睡眠信号中对应用户在床状态的有效信号之后,所述方法还包括以下至少一种操作:
为所述两路原始睡眠信号中对应用户在床状态的有效信号添加有效标记并存储;
根据识别出的对应用户在床状态的有效信号,分析对应用户的睡眠质量;
为所述两路原始睡眠信号中对应用户离床状态的无效信号添加无效标记并存储。
本申请实施例还提供一种睡眠信号处理装置,包括:
信号获取单元,用于获取双人睡眠检测设备采集到的两路原始睡眠信号;
特征提取单元,用于提取所述两路原始睡眠信号各自的信号特征;
相关计算单元,用于计算所述两路原始睡眠信号的相关系数;
信号识别单元,用于根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。
进一步可选地,所述信号获取单元,具体用于:根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号;或者根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。
进一步可选地,所述特征提取单元,具体用于:计算所述两路原始睡眠信号各自的幅度、能量或幅度最大值。
进一步可选地,所述相关计算单元,具体用于:分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号;根据所述两路带通滤波信号各自的周期,截取指定周期数的两路信号片段;计算所述两路信号片段的相关系数,作为所述两路原始睡眠信号的相关系数。
进一步可选地,所述相关计算单元,还用于:采用峰值法、自相关法、FFT法、导数法或CZT法,计算所述两路带通滤波信号各自的周期。
进一步可选地,所述信号识别单元,具体用于:在所述两路原始睡眠信号各自的信号特征都大于特征阈值时,判断所述两路原始睡眠信号的相关系数是否大于相关系数阈值;在判断结果为是时,确定所述两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号;在判断结果为否时,确定所述两路原始睡眠信号分别为对应用户在床状态的有效信号。
在本申请实施例中,对双人睡眠检测设备采集到的两路原始睡眠信号进行信号特征的提取以及相关系数的计算,并基于得到的信号特征和相关系数,识别两路原始睡眠信号中对应用户在床状态的有效信号。采用这样的实施方式,在不提升睡眠检测设备的成本以及结构复杂度的前提下,提高了双人床垫上的用户的在床或离床状态的检测的准确性,为提升睡眠检测精准度奠定了基础。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1a为本申请一实施例提供的睡眠信号处理方法的流程示意图;
图1b为原始睡眠信号的波形示意图;
图1c为原始睡眠信号包含的心跳信号的波形示意图;
图1d为原始睡眠信号包含的呼吸信号的波形示意图;
图2a为本申请另一实施例提供的睡眠信号处理方法的流程示意图;
图2b为两路原始睡眠信号的相关系数大于相关系数阈值时的波形示意图;
图2c为两路原始睡眠信号的相关系数小于相关系数阈值时的波形示意图;
图3为本申请又一实施例提供的睡眠信号处理方法的流程示意图;
图4为本申请一实施例提供的睡眠信号处理装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例的核心在于,在不增加额外传感器或辅助器件的情况下,采用睡眠检测设备采集双人床垫上的两路原始睡眠信号并对这两路原始睡眠信号进行特征提取以及相关系数计算。基于特征提取以及相关系数计算的结果,从两路原始睡眠信号中识别对应用户在床状态的有效信号。进而,可以在不增加双人床垫上的睡眠检测设备的成本的前提下,实现了准确的用户的在床或离床状态的检测。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1a为本申请一实施例提供的睡眠信号处理方法的流程示意图。如图1a所示,该方法包括:
步骤101、获取双人睡眠检测设备采集到的两路原始睡眠信号。
步骤102、提取两路原始睡眠信号各自的信号特征。
步骤103、计算两路原始睡眠信号的相关系数。
步骤104、根据两路原始睡眠信号各自的信号特征和两路原始睡眠信号的相关系数,识别两路原始睡眠信号中对应用户在床状态的有效信号。
针对步骤101,双人睡眠检测设备,可以是双人床垫上安装的两个睡眠检测设备组成的一组设备。这两个睡眠检测设备相对安装在双人床垫的两侧,用于分别对安装侧的床垫上的用户进行睡眠检测并分别输出采集到的一路原始睡眠信号。
其中,原始睡眠信号是一种混合信号,如图1b所示。原始睡眠信号包含有采集到的用户的心跳信号、呼吸信号、体动信号以及混合冲击信号,进而,可基于该原始睡眠信号,判断双人床垫上用户的在床状态。图1c示意了原始睡眠信号包含的心跳信号的波形,图1d示意了原始睡眠信号包含的呼吸信号的波形。
