CN108474841A - 由特征信号对人类的检测和识别 - Google Patents

由特征信号对人类的检测和识别 Download PDF

Info

Publication number
CN108474841A
CN108474841A CN201680026853.XA CN201680026853A CN108474841A CN 108474841 A CN108474841 A CN 108474841A CN 201680026853 A CN201680026853 A CN 201680026853A CN 108474841 A CN108474841 A CN 108474841A
Authority
CN
China
Prior art keywords
sensor
characteristic
personnel
sensors
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680026853.XA
Other languages
English (en)
Other versions
CN108474841B (zh
Inventor
雷德蒙·肖尔代斯
埃梅尔·多希尼
阿尔佩托·扎法罗尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Resmed Sensor Technologies Ltd
Original Assignee
Biancamed Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Biancamed Ltd filed Critical Biancamed Ltd
Priority to CN202210193919.1A priority Critical patent/CN114545355A/zh
Publication of CN108474841A publication Critical patent/CN108474841A/zh
Application granted granted Critical
Publication of CN108474841B publication Critical patent/CN108474841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • 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
    • A61B5/4812—Detecting sleep stages or cycles
    • 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
    • A61B5/4818—Sleep apnoea
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0051—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes with alarm devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
    • A61M16/022—Control means therefor
    • A61M16/024—Control means therefor including calculation means, e.g. using a processor
    • A61M16/026—Control means therefor including calculation means, e.g. using a processor specially adapted for predicting, e.g. for determining an information representative of a flow limitation during a ventilation cycle by using a root square technique or a regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0066—Blowers or centrifugal pumps
    • A61M16/0069—Blowers or centrifugal pumps the speed thereof being controlled by respiratory parameters, e.g. by inhalation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0072—Tidal volume piston pumps
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/06—Respiratory or anaesthetic masks
    • A61M16/0683—Holding devices therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/10—Preparation of respiratory gases or vapours
    • A61M16/14—Preparation of respiratory gases or vapours by mixing different fluids, one of them being in a liquid phase
    • A61M16/16—Devices to humidify the respiration air
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A61M2016/0027—Accessories therefor, e.g. sensors, vibrators, negative pressure pressure meter
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A61M2016/003—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter
    • A61M2016/0033—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter electrical
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2202/00—Special media to be introduced, removed or treated
    • A61M2202/02—Gases
    • A61M2202/0208—Oxygen
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/21—General characteristics of the apparatus insensitive to tilting or inclination, e.g. spill-over prevention
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3546—Range
    • A61M2205/3553—Range remote, e.g. between patient's home and doctor's office
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/502—User interfaces, e.g. screens or keyboards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/6009—General characteristics of the apparatus with identification means for matching patient with his treatment, e.g. to improve transfusion security
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/6018—General characteristics of the apparatus with identification means providing set-up signals for the apparatus configuration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/609—Biometric patient identification means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

一个或多个传感器配置用于检测移动物体和活体受试者的特性以进行人类识别或验证。诸如在传感器的系统中或控制传感器的一个或多个处理器可配置成处理来自所述一个或多个传感器的信号以识别人员。所述处理可包括估算来自所述信号的特性，诸如呼吸速率、呼吸深度、移动程度以及心率等。所述传感器可以是具有自动检测控制的射频非接触传感器，以基于活生物的识别改变检测控制参数，以避免传感器干扰。

Description

由特征信号对人类的检测和识别
相关申请的交叉引用
本申请要求2015年4月20日提交的美国临时专利申请号62/149,839和2015年8月20号提交的美国临时专利申请号62/207,687的申请日的权益，这些申请的公开内容特此以引用的方式并入本文。
技术领域
本技术涉及用于检测移动物体和活体受试者的特征的电路和传感器。更具体地说，本技术涉及例如健康监测器中的此类传感器，诸如距离选通射频运动感测，其特别侧重于用于人类识别或验证的信号特征。
背景技术
连续波(CW)多普勒雷达运动传感器发出连续波射频(RF)载波并且将发射的RF与返回的回波混合以产生等于通过移动目标产生的多普勒频移的差频。这些传感器不具有明确的范围界线(即，它们可接收近处物体和远处物体的信号，其中所接收的信号是雷达截面的函数)。这可导致错误触发，即运动伪影干扰。这些传感器也可在导致错误触发的近距离处具有不希望的高灵敏度。
脉冲多普勒运动传感器描述于福伦(Follen)等人的美国专利号4,197,537中。发射短脉冲并且将其回波与发射的脉冲自混合。脉冲宽度定义距离选通区域。当发射脉冲结束时，混合结束并且靶标返回，从而在发射脉冲的末端未混合并且因此被选通出来之后到达。
麦克尤恩(McEwan)的美国专利号5,966,090“微分脉冲雷达运动传感器(Differential Pulse Radar Motion Sensor)”中公开的微分脉冲多普勒运动传感器交替地以两个不同的脉冲宽度发射。然后其从每个宽度减去多普勒反应以产生具有相对恒定反应对比距离的距离选通“多普勒”感测区域。
脉冲雷达诸如麦克尤恩的美国专利号5,361,070“超宽度雷达运动传感器(Ultra-Wideband Radar Motion Sensor)”中所述的那些脉冲雷达产生与发射的脉冲宽度相关的极窄感测区域。如麦克尤恩的美国专利号5,682,164“脉冲零差场扰动传感器(PulseHomodyne Field Disturbance Sensor)”中所述的双脉冲多普勒雷达运动传感器发射第一脉冲并且在一个延迟之后生成与来自第一脉冲的回波混合的第二脉冲。因此，距离选通的感测带被形成为具有限定的最小距离和最大距离。UWB雷达运动传感器具有以下缺点：不具有作为主动辐射体的全球RF管理接受性。这些传感器也具有感测中等距离的物体的困难并且在一些实施例中易于受到RF干扰。
调制脉冲多普勒传感器描述于麦克尤恩的美国专利号6,426,716中。距离选通的微波运动传感器包括可调节的最小和最大检测距离。设备包括具有相关脉冲生成和延迟元件以产生发射和混频器脉冲的RF振荡器、单发射(TX)/接收(RX)天线或一对单独的TX和RX天线以及RF接收器，包括具有相关滤波、放大和解调元件以由混频器和回波脉冲产生距离选通的多普勒信号的检测器/混频器。
在美国专利号7,952,515中，麦克尤恩公开了一种特别的全息雷达。该专利将距离选通添加到全息雷达中以限制对特定下靶区的反应。麦克尤恩声明可以获得成像表面的更清晰的、更杂波雷达全息图，特别是当穿透材料以对内部图像平面或片段成像时。距离选通能够实现堆叠的全息图技术，其中多个成像表面可以堆叠在下靶方向中。
在美国专利号7,994,968中，麦克尤恩公开了一种用于全息雷达的RF幅度取样器。麦克尤恩描述RF幅度取样器可以精细地分辨由窄带全息脉冲雷达产生的干涉图案。
在美国专利申请公布号2014/0024917中，麦克马洪(McMahon)等人描述了一种用于生理感测的传感器，其可配置来生成用于发出射频脉冲的振荡信号以进行距离选通感测。该传感器可包括配置成发出脉冲的射频发射器和配置成接收所发出的射频脉冲的反射脉冲的接收器。所接收脉冲可被处理以检测生理特征，诸如运动、睡眠、呼吸和/或心跳。
可佩戴腕带诸如Nymi引入另一种参数，该参数可用于验证系统—对于每个使用者而言特定的ECG形状(形态)。(https://www.nymi.com/)
US 20100191076A1(Aaron Lewicke、Yi Zhang、John D.Hatlestad)描述了日间/夜间呼吸速率监测。
US 8232866(William R.McGrath、Ashit Talukder)描述了使用微波心电信号的远程长间距生物特征识别。
US 832100(Seth Snyder、Jasper Speicher)描述了一种生物特征数据显示系统和方法。
WO 2003000015(Mark D Wiederhold、Rodney P Meyer、Steven A Israel、John MIrvine)描述了通过分析生理特征(physiometric)变化进行的识别。
US 8762733(P.Alexander Derchak、Lance Myers)描述了用于使用生理生物特征进行身份确认以确定生理指纹的系统和方法。
US 20110040574(Ho Chung Nicholas Fung、Chu Yong Sang)描述了使用生物特征识别的健康监测系统。
US 6993378(Mark D.Wiederhold、Steven A.Israel、Rodney P.Meyer、JohnM.Irvine)描述了通过分析生理特征变化进行的识别。
可能需要改进用于感测用以识别或验证的此类特征的传感器和/或其信号处理。
出于验证及其他目的，希望能够识别人员。
可佩戴和非接触性生理和行为数据捕获的出现已导致需要由其人员生物特征“指纹”检测和识别特定人员，二者均排除来自另一人员的数据(模拟)并且确保那些传感器的顺应性或用途(并且潜在地附接或结合服务或治疗)。此类特征可从生理和行为信号得出。
除了检测传感器数据已从特定使用者及其微观环境和宏观环境中收集之外，还希望一种系统能够检测与正常(健康)信号的偏离，并且对此类变化(例如，由于治疗/疗法而引起的恶化的条件或改进的条件)具有耐受性。
发明内容
本技术的一些实施例的一个方面涉及一种用于诸如使用射频信号检测生理特征的传感器。
本技术的一些实施例的另一个方面涉及一种用于由所检测的信号特征、诸如使用射频信号验证人员的传感器。
本技术的一些版本可包括一种用于监测一个或多人员的生理参数、诸如用于健康监测的识别人员的方法或系统。该系统可包括用于监测一个或多人员的生理参数的一个或多个传感器。该系统可包括一个或多个处理器，该一个或多个处理器配置成处理来自该一个或多个传感器的信号以识别人员，该处理包括估算各特性，包括呼吸特性、心脏特性或移动特性，例如像所检测的呼吸速率、所检测的呼吸深度、所检测的移动程度以及所检测的心率中的任何一个或多个，该估算涉及分析这些所检测特性中的任何一个或多个。
在一些版本中，该一个或多个传感器包括射频非接触传感器。该检测可包括检测在人员睡眠期间的生理特征。该处理可包括检测睡眠阶段。该处理可包括检测深度睡眠。该处理可包括检测REM睡眠。该检测可包括检测在人员清醒时间期间的生理特征。该一个或多个传感器可包括在整个详细说明书中描述的传感器中的任何一个或多个。该一个或多个处理器的估算可包括检测和分析在整个详细说明书中描述的传感器信号的任何一个或多个特征。
在一些版本中，该一个或多个传感器可配置成使该一个或多个传感器中的至少两个传感器之间的干扰诸如射频(RF)干扰最小化。该一个或多个传感器可配置成通过修改距离选通脉冲时间、脉冲诸如RF脉冲的发射功率电平、脉冲诸如RF脉冲的检测频率的控制参数和/或调节可控天线的定位来使干扰诸如RF干扰最小化。该一个或多个传感器可经由有线或无线电路线通信。
在一些版本中，生物特征参数可被应用来动态调节一个或多个传感器的性能，以便优化独立人类来源的生理认知并且排除其他来源。该系统可包括与该一个或多个传感器通信的控制处理器，该控制处理器与该一个或多个传感器通信以基于该一个或多个传感器对人员或动物的识别来调节该一个或多个传感器的检测控制参数。该一个或多个传感器的检测控制参数可包括距离选通、RF中心频率和RF功率电平中的一个或多个。
在一些版本中，该系统可包括与该一个或多个传感器通信的控制处理器。该控制处理器可配置成基于该一个或多个传感器对人员或动物的识别来启动另一个传感器系统。该另一个传感器系统可包括摄像机。可选地，在该系统中，基于人员是先前监测的人员的识别，处理器记录或者可记录(例如，诸如在数据库中记录与人员身份相关的数据)所检测的生物特征。在该系统的一些版本中，基于人员不是先前监测的人员的识别，处理器制止或者可配置成制止记录所检测的生物特征。在一些版本中，处理器可配置成使特定人员的生物特征检测初始化。可选地，处理器可比较新检测的生物特征与初始化的生物特征以识别该人员。该估算可包括新检测的生物特征与初始化的生物特征之间的比较。
可选地，该估算可包括对由信号确定的特性进行分类。这些特性可包括以下一个或多个：光谱峰比率；设置优化器标志向量；峰谷比；滤波的呼吸速率；呼吸变化测量；传感器信号的带内功率；传感器信号的距离；最终呼吸速率；呼吸周期的最大振幅与最小振幅的比率；传感器信号的高带功率；平均呼吸速率；定期腿移动活动检测；翻转的检测或翻转检测；以及后处理的移动。
可选地，该估算可包括对由信号确定的特性进行分类，其中这些特性包括以下一个或多个：心脏参数、皮肤电反应参数、锻炼强度参数、呼吸参数、血压参数、咳嗽参数、打鼾参数、睡眠参数。
该估算可包括所确定特性与历史特性的比较。在一些版本中，该估算可进一步包括由所确定特性计算一个时间段的平均值和/或标准偏差值。
在一些版本中，监测系统的一个或多个处理器估算由来自另一个监测系统的一个或多个传感器检测到的所接收数据。对所接收数据的估算可包括确定多个健康监测装置之间的感测等同性。每个监测装置可包括设置分类器和受试者分类器，其各自配置成估算来自信号的特性以识别人员。受试者分类器可进一步配置成估算历史特性以识别人员。健康监测装置或系统可进一步包括对红外线和红外线发射器敏感的摄像机。在一些版本中，该监测系统、诸如健康监测装置的一个或多个处理器可配置成检测来自信号的事件并且将该事件与使用摄像机获得的视频的包括该事件的特定部分相联系。该监测装置或系统可进一步包括电池和用于对该电池进行无线充电的线圈。
在一些版本中，该一个或多个处理器可配置成控制该一个或多个传感器以在检测到指示动物的生物特征时改变传感器检测功率、传感器频率、传感器距离选通或用于感测的其他控制参数。该一个或多个处理器可配置成基于对与设置参数相关的人员的识别来访问光、声音和/或环境器具中的任何一个或多个的设置参数。该一个或多个处理器可配置成使用与所识别人员的检测的生物特征相关的设置参数来触发对光、声音和/或环境器具中的任何一个或多个的设置。