以下为描述方便,分别以第一路原始睡眠信号以及第二路原始睡眠信号来表示双人睡眠检测设备输出的两路原始睡眠信号。
针对步骤102,原始睡眠信号的信号特征,即从原始睡眠信号中提取到的能够表征原始睡眠信号的有效程度的特征。理论上,若原始睡眠信号的信号特征都大于对应的特征阈值,则可判定检测到该原始睡眠信号的睡眠检测设备所在一侧的床垫上有用户存在。
在本步骤中,需要分别对上一步骤中获取的两路原始睡眠信号进行信号特征的获取,得到与第一路原始睡眠信号对应的第一组信号特征以及与第二路原始睡眠信号对应的第二组信号特征。
针对步骤103,两路原始睡眠信号的相关系数,即这两路原始睡眠信号之间的相似性或相异性,能表征这两路原始睡眠信号之间的相互干扰的程度。理论上,若两路原始睡眠信号的相关系数大于某一特定的相关系数阈值,则可判断这两路原始睡眠信号的相似度极高,即其中一路信号可能是由另一路信号传导得到的。进而,通过相关系数的计算,可以提升判断双人床垫两侧是否有用户在床的精确度。
针对步骤104,对应用户在床状态的有效信号,是指在用户存在状态下检测到的原始睡眠信号。对应到两路原始睡眠信号中,对应用户在床状态的有效信号是指用户在床垫上,并且由安放于用户在床垫上的位置处的检测设备检测到的原始睡眠信号。例如,假设床垫上对应于检测到第一路原始睡眠信的睡眠检测设备的一侧有用户存在,则对应用户在床状态的有效信号是第一路原始睡眠信号。
在本实施例中,对双人睡眠检测设备采集到的两路原始睡眠信号进行信号特征的提取以及相关系数的计算,并基于得到的信号特征和相关系数,识别两路原始睡眠信号中对应用户在床状态的有效信号。采用这样的实施方式,在不提升睡眠检测设备的成本以及结构复杂度的前提下,提高了双人床垫上的用户的在床或离床状态的检测的准确性,为提升睡眠检测精准度奠定了基础。
图2a为本申请另一实施例提供的睡眠信号处理方法的流程示意图。如图2a所示,该方法包括:
步骤201、获取双人睡眠检测设备采集到的两路原始睡眠信号。
步骤202、计算两路原始睡眠信号各自的信号特征。
步骤203、分别对两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。
步骤204、根据两路带通滤波信号各自的周期,截取指定周期数的两路信号片段。
步骤205、计算两路信号片段的相关系数,作为两路原始睡眠信号的相关系数。
步骤206、判断两路原始睡眠信号各自的信号特征是否都大于特征阈值;若为是,执行步骤207;若为否,执行步骤210。
步骤207、判断两路原始睡眠信号的相关系数是否大于相关系数阈值;若为是,执行步骤208;若为否,执行步骤209。
步骤208、确定两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号。
步骤209、确定两路原始睡眠信号分别为对应用户在床状态的有效信号。
步骤210、确定两路原始睡眠信号中信号特征大于特征阈值的一路原始睡眠信号为对应用户在床状态的有效信号。
针对步骤201,可选的,为保证后续针对双人睡眠检测设备采集到的两路原始睡眠信号处理的效率以及实时性,在本步骤中,分段进行原始睡眠信号的采集以及一系列处理操作。即,采集一段时间的原始睡眠信号之后,对采集到的原始睡眠信号进行处理,并在处理结束后继续采集下一时间段内的原始睡眠信号。可选的,本实施例中,分段进行原始睡眠信号的采集操作,包括如下可选的实施方式:
在一可选实施方式中,获取双人睡眠检测设备采集到的两路原始睡眠信号,可以根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号。例如,可设定每次可处理的信号时长为1分钟,则双人睡眠检测设备采集信号时长为1分钟的信号作为原始睡眠信号。
在另一可选实施方式中,获取双人睡眠检测设备采集到的两路原始睡眠信号,可根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。例如,可预先设定的每次可处理的信号周期为3个周期,双人睡眠检测设备采集周期数为3个周期的两路原始睡眠信号。可选的,在获取两路原始睡眠信号时,可一遍采集信号一边对采集到的信号进行周期分析。以3个周期为例,当识别到采集了3个周期的信号时,可进行截断处理,并将采集到的3个周期的信号作为原始睡眠信号。当然在本实施例中,也可以一边采集原始睡眠信号一边对采集到的该原始睡眠信号进行处理,不再赘述。
针对步骤202,分别对上一步骤中获取的两路原始睡眠信号进行信号特征的获取,得到与第一路原始睡眠信号对应的第一组信号特征以及与第二路原始睡眠信号对应的第二组信号特征。
可选的,两路原始睡眠信号的信号特征包括两路原始睡眠信号各自的幅度、能量或幅度最大值。即,第一组信号特征中包含第一路原始睡眠信号的幅度、能量或幅度最大值。第二组信号特征中包含第二路原始睡眠信号的幅度、能量或幅度最大值。可选的,获取两路原始睡眠信号的幅度以及幅度最大值可通过观察两路睡眠信号各自对应的信号波形图实现。原始睡眠信号的能量可根据原始睡眠信号的幅度或功率谱计算得到。