在一些版本中，该系统可包括与所述传感器的集合通信的中央控制器。该中央控制器可配置成提供对所识别人员在建筑物内的位置的确认。在一些版本中，该一个或多个传感器可包括夜间照明灯。该一个或多个传感器可包括直通插座(pass through outlet)。该一个或多个传感器可包括用于为该传感器供电的AC插头和AC电源直通插座。该一个或多个传感器可包括用于为该传感器供电的USB插头和USB直通连接适配器。该一个或多个传感器可包括用于无线或有线网络通信的网络接口。
在一些版本中，该一个或多个处理器可配置成基于所识别的人员设定呼吸治疗设备的操作。该设定操作可允许使用呼吸治疗设备进行治疗。该设定操作可改变或改变了呼吸治疗设备的治疗。
可选地，该一个或多个处理器可配置成重新训练以在通过呼吸治疗设备处理该识别中所估算的生物特征时识别该人员。该一个或多个处理器可配置成在确定传感器信号品质时调节该一个或多个传感器的操作。该一个或多个处理器可配置成依赖于不同生物特征、根据所检测生物特征的品质评估识别人员。该一个或多个处理器可配置成运行用于使生物特征的基线初始化以识别人员的登记过程。该登记过程可包括引导呼吸期或自主呼吸期。在一些版本中，该一个或多个处理器配置成当检测到射频干扰时排除参与识别人员的生物特征。
在一些版本中，该系统的一个或多个处理器可配置成基于所识别的人员设定警报器的操作。该一个或多个处理器可配置成从一个或多个其他使用者中识别主要使用者。该系统可配置成追踪一个或多个使用者随着时间变化的参数，以基于一个或多个呼吸特性、心脏特性或移动特性中的至少一个来建立分类特性。在一些此类情况下，该一个或多个呼吸特性、心脏特性或移动特性中的至少一个包括以下呼吸参数中的至少一个：距离、呼吸与呼吸之间的变化、形状以及吸气与呼气比率。
可选地，该一个或多个处理器可配置成由分类过程中确定的特性对使用者的身份进行分类。该分类过程可包括以下任何一个或多个：神经网络、隐藏层马尔可夫模型(Markov model)、逻辑回归处理、线性核支持向量机以及径向核支持向量机。分类过程可包括在分类之前使用对特性或特性集合进行的主组分分析。分类过程可包括实时特性和离线特性。分类过程可包括多个分类器和输出的后期整合或者分类器的输出，以产生输出后验概率，诸如关于使用者或主要使用者的身份的概率。
在一些情况下，该系统或方法可包括被设置用于检测相同或不同人员的多个传感器，该系统可自动调节多个传感器的参数，诸如感测控制参数，这些参数包括以下至少一个：距离、功率、频率、检测方向以及辐射图。
本技术的其他方面、特性和优点通过与附图结合的以下详述将是清楚的，所述附图是本公开的一部分并且作为实例示出了本技术的原理。本技术的其他方面通过所附权利要求书将是清楚的。
附图说明
本技术的其他示例性实施例现在将参考附图进行描述，在附图中：
图1是适用于使用本技术的一些版本的射频传感器实施的示例性检测装置的图示；
图2A是示出用于估算适用于本技术的一些版本中的传感器信号的概念结构和工序流程的简图；
图2B是用于检测示例性生理指示器的传感器信号的进一步处理的绘示；
图3和图4显示示出用于分别计算人类睡眠和日间生物特征的处理系统和流程的简图；
图5示出用于计算特征特性以便生成生物指纹的处理；
图6和图7示出用于登记(训练)并随后进行身份验证或排除的系统处理；
图8示出受试者“使用者A”在睡眠期(大约8.3小时)期间的心率和呼吸速率的信号，这些信号使用在<1.8m距离处的非接触性脉冲连续波RF传感器记录；
图9示出图8的受试者“使用者A”在睡眠期(大约8.3小时)期间的心率和呼吸速率直方图，这些直方图使用在<1.8m距离处的非接触性脉冲连续波RF传感器记录；
图10示出受试者“使用者B”在睡眠期(仅超过6小时)期间具有心率和呼吸速率的信号，这些信号使用在<1.8m距离处的非接触性脉冲连续波RF传感器记录；
图11示出图10的受试者“使用者B”在睡眠期(大约8.3小时)期间的心率和呼吸速率直方图，这些直方图使用在<1.8m距离处的非接触性脉冲连续波RF传感器记录；
图12示出对于0.1Hz的有节奏的呼吸频率在HR与BR之间的交叉谱密度。登记可包括有节奏的呼吸时段以及自主呼吸；
图13是示出在故障配置中监测两个人类的两个传感器的简图。生物特征品质降低，因为这些传感器正在从每位人员接收叠加的呼吸和心率信号，并且正在检测两位人员的移动。
图14是示出监测两个人类的两个传感器的简图。生物特征品质十分优异，因为这些传感器已配置成使距离和功率最小化以便使清楚的、分开的生物特征最大化。
图15是示出在故障配置中监测一个人类的两个传感器的简图。生物特征品质降低，因此传感器_a“看到”人类_b并且在这些传感器中的至少一个传感器中检测到重复的生物特征。
图16是示出在一个配置中监测一个人类以使距离和功率最小化以便使清楚的、分开的生物特征最大化的两个传感器的简图。传感器_a进入功率节约/搜索模式。传感器_b检测人类_b的生物特征。
图17是示出监测卧室的两个传感器的简图，其中动物(狗)进入房间并躺在床上。传感器_a进入功率节约/搜索模式，而传感器_b监测非人类心率和呼吸速率信号。
图18是示出在另一个活生物(例如，狗)干扰的情况下监测三个人类的三个传感器的简图。
图19示出用于识别使用者的示例性分类系统的处理。
图20示出用于识别睡眠(或清醒)环境中的两个(或更多个)使用者由此比较传感器数据以检查所检测使用者是在床该侧处的预期使用者的示例性分类系统的处理。
图21A示出根据本技术的系统。佩戴患者接口3000的患者1000从RPT装置4000接收加压空气的供应。在加湿器5000中使来自RPT装置4000的空气增湿，并且使该空气沿着空气回路4170达到患者1000。还示出床伴1100。
图21B示出对患者1000使用的具有鼻罩型患者接口3000的RPT装置4000。
图21C示出对患者1000使用的具有全面面罩型患者接口3000的RPT装置4000。
图22示出鼻罩形式的非侵入性患者接口3000。
图23A示出根据本技术的一个形式的RPT装置4000。
图23B示出根据本技术的一个形式的RPT装置4000的气动回路的示意图。指示上游和下游方向。
图23C示出根据本技术的一个方面的RPT装置4000的电气部件的示意图。
图23D示出以根据本技术的一个方面的RPT装置4000实施的算法4300的示意图。在图9D中，实线箭头指示信息的实际流动，例如经由电信号。
图23E是示出由根据本技术的一个方面的图9D的治疗引擎模块4320执行的方法4500的流程图。
图24示出加湿器5000。
具体实施方式
1.背景
此时展望健康护理和人员健康的未来，三种互连类别是明显的：(i)收集和监测来自我们身体的数据的趋势；(ii)健康预算处于压力下；以及(iii)医学自动化。
随着人们越来越受到更多的健康教育(在‘自我量化’活动中的早期先行者)，它们也活得越来越长久，并且需要越多的内科医生，并且一些证据表明‘功率曲线(powercurve)’正在向消费者偏移。对于在此空间内成功的产品，它们必须将其自身附接至人员的生命并且变得不可或缺。预防比治愈更便宜，并且健康系统必须向基于结果的测量偏移—更接近于古代中国体系，在该体系中医生通过使人们的身体保持健康来获得报酬，而非在人们患者时获得报酬(即，与西方世界中为药物付费的典型方式相反)。
消费者的模糊和医学装置和服务导致药物自动化和专家系统的出现。此类变化促成在家监测慢性疾病的能力，因为支付者(例如，保险公司)可寻求渡过资金缺口，并且以计划的方式主动管理住院治疗。
2.使用者身份
因此，需要可识别使用者特定模式(即识别使用者，在此称为一般生物特征“指纹”)的系统以避免模仿并且也检测所识别使用者的生物特征和行为数据的异常变化。
应注意，与真实人类指纹或可能的虹膜扫描不同，在此著作中提及的“生物指纹”必需是使用者身份的模糊(不太精确)估值并且包括生物特征方面和行为方面。预期此类生理和行为参数将对于使用者随着时间逐渐形成(例如，随着他们病得更重、更加健康以及经受其他生命变化)。
所概括的系统旨在能够检测使用者特定模式。用途的实例包括验证使用者、潜在确认使用处方治疗的顺应性和/或授权付款或改善或管理使用者的健康和体质水平的其他动机或者促进使用治疗的顺应性(例如，降低保险费或有资格支付或降低负担)。在一些情况下，对特定使用者的检测可用于确保正在检测生物特征健康参数的当前使用者与先前检测健康参数的先前使用者相同(例如，在使用传感器的不同期之间)。在此情况下，对来自多个期的历史检测的健康参数的分析可被确认是单个使用者的而无需将来自不同使用者的所检测健康参数混合。因此，对所检测参数的传感器记录可以是基于先前识别的使用者的生物特征确认/验证。
本技术涉及用于从一个或多个传感器和服务读取数据、处理数据和基于新收集的数据和先前收集的数据集调节系统参数的方法(诸如使用软件算法)和系统。一些或所有这些传感器聚集来自系统最终使用者的生理数据读数。
此软件算法和系统的一个实例可包括具有用于逐步计数的嵌入传感器诸如加速器、指南针、全球定位系统(GPS)(定位/位置感知)以及心率现场测量监测器的智能手机。其他示例性系统可包括含有传感器诸如加速器(用于测量移动)、心率监测器(例如，使用光学或其他方法)、皮肤电反应(GSR)测量装置、血压监测器(例如，由光电脉搏波信号推导)和/或呼吸传感器(例如，基于上文或在此所讨论的无线RF生物运动传感器)的智能手表。
额外数据可通过‘芯片实验室’粘合模块经由无线电线路从使用者收集，或者直接从药物分配器例如经由识别芯片诸如RFID(射频ID)收集，或者从测量装置诸如肺活量计(最大流量计)收集。
3.生理和行为信息的检测
在一个实施例中，装置可放置在床边旁边(或者床内或床下或床上，或由使用者佩戴)，从而收集患者处于床上时的生理参数，诸如心率、呼吸速率、呼吸深度(例如，浅的/气促或深的)、移动程度以及其他相关参数。
该系统可以连续运行而无需使用者输入。例如，该装置可具有非触发操作，以使得这些传感器旨在感测(例如，24小时7天一周)使用者是否在附近(例如，所有时间)。在此方面，装置诸如距离选通RF传感器可连续监测空间(例如，卧室)，以便区分主要使用者与另一个或多个使用者。该系统可追踪使用者随着时间变化的参数，以便基于移动模式和呼吸(例如，距离、呼吸与呼吸之间的变化、形状、吸气与呼气比率)建立特性分类。因此，该系统可配置用于建立分类特性。
该系统可随着时间锁定到该系统的主要(主导)或初始使用者上，并且建立差别特性。另外，该系统可追踪使用者的习惯，诸如使用者睡在床的哪一侧和使用者该周每天上床睡觉的时间。该系统可使用分类器，诸如神经网络(例如，隐藏层马尔可夫模型)，或者用于更简单的实施逻辑回归以确定分类特性。离线和实时受试者分类特性可使得系统能够确定检测何人的概率，该使用者或另一个使用者，诸如使用者的伙伴。离线处理也可允许基于可在感测/监测期期间计算/确定的实时参数重新训练该系统。在此方面，当使用者在传感器的感测范围内感测时，可发生实时分类。当使用者不再处于使用先前感测的数据的传感器的范围内时，可发生离线处理(诸如使用可在感测/监测期之后计算/确定的离线参数)。离线特性(或多个离线特性)或离线参数是离线处理的产物。例如，不必基于最近的参数(“实时”)计算和/或分类，离线处理步骤允许对整个监测/感测期(例如，晚上)或多个期(例如，多个晚上)进行事后分析。此处理可以例如在床伴醒来并离开卧室/传感器区域之后发生。这可广泛查看晚上/睡觉期间的所有数据。实时特性或实时参数可被计算和/或应用于使用最近的数据进行分类，诸如在特定感测/监测期期间。
可实施其他技术诸如线性核或径向核支持向量机(SVM)以用于分类。这些特性的计算可通过在其中使用许多非常类似的特性的分类之前使用主组分分析(PCA)“漂白”(即，在进一步处理之前减少任何冗余数据，诸如维度数据)特性集合来优化。可使用多个分类器，其使用输出的“后期整合”以形成输出后验概率。
当应用于多个传感器时，通过由多个传感器(例如，放置在床的任一侧)检测相同或不同的人员并在网络上共享数据，传感器参数诸如距离、功率、频率、检测方向和/或发射辐射模式可自动调节以支持其中可存在许多人员的区域，诸如在医院病房内的患者。在此方面，发射辐射模式涉及检测模式或检测区域(即，三维(3D)感测空间—包括可存在于传感器后面的任何后叶片)。检测模式可涉及距离和方向。传感器可被调节来调节其距离(例如，使用近距离和远距离选通)、其发射功率电平(也对距离具有影响，因为甚至远距离选通内的SNR(信噪比)可能更低，使得有效的进一步检测更接近于之前)。功率也可涉及当感测环境中没有人员时进行低功率/电池使用的能源节约。射频电介质谐振振荡器(DRO)如果用于传感器可消耗大量功率。对于共存性(例如，避免干扰)或不同国家的法规要求，频率可以改变。自动化检测方向允许不良设置装置(例如，如果第一位使用者未最佳地指定，该系统可自动调节至实际适合设置而无需提示使用者移动它)。例如，传感器可具有可配置天线，其能够以受控和可逆方式动态改变其频率和辐射特性。
因此，该系统可配置成通过由非接触性传感器诸如RF检测例如运动、呼吸和/或心率的参数来检测和验证使用者。
例如，如图1所示，本技术的一些实施例可实施适用于检测在感测或检测设备附近的使用者或患者的生理特征的感测或检测设备100。传感器可以是独立传感器或者可以与其他设备诸如呼吸治疗设备联接，以便基于由该设备的传感器检测的生理特征的分析提供自动化治疗反应。例如，具有控制器和流产生器的呼吸治疗设备可配置为具有此传感器并且可配置成响应于传感器所检测到的生理特征调节在患者接口(例如，面罩)处生成的压力治疗。示例性呼吸治疗设备描述于2015年7月31日提交的国际专利申请号PCT/US2015/043204中，该专利申请的整个公开内容以引用的方式并入本文。
此设备的典型传感器可采用发射器来发射射频波，诸如用于距离选通感测的射频波。可选地在具有发射器的组合装置中包括的接收器可配置成接收和处理这些波的反射版本。可采用信号处理，诸如使用该设备的启动传感器的处理器，以基于所接收的反射信号推导生理特征。
例如，如图2A所示，发射器朝向受试者例如人类发射射频信号。通常，RF信号的来源是局部振荡器(LO)。然后接收反射的信号，将其扩大并与一部分初始信号混合，并且然后可滤波此混频器的输出。所得信号可含有关于人员的移动、呼吸和心脏活动的信息，并且被称为原始运动传感器信号。
图2B是示出原始传感器信号的一些潜在处理以产生生理特征的指示的简图。原始信号通常将含有反映身体移动、呼吸和心脏活动的组合的组分。身体移动可例如通过使用零交叉或能量包线检测算法(或更复杂算法)来识别，这些算法可用于形成“开始运动”或“停止运动”指示器。例如，此类移动检测算法可根据美国专利申请公布号2009/0203972中所公开的方法实施，该专利申请的整个公开内容以引用的方式并入本文。呼吸活动通常是在0.1至0.8Hz范围内，并且可通过使用具有该区域内的通带的带通滤波器滤波初始信号来推导。心脏活动以较高频率的信号反映，并且此活动可通过具有1至10Hz范围内的通带的带通滤波器滤波来接近。
此呼吸和移动传感器可以是距离选通RF运动检测器。传感器可配置成接收DC功率供应输入并提供四个模拟运动通道输出，这些通道输出具有人员在检测范围内的呼吸和移动信号的同步和正交组分。在脉冲RF运动传感器的情况下，距离选通可有助于将移动检测限制于仅优选的区域或范围。因此，使用传感器进行的检测可以是在距离传感器的限定距离内。
作为另一个实例，所使用的传感器类型可以是基于射频RF的，例如瑞思迈睡眠大师(ResMed’s SleepMinder)非接触性传感器家族，其使用上文提及的麦克尤恩和麦克马洪专利文件中所述的至少一些技术。也可以使用国际公布WO2010/036700、WO2010/091168、WO2008/057883、WO2007/143535以及WO2015/006364中所述的测量和数据处理技术，这些国际公布以引用的方式并入本文。另外，还可以使用利用加速器、压电或UWB(RF超宽带)底垫、被动红外或其他光学装置诸如具有皮肤颜色和移动检测的摄像机的替代性技术。例如，该装置可以根据以下任一项所公开的任何方法和传感器实施移动检测算法或传感器技术：美国专利申请公布号2009/0203972、国际专利申请号PCT/US14/045814；2015年4月20日提交的美国临时专利申请号62/149,839以及在相同日期与其一起提交的美国临时专利申请号62/207,670，这些专利的整个公开内容以引用的方式并入本文。此外，2015年8月14日提交的美国临时专利申请号62/205,129所述的任何射频传感器可以本技术的任何版本实施，该专利申请的整个公开内容以引用的方式并入本文。
麦克风也可用于监测和分类与呼吸速率、慢性咳嗽或鼾声一致的声音模式，并且将这些声音与背景噪声诸如风扇、道路噪声和类似噪声分开。这被称为“夜间睡眠”监测，尽管也可例如在日间小睡期间进行；其目标在于睡眠环境中的使用者。另外，呼吸速率和心率以及其他此类生理信号也可以使用交替传感器诸如基于非接触技术或接触相关技术的那些传感器进行检测。
当使用者下床后，其生理参数可选地通过身体佩戴的传感器监测。例如，这可以是基于夹子的装置、贴片上装置(stick on patch)(真皮或芯片实验室)或腕表型装置；所收集的传感器参数包括移动和步行(经由加速器)、位置、皮肤电反应(GSR)、心率和呼吸速率(通过光学、电或移动装置)以及其他相关参数中的一些或所有。这被称为“日间/清醒监测”，并且其目标在于处于清醒活动中的使用者。此类装置可以是夹式耳环、表或腕带式样因素，诸如FitBit、Basis、Apple、Withings或其他产品。
来自一个或多个传感器的生物特征数据也可以与视频/摄像机图像数据融合以便进一步增加“活跃度”(即活人类)检测的信心或者使用诸如面部识别、皮肤颜色检测和/或微爆发检测的技术识别特定使用者。数据的此融合可将另一种因素添加到分析中。例如，皮肤颜色检测可用作面部识别、手势识别和其他应用中的第一步骤，并且对于缩放、旋转和遮蔽十分耐用。
在一些实施例中，在白天和/或晚上期间的呼吸速率可通过可佩戴呼吸传感器捕获，诸如夹持到腰带或胸罩、胸带(例如，spire.io装置)、鼻套管的加速器或者从PPG(光学体积描记术)信号提取波形。此数据也可参与本文所述的生物特征识别。
应注意，可以将来自可植入装置(即，植入在正在监测的人员体内)的压力和其他数据与由系统所收集的值组合。另外，可以关联卧室外收集的基线数据。因此，在人员/使用者的生物特征确认/识别中估算来自一个或多个传感器的数据，这是诸如通过建立可归因于特定使用者的所检测生物特征数据的基线和/或将新检测的数据与先前收集的数据相比较，以确认该新检测的数据归因于该特定使用者。因此，该系统可以比较目前的参数与历史参数。
该系统可聚集和/或组合来自接触传感器记数(例如，来自身体佩戴传感器的记数)和非接触传感器(例如，多普勒、RF传感器)的数据以及来自视频检测系统的视频/摄像机图像数据。因此，该系统可能够进行收集24/7操作或其部分以适合使用者的生活方式。
本文所述的算法和方法可以在访问数据库存储装置的一个或多个处理器中诸如在计算装置(例如，PC、服务器、云服务、智能装置应用程序或变体)上实施。该算法可基于分析一个或多个数据来源的分类系统，并且可利用存储在数据库中的历史数据。规则阈值、模板和/或存储模型可基于适应性概率权重，基于使用者特定的和基于群体的人口数据而变化。
3.1传感器反馈
该系统可以向使用者或第三方(例如，经由PC或智能装置诸如智能手机或平板电脑)提供反馈回路，并且可选地向监测中心提供反馈回路以进行回顾、验证和可选的干预。该系统还可向治疗装置的治疗作用提供反馈，诸如用于帮助患有不同呼吸道问题的使用者的连续气道正压通气(CPAP)、适应性伺服通气(ASV)和/或双相气道正压通气(双相)机器。此类装置在本文中更详细描述。
在一些实施例中，传感器可与呼吸治疗设备诸如CPAP装置诸如流产生器或类似装置(例如，呼吸压力治疗装置(RPT))整合或者整合到这些装置中或者可配置成一起通信。例如，在检测经历治疗的人员的生物特征时，该系统可以交叉检查该系统的预期使用者正在接受正确治疗。因此，该系统可选地能够例如在CPAP、ASV或基于识别的双相机中将PAP装置重新配置为预期机器参数(压力或流方案等)。如果不能识别预期的人员(例如，先前检测和识别的使用者)，该系统也可以将警报标记到监测中心和/或使用者。此治疗设备的实例先前更详细描述并且在本说明书的后面部分中描述。
类似地，当检测到预期生物特征时，系统可利用受试者的呼吸速率和心率来使治疗更好地适用指定使用者。例如，在检测提高的心率时，系统可将特定呼吸曲线输入提供呼吸辅助的装置，以便将心率减小至预期范围内。
在一些实施例中，当接收对于CPAP、双相、ASV或其他治疗的心率反馈时，可以追踪心率的增加，追踪心率不规则变化(这可指示心律不齐)的增加，和/或追踪心率动力学和呼吸速率动力学的长期趋势，这些是在治疗在使用和未使用时。
以这种方式，可以向监测服务器提供反馈。
在一个职业健康环境中，此生物特征数据可以减少和/或防止监测系统的滥用。例如，矿工或卡车司机可能具有睡眠障碍性呼吸筛选、诊断、监测，并且在其生活的寓所或床铺(例如，在车辆驾驶室/卧铺)中安装睡眠品质分析设备。一些类型的传感器可以放置在床上而不是床侧、床上方或下方。通过确保特定受试者/使用者实际上利用所述生物特征识别进行监测，监测信息可发送到中央系统诸如排班系统(即，确保所有使用者睡在其分配的床铺)，并且例如可实施来确保预期/识别人员获得足够的睡眠。在此方面，该系统可检测何人睡在床铺中并且追踪其睡眠品质，参考疲劳管理系统。在一个实例中，使用者可能患有睡眠呼吸中止，但不服从其治疗(例如，不佩戴CPAP面罩)。这样，该系统可能发出使用者处于增加的风险下的警报(尤其是如果使用者出于职业健康和安全原因而需要使用治疗)。在一些实施例中，该系统在追踪和/或识别使用者之前可能需要来自系统使用者或操作者的允许。
通常，在一些版本中，一旦感测，生物特征数据就被识别(例如，通过分类的“指纹”)为属于特定人员，该数据可以与人员的身份一起存储诸如在数据库中。
在日间期间，可使用生理传感器诸如Plessey EPIC电容传感器、雷达或可佩戴装置监测重型机械的专业驾驶员和/或操作者或者安全至关重要的应用(例如，空中交通指挥员)中的其他人员。
在下文中描述“清醒”和“睡眠”数据的示例性集合。来自“清醒”的信号收集方法可适用于“睡眠”并且反之亦然。
4.“清醒”时间数据收集
系统可如何利用信息的实例如下：
4.1心率
a.心率(HR)数据可在连续或半连续基础上从使用者收集。这可经由胸带(例如，诸如由Polar提供的运动监测带)或者实施心率监测的腕表(例如，基础手表、不卧床ECG、血管容积图、投影心搏图或类似图)。理想地，使用低使用者影响装置，以使得其适用于在长时间段(例如，天、月或年)内每日监测。
b.分析HR数据以产生心率变异性(HRV)估值。
c.将所记录的HRV参数(诸如心率短期和长期波动)与来自正常和患慢性病受试者的历史参数和人口(预期)参数相比较，并且向分类器提供特性。另外，可利用基于滤波信号的低通量的HRV的更平滑版本；这主要用于分析更长期的波动，并且与非趋势版本相比较。
4.2皮肤电反应
a.皮肤电反应(GSR，也称为皮电反应)可由可佩戴装置(例如，基础手表或其他商业上可用的GSR测量装置)记录。
b.使用GSR信号作为交感神经“应急”活动的替代性测量。
c.将所提取的GSR和HRV信号组合产生交感神经活动与副交感神经活动之间的比率估值。系统将交感神经活动与副交感神经活动的此平衡用作正常对比疾病进展状态的估计量(例如，交感神经活动增加和副交感神经活动降低)。
4.3锻炼强度
a.锻炼强度和持续时间的变化从‘日间’传感器捕获，记录到数据库中并且对特定趋势和变化进行分析。
b.生理节律/睡觉的叠加模型可显示整天的活动和静止时间段的不同模式(例如，办公室职员在诸如下床后之后、然后通勤、然后在早上、咖啡时间、会议、午餐散步、接着在下午间歇睡眠[最强睡意通常发生1pm与3pm之间]、在散场期间的活动、返回家中的时间期间的活动增加，在晚上在阅读/看TV期间的活动减少，以及在睡眠时间期间的进一步显著减少[最强睡意通常发生在2am与4am之间])。
c.能量消耗可通过将心率和GSR数据与步进计数器结合来估算。可替代地，独立步进计数器(步程计)可用作锻炼强度的替代物(例如，使用Nike Fuel band、FitBit、Jawbone Up或类似佩戴装置)。
4.4呼吸参数
a.呼吸速率、深度或活动(在以下“睡眠”部分描述)
4.5血压参数
a.由可佩戴的基于光学体积描记术的传感器推导
5.“睡眠”时间数据收集
系统如何利用‘睡眠监测’信息的实例如下：
5.1呼吸速率、深度和活动(移动)水平
实施一种算法以检测使用者的呼吸(呼吸)率和动力学模式。该算法可自适应地追踪人员在数天、数周、数月和/或数年内的基线呼吸速率、移动特征和呼吸波形形状，以建立其呼吸动力学轮廓。
该算法模块形成使用者的自适应基线，并且考虑到呼吸速率参数，诸如在一个时间段(例如，24小时)内的中值、平均值、四分位差、偏度、峰态、最小和最大呼吸速率，并且主要(但不排除)目标在于人员睡着时的时间。另外，追踪吸气/呼气波形形状以及短期、中期和长期呼吸波动。使用者的基线合理性也可影响这些读数。
与“清醒”监测中进行的活动检测存在一些重叠，因为对算法处理步骤和相关数字信号处理组进行处理，以用于确定生理上重复和变化的运动，包括通过由于呼吸引起的胸部移动所引起的那些运动、摇摆检测和消除、在床上翻滚以及由于多次作用(包括擦伤)(例如，由于物理刺激或不适)而引起的粗调移动和微调移动。
5.2心率
心率也可在‘夜间’卧室环境中由接触传感器(例如，可佩戴装置诸如使用光学方法和ECG电极和装置的基础手表)或非接触传感器诸如睡眠大师，使用诸如基于微波的时间频率变换(由投影心搏图信号—从皮肤表面无创检测的心脏的机械移动)的技术来估算。
5.3咳嗽和打鼾
利用经由麦克风记录的音频信号的数字取样，该算法能够检测打鼾、鼻塞、咳嗽或呼吸困难的特征模式。这使用数位滤波器组、频率分解实施，并使用频谱分析或使用形态学处理搜索‘丛发性’噪声(即，咳嗽信号)。这些事件可选地与移动和呼吸模式交叉相关。
6.信号处理
对于床中监测的一个示例性实现方式，本发明分析由已使用适合ADC模块数字化的射频RADAR记录的双通道(同相I和正交Q中)信号。这些RF信号可以是连续波或脉冲(例如，应用于瑞思迈睡眠大师5.8GHz和10.525GHz传感器、利用FMCW方法的装置或其他装置)。在一些情况下，这些传感器时美国专利申请公布号2014/0024917中所述的传感器，该专利申请的整个内容以引用的方式并入本文。这些信号被发送到滤波器组，由此包括带通滤波的一系列数字滤波器适用于检测和去除低频摇摆信息。比较双通道中的相位信息以产生顺时针/逆时针模式。应用磁滞和毛刺检测以抑制信号叠影，并且所得信号表示移动来源相对于参考传感器框的方向。峰/谷检测和信号追踪另外用于辅助此处理。因此，该系统可确定移动是朝向传感器移动还是远离传感器移动，以及是否改变方向。
使用快速傅里叶变换和发现峰(频域)或者经由时间-频率处理(诸如使用离散化连续微波变换、适当基础选择以及峰查询)进行信号光谱含量的计算。也可处理残余低频组分以确定更长的时间标度趋势。
睡眠障碍性呼吸的模式(包括循环或周期模式，诸如潮式呼吸)除了触发病状恶化之外还可提供使用者识别的方面。应注意，如果检测到此类SDB发作，则知道随后应用治疗诸如CPAP的系统可自动重新训练以知道改变的生物特征(即，在CPAP治疗干预之前和之后的身份确认)。因此，如果治疗影响呼吸/心脏/移动活动，该系统可重新校准/重新训练识别过程。
心脏模式诸如心房颤动和颤振(包括阵发性)、心室性心博过速以及其他模式也可提供身份识别方面。在此类情况下，如果使用者寻求用于心律不齐的治疗，则对系统输入与治疗相关的输入可减少身份检测失败。
7.形成“指纹”
处理可能的多个输入信号的关键方面是各自信号品质的稳固估计量。仅由于希望估算使用者的生物特征“指纹”并追踪和捕获此生物特征标记从健康至患病的演变，认识到信号可能具有不良品质、中断或以不希望的方式操纵(即，被篡改)。不良信号品质不一定由传感器之间的干扰引起。例如，可佩戴心脏监测器可能与身体接触不当，从而导致不能用或令人误解的信号。与来自其他同时佩戴的移动传感器的数据的相关性和比较可有助于区分由于身体移动的间歇性不良信号(例如，由于混杂其他传感器的移动而引起的潜在预期信号中断)对比由于传感器不良定位引起的可疑信号品质的更长时间段。
使用者可能决定尝试通过将步进计数器放置在一些其他人工或天然移动来源而非使用者自身上来蒙蔽计数器，从而给出人造高读数。所检测移动的时间改变统计学和/或其他参数可用于区分使用者的预测生物特征“指纹”与标志无效或篡改值。
用于管理模式识别过程的系统可接受多个输入参数，并且确保品质估算器已执行来丢弃或标记任何不良品质数据。认识到输入数据可以是尺寸上冗余的，并且可应用诸如随机化PCA(主组分分析)的过程以在进一步处理之前减少任何此类冗余。
图3列出一种用于计算睡眠环境中的人类生物特征(或多种生物特征)的系统。对于模拟传感器，数据通过ADC进行数字化；对于数字传感器，信号可直接使用。进行前处理诸如使用带通滤波进行噪声来源的滤波(例如，主要50/60Hz)。使用时间频率方法(诸如，通过使用短时间傅里叶分析或微波分析)提取心率、呼吸速率和移动/活动。因此，通过场传感器诸如距离选通运动传感器模块(或其他类型的传感器，诸如基于压电的底垫传感器或手腕佩戴的传感器等)检测睡眠环境中的运动和呼吸信号(生理信号)的存在。然后在含有生理信号的分解运动信号上进行睡眠阶段。提取生物特征特性，并且估计“指纹”/生物特征，并且将分类为人类或非人类，无论该人类是否为系统先前已知的。行为数据可包括睡眠持续时间的长期趋势(例如，工作日/周末变化的典型长期趋势)、上床睡觉时间(工作日/周末)、睡眠效率、醒来次数、入睡时间(入眠时间)、REM和深度睡眠百分比等等—其中这些数据受到使用者的行为的影响，诸如在周末参加社交活动而自愿睡眠限制。
图4列出一种用于由生理参数并可选地通过将行为特征组合(例如，日间活动模式、位置、心率/呼吸速率在该天的特定时间的尖峰值或变化)来计算人类生物特征的系统。日间信号可含有生理信号以及行为数据。可以看出，睡眠时间和日间检测可以组合或者单独考虑，这取决于可用传感器和预期使用情况。
图8示出受试者“使用者A”在睡眠期(大约8.3小时)期间的心率(上图)和呼吸速率(下图)的信号，这些信号使用在<1.8m距离处的非接触性脉冲连续波RF传感器记录；图9表示“使用者A”的相关心率和呼吸速率直方图。图10示出不同受试者“使用者B”在睡眠期(仅超过6小时)期间具有心率和呼吸速率的信号，并且在图11中为相关心率和呼吸速率直方图。此类信号可通过本技术的处理来估算。
例如，图5示出用于计算特征特性以便生成生物特征指纹的处理。使用者识别可通过区分输入到使用者分类器中的生物特征参数来进行(参见，例如图5，其可出于此原因而计算和组合来自心脏和呼吸信号的特性)。可选地，如果良好品质HR(心率)不可用/未检测到，则该系统可以后退至处于考虑下的一些或所有处理期的BR(呼吸速率)；因此，系统可依赖于不同生物特征，以根据所检测生物特征的品质来识别人员。可将图5所示或下文识别的任何特性(例如，两个或更多个)估算为生物特征指纹的一部分。
呼吸信号相关参数
-在整个白天和/或晚上的呼吸速率可变性(所述可变性是使用者的特征)
-这可以是呼吸间或更长时间标度—例如，30、60、90秒或更长时间段)
-随着时间推移的稳定性(与该可变性相关)
-呼吸速率的标准偏差
-呼吸深度(浅、深等)和相邻呼吸的相对振幅
-呼吸速率的均值或平均值
-排除异常值的截尾均值(例如，在10％下)
-清醒或睡着(例如，使用者在检测时的睡眠状态)
-在平静期期间和REM睡眠期间所见的呼吸速率突波(突然加速或减速)
-中值(第50个百分位)
-四分位差(第25个-第75个百分位)
-第5个-第95个百分位
-第10个-第90个百分位
-直方图形状
-偏度
-峰态
-随着时间推移的峰频率
-峰频率的第二谐波和第三谐波的比率
-有效数据(有效生理学可信数据)的百分比
-个别信号的自相关性
-光谱图中的特征模式
-清醒或睡着
-REM和深度睡眠的相对百分比
心脏/心信号
-心率可变性(心搏间(例如，由投影心搏图推导的)和在限定移动窗口的较长时间内(例如，30秒、60秒、90秒))，即
-随着时间推移的可变性(心搏间/呼吸可变性)
-平均值
-截尾均值(10％)
-标准偏差
-中值(第50个百分位)
-四分位差(第25个-第75个百分位)
-第5个-第95个百分位
-第10个-第90个百分位
-直方图形状
-偏度
-峰态
-随着时间推移的稳定性
-随着时间推移的峰频率
-峰频率的第二谐波和第三谐波的比率
-有效数据(有效生理学可信数据)的百分比
-清醒或睡着
-个别信号的自相关性
-光谱图中的特征模式
心肺信号
-幅度平方交叉谱密度(在移动窗口中)
-交叉相干性
-呼吸性窦性心律不齐峰
-指示自主神经系统副交感神经/交感神经平衡的LF/HF比率
-心脏和呼吸信号估值的互相关性、交叉相干性(或交叉谱密度)
-在较长时间标度内的特征性移动模式，即在信号中观察到的统计行为。
-在这些心脏和呼吸信号的检测和比较期间的移动模式(例如，在睡眠期间，一些使用者可具有安稳的睡眠并且一些具有不太安稳的睡眠)
例如，移动和/或其他特性的参考分布可与所计算分布相比较，并且可作为可变性的限定登记直方图的比较物进行检验诸如非参数柯尔莫哥罗夫-斯米尔诺夫拟合优度。参数的提取可使用时间频率分析技术(诸如STFT或微波)实现。
虽然没有单个参数可允许区分使用者(例如，在静止时或在特定睡眠阶段诸如深度睡眠中的平均心率或平均呼吸速率)，但是更先进的系统可将多个特性组合并且因此偏好早期整合方式，从而将特性组发送到分类器。如果训练数据(标记数据)可用，则可采用监督分类系统，由此向该系统提供大训练数据集以产生模型参数。可反馈来自第一次使用的数据(白天或晚上的信号)义更新使用者特定分类器，以便生物特征“指纹”以使用者特定的准确度增加。这可经由登记步骤实现，从而将样品获取模板存储在数据库中。随后，进行匹配步骤以确认身份。在缺乏此类详细训练数据时，采用使用诸如稀疏编码等技术(例如，LCC局部坐标编码，从图像处理领域提取)进行的半监督或未监督学习特性层次结构(例如，深度学习)方法。
在进行模板匹配步骤之后采用决策级神经网络，以使得可以验证该决策。
可参考使用者的生理指纹以检查“正确”(即，预期)使用者得到检测。这减小/去除当放置于例如床头柜上的非接触传感器监测使用者A时可能发生的模糊。使用者A可下床(例如，去卫生间或去工作等)，并且然后不同的使用者B(例如，床伴、婴儿或宠物)可移动到传感器范围内。基础传感器数据处理器可检测使用者B的参数，并且然后将这些数据与使用者A混淆。更先进的处理器将检测使用者B的“指纹”/模式并且区分这些与A。对于具有已知使用者集合的静态传感器，该系统可访问监督训练数据作为处理的学习的一部分。对于未知使用者(即，系统未知)，可进行半监督(即，具有使用者A的知识，但不具有B等的知识)模式识别，或者如果没有区分标记可用于该系统，则进行未监督系统。半监督或未监督系统可需要多个白天/晚上的数据以生成使用者的生理参数和行为参数的特征组合的“指纹”。
在卧室中使用非接触或最少接触传感器进行系统登记期间，可要求受试者在传感器前面进行特定呼吸锻炼，例如引导的深呼吸信号。当用限定的吸气/呼气期的特定深浅呼吸模式以及深度引导时，该系统可登记使用者。具有所检测心率信号和其他HR特性的相干性水平可用作基线输入。更复杂登记将需要记录更长时间段的自主呼吸(例如，整夜信号)以便训练系统和/或监测日间传感器参数。
在图6和图7中提供了登记过程的算法处理步骤和随后的身份确认。在图6中，系统最初配置用于登记。这实际上可以是自动或手动的；例如，为了登记睡眠期，这可以是手动启动的，但是随后系统可自动扫描来自晚上时段的数据以识别基准点并计算特性，以便生成使用者的生物特征签名(“指纹”)(例如，用于分类器的模型权重)。这然后存储在数据库中以随后进行生物特征查询和比较。日间登记聚集来自一个或多个监测装置的数据，并且也可处理使用者行为数据以便生成签名。行为数据可分配比生理数据更低的权重，因为这些行为的方面可能使得恶意使用者更容易模拟对比呼吸和心脏信号。
在图7中，初始步骤是检测有效信号(例如，在RF传感器场中检测到的“存在”，超过加速器上的传感器基线活动等)，并且检测到人类(提示所检测到的呼吸和心脏信号)，计算特性，并且机器学习算法输出生物特征估值。该系统然后可访问数据库以检查适当(所检测信号)睡眠和/或清醒模型。基于检测到特定使用者的概率，系统访问身份和访问管理(IAM)系统以便检查可能的候选者。进行统计学比较，并且做出决定将人类生物特征验证为有效的(并且允许或检查相关授权水平—或者是指其单独数据库)或者排除该生物特征(未验证使用者)。
图8和图10示出了使用者A和使用者B(如由RF传感器检测到的)的心率和呼吸速率的样品图。图9和图11呈现了这些信号的相关直方图。
图12示出以0.1Hz(每秒深度呼吸6次呼吸)进行有节奏的呼吸的受试者的心率和同时呼吸速率的区段之间的交叉谱密度。在0.1Hz下的交叉谱中的峰(此类方法可用于表征系统之间的关系)显示对心率和呼吸速率的结合影响。
对来自床上睡觉的动物的数据的检测和排除可能通过此系统来进行，例如狗和猫。床上第二人员的BR和HR组分的检测和排除也是可能的，例如对于检测第二人员晚上记录的部分的较长距离传感器的情况，或者第一人员走后检测整晚。
更通常，对于雇主或保险方向使用者提供使用特定监测技术(例如，以指示一个时间段内的活动/锻炼)的动机的情况，那么估计的生物特征参数可用于检查实际上是授权使用者利用该技术而不是另外的当事方(无意或有意模仿)。
特定睡眠阶段与呼吸速率和/或心率参数的关系可提供对使用者特定生物特征识别者的额外理解，因为在睡眠期间呼吸速率和心率统计参数并不特别处于受试者的自动控制下。例如，系统可配置成检测使用者处于REM(梦中)或深度睡眠中。例如，该系统可实施用于确定睡眠状态或阶段的方法，诸如2013年9月19日提交的国际专利申请号PCT/US2013/060652和2014年7月8日提交的国际专利申请号PCT/US2014/045814中所公开的方法，这些申请的整个公开内容以引用的方式并入本文。优选地，可选择深度睡眠以使得日间应激因素的影响最不明显。REM睡眠在一些情况下可显示更大的呼吸改变，但是也可更大程度上受到SDB发作、PTSD(创伤后紧张症)或其他问题的影响。也可分析浅层睡眠(第2阶段)或第1阶段浅层睡眠参数。
严格来说，如果人员处于睡眠中，则其不能有意识地以特定模式调节其呼吸，从而降低篡改信号的可能性。因此，可以形成使用者的单独清醒和睡眠模型。实际上，可形成深度睡眠、REM或其他睡眠阶段的单独模型。因此，在身份验证过程中，在一些情况下，可使用人员的任何或每个这些阶段的指纹。这些睡眠阶段特定指纹然后可在识别过程中使用特定睡眠阶段中确定的适合特征估算，以使得人员的识别可结合特定睡眠阶段来进行。
在此方面，该系统可提供分析下的数据的分析，以及在多个晚上的趋势。
另外，由PAP装置或RPT检测的呼吸模式可形成使用者的“指纹”部分。患者接口或患者回路诸如导管和/或面罩或者其他此类装置诸如本文更详细描述的装置可包括额外感测诸如加速器，或者可检测到导管(例如，CPAP软管)的移动，从而将可表征移动信息添加到所提取的呼吸参数。以这种方式，PAP装置可出于顺应性目的检查使用者的生物特征“指纹”。
应注意呼吸速率的简单增加可与非慢性病状诸如感冒相关。
个别人员的呼吸的多参数整体分析提示该系统感知环境，并且能够将相关数据与正确使用者关联。例如，保险公司可基于使用者满足某些健康改善目标而向系统的使用者提供折扣。此类目标可以是实现平均心率的降低、呼吸速率的降低、锻炼强度的增加等。