针对步骤203,分别对两路原始睡眠信号进行带通滤波,用于滤除原始睡眠信号中包含的噪声信号,在后续计算两路原始睡眠信号的相关系数时,减小了计算量,提升了计算效率,进而间接提升了对应用户在床状态的有效信号的识别效率。
可选的,在本实施例中,采用滤波范围为0.05~10hz的带通滤波器,分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。该滤波范围为睡眠信号所在频段,采用该滤波范围对原始睡眠信号进行滤波,能够在过滤掉原始睡眠信号中大部分的噪声数据的同时,保留完整的睡眠信号。
针对步骤204、在对原始睡眠信号进行带通滤波后,根据两路带通滤波信号各自的周期,截取指定周期数的两路信号片段。进而,进一步可以减少数据量,缩短后续相关系数计算的时间,提高计算效率,进而提升睡眠信号的处理效率。
可选的,在截取相同周期数的两路信号片段之前,本步骤还可进一步对两路带通滤波信号各自的周期进行计算。可选的,在本实施例中,可采用采用峰值法、自相关法、FFT法(Fast Fourier Transformation,快速傅里叶变换)、导数法或CZT法(Chirp ZTransform,线性调频Z变换),计算两路带通滤波信号各自的周期。
可选的,在本实施例中,为提升识别对应用户在床状态的有效信号的准确性,需保证有足够的信号量参与两路原始睡眠信号的相关系数的计算。因此,本步骤可设置该指定周期数大于3个周期。即,在对原始睡眠信号进行带通滤波后,根据两路带通滤波信号各自的周期,截取至少3个周期的两路信号片段。
针对步骤205,在获取两路信号片段后,计算两路信号片段的相关系数,作为两路原始睡眠信号的相关系数。
可选的,相关系数的计算可采用如下的公式:
其中,r表示两路信号片段的相关系数,xi表示一路信号片段中第i个信号特征值,表示一路信号片段的平均信号特征值;yi表示另一路信号片段中第i个信号特征值,表示另一路信号片段的平均信号特征值。0<=i<n,n表示两路信号片段的信号长度。
当然需要说明的是,计算两路信号片段的相关系数时,可选的,采用同一种类型的信号特征进行计算。例如,根据两路信号片段的幅度计算两路信号片段的相关系数或根据两路信号片段的能量计算两路信号片段的相关系数。
针对步骤206,判断两路原始睡眠信号各自的信号特征是否都大于特征阈值。
例如,判断第一组信号特征中包含第一路原始睡眠信号的幅度、能量或幅度最大值是否大于相应的特征阈值。第二组信号特征中包含第二路原始睡眠信号的幅度、能量或幅度最大值是否大于相应的特征阈值。其中,特征阈值是预先设置的。可选的,针对不同的信号特征,可以设置不同的特征阈值。例如,对原始睡眠信号的幅度设置一特征阈值,对原始睡眠信号的能量设置一特征阈值,对原始睡眠信号的幅度最大值设置一特征阈值。
若为是,即第一组信号特征中包含第一路原始睡眠信号的幅度、能量或幅度最大值大于相应的特征阈值,且第二组信号特征中包含第二路原始睡眠信号的幅度、能量或幅度最大值也大于相应的特征阈值。在这一情形下,考虑到两路原始睡眠信号都比较强,可能存在干扰情况,故需要进一步判断采集到第一路原始睡眠信号是否为第二路原始睡眠信号传导过去的,或采集到第二路原始睡眠信号是否为第一路原始睡眠信号传导过去的。因此,需要进一步执行步骤207。
若为否,可执行步骤210。
针对步骤207,在两路原始睡眠信号各自的信号特征都大于特征阈值时,判断两路原始睡眠信号的相关系数是否大于相关系数阈值;若为是,则认为这两路原始睡眠信号的相似度极高,即一路原始睡眠信号是由另一路原始睡眠信号传导过去的。以原始睡眠信号包含的呼吸信号为例,如图2b所示,两路呼吸信号波形相似度极高,其相关系数为0.9948。此时,可执行步骤208,确定两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号,信号特征较小的一路呼吸信号是信号特征较大的一路原始睡眠信号传导过去的。
若两路原始睡眠信号的相关系数不大于相关系数阈值,则可认为这两路原始睡眠信号的相似度较低。如图2c所示,两路呼吸信号波形相似度低,其相关系数为0.05691。此时,直接执行步骤209,确定两路呼吸信号分别为对应用户在床状态的有效信号。
针对步骤210,若两路原始睡眠信号的信号特征并不都大于特征阈值,则包含以下的情况:
第一,两路原始睡眠信号中,仅存在一路原始睡眠信号的信号特征大于特征阈值。
第二,两路原始睡眠信号中,不存在信号特征大于特征阈值的原始睡眠信号。
针对第一种情况,可确定两路原始睡眠信号中信号特征大于特征阈值的一路原始睡眠信号为对应用户在床状态的有效信号,另一路为对应用户离床状态的有效信号。
针对第二种情况,可确定两路原始睡眠信号中信号都对应用户离床状态的有效信号。