简单体动记录仪传感器或者由可佩戴传感器记录的皮肤电反应和/或皮肤温度的变化可用于增加此生物特征分类。对于特定心率和GSR变化，这些可以与锻炼强度交叉参考以指示应激事件或活动是否介导特定变化。对于每个人员，其可表现出特定顺序的心率、呼吸速率和GSR响应于锻炼或应激事件的变化。因此，使用者的固有应激水平和处理应激的能力当与其他可用参数组合时可用作生物特征标记。
锻炼强度和所采取步骤的更长期模式可与使用者的特定行为相关联。
该系统可配置成检测监测设备(例如，具有RF传感器的装置)的防盗作用，即已检测未授权或未知使用者的生物特征。如果位置数据可获自附接设备，诸如如果位置数据作为“指纹”一部分来包括，则此判断可参考位置数据(例如，GPS坐标)来做出。
该系统可用于医院环境，以便当不同患者移动到医院的不同监测床或者出院并且床被重复使用时自动分离来自这些不同患者的读取。该系统可自动将来自监测装置的医院/诊所数据收集与给予患者以带回家进行长期监测的第二装置相关联。
应注意，这可相当耐受重放攻击，因此攻击者/讨厌的人尝试模拟或重放RADAR信号，例如在攻击者/讨厌的人的控制下由第二RF传感器进行。第一RF传感器可配置成检测来自第二RF传感器的发射和干扰，并且将警报信号标记到系统。实际上，该系统可提供连续的验证，因为生理信号可每几秒钟提供新鲜生物特征。
该系统通过识别床中的第一人员和第二人员的生物特征可将控制信号反馈到RF传感器，以便调节传感器的距离和/或功率电平以检测所希望人员(例如，第一人员)。
因此，在一些情况下，该系统可聚集多个信息来源，并且通过智能处理这些数据和/或通过向使用者和装置反馈特定信息可识别使用者，例如由夜间/睡眠期间的读数识别。此系统的其他版本可仅靶向某些参数或者不用适应使用者特定参数。
该技术的一些版本的潜在益处可包括：
1.该系统可检测生理模式并基于心脏和/或呼吸信号识别人类。
2.这些信号可经由脉冲射频(RF)传感器或传感器组捕获。
3.系统可基于由非接触传感器记录的心率和/或呼吸速率和/或振幅来识别使用者的生物特征参数，即证实所记录的信号来自给定使用者。
4.系统可更新在睡眠和清醒阶段期间的生物特征。
5.睡眠阶段减少/去除施加于信号的有意识可变性(即，减少误分类或使用者“假装”也可影响心率的呼吸模式的危险)(例如，如OH&S使用情况所注意的)。
6.该系统可优选地更新在深度(最佳)或REM(次最佳)睡眠期间的生物特征。
7.该系统可与服务器通信以检查现有身份模板/模型并确定身份。
8.该系统可使用清醒或睡眠阶段登记使用者。
9.当用限定的吸气/呼气期的特定深浅呼吸模式以及深度引导时，该系统可登记使用者。
10.使用脉冲射频(RF)传感器的系统可检测和通知是否引入未授权第二RF传感器以便减轻针对系统的“重放”攻击。
11.系统可检测人员的健康状态并且接收是否进行治疗/疗法等时的输入，以使得其可重新训练至新健康状态，包括用于流产生器的锁钥，以及自适应伺服呼吸机(ASV)对心率的智能适应。该系统可确保适当人员使用先前旨在用于该人员的设置的治疗装置，另外其可重新设定至更适合于新/未知使用者的设置。
12.该系统可更新诸如数据库或库、在该天期间和在晚上来自可佩戴传感器的生物特征数据，包括呼吸速率、心率、运动模式、皮肤电反应、血压(也是用于日间呼吸速率的加速器，并使用来自其他传感器诸如视频的“活跃度”数据)。
13.该系统可检测何时检测一些或所有记录时间段的第二生物特征，以使得第二或第三人员的数据未被聚焦于第一人员的系统错误地处理。
14.该系统可检测在传感器领域内睡眠或清醒的动物诸如狗或猫。
15.该系统通过检测床上的两人员(两个生物特征)可将控制信号发送到传感器/处理器以调节传感器行为(功率/距离选通/方向性)，以更好地检测第一人员(在此基于生物特征调节传感器以及选择最低传感器功率用于给定情况的另外的详情和实例)。
16.该系统可以是基于云的，以使得其可跨越不同位置中的多个固定或移动传感器追踪人员的生物特征，以使得传感器不需要随着人员移动。例如，该系统可从第一室内的第一传感器到第二室中的第二传感器追踪人员，并自动核对来自第一传感器和第二传感器的生理数据。
8.0多传感器与生物特征反馈的配合
对于多个传感器配合的情况，诸如在具有远程定位或与传感器共同定位的控制处理器的系统中的有线或无线链路(同时或作为成对过程的一部分)上通信，特征性生物特征参数可用于动态调节一个或多个传感器的性能，以便优化独立人类来源的生理识别并排除其他来源。
对于彼此相邻的交换信息以便使RF干扰或其他类型的干扰最小化的两个或更多个传感器的情况，由每个传感器检测的一个或多个人类的生物特征身份和/或相关生物特征品质可用于调节一个或多个传感器的控制参数的基础。例如，可调节参数可包括这些传感器的距离选通脉冲定时和发射功率电平(在可允许法规限制内)或RF检测频率(例如，中心频率)。此类改变最容易在数字化传感器设计上实现，尽管可向模拟传感器装置提供控制信号，该模拟传感器装置配置成允许此提供。
传感器可配置成使用最低可能量的功率以便实现良好信号品质生物特征。这出于环境原因并且对于传感器被电池通电的能力增加可以是有利的。另外，可使得使用其他传感器或装置的干扰的可能性最小化。
8.1多传感器阵列的生物特征控制
传感器可配置成彼此临近地起作用，同时维持最小RF干扰。在此方面，两个传感器可被放置在床的相对侧上并且被编程来监测在常规设置中睡眠的单独个体。例如，特定使用者的生物特征可由每个传感器检测并且每个传感器可用此使用者数据初始化，以使得传感器包括可归因于该使用者的数据的基线。然而，在进一步起作用期间，如图13所示，传感器的品质可降低，因为传感器可从每个人员接收重叠信号。例如，被编程来检测来自人类_a的信号的传感器_a可接收来自人类_b的重叠呼吸、心率和/或移动信号，从而降低对于人类_a所接收的信号。例如，被编程来检测来自人类_b的信号的传感器_b可接收来自人类_a的重叠呼吸、心率和/或移动信号，从而降低对于人类_b所接收的信号。
为了避免此降低，这些传感器可被调节来使干扰最小化。例如，如图14所示，放置在床相对侧上并被编程来监测在常规设置中睡眠的单独个体的两个传感器可被编程来通过调节每个传感器的距离和功率来使干扰最小化。在此方面，分别被编程来接收来自人类_a和人类_b的生物特征的传感器_a和传感器_b可配置成使距离和功率最小化以便使清楚的、单独的生物特征最大化。例如，在检测意外或使用给定使用者“指纹”未特别识别的生物特征时，传感器可减小其检测范围。在图14的实例中，传感器_b在检测认为与其初始化使用者相关联的生物特征和不认为与其初始化使用者相关联的生物特征时，传感器_b可减小(例如，递增地)其检测距离(例如，经由功率或距离选通调节)，直到其仅检测到认为与其初始化使用者相关联的生物特征。传感器_a可以类似地编程。因此，由传感器_a和传感器_b接收的生物特征品质可以是优异的，因为这些传感器仅检测来自单个人类的生物特征信号。
在一些实施例中，两个传感器被放置在床的相对侧上并且被编程来监测单独个体睡眠，这两个传感器可仅监测单个个体。例如，如图15所示，编程来检测来自人类_b的信号的传感器_b可按要求接收来自人类_b的呼吸、心率和/或移动信号。即，例如，该传感器可由其检测的生物特征信号识别其初始化使用者。然而，编程来检测来自人类_a的信号(目前不存在)的传感器_a可接收来自人类_b的呼吸、心率和/或移动信号。即，例如，传感器可认识到所检测的生物特征信号不是来自其初始化使用者。因此，当传感器_a可重复由传感器_b检测的生物特征或者信号可另外干扰时，生物特征品质降低。
为了避免重复生物特征或其他干扰，编程来接收某一个体的生物特征的传感器诸如在检测唯一未识别生物特征时可进入节能模式和/或搜索模式，其中该传感器降低或终止例如感测或感测距离。因此，如图16所示，当活动传感器可以最小干扰工作时，一个传感器可休眠。在此方面，传感器_b可被编程来检测来自人类_b的呼吸、心率和/或移动信号，并且传感器_a可被编程来检测来自人类_a的信号(目前不存在)。传感器_a可避免重复由传感器_b检测到的生物特征，当确定人类_a不存在时，进入节能/搜索模式。节能和/或搜索模式可以限制传感器的距离和功率，同时该传感器等待某一个体返回。这样，就不再接收重复生物特征。
在某些实施例中，可使用超过一对传感器。例如，如图18所示，可使用接近的三个传感器。在此方面，第一传感器“α”(传感器_a)可位于床第一侧的床头柜上，并且针对第一个人类(人类_a)，该人类可以是传感器_a的初始化使用者。与人类_a共享床位的人类_b可通过第二传感器“β”(传感器_b)监测，该第二传感器位于床第二相对侧的床头柜上并且针对人类_b，该人类可以是传感器_b的初始化使用者。在一个实例中，人类_b可以是身体质量指数(BMI)大于人类_a或人类_c的大受试者。另外，人类_c可睡在位于薄间壁远离人类_b和人类_a的一侧上的床中。人类_c可以是传感器_c的初始化使用者，可以由传感器_c监测。
该系统可配置成使传感器_a以奇数频率工作，传感器_b以偶数频率工作，并且传感器_c以奇数频率工作。这样，可以使得传感器组之间的RF干扰最小化。
然后可由每个传感器装置检测生物特征信号。基于所检测生物特征信号，可基于“指纹”识别人类a、b和c。在此方面，传感器_a可检测当未检测到人类_a(例如，人类_a已离开房间)时识别为人类_b(床另一侧)的生物特征信号区段。换言之，人类_b是生物特征已由传感器_a和传感器_b检测。因此，系统控制处理器可发送或生成控制信号至传感器_a以调节距离选通从而缩短所述距离，并且继续监测所检测的生物特征。另外，系统控制处理器可以可选地降低传感器_a的功率电平。
当传感器_a检测人类_a时，传感器可调节或另外启动以进入正常功率状态。当实现配置从而使传感器_a正确检测人类_a的生物特征(当人类_a实际上在房间内时)并且未检测到人类_b的生物特征时，检测配置的控制参数可以存储为最佳设置。
另外，当旨在用于监测的个体或动物进入传感器范围时，传感器可被编程用于进一步控制变化。例如，如图18所示，狗“狗_a”可进入床中，经由爬到人类身上来进入床的中心。这些传感器可检测非人类生物特征，并且这些传感器在此类检测时可调节其距离选通和/或功率参数(例如，传感器_a和传感器_b)，以便使狗_a的生物特征最小化，从而支持优选分别用传感器_a和传感器_b检测人类_a和人类_b。
以此方式，可在监测期期间诸如通过传感器的控制处理器或其他系统控制处理器调节一次或多次传感器的行为，这些控制处理器包括本文所述的任何检测方法。
对于其中传感器参数的优化不会引起生物特征品质的改进的任何情况，可提示一个或多个使用者调节一个或多个传感器的取向。
在多传感器设置的实例中，诸如图18所示的实例(包括传感器_a、传感器_b和传感器_c)，这些传感器可以可选地包括编程用于位置检查(例如，GPS或其他输入数据)和/或设定检测频率以使干扰最小化的处理器。在此方面，处理器可确定并利用适用于定位传感器的RF检测频率。例如，如果传感器确定其位置是在美国，则该传感器可访问数据(例如，关于频率和地理位置的表)并设定目标检测中心频率和FCC频谱遮罩以及来自与美国相关的表的其他设置。类似参数根据适当ETSI(欧洲电信标准协会)频谱遮罩可用于欧盟部分地区,并且在该地区(或者实际上在基于当地法规的其他国家)允许中心频率。这样，传感器_a的中心频率可自动调节至10,527,125kHz，并且功率电平为43.8％，并且距离选通(飞行时间)被调节来提供在92.5cm处的检测退出。传感器_b的中心频率可自动调节至10,525,000kHz，并且功率电平为93.2％，并且距离选通被调节来提供在165.2cm处的退出。传感器_c的中心频率可自动调节至10 522 375kHz，并且功率电平为80.0％，并且距离选通被调节来提供在150.0cm处的退出。
在一个实例中，可见人类_a在深度睡眠期间具有51.4bpm的中值心率和6.3bpm的四分位差，并且在REM睡眠期间具有55.7bpm的中值心率和9.1bpm的四分位差。人类_a的人员生物特征可利用中值以及所得直方图的形状以及呼吸与心脏信号之间的中等至高相干性最好地描述。人类_a的呼吸速率在深度睡眠期间为13.1br/min(+-/3.2br/min)，并且在REM睡眠期间为13.9br/min(+/-1.1br/min)。
人类_b在整个晚上表现出77.5bpm的平均心率和将近30bpm的显著加速，以及由于潜在间歇性心律不齐导致的心搏间可变性增加。人类_b的18.2br/min的平均呼吸速率在显著心率加速时段期间增加至超过20br/min。在REM睡眠期间br/速率的变化为4.5br/min。在呼吸记录中检测到呼吸的中止(呼吸中止和呼吸不足)。HR中的特征性心动过缓/心动过速顺序与这些呼吸中止发作相关。HR/BR相干性通常由于HR和BR的显著可变性而较低。偏度和峰态图指示不均匀的分布。
可见人类_c具有59.8bpm的平均心率，这在深度睡眠期间特别稳定。在REM睡眠期间，可变性显著增加到2至23bpm的震荡。人类_c的呼吸速率平均值为17br/min，其中最小值为15.2br/min。
在狗_a进入人类_a与人类_b之间的空间中时，传感器_b可适应人类_a稍微更接近于先前所述的位置。例如，在检测未识别/初始化生物特征时，控制传感器的处理器可控制对传感器的肝病，诸如其检测功率、频率或用于感测的其他控制参数。例如，中心频率可调节至10,525,000kHz，并且其功率电平为84.9％，并且距离选通被调节来提供在145.6cm处的退出。这将通过限制传感器_a参数来帮助区分狗与人类，以使得仅检测到人类_a(例如，通过调节距离、功率电平或检测方向)，并排除狗_a(即，未检测到)；类似地，传感器_b参数自动调节以使得仅检测到人类_b并排除狗_a。该系统也可标记，检测到未知生物特征，并且另外呼吸速率、呼吸深度和心率参数与动物一致。虽然在静止时平均狗获取每分钟24次呼吸，但是在人类中此高呼吸速率更是慢性疾病诸如充血性心力衰竭或COPD(慢性阻塞性肺病)的特征，但是在人类中伴随浅呼吸(相对于群体平均值或人员基线)，并且有不同心率可变性。当狗或猫已进行高度锻炼或暴露于热温度时，预期一个时间段内有更快的呼吸速率和开口(气促)。犬一般呼吸范围是约20-30br/min，并且心率通常对于大品种是60–100bpm，对于小品种是100–140bpm，并且在小狗中是约220bpm。典型猫呼吸速率范围是20-40br/min，其心率为140和220bpm。总肺气量在具有逐渐增加的身体质量的哺乳动物中倾向于增加；平均猫或狗比成年人类轻，并且对于婴儿或儿童也具有不同模式。因此，传感器控制参数也可在检测一个或多个此类生物特征时进行调节，这些生物特征由处理器识别来指示非人类动物。
类似地，作为进一步实例，如果人类_a离开床，传感器_a可进入节能/搜索模式，其中中心频率为10,527,125kHz并且功率电平为0至100％，并且距离选通(飞行时间)被调节来提供在50-300cm处的退出。在传感器_b存在的现有知识中，传感器_a的搜索模式可能够限制功率百分比和退出距离，以使进入传感器_b的可能干扰脉冲最小化。
在一些实施例中，可控天线(例如，使用经典相控天线阵或数字波束形成)可用于调节这些传感器的覆盖范围并使干扰最小化。例如，传感器_a和传感器_b的感测“锥体”将被调节来完全排除狗_a的任何生物特征证据。
可选地，在一些情况下，基于传感器的生物特征识别，诸如在该传感器并未识别初始化使用者时，可触发其他系统。例如，如图17所示，系统的处理器可触发或发送警报(例如，发送至人类_a和人类_b的智能装置)以提示意外的生物特征(例如，狗生物特征)。作为另一个实例，处理器在此检测时可启动网络摄像机或者触发声音警报(例如，通过扬声器)。
通过检测特定生物特征，可设定光和/或声音和/或环境参数的定制配置(即，由进行识别的控制器/处理器控制)。作为实例，考虑其中两个伙伴共享卧室的系统。当检测到第一个伙伴时，该系统打开智能TV至运动频道(或者经由在线服务诸如Netflix或类似的流)，并且关闭主卧室灯。在一定时间段之后，检测使用者睡着，通过Hi-Fi系统打开轻柔爵士音乐，并且关闭TV。在使用者进入深度睡眠，缓慢减小Hi-Fi的体积并且然后关闭。如果在卧室检测到第二个伙伴时，Hi-Fi/无线电配置成播放流行音乐/来自存储的音乐收藏的最新前20首或经由流音乐服务(例如，Spotify、Deezer、Apple)播放流行音乐；另外，室内灯光变暗，并且床头灯配置成具有橙色/红色色调和低白色/蓝色含量。TV配置成显示日落视频顺序(具有低背光强度)或者模拟壁炉。当第二位伙伴睡着后，音乐的振幅缓慢减小/TV变暗，直到使用者进入深度睡眠，因此此时关闭两者。当两位伙伴同时处于室内时，将运动TV/视频流引向第一位伙伴的无线耳机，并且将流行音乐引向第二位伙伴的无线耳机(或音乐枕)。在可用时，TV偏振器配置成将运动内容引导至第一个使用者，并且将壁炉视频引导至第二个使用者。因此，一位或多位伙伴的生物特征检测允许定制卧室(或实际上客厅)体验。类似地，对于唤醒体验，可基于第一位伙伴和第二位伙伴定制警报器。例如，第一位伙伴可能希望比第二位伙伴晚些醒过来。这样，具有聚焦光的低振幅警报器可用于第二位伙伴，以避免唤醒第一位伙伴。此类优先可被编程到系统中并且基于由系统的处理器进行的识别访问。
例如，如果另一个动物和/或人类(未识别)进入传感器感测空间内，则系统也可警报使用者。例如，如图17所示，狗_a(或实际上另一个动物或人类)进入传感器感测空间，该系统触发警报。可选地，事件的图像或视频可触发和存储和/或传输至授权人员来查看。在此方面，触发的摄像机(例如，附接的网络，低光，具有结合的照明器的红外，热型或其他类型)或网络摄像头可将未识别个体的视频发送至授权人员。为了理解这一点，如果在一个或多个传感器的领域内检测到未知人类生物特征诸如窃贼/侵入者，也可触发警报。在视频和/或音频传感器可访问或处于系统的控制下时，在接触警察之前可由监测中心进行视频和/或音频的记录或实时传输以查看。当与特性的其他检测设备结合实施时，此生物特征检测也可用于减少侵入者警报器系统的错误激活，这些其他检测设备诸如PIR(被动红外)、其他微波侵入者传感器、玻璃破碎检测器(震动或声学)、磁接触开关、震动传感器、触发的视频运动或启动的压力(诸如垫)。
可以看出，公寓大楼或办公大楼中实施的此类生物特征检测可帮助消防员检查由火灾警报系统所提供的人类(生物特征)计数(并可选地与适当位置的门禁卡系统相关联)。此类RF传感器可在烟雾或高热量情况下对比标准视频内容继续起作用(并且RF不具有与完全视频处理相同的隐私问题，例如可能在卫生间/卧室内使用等)。如果向系统诸如接收来自传感器集合的识别的中央控制器或计算机注册使用者生物特征，则此火灾警报计算机可输出姓名和在建筑/建筑物内的位置的列表。因此，中央计算机可维持识别每个传感器的位置的数据并且在紧急情况下与传感器集合的传感器的检测范围内的人员的识别相结合提供此列表。
此RF传感器可以许多方式供电。例如，RF传感器可放置在直通AC插座(即，插入到电源插座/AC插座中，并且提供极薄型的背负式AC插座；USB插座也可设置在插座面板以提供该装置的第二种用途)。夜间照明灯特性也可提供在该装置上，例如放置在走廊中，并且通过使用RF传感器检测运动来启动。RF传感器将在插座/AC插座区域内(例如，覆盖部分或全部的房间)内感测，并经由Wi-Fi或其他无线通信装置或经由电源接线(例如，经由电力猫或类似标准)传输数据。不同实例是提供直通USB适配器或电缆的情况。RF传感器和通信(例如，经由Wi-Fi或在其USB链路上)整合到适配器或电缆中，并且从USB说明书中提供的5V中清除/汲取功率。这使得RF传感器放置在提供有USB电缆的任何位置，例如插入到墙壁处的电话/平板电脑充电器中、插入到笔记本电脑中等。可以看出通过将此装置插入到笔记本电脑或平板电脑中，可检查该装置前面或附近的使用者的生物特征。AC插座装置或USB在线装置任一者提供极低成本、监测生物特征的空间的简单(仅插接装置)能力。
9.0用于识别/区别的其他方法
如先前所讨论的，传感器可采用识别方法来区分该传感器附近的生命。在以下其他实例中，可区分多个生命以使得可识别特定使用者)。
9.1介绍
大比例成人与伙伴一起睡觉，他们具有潜在不同的睡觉模式。伙伴可在睡眠传感器的主要(或首要)使用者之前上床睡觉，或者可在主要使用者离开床之后仍停留在床上。为了避免将该伙伴错认为主要使用者，系统可采取方法来区分他们。在一些情况下，这可允许单独评定主要使用者的睡眠(即，与伙伴的感测数据分开)。
9.2方法
9.2.1实验设计
进行初步研究，招募五位健康受试者。每位受试者与伙伴一起睡觉。10.5GHz非接触传感器设置在受试者的(或使用者的)床旁边，在其床边单元上，面向其胸口。参见图1。非接触传感器被设置来记录每天24小时的数据，持续研究的持续时间。主要使用者(在下文中的使用者)也提供关于何时上床睡觉、其伙伴何时上床睡觉、他们在早上何时起床以及其伙伴何时起床的每日详情。
传感器数据分割成24小时记录，其开始和结束时间等同于该装置最初打开的时间。对于每个记录手动创建一系列注释(基于使用者提供的每日上床、下床条目)，以识别(a)使用者数据、(b)伙伴数据、(c)不存在以及(d)‘信息不充分’。
9.2.2传感器信号和预处理
示例性传感器系统输出两个类似电压信号，其表示传感器的I信号和Q信号。传感器通过生成10.5GHz的两个射频能量短波来起作用。第一脉冲用作主要发射脉冲，并且第二脉冲是混频器脉冲。第一脉冲反射到附近物体以形成该传感器接收回来的回波脉冲。由回波脉冲行进的距离引入返回传感器处的回波信号到达的时间延迟。此时间延迟导致回波信号与参考混频器脉冲之间的相移。通过在接收器内将回波脉冲与混频器脉冲相加(‘混合’)，生成与回波脉冲的任何相移成比例的信号。移动目标(诸如人员呼吸)生成可变相移，其可由电路中的电子装置检测(de Chazal,P.、Fox,N.、O'Hare,E.等人使用非接触生物运动传感器的睡眠/清醒测量(Sleep/wake measurement using a non-contact biomotionsensor)，睡眠研究杂质(J.Sleep Res.)，2011,20:356–366)。
在分析之前滤波传感器数据(滤波的低通量和抗锯齿，并且平行地，滤波的高通量和抗锯齿以用于移动分析)。在时程(例如，30秒时间段或其他适合的时间段)内分析数据。
进行初始存在/不存在检测，接着进行睡眠/清醒检测。可对每个时程定量移动和活动水平。呼吸速率被计算为1Hz。也可进行完整睡眠阶段分析(识别的轻、深和REM睡眠)。
9.2.3特性提取和研究
然后提取特性(例如，25个特性(表1))(例如，每次记录的每30秒时程)。因此，处理器可配置成以识别过程计算或确定以下表的任一个或多个特性。对于初始研究，可例如使用单向方差分析(ANOVA)比较使用者和伙伴使用已知时间段的推导特性，以评定每个单独特性是否可显著区别使用者与伙伴。每个特性也可与完全记录的平均值和来自特定受试者的历史数据的平均值相比较。这将显著增加可用特性的数目。
表1(示例性特性名称和描述)
当实施分类器系统以识别/认识特定人员时，可确定或计算使用者和伙伴在时间段过程中(例如，多个晚上、一个晚上、一个或多个时程)的特性值。此类计算的特性中的任何一个或多个可用于单独或通过将多个特性组合来提供统计学上显著的使用者与伙伴之间的区别。当单独使用单向ANOVA评定时，发现表1中的特性显著区别使用者数据与伙伴数据，其中p-值(其中当p<0.05时，认为是统计学显著的)小于或等于0.05。这表明这些特性适用于包含在分类器模型中以区分使用者数据与伙伴数据。
9.2.4示例性分类器训练
可使用来自传感器记录的数据来采用此分类器。例如，对于每个记录，所有伙伴数据可用作训练集的一部分，并且可随机选择相等数目的使用者时程来完成训练集。
特性选择路径(诸如顺序前向特性选择)可用于交叉验证内(例如，十倍交叉验证)以选择可使用分类方法诸如逻辑回归组合的这些特性的子集，以最好地识别是否存在使用者或仅存在其伙伴。所选择特性然后可用作用于在处理装置中实施以识别人员的分类器。
9.2.5分类器性能评定
可使用来自传感器记录的数据来测试训练的分类器。测试集合可包括所有伙伴数据和所有使用者数据。
9.3.0.其他示例性分类器
9.3.1移动和非移动的单独分类器
许多潜在特性在移动期间数据段或在非移动(呼吸)数据段期间提供无意义(即，非a数字/NaN或零)输出。例如，在移动区段期间，设定优化器和呼吸速率特性可等于NaN。类似地，在清晰呼吸区段期间，在未检测到移动时，移动特性等于零。因此，在一些版本中，检测特性(诸如来自表1的那些特性)可以分组成离散组，诸如具有在移动期间有意义的特性的组和具有在清晰呼吸且未检测到移动期间有意义的特性的组。这些组具有在两种情景中有意义的一些重叠特性。然后可对每个特性组采用分类器模型，并且通过分析传感器信号设定的移动标记可用作触发物以选择在每个时程使用的呼吸或移动分类器模型(参见图19)。因此，根据移动标记，可在特定时程是否关于特定使用者(例如，使用者或伙伴)的分类中考虑不同特性集合。
9.3.2使用唯一基于使用者的度量开发分类器
在一些版本中，特性也可分类或分组为基于受试者的或基于信号品质的，并且可用于创建两个分类器。当使用现实生活数据(即注释的床上两个人的数据，其中传感器捕获每天24小时的数据)训练模型时，基于信号品质的特性是有用的，并且使用者和伙伴单独存在一些时间段，并且存在于床的特定侧(使用者总是处于距离传感器一定范围的距离内，并且伙伴处于距离传感器不同范围的距离内)。使用此数据集，基于信号品质的特性连同基于受试者的特性可用于开发‘设定’的分类器，图19。可替代地，通过排除基于信号品质的特性并且仅包括基于受试者的特性，诸如呼吸速率和移动，可将来自两个不同受试者的未注释数据合并以开发‘受试者分类器’(参见图19)。典型记录通常不包括伙伴数据的显著时段，在典型记录中使用者在他们处于床上并准备好上床睡觉时开始记录，并且在他们在早上醒来时结束记录。当主要使用者不在床上当伙伴存在时将仅存在伙伴数据，当他们存在并且伙伴完全不‘可见’时该信号反映主要使用者。由于此情景中使用者数据和伙伴数据二者将可能使用相同设置捕获，所以在此‘受试者分类器’的分类器开发期间将排除所有基于信号品质的特性。这些分类方法各自由于所使用的训练数据的性质而可更适合于不同情景，即设定分类器可更适用于识别在睡眠期开始或结束时的伙伴数据，而受试者分类器可更适用于识别在白天睡午觉的受试者。
9.3.3历史数据的使用
一般分类模型可用于初始使用时间段，一个晚上或可能更长时间段。这将允许受试者特定的历史数据聚集，该数据可用于改进随着时间推移的模型性能。该数据可定期更新，从而在使用期延长时提供逐渐更适合的且更准确的分类器。参考图19示出用于此分类模型的示例性方法。例如，在初始使用或设定期期间，在1920处的设定分类过程可估算来自特性提取单元1922的特性集合以用于识别使用者。设定分类可采用分别在1924和1926处的用于呼吸分类和/或移动分类的过程。还可包括受试者特定的分类过程1928。更特定受试者分类过程1928也可采用分别在1930和1932处的用于呼吸分类和/或移动分类的过程。过程1928可估算从特性提取单元1922获取的与由1920处的设定分类过程估算的特性集合不同的特性集合，然而，此类特性集合可存在重叠。
分类器组合器过程1940可在1940处选择诸如来自单独或一起的受试者分类和设定分类过程的分类。输出是使用者存在的概率(百分比)，由此做出二元判定。如果该概率小于某一阈值，则该输出是存在伙伴，如果该概率大于该阈值，则该输出是存在使用者。阈值可基于变量随着时间而改变，这些变量包括(但不限于)睡眠持续时间或白天时间。分类器组合器可起作用来选择性选择不同分类器过程随着时间变化(例如，时期数目或聚集的使用数据)的输出。例如，最初，该分类器组合物可仅选择设定分类并且随后(例如，在一个时间段或时期数目)其可反而仅选择受试者分类。可选地，组合器可选择性修改随着时间向来自不同分类过程的两个识别输出给予的权重。例如，其可对由最初的设定分类过程进行的识别提供更大的权重并且随着使用时间的推移逐渐增加受试者分类过程的识别权重。存在单独的呼吸和移动分类过程以解释一个或另一个数据流中可能的NaN或零特性(参见部分“8.3.1移动和非移动的单独分类器”)；也可包括单独的心脏特性分类器。
9.4.0替代性机器学习模型
可选地，可实施其他监督、半监督或未监督机器学习模型。例如，异常检测、支持向量机或聚类分类方法可用于其他系统实施方式中。
10.0用于区别多个使用者/受试者的其他方法
图20示出可在用于区别由N个装置监测的N个受试者的系统中实施的过程，诸如在多个装置彼此通信的情况和/或集中处理装置(例如，服务器)处理来自传感器的数据的情况。在图20中，示出仅两个传感器装置100-A和100-B。
例如，每个传感器装置可访问或处理从附近其他传感器装置接收的数据并且应用分阶段分类过程。例如，图20中的传感器装置1和2各自最初可评定另一个装置是否在2010a、2010b处已检测或正在检测受试者，诸如通过比较来自两个传感器的传感器数据或从传感器数据提取的特性。“特性提取”项目是指来自装置2的数据将如何在装置1(在称为100a的虚线区域)以及装置2(在称为100b的虚线区域)二者上处理。类似地，对于来自装置1的数据，其将在两个装置上处理。这允许在由两个装置收集的数据之间进行比较，并且确定它们是否在监测同一人员或两个个体。如果它们监测同一人员，则可使用具有优异信号品质的数据，并且将使用分类确定哪个是使用者。如果装置监测两个个体，那么此图确保其为主要使用者，并且继续数据分析。
如果不是这种情况，则检测模式的装置上的分析可在2012a、2012b处正常进行。即，每个装置然后可继续独立地通过收集/估算每个使用者的所感测数据(例如，呼吸特征、心脏特征、睡眠特征等)来对每个不同的使用者进行监测期。
然而，如果若干装置检测到相同模式(即，同一人员由两个传感器检测到)，则可在每个装置上处理平行分类器(例如，两个或更多个)。每个装置然后可实施分类器以确认/识别所检测受试者是否是先前监测的使用者，这诸如通过实施与图19所述的相当的过程。例如，感测数据可应用于设定分类过程2020a、2020b和/或旨在识别受试者的受试者特定分类过程2028a、2028b(诸如使用历史数据)。分类组合器2040a、2040b然后可决定该数据是否关于先前监测的受试者。如果其为认识的使用者，则传感器监测然后在2012a、2012b处进行以继续诸如以相对于先前时期的累积方式监测所识别使用者。如果其不是认识的使用者，则可丢弃传感器数据或者传感器可继续在2012a、2012b处以相对于来自归因于另一个使用者的现有时期的任何传感器/监测数据的非累积方式监测新使用者。
此方式的潜在优点在于其可应用于多个人(例如，在房间内使用两个传感器的两个人)，并且以不需要针对较大群体的生物特征分析的方式的定制用于某些人(例如，两个人)。在此方面，区别可以是与有限组(例如，家庭/床伴或病房患者)相关的有界问题。而且，它使得多个传感器的输出能够共享通信以实现睡眠/呼吸/移动/心率的系统水平的分离，即使当检测范围重叠时两个传感器均检测单个床使用者。因此，它可显著改进部署的系统在广泛不同的床形状和尺寸、床侧柜、人等背景内的稳健性。
将理解的是，即使图20示出了两个平行或同时存在的传感器过程，可通过用其他装置重复流程框并共享数据来监测超过两个人。
在此方面，可实施各种技术以由传感器装置共享传感器数据并在这些传感器装置之间共享传感器数据。例如，无线通信(例如，Wi-Fi直接(自组织))可以可选地实施在传感器之间以能够进行传感器至传感器(点至点)通信。也可以实施其他形式的通信(例如，有线或其他无线通信)。
11.0另外的可选特性
(i)在一些情况下，传感器装置可被整合为可无线充电的产品(例如，使用QI无线充电器)。因此，此可充电传感器产品可具有电池(例如，锂电池)和线圈以允许充电。此传感器产品然后可在于无线充电器邻近地放置时在该天期间充电。在充电之后，然后可将其插入到保持结构中以用于引导传感器产品在监测期间使用(即，在晚上靠近使用者)。例如，传感器可与壁座、直立座或床座配合，其中这座接收可充电传感器产品。无线充电器然后可用于在晚上对其他装置(例如，智能手机)充电。
(ii)在一些情况下，传感器装置各自可包括麦克风和/或对红外线敏感的一体化摄像机(例如，未滤波IR或另外优化用于检测红外线的摄像机装置)。也可包括红外线发射器(例如，具有扩散器/透镜的一个或多个IR LED)。传感器装置然后可经由其非接触传感器和摄像机记录在黑暗卧室中的使用者移动(在摄像机存储器中记录和/或经由无线通信传输)。当实时或在晚上结束时检测事件(例如，SDB发作、特定移动类型诸如PLM/RLS、异常移动、呼吸速率，如经由非接触或最小接触传感器检测的)或其他事件诸如打鼾、喘息、咳嗽(例如，经由非接触麦克风/转换器检测到的)，处理器可将所检测事件与由IR摄像机检测到的在普通时间框期间获取的食品区段相联系/相关联。所关联/联系区段(以及可选地定期时间框)然后可一起评定(诸如用于在显示器装置诸如手机或计算机上显示)以给予使用者一种容易索引视频的方式以查看晚上的大事件。因此，这可允许使用者例如查看视频中的SDB事件。例如，他们可看到其自身停止呼吸并随后恢复呼吸。由事件索引的视频可在智能装置(诸如具有一体式监测器/显示器的传感器装置或者与传感器装置通信的智能手机、平板电脑或计算机)上看到并且可例如允许极快地查看晚上的睡眠，例如通过事件。
(iii)此摄像机实施传感器也可被实施来用于远程查看，诸如实时或近实时。例如，传感器可用于允许远程视觉监测患者或其他使用者的睡眠和其他状态(例如，监测的受试者醒来、处于深度睡眠中等)。因此，该传感器可用作婴儿监测器/远程健康专业监测器，诸如在诊所或医院环境中)。
12.0治疗
一系列治疗可用于治疗或改善呼吸病状，诸如本技术的一些版本，包括治疗装置。此外，其他健康个体可利用这些治疗来预防出现呼吸障碍。
鼻持续气道正压换气(CPAP)治疗已被用于治疗阻塞性睡眠呼吸中止(OSA)。作用机制是连续气道正压换气充当气动夹板，并且可通过向前并远离后口咽壁推挤软腭和舌来防止上气道闭塞。
非侵入式换气(NIV)治疗通过上气道向患者提供换气支持以帮助患者呼吸进行完整呼吸和/或通过完成呼吸功中的一些或全部来维持身体内适当的氧水平。NIV支持经由无创患者接口提供。NIV已用于治疗CSR、OHS、COPD、NMD以及胸壁病症。
12.1诊断和治疗系统
在本技术的一些版本中，可通过可与先前提及的识别装置/系统协同起作用的治疗系统或装置提供治疗。此类系统和装置也可以用于诊断病症而不治疗病症。
治疗系统可包括呼吸压力治疗装置(RPT装置)、空气回路、湿化器、患者接口和数据管理。
患者接口可用于将呼吸设备接合到其使用者，例如通过提供可呼吸气流。可呼吸气流可以经由面罩提供到患者鼻和/或嘴里、经由管提供到嘴里，或经由气切管提供到使用者的气管中。根据待施加的治疗，患者接口可与例如患者面部区域形成密封，从而促使气体以与环境压力有足够差异的压力(例如，约10cmH2O的正压)进行输送，以实现治疗。对于其他形式的治疗，例如氧气或高流速空气输送，患者接口可以不包括足以将约10cmH2O正压的空气输送到向气道的密封。
12.2呼吸压力治疗(RPT)装置
空气压力产生器在一系列应用中是已知的，例如工业规模的换气系统。然而，医用的空气压力产生器具有未被更普遍的空气压力产生器满足的特定要求，例如医疗装置的可靠性、尺寸和重量要求。此外，即使被设计用于医疗的装置也可具有关于包括以下一个或多个的缺点：舒适性、噪音、易用性、功效、尺寸、重量、可制造性、成本和可靠性。
一种已知的用于治疗睡眠呼吸障碍的RPT装置是由瑞思迈公司制造的证实CPAP治疗的S9睡眠治疗系统。RPT装置的另一个实例是呼吸机。诸如瑞思迈StellarTM系列的成人和儿科换气机的换气机可以为一系列患者提供对侵入性和非侵入性非依赖性换气治疗，用于治疗多种病症，例如但不限于NMD、OHS和COPD。
RPT装置通常包括压力产生器，例如电动鼓风机或压缩气体贮存器，并且配置成为将加压空气供应至患者的气道。RPT装置的出口经由空气回路连接到诸如上文所述的患者接口。
12.1可选的示例性治疗装置
如先前提及的，在一种形式中，本技术可包括用于治疗和/或监测呼吸病症的设备或装置。该设备或装置可以是用于经由空气回路4170将加压空气供应至患者1000的RPT装置4000，从而形成患者接口3000。在以下描述中,RPT装置可参考图21-图24来考虑。
12.2患者接口
根据本技术的一个方面的非侵入性患者接口3000包括以下功能性方面：密封形成结构3100、充气室3200、定位和稳定结构3300、换气口3400、用于连接至空气回路4170的连接端口3600以及前额支架3700。在一些形式中，可通过一个或多个实体组件来提供功能方面。在一些形式中，一个实体组件可提供一个或多个功能方面。在使用时，密封形成结构3100设置成围绕患者气道的入口，以便促进加压空气供应给气道。
12.3 RPT装置
根据本技术的一个方面的RPT装置4000包括机械和气动组件4100、电气组件4200，并被编程来执行一个或多个算法4300。RPT装置4000可具有外部壳体4010，其以两部分形成：上部4012和下部4014。在一种形式中，外部壳体4010可包括一个或多个面板4015。RPT装置4000包括底盘4016，其对RPT装置4000的一个或多个内部组件进行支撑。RPT装置4000可包括手柄4018。
RPT装置4000的气动路径可包括一个或多个空气路径物件，例如入口空气过滤器4112、入口消音器4122、能够供给加压空气的压力产生器4140(例如，鼓风机4142)、出口消音器4124以及一个或多个转换器4270，诸如压力传感器4272和流速传感器4274。
一个或多个空气路径物件可定位于可拆卸的单独结构内，可拆卸的单独结构将称为气动块4020。气动块4020可定位于外部壳体4010内。在一种形式中，气动块4020由底盘4016支撑，或形成其一部分。
RPT装置4000可具有电源4210、一个或多个输入装置4220、中央控制器4230、治疗装置控制器4240、压力产生器4140、一个或多个保护电路4250、存储器4260、转换器4270、数据通信接口4280以及一个或多个输出装置4290。电气组件4200可安装在单个印刷电路板组件(PCBA)4202上。在一种替代性形式中，RPT装置4000可包括多于一个PCBA 4202。
12.3.1 RPT装置的机械和气动组件
RPT装置4000可在整体单元中包括一个或多个以下组件。在一种替代性形式中，一个或多个以下组件可定位为各自分离的单元。
12.3.1.1空气过滤器
根据本技术的一种形式的RPT装置4000可包括一个空气过滤器4110或多个空气过滤器4110。
在一种形式中，入口空气过滤器4112定位在压力产生器4140上游的气动路径的起点。
在一种形式中，出口空气过滤器4114，例如抗菌过滤器，定位在气动块4020的出口与患者接口3000之间。
12.3.1.2消音器
根据本技术的一种形式的RPT装置4000可以包括一个消音器4120或多个消音器4120。
在本技术的一种形式中，入口消音器4122定位在压力产生器4140上游的气动路径中。
在本技术的一种形式中，出口消音器4124定位在压力产生器4140与患者接口3000之间的气动路径中。
12.3.1.3压力产生器
在本技术的一种形式中，用于供应加压空气的压力产生器4140为可控鼓风机4142。例如，鼓风机4142可包括无刷DC电机4144，其具有一个或多个封装在蜗壳中的叶轮。压力产生器4140可能够，例如以高达约120升/分钟的速率，并以约4cmH2O至约20cmH2O范围内的正压或高达约30cmH2O的其他形式生成空气供给或空气流。
压力产生器4140在治疗装置控制器4240的控制下。
在其他形式中，压力产生器4140可为活塞驱动泵、与高压源相连的压力调节器(例如，压缩空气贮存器)或风箱。
12.3.1.4转换器
转换器可以是在RPT装置内部，或RPT装置外部。外部转换器可定位于例如空气回路例如患者接口上或形成其一部分。外部转换器可以是非接触传感器的形式，诸如传输或传递数据至RPT装置的多普勒雷达运动传感器。
在本技术的一种形式中，一个或多个转换器4270定位在压力产生器4140上游和/或下游。一个或多个转换器4270可经构造并配置成生成表示在气动路径中在该点处的气流的相关特性诸如流速、压力或温度。