在本实施例中,检测双人床垫上是否有用户存在时,采用双人睡眠检测设备采集到两路原始睡眠信号,并对这两路原始睡眠信号进行信号特征的提取以及相关系数的计算。得到相关系数之后,首先根据相关系数的值确定两路原始睡眠信号之间是否存在干扰,再进一步根据两路睡眠信号的信号特征识别对应用户在床状态的有效信号的原始睡眠信号。采用这样的识别方式,准确率高且具有结构简单、便于实现的优势。
可选的,在本申请的上述或下述实施例中,双人睡眠检测设备可通过压电传感器实现。压电传感器是利用某些电介质受力后产生的压电效应制成的传感器。压电效应是指某些电介质在受到某一方向的外力作用而发生形变,例如弯曲和伸缩形变时,由于内部电荷的极化现象,会在其表面产生电荷。
压电传感器有薄膜状和电缆状两种形态。在使用压电传感器采集原始睡眠信号时,可将压电传感器放置于被采集对象的胸腔或头部下方,进而压电传感器可以捕捉人体胸腔的呼吸运动和心脏跳动所引起的微小振动,例如呼吸引起的头部运动和头部动脉血管的跳动,并输出相应的电荷信号。该电荷信号经过电荷放大器放大,可得到含有呼吸和心跳信息的混合信号。该混合信号经过滤波处理,可以分别得到呼吸和心跳信号。
图3为本申请又一实施例提供的睡眠信号处理方法的流程示意图。如图3所示,该方法包括:
步骤301、获取双人睡眠检测设备采集到的两路原始睡眠信号。
步骤302、计算两路原始睡眠信号各自的信号特征。
步骤303、判断两路原始睡眠信号各自的信号特征是否都大于特征阈值;若为否,执行步骤304;若为是,执行步骤307。
步骤304、判断两路原始睡眠信号各自的信号特征是否都不大于特征阈值;若是,执行步骤305;若否,执行步骤307。
305、确定两路原始睡眠信号中信号都对应用户离床状态的有效信号,结束此次操作。
步骤306、确定两路原始睡眠信号中信号特征大于特征阈值的一路原始睡眠信号为对应用户在床状态的有效信号,结束此次操作。
步骤307、分别对两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。
步骤308、根据两路带通滤波信号各自的周期,截取指定周期数的两路信号片段。
步骤309、计算两路信号片段的相关系数,作为两路原始睡眠信号的相关系数。
步骤310、判断两路原始睡眠信号的相关系数是否大于相关系数阈值;若为是,执行步骤311;若为否;执行步骤312。
步骤311、确定两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号。
步骤312、确定两路原始睡眠信号分别为对应用户在床状态的有效信号。
针对步骤303,在提取到两路原始睡眠信号各自的信号特征之后,首先判断两路原始睡眠信号各自的信号特征是否都大于特征阈值。若为否,即两路原始睡眠信号中,仅存在一路原始睡眠信号的信号特征大于特征阈值。或两路原始睡眠信号中,不存在信号特征大于特征阈值的原始睡眠信号。此时执行步骤304,对上述两种情况进行进一步确定。
若两路原始睡眠信号各自的信号特征都大于特征阈值,则为避免两路信号之间存在的干扰所导致的误判情况,需进一步判断采集到第一路原始睡眠信号是否为第二路原始睡眠信号传导过去的,或采集到第二路原始睡眠信号是否为第一路原始睡眠信号传导过去的。此时,执行步骤307。
针对步骤304,在两路原始睡眠信号各自的信号特征并非都大于特征阈值时,判断两路原始睡眠信号中是仅存在一路原始睡眠信号的信号特征大于特征阈值,或是不存在信号特征大于特征阈值的原始睡眠信号。
针对步骤305以及步骤306,在两路原始睡眠信号各自的信号特征都不大于特征阈值时,确定这两路原始睡眠信号中信号都对应用户离床状态的有效信号,结束此次操作。在两路原始睡眠信号中仅有一路原始睡眠信号的信号特征大于特征阈值时,确定该原始睡眠信号为对应用户在床状态的有效信号。
针对步骤301、步骤302以及步骤307~步骤312的具体实施方式可以参考图2对应实施例的记载,此处不赘述。
不同于图2a对应的实施例,在本实施例中,获取到两路原始睡眠信号的信号特征之后,优先根据两路原始睡眠信号的特征来识别对应用户在床状态的有效信号和对应离床状态的有效信号。在信号特征不足以判定识别结果时,再计算两路原始睡眠信号的相关系数,进而结合相关系数识别对应用户在床状态的有效信号。采用这样的识别方式,不仅具有识别准确率高、结构简单和便于实现的优势,还在一定程度上,降低了睡眠信号处理过程中的计算复杂度,提升了对用户在床状态的有效信号识别的效率。
值得说明的是,在本申请的上述实施例中,在识别出所述两路原始睡眠信号中对应用户在床状态的有效信号之后,还可进行以下至少一种操作:可选的,可为所述两路原始睡眠信号中对应用户在床状态的有效信号添加有效标记并存储,可以作为后续对用户在床状态进行检测的参考数据。可选的,可根据识别出的对应用户在床状态的有效信号,分析对应用户的睡眠质量,以使用户根据个人的睡眠质量分析结果对睡眠习惯进行调整。可选的,可为所述两路原始睡眠信号中对应用户离床状态的无效信号添加无效标记并存储,可以作为后续对用户离床状态进行检测的参考数据。