在本技术的一种形式中，一个或多个转换器4270邻近患者接口3000定位。
在一种形式中，可诸如通过低通滤波、高通滤波或带通滤波对来自转换器4270的信号进行滤波。
12.3.1.5防溢回阀
在本技术的一种形式中，防溢回阀4160定位在湿化器5000与气动块4020之间。防溢回阀被构造和配置成降低水从湿化器5000向上游流动到例如马达4144的风险。
12.3.1.6空气回路
根据本技术的一个方面的空气回路4170为导管或管子，其在使用时被构造并配置成允许空气流在两个组件比如气动块4020与患者接口3000之间流动。
12.3.1.7氧输送
在本技术的一种形式中，将补充氧4180输送至气动路径中的一个或多个点，诸如气动块4020的上游处，进而输送至空气回路4170和/或患者接口3000。
12.3.2 RPT装置电气组件
12.3.2.1电源
在本技术的一种形式中，电源4210可以是在RPT装置4000的外部壳体4010的内部。在本技术的另一种形式中，电源4210可以是在RPT装置4000的外部壳体4010的外部。
在本技术的一种形式中，电源4210仅向RPT装置4000提供电力。在本发明技术的另一种形式中，电源4210向RPT装置4000和湿化器5000两者提供电力。
12.3.2.2输入装置
在本技术的一种形式中，RPT装置4000包括按钮、开关或转度盘形式的一个或多个输入装置4220，以允许人员与装置进交互。按钮、开关或转度盘可以是经由触摸屏幕访问的实体装置或者软件装置。在一种形式中，按钮、开关或转度盘可以实体连接到外部壳体4010，或者在另一种形式中，按钮、开关或转度盘可以与接收器无线通信，接收器与中央控制器4230电连接。
在一种形式中，输入装置4220可以被构造并配置成允许人员选择值和/或菜单选项。
12.3.2.3中央控制器
在本技术的一种形式中，中央控制器4230是适于控制RPT装置4000的处理器诸如x86INTEL处理器。
根据本技术的另一种形式，适于控制RPT装置4000的中央控制器4230包括基于来自安谋国际科技(ARM Holdings)公司的ARM Cortex-M处理器的处理器。例如，可使用来自意法半导体(ST MICROELECTRONIC)公司的STM32系列微控制器。
根据本技术的另一种替代性形式，适于控制RPT装置4000的中央控制器4230包括选自家族基于ARM9的32位RISC CPU的构件。例如，可使用来自意法半导体公司的STR9系列微控制器。
在本技术的某些替代性形式中，16位元RISC CPU可用作RPT装置4000的中央控制器4230。例如，可使用来自由德州仪器(TEXAS INSTRUMENTS)公司制造的MSP430家族微控制器的处理器。
在本技术的另一种形式中，中央控制器4230为专用电子电路。在另一种形式中，中央控制器4230为专用集成电路(ASIC)。在另一种形式中，中央控制器4230包括分立电子组件。
中央控制器4230可配置成接收来自一个或多个转换器4270、一个或多个输入装置4220以及湿化器5000的输入信号。
中央控制器4230配置成为输出装置4290、治疗装置控制器4240、数据通信接口4280和湿化器5000中的一个或多个提供输出信号。
在本技术的一些形式中，中央控制器4230配置成实施本文所述的一种或多种方法，诸如一种或多种表示为计算机程序的算法4300，这些计算机程序存储在非暂时性计算机可读存储介质诸如存储器4260中。在本技术的一些形式中，如先前所讨论的，中央控制器4230可与RPT装置4000集成。然而，在本技术的一些形式中，一些方法可通过远程定位装置来执行。例如，远程定位装置可通过对诸如来自本文所述的任何传感器的存储数据进行分析来确定呼吸机的控制设置或检测呼吸相关事件。
虽然中央控制器4230可包括与各种传感器(例如，转换器4270)相互作用的单个控制器、数据通信接口4280、存储器4260以及其他装置，控制4230的功能可分布在一个以上的控制器中。因此，如本文所用的术语“中央”不意图限制控制其他装置的单个控制器或处理器的结构。例如，替代性结构可包括涉及一个以上的控制器或处理器的分布控制器结构。这可包括例如执行一些算法4300的单独本地(即，在RPT装置4000内)或远程定位控制器或甚至储存一些算法的一个以上的本地或远程存储器。另外，当表示为计算机程序时的算法可包括高水平人类可读编码(例如，C++、Visual Basic、其他面向对象语言等)或低/机器水平指令(Assembler、Verilog等)。根据算法的功能，此编码或指令可在控制器中燃烧，例如ASIC或DSP，或者是可执行来装至DSP或通用处理器的运行时间，这些处理器然后特别编程来执行算法所要求的任务。
12.3.2.4时钟
RPT装置4000可包括时钟4232，其与中央控制器4230相连。
12.3.2.5治疗装置控制器
在本技术的一种形式中，治疗装置控制器4240为治疗控制模块4330，其形成由中央控制器4230执行的算法4300的一部分。
在本技术的一种形式中，治疗装置控制器4240为专用马达控制集成电路。例如，在一种形式中，使用安森美(ONSEMI)公司制造的MC33035无刷DC马达控制器。
12.3.2.6保护电路
根据本技术的RPT装置4000可包括一个或多个保护电路4250。
根据本技术的一种形式的保护电路4250是电气保护电路。
根据本技术的一种形式的保护电路4250是温度或压力安全电路。
12.3.2.7存储器
根据本技术的一种形式，RPT装置4000包括存储器4260，例如非易失性存储器。在一些形式中，存储器4260可包括电池供电的静态RAM。在一些形式中，存储器4260可包括易失性RAM。
存储器4260可定位在PCBA 4202上。存储器4260可以是EEPROM或NAND闪存的形式。
另外地或可替代地，RPT装置4000包括可拆卸形式的存储器4260，例如按照安全数字(SD)标准制造的存储卡。
在本技术的一种形式中，存储器4260用作非暂时性计算机可读存储介质，其上存储表示本文所述的一种或多种方法的计算机程序指令，诸如一个或多个算法4300。
12.3.2.8转换器
转换器可以是在装置4000的内部，或在RPT装置4000的外部。外部转换器可定位于例如空气输送回路4170(例如在患者接口3000处)上或形成其一部分。外部转换器可以是非接触传感器的形式，诸如传输或传递数据至RPT装置4000的多普勒雷达运动传感器。
12.3.2.8.1流速
根据本技术的流速转换器4274可以是基于压差转换器，例如来自SENSIRION的SDP600系列压差转换器。压差转换器与气动回路流体连通，其中每个压力转换器之一连接至限流元件中的相应第一点和第二点。
在一个实例中，表示来自流量转换器4274的总流速Qt的信号由中央控制器4230接收。
12.3.2.8.2压力
根据本技术的压力转换器4272与气动路径流体连通地定位。适合压力转换器4272的实例是来自HONEYWELL ASDX系列的传感器。替代性适合压力转换器是来自GENERALELECTRIC的NPA系列的传感器。
在使用中，来自压力转换器4272的信号由中央控制器4230接收。在一种形式中，来自压力转换器4272的信号在由中央控制器4230接收之前滤波。
12.3.2.8.3马达转速转换器
在本技术的一种形式中，马达转速转换器4276用于确定马达4144和/或鼓风机4142的转动速度。可将来自马达转速转换器4276的马达转速信号提供给治疗装置控制器4240。马达转速转换器4276可以是例如转速传感器，诸如霍尔效应传感器。
12.3.2.9数据通信系统
在本技术的一种形式中，提供数据通信接口4280，其与中央控制器4230相连。数据通信接口4280可连接到远程外部通信网络4282和/或本地外部通信网络4284。远程外部通信网络4282可连接到远程外部装置4286。本地外部通信网络4284可连接到本地外部装置4288。
在一种形式中，数据通信接口4280为中央控制器4230的一部分。在另一种形式中，数据通信接口4280与中央控制器4230分离，并可包括集成电路或处理器。
在一种形式中，远程外部通信网络4282为因特网。数据通信接口4280可使用有线通信(例如，经由以太网或光纤)或无线协议(例如，CDMA、GSM、LTE)连接到因特网。
在一种形式中，本地外部通信网络4284利用一种或多种通信标准，例如蓝牙或消费者红外协议。
在一种形式中，远程外部装置4286可以是一台或多台计算机，例如网络计算机的群集。在一种形式中，远程外部装置4286可以是虚拟计算机，而非实体计算机。在任一情况下，此远程外部装置4286可以由适当授权人员(例如临床医生)进行访问。
本地外部装置4288可以是个人计算机、移动电话、平板或远程控制装置。
在一种形式中，接口可与传感器诸如本文所述的任何传感器(包括例如RF运动传感器)通信。
12.3.2.10包括可选的显示器、警报器的输出装置
根据本技术的输出装置4290可以采取视觉、听觉和触觉单元中的一个或多个的形式。视觉显示器可以是液晶显示器(LCD)或者发光二极管(LED)显示器。
12.3.2.10.1显示驱动器
显示器驱动器4292接收作为输入的意图显示在显示器4294上的字符、符号或图像，并将它们转换成使显示器4294显示那些字符、符号或图像的命令。
12.3.2.10.2显示器
显示器4294配置成响应从显示器驱动器4292接收的命令可视地显示字符、符号或图像。例如，显示器4294可以是八段显示器，在这种情况下，显示器驱动器4292将每个字符或者符号(诸如：数字“0”)转换成八个逻辑信号，这些逻辑信号指示这八个相应的节段是否将被激活以显示特定的字符或符号。
12.3.3 RPT装置算法
12.3.3.1预处理模块
根据本技术的预处理模块4310接收作为输入的来自转换器4270(例如，流速传感器4274或压力传感器4272)的原始数据，并且指向一个或多个处理步骤以计算一个或多个输出值，这些输出值将用作另一个模块例如治疗引擎模块4320的输入。
在本技术的一种形式中，输出值包括接口或面罩压力Pm、呼吸流量Qr和泄露流速Ql。
在本技术的各种形式中，预处理模块4310以下算法中的一个或多个：压力补偿4312、排气口流速估算4314、泄露流速估算4316、呼吸流量估算4317、换气量确定4311、目标换气量确定4313、呼吸速率估算4318以及备用频率确定4319。
12.3.3.1.1压力补偿
在本技术的一种形式中，压力补偿算法4312接收作为输入指示邻近气动块4020的出口的气动路径中的压力的信号。压力补偿算法4312估算在空气回路4170中的压降并且提供在患者接口3000中作为输出的估算压力Pm。
12.3.3.1.2排气口流速估算
在本技术的一种形式中，排气口流速估算算法4314接收在患者接口3000中作为输入的估算压力Pm并估算在患者接口3000中来自排气口3400的排气口空气流速Qv。
12.3.3.1.3泄露流速估算
在本技术的一种形式中，泄露流速估算算法4316接收作为输入的总流速Qt和排气口流速Qv，并且估算泄露流速Ql。在一种形式中，泄露流速估算算法4316通过计算总流速与排气口流速Qv之间的差值在足够长到包括多个呼吸周期(例如，约10秒)的时段内的平均值来估算泄露流速Ql。
在一种形式中，泄露流速估算算法4316接收作为输入在患者接口3000中的总流速Qt、排气口流速Qv和估算压力Pm，并且通过计算泄漏电导并确定泄露流速Ql为泄漏电导和压力Pm的函数来估算泄露流速Ql。泄漏电导可被计算为等于总流速Qt与排气口流速Qv之间的差值的低通滤波非排气口流速的商和压力Pm的低通滤波平方根，其中低通滤波时间常数具有足够长到包括多个呼吸周期(例如，约10秒)的值。泄露流速Ql可被估算为泄漏电导与压力函数Pm的积。
12.3.3.1.4呼吸流量估算
在本技术的一种形式中，呼吸流量估算算法4317接收作为输入的总流速Qt、排气孔流速Qv和泄露流速Ql，并且通过从总流速Qt减去排气口流速Qv和泄露流速Ql来估算呼吸空气流速Qr。
在本技术的其他形式中，呼吸流量估算算法4317提供用作呼吸流量Qr的代理的值。呼吸流量可能的代理包括：
-患者1000的胸部呼吸运动
-由压力产生器4140抽取的电流
-压力产生器4140的马达转速
-患者1000的经胸廓电阻率
呼吸流量代理值可通过RPT装置4000中的转换器4270(诸如马达转速传感器4276)或者RPT装置4000外部的传感器(诸如呼吸运动传感器或经胸廓电阻率传感器)提供。
12.3.3.1.5换气量确定
在本技术的一种形式中，换气量确定算法4311接收作为输入的呼吸流量Qr，并且确定指示当前患者换气量测量值Vent。
在一些实施方式中，换气量确定算法4311确定作为实际患者换气的估值的换气量测量值Vent。
在一种此类实施方式中，换气量测量值Vent是呼吸流量Qr的绝对值的一半，其可选地通过低带滤波器诸如二级Bessel低带滤波器以0.11Hz的转角频率滤波。
在一种此类实施方式中，换气量测量值Vent是总肺泡通气(即，非解剖学死腔换气)的估值。这需要估算解剖学死腔。可使用患者高度(或者在严重骨骼畸形的情况下为臂距)作为解剖学死腔的良好预测因子。总肺泡换气然后等于实际患者换气量测量值，例如如以上所确定的，减去所估算解剖学死腔和所估算自发呼吸速率Rs的积。
在其他实施方式中，换气量确定算法4311确定与实际患者换气广泛成比例的换气量测量值Vent。一种此类实施方式估算在周期的吸气部分内的峰值呼吸流量Q峰值。这和许多涉及对呼吸流量Qr进行取样的其他程序产生与换气广泛成比例的测量值，只要流速波形形状不会改变太多(在此，当以时间和振幅归一化的呼吸的流速波形类似时获取的两次呼吸的形状是类似的)。一些简单实例包括中值正呼吸流量、呼吸流量绝对值的中值和流量标准偏差。使用正系数的呼吸流量的绝对值和甚至使用正系数和负系数二者的一些绝对值的任意次序统计血的任意线性组合大约与换气成比例。另一个实例是呼吸流量在呼吸部分的中间K比例(乘以时间)中的平均值，其中0<K<1。这是与流量波形形状恒定时的换气精确成比例的任意大量的测量值。
在其他形式中，换气量确定算法4311确定换气量测量值Vent，其并不基于呼吸流量Qr，但是为当前患者换气的代理，诸如氧饱和(SaO2)或二氧化碳(PCO2)的分压，其获自附接至患者的1000的适合传感器。
12.3.3.1.6目标换气量确定
在本技术的一种形式中，中央控制器4230获取作为输入的当前换气量测量值Vent，并且执行用于确定换气量测量值的目标值Vtgt的一个或多个目标换气量确定算法4313。
在本技术的一些形式中，没有目标换气量确定算法4313，并且例如通过在RPT装置4000的配置期间硬编码或者通过经由输入装置4220手动输入来预先确定目标换气Vtgt。
在本技术的其他形式诸如自适应伺服换气(ASV)治疗(下文所述)中，目标换气量确定算法4313由指示患者1000的典型最新换气的值Vtyp计算目标换气Vtgt。
在自适应伺服换气治疗的一些形式中，目标换气Vtgt被计算为高比例典型最新换气Vtyp但小于该最新换气。在此类形式中，高比例可以是在范围(80％、100％)，或(85％、95％)，或(87％、92％)内。
在自适应伺服换气治疗的其他形式中，目标换气Vtgt被计算为稍微大于一倍典型最新换气Vtyp。
典型最新换气Vtyp是当前换气量测量值Vent在预定时间标度的多个时刻内的分布倾向于群集在其周围的值，即当前换气量测量值在最近历史内的集中趋势测量值。在目标换气量确定算法4313的一种实施方式中，最近历史是几分钟级别的，但是在任何情况下应长于潮式呼吸增大和减小周期的时间标度。目标换气量确定算法4313可使用集中趋势的熟知测量值的种类由当前换气量测量值Vent确定典型最近换气Vtyp。一种此类测量值是低带滤波器对当前换气量测量值Vent的输出，其中时间常数等于一百秒。
12.3.3.1.7呼吸速率估算
在本技术的一种形式中，呼吸速率估算算法4318接收作为输入的患者1000的呼吸流量Qr，并且产生患者的自发呼吸速率Rs的估值。
呼吸速率估算算法4318可估算当患者1000自发呼吸时，即当RPT装置4000未输送“备用呼吸”(下文所述)时的时间段内的自发呼吸速率Rs。在本技术的一些形式中，呼吸速率估算算法4318估算当伺服辅助(定义为压力支持减去最小压力支持)较低时，在一个实施方式中小于4cmH2O时的时间段内的呼吸速率，因为此类时间段更可能反映自发呼吸运作。
在本技术的一些形式中，呼吸速率估算算法4318估算睡眠呼吸时段内的呼吸速率，因为在这些时间段期间的呼吸速率可基本上不同于清醒时期的呼吸速率。焦虑通常导致呼吸速率高于睡眠期间普遍的呼吸速率。当患者聚焦于其呼吸过程时，其呼吸速率通常低于在正常清醒期间或睡眠期间的那些呼吸速率。诸如公布为WO 2011/006199的专利申请号PCT/AU2010/000894(该专利以引用的方式并入本文)所述的技术可用于由呼吸流量Qr识别清醒呼吸的时间段。
在本技术的一些形式中，呼吸速率估算算法4318估算自发呼吸速率Rs，作为在感兴趣时间段期间呼吸持续时间Ttot的集中趋势的许多熟知统计学测量值之一。在此类测量值中，希望排除异常值或至少是异常值稳健的。一种此类测量值截尾均值是异常值稳健的，其中分选的呼吸持续时间的下K比例和上K比例被丢弃并且计算在其余呼吸持续时间的平均值。例如，当K是0.25时，这达到呼吸持续时间Ttot的上四分位数和下四分位数。中值是集中趋势的另一个稳健测量值，尽管当分布是强力双模态时这偶尔可产生不能令人满意的结果。简单平均值也可用作集中趋势的测量值，尽管其对异常值敏感。可采用初始间隔滤波阶段，其中与不真实的呼吸速率(例如，大于45次呼吸/分钟或小于6次呼吸/分钟)相对应的连续时间间隔作为异常值从平均值计算中排除。可单独使用或与间隔滤波组合使用的其他滤波机制排除了不是一系列N次连续自发呼吸的一部分的任何呼吸，其中N是一些小整数(例如3)，并且排除一系列连续自发呼吸的早期呼吸和晚期呼吸，例如排除一系列四次呼吸的第一次呼吸和最后一次呼吸。后一种机制的基本原理是一系列自发呼吸的具体地第一次呼吸和最后一次呼吸以及通常早期呼吸和晚期呼吸可以是非典型的；例如，第一次自发呼吸可由于觉醒而发生，并且最后的自发呼吸可由于呼吸驱动逐渐减小而更长，这导致自发呼吸系列结束的备用呼吸。
在本技术的一些形式中，呼吸速率估算算法4318能够使用初始估算时间段对自发呼吸速率Rs进行初始估算，以使能够在治疗引擎模块4320中开始随后的处理，并且然后使用比初始估算时间段更长的估算时间段持续更新自发呼吸速率Rs的估算值。例如，初始估算时间段可以是20分钟的适合自发呼吸，但是估算时间段然后可逐渐增加至某一最大持续时间，例如8小时。与用于此估算的此持续时间的滚动窗口相反，可使用此呼吸持续时间的低带滤波器，随着时期继续，其具有逐渐更长的反应时间(更精确地说，逐渐降低的转角频率)。
在一些形式，适合处理的集中趋势的短期(例如，10分钟)测量值诸如截尾均值可以是适合低带滤波器的输入，以给出改变小时或更长的时间标度的估值Rs。这具有的优点在于，潜在大量的呼吸持续时间数据不需要存储和处理，这可能在截尾均值需要在持续数小时或数天的呼吸持续时间数据的移动窗口上计算时发生。
在本技术的一些形式中，也可以使用在短时间段内并且具体地在一个呼吸内计算的呼吸速率，替代上文所述的集中趋势测量值的呼吸持续时间，从而给出大体上类似但不相同的结果。
12.3.3.1.8备用频率确定
在本技术的一种形式中，备用频率确定算法4319接收作为输入的由呼吸速率估算算法4318提供的自发呼吸速率估值Rs，并且返回“备用频率”Rb。备用频率Rb是RPT装置4000将输送备用呼吸时的频率，即在缺乏大量自发呼吸努力的情况下继续向患者1000提供换气支持。
在预处理模块4310的一种形式中，没有备用频率确定算法4319，并且备用频率Rb反而例如经由输入装置4220手动提供给RPT装置4000，或者在RPT装置4000配置时硬编码。
在一种形式中，称为自适应备用频率，该备用频率确定算法4319确定备用频率Rb为自发呼吸速率Rs的函数。在一种实施方式中，该函数确定备用频率Rb为自发呼吸速率Rs减去常数诸如2次呼吸/分钟。在另一种实施方式中，该函数确定备用频率Rb为自发呼吸速率Rs乘以稍微小于一的常数。