图4为本申请一实施例提供的睡眠信号处理装置的结构示意图。结合图4,该装置包括:
信号获取单元401,用于获取双人睡眠检测设备采集到的两路原始睡眠信号;
特征提取单元402,用于提取所述两路原始睡眠信号各自的信号特征;
相关计算单元403,用于计算所述两路原始睡眠信号的相关系数;
信号识别单元404,用于根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。
进一步可选地,所述信号获取单元401,具体用于:根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号;或者根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。
进一步可选地,所述特征提取单元402,具体用于:计算所述两路原始睡眠信号各自的幅度、能量或幅度最大值。
进一步可选地,所述相关计算单元403,具体用于:分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号;根据所述两路带通滤波信号各自的周期,截取指定周期数的两路信号片段;计算所述两路信号片段的相关系数,作为所述两路原始睡眠信号的相关系数。
进一步可选地,所述相关计算单元403,还用于:采用峰值法、自相关法、FFT法、导数法或CZT法,计算所述两路带通滤波信号各自的周期。
进一步可选地,所述相关计算单元403,具体用于:采用滤波范围为0.05~10hz的带通滤波器,分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。
进一步可选地,所述指定周期数大于3个周期。
进一步可选地,所述信号识别单元404,具体用于:在所述两路原始睡眠信号各自的信号特征都大于特征阈值时,判断所述两路原始睡眠信号的相关系数是否大于相关系数阈值;在判断结果为是时,确定所述两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号;在判断结果为否时,确定所述两路原始睡眠信号分别为对应用户在床状态的有效信号。
进一步可选地,所述信号识别单元404,还用于:在识别出所述两路原始睡眠信号中对应用户在床状态的有效信号之后,为所述两路原始睡眠信号中对应用户在床状态的有效信号添加有效标记并存储;或,根据识别出的对应用户在床状态的有效信号,分析对应用户的睡眠质量;或,为所述两路原始睡眠信号中对应用户离床状态的无效信号添加无效标记并存储。
在本申请实施例中,对双人睡眠检测设备采集到的两路原始睡眠信号进行信号特征的提取以及相关系数的计算,并基于得到的信号特征和相关系数,识别两路原始睡眠信号中对应用户在床状态的有效信号。采用这样的实施方式,在不提升睡眠检测设备的成本以及结构复杂度的前提下,提高了双人床垫上的用户的在床或离床状态的检测的准确性,为提升睡眠检测精准度奠定了基础。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种睡眠信号处理方法,其特征在于,包括:
获取双人睡眠检测设备采集到的两路原始睡眠信号;
提取所述两路原始睡眠信号各自的信号特征;
计算所述两路原始睡眠信号的相关系数;所述相关系数根据所述两路原始睡眠信号各自的信号特征进行计算;
根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。
2.根据权利要求1所述的方法,其特征在于,所述获取双人睡眠检测设备采集到的两路原始睡眠信号,包括:
根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号;或者
根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。
3.根据权利要求1所述的方法,其特征在于,所述提取所述两路原始睡眠信号各自的信号特征,包括:
计算所述两路原始睡眠信号各自的幅度、能量或幅度最大值。
4.根据权利要求1所述的方法,其特征在于,所述计算所述两路原始睡眠信号的相关系数,包括:
分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号;
根据所述两路带通滤波信号各自的周期,截取指定周期数的两路信号片段;
计算所述两路信号片段的相关系数,作为所述两路原始睡眠信号的相关系数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述两路带通滤波信号各自的周期,截取相同周期数的两路信号片段之前,所述方法还包括:
采用峰值法、自相关法、FFT法、导数法或CZT法,计算所述两路带通滤波信号各自的周期。
6.根据权利要求4所述的方法,其特征在于,所述分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号,包括:
采用滤波范围为0.05~10hz的带通滤波器,分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号。
7.根据权利要求4所述的方法,其特征在于,所述指定周期数大于3个周期。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号,包括:
在所述两路原始睡眠信号各自的信号特征都大于特征阈值时,判断所述两路原始睡眠信号的相关系数是否大于相关系数阈值;
在判断结果为是时,确定所述两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号;
在判断结果为否时,确定所述两路原始睡眠信号分别为对应用户在床状态的有效信号。
9.根据权利要求1-7任一项所述的方法,其特征在于,在识别出所述两路原始睡眠信号中对应用户在床状态的有效信号之后,所述方法还包括以下至少一种操作:
为所述两路原始睡眠信号中对应用户在床状态的有效信号添加有效标记并存储;
根据识别出的对应用户在床状态的有效信号,分析对应用户的睡眠质量;
为所述两路原始睡眠信号中对应用户离床状态的无效信号添加无效标记并存储。
10.一种睡眠信号处理装置,其特征在于,包括:
信号获取单元,用于获取双人睡眠检测设备采集到的两路原始睡眠信号;
特征提取单元,用于提取所述两路原始睡眠信号各自的信号特征;
相关计算单元,用于计算所述两路原始睡眠信号的相关系数;所述相关系数根据所述两路原始睡眠信号各自的信号特征进行计算;
信号识别单元,用于根据所述两路原始睡眠信号各自的信号特征和所述两路原始睡眠信号的相关系数,识别所述两路原始睡眠信号中对应用户在床状态的有效信号。
11.根据权利要求10所述的装置,其特征在于,所述信号获取单元,具体用于:
根据预先设定的每次可处理的信号时长,获取所述双人睡眠检测设备采集到的时间长度为所述信号时长的两路原始睡眠信号;或者
根据预先设定的每次可处理的信号周期,获取所述双人睡眠检测设备采集到的周期数为所述信号周期的两路原始睡眠信号。
12.根据权利要求10所述的装置,其特征在于,所述特征提取单元,具体用于:
计算所述两路原始睡眠信号各自的幅度、能量或幅度最大值。
13.根据权利要求10所述的装置,其特征在于,所述相关计算单元,具体用于:
分别对所述两路原始睡眠信号进行带通滤波,以获得两路带通滤波信号;
根据所述两路带通滤波信号各自的周期,截取指定周期数的两路信号片段;
计算所述两路信号片段的相关系数,作为所述两路原始睡眠信号的相关系数。
14.根据权利要求13所述的装置,其特征在于,所述相关计算单元,还用于:
采用峰值法、自相关法、FFT法、导数法或CZT法,计算所述两路带通滤波信号各自的周期。
15.根据权利要求10~14中任一项所述的装置,其特征在于,所述信号识别单元,具体用于:
在所述两路原始睡眠信号各自的信号特征都大于特征阈值时,判断所述两路原始睡眠信号的相关系数是否大于相关系数阈值;
在判断结果为是时,确定所述两路原始睡眠信号中信号特征较大的一路原始睡眠信号为对应用户在床状态的有效信号;
在判断结果为否时,确定所述两路原始睡眠信号分别为对应用户在床状态的有效信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711319142.4A CN107951470B (zh) | 2017-12-12 | 2017-12-12 | 睡眠信号处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711319142.4A CN107951470B (zh) | 2017-12-12 | 2017-12-12 | 睡眠信号处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107951470A CN107951470A (zh) | 2018-04-24 |
CN107951470B true CN107951470B (zh) | 2021-02-02 |
Family
ID=61958555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711319142.4A Active CN107951470B (zh) | 2017-12-12 | 2017-12-12 | 睡眠信号处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107951470B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110474708B (zh) * | 2018-05-11 | 2022-03-01 | 维沃移动通信有限公司 | 提前指示信号的检测方法、传输方法、终端及网络侧设备 |