在一种形式中，称为可变备用频率，该备用频率确定算法4319确定备用频率Rb为时间的函数。将备用频率Rb初始化至称为自发备用频率(SBR)的值，该值是最终目标备用频率的一些分数，该最终目标备用频率称为持续定时备用频率(STBR)。该分数可以是三分之二或四分之三或者小于一的其他正值。当大部分最小吸气是自发(即，患者触发的)呼吸时，SBR是超时时期比备用频率的倒数。STBR可以预先确定(例如，通过上文所述的手动输入或硬编码)或设定至一些典型呼吸速率诸如15bpm。从先前自发呼吸之后随着时间的推移，备用频率Rb自SBR增加至STBR。此增加可以根据预先确定的曲线(诸如一系列步骤)或者连续线性曲线。该曲线被选择来使备用频率Rb在预先确定的间隔之后达到STBR。该间隔可以时间单位测量，诸如30秒，或者相对于患者呼吸测量，诸如5次呼吸。
在可变备用频率的一些形式中，备用频率Rb从SBR增加至STBR的预先确定的间隔可以是当前换气的充分性的函数。在一种实施方式中，适用于伺服换气，其中对于换气量测量值存在目标值Vtgt，备份频率使STBR更快接近当前呼气测量值Vent小于目标换气Vtgt的程度。
在可变备份频率的一种形式中，称为自适应可变备份频率，备份频率确定算法4319确定备份频率Rb为由自发呼吸估算算法4318提供的当前估算的自发呼吸速率Rs的函数以及时间的函数。与可变备份频率确定一样，自适应可变备份频率确定在预先确定的间隔内将备份频率Rb从SBR增加至STBR，该预先确定的间隔可以是当前换气的充分性的函数。STBR可被初始化至标准呼吸速率，诸如15bpm。一旦自发呼吸速率Rs的可靠估值可获自呼吸速率估算算法4318，STBR就可设定至当前估算的自发呼吸速率Rs乘以一些常数。SBR可设定至STBR的一些分数，与可变备用频率中一样。在一种形式，该分数(例如，三分之二)可以在自发呼吸速率Rs的估算时间段期间设定至较低值，诸如0.55，以适应具有相对长呼吸速率诸如12次呼吸/分钟的患者的偶尔长呼吸持续时间。
在一些形式中，为获得STBR当前估算的自发呼吸速率Rs所乘以的常数可稍微高于1，例如1.1，以提供呼吸中止期间的更剧烈的换气，这在短呼吸中止中可能是希望的。该常数可稍微低于1，例如0.8，特别是在患者努力恢复时与患者的再同步困难变成特定患者中的问题。通过延长呼气间隙，较低备用频率使得再同步更容易，在此期间常常发生再同步。
12.3.3.2治疗引擎模块
在本技术的一个形式中，治疗引擎模块4320接收作为输入的患者接口3000中的压力Pm、通向患者的呼吸空气流量Qr和自发呼吸速率的估值Rs中的一个或多个，并且提供作为输出的一个或多个治疗参数。在各种形式中，治疗引擎模块4320包括以下算法中的一个或多个：阶段确定算法4321、波形确定算法4322、吸气流量限制确定算法4324、呼吸中止/呼吸不足确定算法4325、打鼾检测算法4326、气道开放性确定算法4327，以及治疗参数确定算法4329。
12.3.3.2.1阶段确定
在本技术的一种形式中，相确定算法4321接收作为输入的指示呼吸流量Qr的信号，并且提供作为输出的患者1000的当前呼吸周期的阶段Φ。
在一些形式中，称为不连续阶段确定，阶段输出Φ是不连续的变量。不连续阶段确定的一种实施方式在分别检测自发吸入和呼出的开始时提供具有吸入值或呼出值(例如分别表示为0和0.5圈)的双值阶段输出Φ。有效“触发”和“循环”的RPT装置4000执行离散的阶段确定，因为触发点和循环点是分别从呼出至吸入和从吸入至呼出的阶段改变的时间。在双值阶段确定的一种实施方式中，确定阶段输出Φ在呼吸流量Qr具有超过正阈值时具有0的离散值(由此“触发”RPT装置4000)，并且在呼吸流量Qr具有比负阈值更负的值时具有0.5圈的离散值(因此“循环”RPT装置4000)。
离散阶段确定的另一种实施方式提供具有吸入、中间吸气停顿和呼出之一的值的三值阶段输出Φ。
在其他形式中，称为连续阶段确定，阶段输出Φ是连续值，例如从0至1圈改变或0至2π弧度改变。执行连续阶段确定的RPT装置4000可在连续阶段分别达到0和0.5圈时触发和循环。在连续阶段确定的一种实施方式中，使用呼吸流量Qr的模糊逻辑分析确定阶段Φ的连续值。在此实施方式中确定的阶段连续值通常称为“模糊阶段”。在模糊阶段确定算法4321的一种实施方式中，将以下规则应用于呼吸流量Qr：
1.如果呼吸流量是零并快速增加，那么该阶段是0圈。
2.如果呼吸流量是大的正值并是稳定的，那么该阶段是0.25圈。
3.如果呼吸流量是零并快速下降，那么该阶段是0.5圈。
4.如果呼吸流量是大的负值并是稳定的，那么该阶段是0.75圈。
5.如果呼吸流量是零并是稳定的并且呼吸流量的5秒低通滤波绝对值较大，那么该阶段是0.9圈。
6.如果呼吸流量是正的并该阶段是呼气，那么该阶段是0圈。
7.如果呼吸流量是负的并该阶段是吸气，那么该阶段是0.5圈。
8.如果呼吸流量的5秒低通滤波绝对值较大，则该阶段以等于患者呼吸速率的稳定速率逐渐增加，以20秒的时间常数低通滤波。
每条规则的输出可被表示向量，该向量的阶段是该规则的结果并且该向量的幅度是规则为真实的模糊程度。呼吸流量“大”、“稳定”等的模糊程度使用适合的隶属函数确定。然后通过一些函数诸如采用图心来组合规则的结果，其表示为向量。在此组合中，这些规则可同等加权或者不同地加权。
在连续阶段确定的另一种实施方式中，吸入时间Ti和呼出时间Te首先由呼吸流量Qr估算。阶段Φ然后被确定为自先前触发时间过去后的吸入时间Ti的比例的一般，或者0.5圈加上自先前循环时间过去后的呼出时间Te(无论那个都更近)的比例的一半。
在本技术的一些形式中，适用于压力支持换气治疗(下文所述)，阶段确定算法4321配置成甚至在呼吸流量Qr不大时诸如在呼吸中止期间触发。因此，RPT装置4000在缺乏患者1000的自发呼吸努力时输送“备用呼吸”。对于此类形式，称为自发/定时(S/T)模式，阶段确定算法4321可利用由备用频率确定算法4319提供的备用频率Rb。
使用“模糊阶段”的阶段确定算法4321可使用备用频率Rb通过在模糊阶段规则中包括“动量”规则来实施S/T模式。动量规则的作用在于如果不存在可另外通过其他规则推进连续阶段的呼吸流量Qr特性则以备用频率Rb将连续阶段从呼出推进至呼入。在一种实施方式中，换气量测量值Vent(在下文中所述)远低于换气目标值Vtgt(也在下文中所述)越真实，则动量规则在组合中加权越高。然而，由于压力支持响应于轻度至中度肺换气不足(相对于目标换气)而快速增加，换气可能相当接近于目标换气。希望当换气接近于目标时动量规则给予低权重，以允许患者以显著低于其他时间(当患者未处于中枢型呼吸中止中时)的呼吸速率的频率呼吸，而无需呼吸机以更高频率推动呼吸。然而，当动量规则给予低权重时当换气超过低于但接近于目标换气的值时，可容易在相对高压力支持下以远低于备用频率的频率实现充分换气。将希望备用呼吸以较高频率输送，因为这将使得目标换气能够以较低压力支持输送。这出于许多原因是希望的，这些原因的一种关键性原因是减少面罩泄露。
总之，在实施S/T模式的模糊阶段确定算法4321中，在选择用于并入备用频率Rb的动量规则的权重方面存在困境：如果动量太高，患者可能感觉被备用频率“推动前行”。如果动量太低，支持压力可能过量。因此，希望提供不依赖于上文所述动量规则的实施S/T模式的方法。
阶段确定算法4321(在无动量规则的情况下是离散或连续的)可以称为定时备用的方式使用备用频率Rb实施S/T模式。定时备用可实施如下：阶段确定算法4321尝试例如通过监测如上文所述的呼吸流量Qr来检测由于自发呼吸努力而开始的吸入。如果在持续触发时间之后的时间段内未检测到由于自发呼吸努力而开始的吸入，该持续触发时间等于备用频率Rb的倒数(间隔称为备用定时阈值)，阶段确定算法4321将阶段输出Φ设定至吸入值(由此触发RPT装置4000)。一旦触发RPT装置4000并且备用呼吸开始输送，则阶段确定算法4321尝试例如通过监测呼吸流量Qr来检测自发呼出的开始，此时阶段输出Φ设定为呼出值(由此使RPT装置4000循环)。
如果备用频率Rb在从SBR至STBR的时间内增加，与上文所述的可变备用频率一样，则备用定时阈值开始变长并且逐渐变得更短。即，RPT装置4000开始较低警惕并且在输送更多备用呼吸时逐渐变得对自发呼吸努力的缺乏更警惕。此RPT装置4000不太可能使患者在偏好以低于标准频率呼吸时感到“推动前进”，而在患者需要时仍输送备用呼吸。
如果可变备用频率系统中的STBR适应患者估算的自发呼吸速率Rs，与上文所述的自适应可变备用频率系统中一样，备用呼吸将以适应患者自身最近的自发呼吸努力的频率输送。
12.3.3.2.2波形确定
在本技术的一种形式中，治疗控制模块4330控制压力产生器4140，以提供根据波形模板П(Φ)随着患者呼吸周期的阶段Φ的函数而变化的治疗压力Pt。
在本技术的一种形式中，波形确定算法4322提供具有范围[0,1]内的值的波形模板П(Φ)，这些值在这些值Φ的结构域中由阶段确定算法4321提供以待由治疗参数确定算法4329使用。
在一种形式中，适用于离散或连续值阶段，波形模板П(Φ)是方波末班，其对于高达并包括0.5圈的阶段值具有1的值并且对于超过0.5圈的阶段值具有0的值。在一种形式中，适用于连续值阶段，波形模板П(Φ)包括两个平滑弯曲部分，即对于高达0.5圈的阶段值从0至1的平滑弯曲(例如，升余弦)升高和对于超过0.5圈的阶段值从1至0的平滑弯曲(例如，指数)衰减。“平滑且舒适”的波形模板的一个实例是“鱼翅”波形模板，其中该升高是升余弦，并且平滑衰减是拟指数的(以使得П的限度在Φ接近一圈时精确地是零)。
在本技术的一些形式中，波形确定算法4322根据RPT装置4000从波形模板库中选择波形模板П(Φ)。该库中每个波形模板П(Φ)可作为值П针对阶段值Φ的查找表来提供。在其他形式中，波形确定算法4322使用预先确定函数形式“即时”计算波形模板П(Φ)，其可能由一个或多个参数(例如，指数弯曲部分的时间常数)进行参数化。函数形式的参数可以是预先确定的或者依赖于患者1000的当前状态。
在本技术的一些形式中，适用于吸入(Φ＝0圈)或呼出(Φ＝0.5圈)的离散双值阶段，波形确定算法4322“即时”计算作为离散阶段Φ和自大部分最近触发时间开始测量的时间t(自呼出至吸入的转变)的函数的波形模板П。在一种此类形式中，波形确定算法4322分如下两部分(吸气和呼气)计算波形模板(Φ，t)：
其中Пi(t)和Пe(t)是波形模板П(Φ，t)的吸气部分和呼气部分，并且Ti是吸入时间。在一种此类形式中，波形模板的吸气部分Пi(t)是从0至1由升高时间参数化的平滑升高，并且模板参数的呼气部分Пe(t)是从1至0由下降时间参数化的平滑下降。
12.3.3.2.3吸气流量限制的确定
在本技术的一种形式中，处理器执行用于检测吸气流量限制(部分阻塞)的一个或多个算法4324。
在一种形式中，算法4324接收作为输入的呼吸流量信号Qr并且提供作为输出的呼吸的吸气部分表现出吸气流量限制的程度的度量。
在本技术的一种形式中，每次呼吸的吸气部分基于在每个时刻估算的阶段Φ来识别。例如，呼吸的吸气部分是阶段Φ小于或等于0.5的呼吸流的值。表示时间点的许多均匀间隔开的点(例如，六十五个)通过插入器沿着每次呼吸的吸气流时间曲线内插。然后通过定标器对由这些点描述的曲线进行定标以具有一致长度(持续时间/时间段)和一致面积以去除改变呼吸速率和深度的作用。然后在比较器中比较定标呼吸与预先评分的表示正常未阻塞呼吸的模板。排除从此模板中在吸气期间的任何时间偏离超过一个指定阈值(通常为1个标定单位)的呼吸，诸如由于咳嗽、叹息、吞咽以及打嗝而引起的那些呼吸，如通过测试元件确定的。对于未排除的数据，通过用于进行若干吸气事件的中央控制器4230计算第一个此类标定点的移动平均值。这对第二个此类点的相同吸气事件重复，以此类推。因此，例如，通过中央控制器4230生成六十五个标定数据点，并且这些数据点表示进行的若干吸气事件(例如，三次事件)的移动平均值。这些(例如，六十五个)点的持续更新值的移动平均值在下文中称为“标定流”，表示为Qs(t)。可替代地，可利用单次吸气事件而非移动平均值。
由标定流，可计算与部分阻塞的确定相关的两个形状系数。
形状系数1是中间(例如，三十二个)标定流点的平均值与平均总(例如，六十五个)标定流点的比率。在此比率超过一的情况下，呼吸被认为是正常的。在此比率是一或更小的情况下，呼吸被认为是阻塞的。约1.17的比率被认为部分阻塞呼吸与未阻塞呼吸之间的阈值，并且相当于将允许在典型使用者中维持充足氧合的阻塞程度。
形状系数2被计算自单位标定流的RMS偏离，这是对于中间(例如，三十二)点获取的。约0.2单位的RMS偏离被认为是正常的。零的RMS偏离被认为是总体流量限制呼吸。RMS偏离越接近于零，呼吸将被认为是流量更受限的。
形状系数1和2可用作替代方案或者组合使用。在本技术的其他形式中，取样点、呼吸点和中间点的数目可不同于上文所述的那些点。另外，阈值可以不是所述的那些值。
12.3.3.2.4呼吸中止和呼吸不足确定
在本技术的一种形式中，中央控制器4230执行用于检测呼吸中止和/或呼吸不足的一个或多个算法4325。
在一种形式中，一个或多个呼吸中止/呼吸不足检测算法4325接收作为输入的呼吸流量Qr并且提供作为输出的指示已检测呼吸中止或呼吸不足的标记。
在一种形式中，呼吸中止将被认为是在呼吸流量Qr的函数持续预定时间段降低至低于流阈值时检测到。该函数可确定峰值流、相对短期平均流或相对短期平均值和峰值流(例如，RMS流)的流中间值。流阈值可以是相对长期流测量值。
在一种形式中，呼吸不足将被认为是在呼吸流量Qr的函数持续预定时间段降低至低于第二流阈值时检测到。该函数可确定峰值流、相对短期平均流或相对短期平均值和峰值流(例如，RMS流)的流中间值。第二流阈值可以是相对长期流测量值。第二流阈值大于用于检测呼吸中止的流阈值。
12.3.3.2.5打鼾检测
在本技术的一种形式中，中央控制器4230执行用于检测打鼾的一个或多个打鼾检测算法4326。
在一种形式中，打鼾检测算法4326接收作为输入的呼吸流量信号Qr并且提供作为输出的打鼾存在的程度的度量。
打鼾检测算法4326可包括确定流速信号在30-300Hz范围内的强度的步骤。打鼾检测算法4326还可包括滤波呼吸流量信号Qr以减少背景噪声(例如，系统中来自鼓风机4142的空气流的声音)的步骤。
12.3.3.2.6气道开放性确定
在本技术的一种形式中，中央控制器4230执行用于确定气道开放性的一个或多个算法4327。
在一种形式中，气道开放性算法4327接收作为输入的呼吸流量信号Qr，并且确定在约0.75Hz与约3Hz频率范围内的信号功率。峰值在此频率范围内的存在被认为指示开放气道。峰值的不存在被认为指示闭合气道。
在一种形式中，所寻求峰值的频率范围是处理压力Pt中的小强迫振荡。在一种实施方式中，强迫振荡具有频率2Hz和振幅约1cmH2O。
在一种形式中，气道开放性算法4327接收作为输入的呼吸流量信号Qr，并且确定心脏发生的信号的存在或不存在。心脏发生的信号的不存在被认为指示闭合气道。
12.3.3.2.7治疗参数确定
在本技术的一些形式中，中央控制器4230执行用于使用由治疗引擎模块4320中的一个或多个其他算法返回的值确定一个或多个治疗参数的一个或多个治疗参数确定算法4329。
在本技术的一种形式中，治疗参数是瞬时治疗压力Pt。在此形式的一种实施方式中，治疗参数确定算法4329使用以下等式确定治疗压力Pt
Pt＝AΠ(Φ)+P0 (1)
其中：
-A是振幅，
-Φ是当前阶段值；
-П(Φ)是在当前阶段值处的波形模板值(在范围0至1中)，并且
-P0是基础压力。
如果波形确定算法4322提供作为由阶段Φ索引的值查找表的波形模板П(Φ)，治疗参数确定算法4329通过将最近查找表条目定位到由阶段确定算法4321返回的当前阶段值Φ或者在跨越当前阶段值Φ的两个条目之间插入来应用等式(1)。
振幅A和基础压力P0的值可由治疗参数确定算法4329根据以下文所述方式选择的压力治疗模式设定。
12.3.3.3治疗控制模块
根据本技术的一个方面的治疗控制模块4330接收作为输入的来自治疗引擎模块4320的治疗参数确定算法4329的治疗参数，并且控制压力产生器4140以根据治疗参数输送空气流。
在本技术的一种形式中，治疗参数是治疗压力Pt，并且治疗控制模块4330控制压力产生器4140以输送气流，该气流在患者接口3000处的面罩压力Pm等于治疗压力Pt。
12.3.3.4故障状态检测
在本技术的一种形式中，处理器执行用于检测故障状态的一种或多种方法4340。由该一种或多种方法检测的故障状态可包括以下至少一种：
-电源故障(无电源或供电不足)
-转换器故障检测
-检测组件存在的故障
-推荐范围之外的运行参数(例如，压力、流量、温度、PaO2)
-测试警报器生成可检测警报信号的故障
在检测故障状态时，相应算法通过以下一个或多个发生故障存在的信号：
-启动音频、可视和/或运动(例如，振动)警报
-发送消息至外部装置
-记录事件
12.4湿化器
在本技术的一种形式中，提供相对于环境空气改变输送至患者的空气或气体的绝对湿度的湿化器5000(例如，如图24所示)。通常，湿化器5000用于增加空气流在输送至患者气道之前的绝对湿度并增加温度(相对于环境空气)。
12.5词汇表
出于本公开的目的，在本技术的某些形式中可应用下列定义中的一个或多个。本技术的其他形式中，可应用另选的定义。
12.5.1通则
空气：在本技术的某些形式中，空气可以被认为意指大气空气，并且在本技术的其他形式中，空气可以被认为是指可呼吸气体的一些其他组合，例如富含氧气的大气空气。
呼吸压力治疗(RPT)：在治疗压力下向气道输送空气供应，该治疗压力通常相对于大气压是正的。
持续气道正压换气(CPAP)治疗：其中在患者的整个呼吸周期期间治疗压力近似恒定的呼吸压力治疗。在一些形式中，气道入口处的压力在呼气期间将稍微更高，并且在吸气期间稍微更低。在一些形式中，压力将在患者的不同呼吸周期之间变化，例如，响应于检测到部分上气道阻塞的指示而增大，以及在缺乏部分上气道阻塞的指示而减小。
患者：人，不论他们是否患有呼吸道疾病。
自动气道正压换气(APAP)治疗：其中治疗压力在最小限度和最大限度之间是可自动调节的CPAP治疗，例如随每次呼吸而不同，这取决于是否存在SBD事件的指示。
12.5.2呼吸周期方面：
呼吸中止：根据一些定义，当气流持续一段时间(例如10秒)降低到预定阈值以下时，呼吸中止被认为已发生。尽管患者努力，但是当气道的一些阻塞使得空气不能流动时，呼吸中止将被认为已发生。当检测到由于减少呼吸努力或不存在呼吸努力导致的呼吸中止时，中枢性呼吸中止将被认为已发生。
呼吸速率或呼吸速率(Rs)：患者的自发呼吸速率，通常以每分钟呼吸次数测量。
占空比：吸气时间(Ti)与总呼吸持续时间(Ttot)的比率。
努力(呼吸)：自发呼吸者尝试呼吸所做的工作。
呼吸周期的呼气部分：从呼气流开始到吸气流开始的时间周期。
流量限制：患者的呼吸中的事态，其中患者的努力增加不会产生流量的相应增加。在呼吸周期的吸气部分期间流量限制发生处，可以将其描述为吸气流量限制。在呼吸周期的呼气部分期间流量限制发生处，可以将其描述为呼气流量限制。
呼吸不足：流量的减小，但不是流量的停止。在一种形式中，当流量持续一段时间降低到阈值以下时可被认为已发生呼吸不足。在成人的一种形式中，以下的任一种可以被认为是呼吸不足：
(i)患者呼吸的30％减少持续至少10秒加上相关的4％饱和度减小；或者
(ii)患者呼吸的减少(但至少50％)持续至少10秒，伴随相关的至少3％的饱和度减小或唤醒。
呼吸周期的吸气部分：从吸气流开始到呼气流开始的时间段将被认为是呼吸周期的吸气部分。
开放性(气道)：气道打开的程度，或气道开放的程度。开放的气道是开放的。可以对气道开放性进行定量，例如值一(1)为开放的，并且值零(0)为封闭的。
呼气末正压换气(PEEP)：在呼气结束时存在的肺中大气压以上的压力。
峰值流量(Q峰)：呼吸流量波形的呼气部分期间的流量的最大值。