CN113164097B (zh) * | 2019-03-01 | 2024-01-26 | 深圳市大耳马科技有限公司 | 一种生命体征监测方法、设备和系统 |
CN111938588A (zh) * | 2020-07-24 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 一种检测睡眠状态的方法、睡眠监测仪及存储介质 |
CN114451863B (zh) * | 2020-12-21 | 2024-04-30 | 深圳市迈迪加科技发展有限公司 | 数据处理方法、系统及电子设备 |
CN115153442A (zh) * | 2022-07-21 | 2022-10-11 | 珠海格力电器股份有限公司 | 生成睡眠报告的方法、智能床、装置、设备及存储介质 |
CN115363570A (zh) * | 2022-09-05 | 2022-11-22 | 深圳市迈迪加科技发展有限公司 | 基于心冲击信号检测传感器上是否有人的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204636331U (zh) * | 2015-04-21 | 2015-09-16 | 郑州紫鼎科技有限公司 | 一种智能云床垫 |
CN105792733A (zh) * | 2013-11-28 | 2016-07-20 | 皇家飞利浦有限公司 | 睡眠监测装置 |
US20170003332A1 (en) * | 2012-05-09 | 2017-01-05 | Cardioinsight Technologies, Inc. | Channel integrity detection |
CN106419841A (zh) * | 2016-09-13 | 2017-02-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
US20170100076A1 (en) * | 2013-12-16 | 2017-04-13 | Blue Ocean Laboratories, Inc. | Mattress with alarm features |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6468234B1 (en) * | 2000-07-14 | 2002-10-22 | The Board Of Trustees Of The Leland Stanford Junior University | SleepSmart |
JP2010088727A (ja) * | 2008-10-09 | 2010-04-22 | Daikin Ind Ltd | 睡眠判定装置 |
WO2015008285A1 (en) * | 2013-07-18 | 2015-01-22 | Earlysense Ltd. | Monitoring a sleeping subject |
CN105943234B (zh) * | 2016-06-01 | 2019-04-19 | 深圳市格兰莫尔科技有限公司 | 智能止鼾枕头及应用于智能止鼾枕头的止鼾方法 |
-
2017
- 2017-12-12 CN CN201711319142.4A patent/CN107951470B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170003332A1 (en) * | 2012-05-09 | 2017-01-05 | Cardioinsight Technologies, Inc. | Channel integrity detection |
CN105792733A (zh) * | 2013-11-28 | 2016-07-20 | 皇家飞利浦有限公司 | 睡眠监测装置 |
US20170100076A1 (en) * | 2013-12-16 | 2017-04-13 | Blue Ocean Laboratories, Inc. | Mattress with alarm features |
CN204636331U (zh) * | 2015-04-21 | 2015-09-16 | 郑州紫鼎科技有限公司 | 一种智能云床垫 |
CN106419841A (zh) * | 2016-09-13 | 2017-02-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
REM Sleep Behaviour Disorder in Neurodegenerative Diseases;Sixel-Doering, F.; Muntean, M. -L.;《KLINISCHE NEUROPHYSIOLOGIE》;20160930;第47卷(第3期);第125-130页 * |
发作性睡病与癫共患的诊断与治疗分析;杨志仙等;《中华儿科杂志》;20130902(第09期);第676-678页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107951470A (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107951470B (zh) | 睡眠信号处理方法及装置 | |
US10856777B2 (en) | Method and device for identifying human movement state | |
CN105286853B (zh) | 基于可穿戴设备的疾病检测方法及装置、可穿戴设备 | |
CN110664390B (zh) | 基于腕带式ppg和深度学习的心率监测系统及方法 | |
CN108701469B (zh) | 咳嗽声音识别方法、设备和存储介质 | |
CN105205464A (zh) | 指纹识别方法、指纹识别装置和终端 | |
CN105468951A (zh) | 通过心电特征进行身份识别的方法及装置、可穿戴设备 | |
WO2018082190A1 (zh) | 一种ecg信号处理方法及装置 | |
KR20180072290A (ko) | 개인 식별을 위한 심전도 획득 방법 및 그 심전도를 이용한 개인 식별 방법 | |
US20170242974A1 (en) | Determining User-Interested Information Based on Wearable Device | |
WO2019192237A1 (zh) | 基于声学信道的个人计算机使用行为监测方法及系统 | |
CN108814618A (zh) | 一种运动状态的识别方法、装置及终端设备 | |
JP2017127398A5 (ja) | 情報処理装置、情報処理システム、計測装置、計測システム、情報処理方法及びプログラム | |
CN113421586A (zh) | 梦呓识别方法、装置和电子设备 | |
CN108937866A (zh) | 睡眠状态的监测方法及装置 | |
CN108186018B (zh) | 一种呼吸数据处理方法及装置 | |
CN113314143A (zh) | 呼吸暂停的判断方法、装置和电子设备 | |
CN110547802B (zh) | 识别呼吸状态的装置 | |
KR102593035B1 (ko) | 딥러닝 기반 뇌전증 발작 진단 방법 및 장치 | |
KR101524918B1 (ko) | 생체 신호를 이용한 감정 인식 방법 및 그 장치 | |
Le Moing et al. | The smartphone as a gait recognition device impact of selected parameters on gait recognition | |
CN116725508A (zh) | 心率的检测方法、装置、处理器以及电子设备 | |
CN105489228A (zh) | 一种基于频域图处理的干罗音识别方法 | |
CN117426755A (zh) | 睡眠监测方法、装置及智能设备 | |
Al-Shamma et al. | Heart sound as a physiological biometric signature |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 518055 R & D room 1201, block a, building 7, Wanke Yuncheng phase I, Xingke 1st Street, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province (12 whole floors) Patentee after: SHENZHEN MEDICA TECHNOLOGY DEVELOPMENT Co.,Ltd. Address before: 2 / F, building a, Tongfang information port, No.11 East, Langshan Road, North District, Shenzhen hi tech Industrial Park, Guangdong 518057 Patentee before: SHENZHEN MEDICA TECHNOLOGY DEVELOPMENT Co.,Ltd. |