呼吸流量/空气流量、患者流量/空气流量(Qr)：这些同义术语可被理解成指RPT装置对呼吸空气流量的估算，与由患者所经历的实际呼吸流量的“真实呼吸流量”或“真实呼吸空气流量”相对，通常以升/每分钟表示。
潮气量(Vt)：当不施加额外的努力时，正常呼吸期间吸入或呼出的空气体积。
吸气时间(Ti)：呼吸流量波形的吸气部分的持续时间。
呼气时间(Te)：呼吸流量波形的呼气部分的持续时间。
(总)时间或呼吸持续时间(Ttot)：一个呼吸流量波形的吸气部分的开始与随后的呼吸流量波形的吸气部分的开始之间的总持续时间。
上气道阻塞(UAO)：包括部分和全部上气道阻塞两者。这可以与流量限制的状态相关联，其中流量仅略微增加或者甚至可以随着通过上呼吸道的压力差增加而减小(Starling阻抗行为)。
换气量(Vent)：由患者的呼吸系统所交换的气体总量的测量值。换气量的测量值可以包括每单位时间的吸气和呼气流量的一者或两者。当以体积/分钟的形式表示时，此量通常被称为“每分钟换气量”。每分钟换气量有时仅以体积形式给出，被理解成是体积/分钟。
12.5.3 RPT装置参数
流速：每单位时间输送的空气的瞬时体积(质量)。虽然流速和换气量具有每单位时间的体积或质量的相同尺寸，但是流速是对短许多的时间段测量的。流量对于患者的呼吸周期的吸气部分而言在名义上是正的，并且因此对于患者的呼吸周期的呼气部分而言是负的。在一些情况下，流速的参考将是纯量的参考，即仅具有幅度的数量。在其他情况下，流速的参考将是向量的参考，即具有幅度和方向的数量。流速将给予符号Q。‘流速’有时也缩短为简单的‘流量’。总流速Qt是空气离开RPT装置的流量。排气口流速Qv是空气离开排气口以允许冲洗呼出气体的流量。泄露流速Ql是从患者接口系统意外泄露的流速。呼吸流速Qr是空气接收到患者呼吸系统中的流量。
泄露：单词泄漏将被认为是非期望的空气流量。在一个实例中，可由于面罩和患者面部之间的不完全密封而发生泄漏。在另一实例中，泄漏可发生在通向周围环境的回转弯管中。
压力：每单位面积的力。压力可以在单位(包括cmH2O、g-f/cm2和百帕斯卡)的范围内测量。1cmH2O等于1g-f/cm2并且为约0.98百帕斯卡。在本说明书中，除非另外说明，否则压力以cmH2O为单位给出。患者接口中的压力(面罩压力)以符号Pm给出，而治疗压力以符号Pt给出，该治疗压力表示在当前时刻通过面罩压力Pm所获得的目标值。
12.5.4换气机术语
自适应伺服呼吸机(ASV)：具有可变的目标换气量而不是固定目标通气量的伺服呼吸机。可变的目标换气量可以从患者的一些特征中获知，例如患者的呼吸特征。
备用频率：建立如果不是由自发呼吸努力引起的，那么呼吸机将输送到病人的呼吸速率(典型地以每分钟呼吸次数为单位)的呼吸机的参数。
循环的：呼吸机的吸气阶段的终止。当呼吸机将呼吸输送到自发呼吸的患者时，在呼吸周期的吸气部分结束时，呼吸机被认为是循环的，以停止输送呼吸。
呼气期气道正压(EPAP)：基础压力，向其中加入呼吸中变化的压力以产生呼吸机将在给定时间处尝试获得的期望面罩压力。
呼气末期压力(EEP)：呼吸机将在呼吸的呼气部分末期尝试获得的期望面罩压力。如果压力波形模板П(Φ)在呼气末期是零值的，即当Φ＝1时П(Φ)＝0，则EEP等于EPAP。
IPAP：呼吸机在呼吸的吸气部分期间将尝试获得的最大期望面罩压力。
压力支持：指示呼吸机吸气期间的压力超过呼吸机呼气期间的压力增加的数字，并且通常意指吸气期间的最大值与基本压力之间的压力差(例如，PS＝IPAP–EPAP)。在一些情况下，压力支持意指呼吸机计划获得的差值，而不是其实际获得的差值。
伺服呼吸机：测量患者换气量，具有目标换气量，并调节压力支持水平以将患者换气量带向目标换气量的呼吸机。伺服辅助：压力支持减去最小压力支持。
自发的/定时的(S/T)：试图检测自发呼吸患者的呼吸启动的呼吸机或其他装置的模式。然而，如果该装置在预定时间周期内不能检测到呼吸，则该装置将会自动启动呼吸的输送。
摆动差：压力支持的等同术语。
引发的：当呼吸机将空气呼吸输送到自发呼吸患者时，其被认为通过患者的努力在呼吸周期的吸气部分的开始处被触发来这样做。
典型的近期换气量：典型的近期通气量Vtyp是一些预定时间标度上的换气量的近期测量值倾向于聚集在其周围的值，即近期历史上换气量测量值的集中趋势的测量值。
呼吸机：为患者提供压力支持以执行一些或所有呼吸工作的机械装置。
12.6其他说明
本专利文件的公开的一部分包含受版权保护的材料。因为它出现在专利与商标局的专利文件或记录中，所以版权所有者不反对任何人对本专利文件或专利公开的副本进行复制，但在其他方面却保留所有的版权权利。
除非上下文中明确说明并且提供数值范围的情况下，否则应当理解，在该范围的上限与下限之间的每个中间值，到下限单位的十分之一，以及在所述范围内的任何其他所述值或中间值均广泛地包含在本发明技术内。这些中间范围的上限和下限可独立地包括在中间范围内，也包括在本发明技术范围内，但受制于所述范围内的任何明确排除的界限。在所述范围包括该界限中的一个或两个时，排出那些所包括的限制的界限中的一个或两个的范围也包括在本发明技术内。
此外，在本发明技术所述的一个值或多个值作为本发明技术的部分的一部分进行实施的情况下，应理解的是，此类值可以是近似的，除非另外说明，并且此类值可以实用的技术实施可允许或需要其的程度用于任何适当的有效数位。
除非另有定义，本文所使用的所有技术和科技术语具有与本发明技术所属领域的普通技术人员通常所理解的相同的含义。尽管任何与本发明所描述的方法和材料相似或等同的方法和材料也可用于本发明技术的实践或测试中，但本文描述了有限数量的示例性方法和材料。
当特定材料被认为是优选地用于构造组件时，具有类似性质的明显替代材料作为其替代物。另外，除非相反规定，否则本文所述的任何和全部组件均被理解为能够被制造且因而可以一起或分开制造。
必须注意的是，除非上下文另有明确规定，否则如本文和在所附权利要求书中所使用，单数形式“一个”和“所述”包括其复数等效物。
本文提及的全部出版物均以引用的方式并入，以公开并描述作为那些出版物的主题的方法和/或材料。本文所讨论的出版物仅提供用于先于本申请的申请日的公开内容。本文均不能被解释为凭借在先发明承认本发明技术无权早于此类出版物。另外，所提供的出版日期可能不同于实际出版日期，出版日期可能需要进行独立地确认。
此外，在解释本公开时，所有术语应以与上下文一致的最广泛合理的方式解释。术语“包括”和“包含”应被解释为以非排他方式所参考的元件、部件或步骤可以与其他未明确参考的元件、部件或步骤一起呈现、一起使用或结合。
详细描述中使用的主标题仅为了便于读者参考而包括在内，而不应用于限制见于整个公开或权利要求书中的发明主题。主题标题不应用来解释权利要求书的范围或权利要求书限制。
尽管已经参考具体实施例对本发明技术进行描述，但是应当理解的是，这些实施例仅说明本技术的原理和应用。在一些情况下，专有名词术语和符号可以暗含实践本发明技术所不需要的具体细节。例如，尽管可以使用术语“第一”和“第二”，但是除非另外规定，否则它们并非旨在指示任何顺序，而是可以用来区分不同元件。另外，尽管可以一定顺序来描述或说明方法中的过程步骤，但是此顺序是不需要的。本领域技术人员将认识到，此顺序可以被修改，和/或此顺序的方面可以同时或甚至同步进行。
因此，应当理解的是，可以对示例性实施例作出多种修改并且可以设计出其他布置，而不脱离本发明技术的精神和范围。
还应理解的是，除非出现相反的指示，否则本文中对本领域已知的主题的任何参考不承认此主题为本技术所涉及领域技术人员通常已知的。
部分列表
检测设备 100
患者 1000
床伴 1100
特性提取单元 1922
分类过程 1928
分类器组合器过程 1940
患者接口 3000
建筑物 3100
充气室 3200
建筑物 3300
排气口 3400
连接端口 3600
前额支架 3700
RPT装置 4000
外部壳体 4010
上部 4012
下部 4014
面板 4015
底盘 4016
手柄 4018
气动块 4020
气动组件 4100
空气过滤器 4110
空气入口过滤器 4112
空气出口过滤器 4114
消音器 4120
入口消音器 4122
出口消音器 4124
压力产生器 4140
鼓风机 4142
马达 4144
止回阀 4160
空气输送回路 4170
补充氧 4180
电气组件 4200
PCBA 4202
电源 4210
输入装置 4220
中央控制器 4230
时钟 4232
治疗装置控制器 4240
保护电路 4250
存储器 4260
转换器 4270
压力传感器 4272
流速传感器 4274
马达转速传感器 4276
数据通信接口 4280
远程外部通信网络 4282
本地外部通信网络 4284
远程外部装置 4286
本地外部装置 4288
输出装置 4290
显示驱动器 4292
显示器 4294
算法 4300
处理模块 4310
换气量确定算法 4311
压力补偿算法 4312
目标换气量确定算法 4313
目标换气量确定 4313
排气口流速估算算法 4314
泄露流速估算算法 4316
呼吸流速估算算法 4317
呼吸速率估算算法 4318
备用频率确定算法 4319
治疗引擎模块 4320
阶段确定算法 4321
波形确定算法 4322
吸气流量限制确定算法 4324
呼吸中止/呼吸不足确定算法 4325
打鼾检测算法 4326
气道开放性确定算法 4327
治疗参数确定算法 4329
治疗控制模块 4330
方法 4340
方法 4500
湿化器 5000
设定分类过程 2020a
设定分类过程 2020b
特定分类过程 2028a
特定分类过程 2028b
分类组合器 2040a
分类组合器 2040b

Claims (92)

1.一种用于监测一个或多个人员的生理参数的识别人员的系统，所述系统包括：
一个或多个传感器，所述一个或多个传感器用于监测一个或多人员的生理参数，以及
一个或多个处理器，所述一个或多个处理器配置成处理来自所述一个或多个传感器的信号以识别人员，所述处理包括估算特性，所述特性包括一个或多个呼吸特性、心脏特性或移动特性。
2.如权利要求1所述的系统，其中所述估算特性包括分析以下至少一个：所检测的呼吸速率、所检测的呼吸深度、所检测的移动程度以及所检测的心率。
3.如权利要求1至2中任一项所述的系统，其中所述一个或多个传感器包括射频非接触传感器。
4.如权利要求2所述的系统，其中所述监测包括检测所述人员在睡眠期间的生理特征。
5.如权利要求1至4中任一项所述的系统，其中所述处理包括检测所述人员的睡眠阶段。
6.如权利要求1至5中任一项所述的系统，其中所述处理包括检测所述人员的深度睡眠。
7.如权利要求1至63中任一项所述的系统，所述处理包括检测所述人员的REM睡眠。
8.如权利要求1至7中任一项所述的系统，其中所述监测包括检测所述人员在清醒时间期间的生理特征。
9.如权利要求1至8中任一项所述的系统，其中所述一个或多个传感器包括以下任何一个或多个：
射频非接触传感器；
生物运动传感器；以及
可佩戴传感器。
10.如权利要求1至9中任一项所述的系统，其中所述一个或多个处理器的所述估算包括检测和分析任何一个或多个特征，所述任何一个或多个特征包括生物特征和行为特征。
11.如权利要求1至10中任一项所述的系统，其中所述一个或多个传感器配置成使所述一个或多个传感器中的至少两个传感器之间的干扰最小化。
12.如权利要求1至11中任一项所述的系统，其中所述一个或多个传感器通过改变距离选通脉冲时间、脉冲发射的功率电平、脉冲的检测频率的控制参数和/或调节可控天线的定位来使干扰最小化。
13.如权利要求1至12中任一项所述的系统，其中所述一个或多个传感器经由有线或无线链路通信。
14.如权利要求1至13中任一项所述的系统，其中特征性生物特征参数被应用来动态调节所述一个或多个传感器中的至少一个传感器的性能以便优化独立人类来源的生理识别并排除其他来源。
15.如权利要求1至14中任一项所述的系统，进一步包括与所述一个或多个传感器通信的控制处理器，所述控制处理器与所述一个或多个传感器通信以基于所述一个或多个传感器对所述人员、其他人或动物的识别来调节所述一个或多个传感器的检测控制参数。
16.如权利要求15所述的系统，其中所述一个或多个传感器的所述检测控制参数包括距离选通、中心频率和功率电平中的一个或多个。
17.如权利要求1至17中任一项所述的系统，进一步包括与所述一个或多个传感器通信的控制处理器，所述控制处理器配置成基于所述一个或多个传感器对所述人员、其他人或动物的识别来启动另一个传感器系统。
18.如权利要求17所述的系统，其中所述另一个传感器系统包括摄像机。
19.如权利要求1至18中任一项所述的系统，其中处理器基于将所述人员识别为先前监测的人员来记录所检测的生物特征。
20.如权利要求1至19中任一项所述的系统，其中处理器基于将所述人员识别为不是先前监测的人员来制止记录所检测的生物特征。
21.如权利要求1至20中任一项所述的系统，其中处理器配置成使对特定人员的生物特征检测初始化。
22.如权利要求21所述的系统，其中所述处理器比较新检测的生物特征与初始化的生物特征以识别所述特定人员。
23.如权利要求21所述的系统，其中所述估算进一步包括新检测的生物特征与初始化的生物特征之间的比较。
24.如权利要求1至23中任一项所述的系统，其中所述估算包括对由所述信号确定的特性进行分类，所述特性包括以下一个或多个：
光谱峰比率；
设定优化器标记向量；
峰谷比；
过滤的呼吸速率；
呼吸可变性测量值；
传感器信号的带内功率；
传感器信号的范围；
最终呼吸速率；
呼吸周期的最大振幅与最小振幅的比率；
传感器信号的高带功率；
平均呼吸速率；
定期腿移动活动检测；
翻转的检测；以及
后处理移动。
25.如权利要求1至23中任一项所述的系统，其中所述估算包括对由所述信号确定的特性进行分类，所述特性包括以下一个或多个：心脏参数、皮肤电反应参数、锻炼强度参数、呼吸参数、血压参数、咳嗽参数、打鼾参数、睡眠参数。
26.如权利要求24至25中任一项所述的系统，其中所述估算包括比较所述确定的特性与历史特性。
27.如权利要求24至26中任一项所述的系统，其中所述估算进一步包括由所述确定的特性计算一个时间段的平均值和/或标准偏差值。
28.如权利要求1至27中任一项所述的系统，其中所述系统的一个或多个处理器估算由来自另一个监测系统的一个或多个传感器检测到的接收的数据。
29.如权利要求28所述的系统，其中对所述接收的数据的估算包括确定多个健康监测装置之间的感测等同性。
30.如权利要求1至29中任一项所述的系统，其中监测装置包括设置分类器和受试者分类器，其各自配置成估算来自所述信号的特性以识别人员。
31.如权利要求30所述的系统，其中所述受试者分类器进一步配置成估算历史特性以识别人员。
32.如权利要求1至31中任一项所述的系统，其中健康监测装置进一步包括对红外线和红外线发射器敏感的摄像机。
33.如权利要求32所述的系统，其中所述健康监测装置的一个或多个处理器配置成检测来自所述信号的事件并且将所述事件与使用所述摄像机获得的视频的包括所述事件的特定部分相联系。
34.如权利要求32至33中任一项所述的系统，其中所述健康监测装置进一步包括电池和用于对所述电池进行无线充电的线圈。
35.如权利要求1至34中任一项所述的系统，其中所述一个或多个处理器配置成控制所述一个或多个传感器以在检测到指示动物的生物特征时改变传感器检测功率、传感器频率、传感器距离选通或用于感测的其他控制参数。
36.如权利要求1至34中任一项所述的系统，其中所述一个或多个处理器配置成基于对与设置参数相关的特定人员的识别来访问光、声音和/或环境器具中的任何一个或多个的设置参数。
37.如权利要求36所述的系统，其中所述一个或多个处理器配置成使用与所识别的所述特定人员的检测的生物特征相关的设置参数来触发对光、声音和/或环境器具中的任何一个或多个的设置。
38.如权利要求1至37中任一项所述的系统，其进一步包括与所述传感器的集合通信的中央控制器，所述中央控制器配置成提供对所识别人员在建筑物内的位置的确认。
39.如权利要求1至38中任一项所述的系统，其中所述一个或多个传感器包括夜间照明灯。
40.如权利要求1至39中任一项所述的系统，其中所述一个或多个传感器包括直通插座。
41.如权利要求1至40中任一项所述的系统，其中所述一个或多个传感器包括用于为所述传感器供电的AC插头和AC电源直通插座。
42.如权利要求1至41中任一项所述的系统，其中所述一个或多个传感器包括用于为所述传感器供电的USB插头和USB直通连接适配器。
43.如权利要求1至42中任一项所述的系统，其中所述一个或多个传感器包括用于无线或有线网络通信的网络接口。
44.如权利要求1至43中任一项所述的系统，其中所述一个或多个处理器配置成基于所述识别的人员设定呼吸治疗设备的操作。
45.如权利要求44所述的系统，其中所述设定的操作允许或拒绝使用所述呼吸治疗设备的治疗。
46.如权利要求44所述的系统，其中所述设定的操作改变所述呼吸治疗设备的治疗。
47.如权利要求44至46中任一项所述的系统，其中所述一个或多个处理器配置成重新训练以在通过所述呼吸治疗设备处理所述识别中所估算的生物特征时识别所述人员。
48.如权利要求1至47中任一项所述的系统，其中所述一个或多个处理器配置成在确定传感器信号品质时调节所述一个或多个传感器的操作。
49.如权利要求1至48中任一项所述的系统，其中所述一个或多个处理器配置成依赖于不同生物特征、根据所检测生物特征的品质评估识别人员。
50.如权利要求1至49中任一项所述的系统，其中所述一个或多个处理器配置成运行用于使生物特征的基线初始化以识别所述人员的登记过程，其中所述登记过程包括引导呼吸期或自发呼吸期。
51.如权利要求1至50中任一项所述的系统，其中所述一个或多个处理器配置成当检测到射频干扰时排除参与识别所述人员的生物特征。
52.如权利要求1至51中任一项所述的系统，其中所述一个或多个处理器配置成基于所述识别的人员设定警报器的操作。
53.如权利要求1至52中任一项所述的系统，其中所述一个或多个处理器配置成从一个或多个其他使用者中识别主要使用者。
54.如权利要求1至53中任一项所述的系统，其中所述系统配置成追踪一个或多个使用者随着时间变化的参数，以基于所述一个或多个呼吸特性、心脏特性或移动特性中的至少一个来建立分类特性。
55.如权利要求54所述的系统，其中所述一个或多个呼吸特性、心脏特性或移动特性中的至少一个包括以下呼吸参数中的至少一个：距离、呼吸与呼吸之间的变化、形状以及吸气与呼气比率。
56.如权利要求1至55中任一项所述的系统，其中所述一个或多个处理器配置成由分类过程中确定的特性对使用者的身份进行分类。
57.如权利要求56所述的系统，其中所述分类过程可包括以下任何一个或多个：神经网络、隐藏层马尔可夫模型、逻辑回归处理、线性核支持向量机以及径向核支持向量机。
58.如权利要求56至57中任一项所述的系统，其中所述分类过程包括在分类之前对所述特性使用主组分分析。
59.如权利要求56至58中任一项所述的系统，其中所述分类过程包括实时特性和离线特性。
60.如权利要求56至59中任一项所述的系统，其中所述分类过程包括多个分类器和所述分类器的输出的后期整合，以产生输出后验概率。
61.如权利要求1至60中任一项所述的系统，包括设置用于检测相同或不同人员的多个传感器，其中所述系统被设置成自动调节所述多个传感器的参数，所述参数包括以下至少一个：距离、功率、频率、检测方向以及辐射图。
62.一种用于监测一个或多个人员的生理参数的识别人员的方法，所述方法包括：
使用用于感测的一个或多个传感器监测所述一个或多个人员的生理参数，以及
在一个或多个处理器中处理来自所述一个或多个传感器的信号以识别人员，所述处理包括估算特性，所述特性包括一个或多个呼吸特性、心脏特性或移动特性。
63.如权利要求62所述的方法，其中所述估算特性包括分析以下至少一个：所检测的呼吸速率、所检测的呼吸深度、所检测的移动程度以及所检测的心率。
64.如权利要求62至63中任一项所述的方法，其中所述一个或多个传感器包括射频非接触传感器。
65.如权利要求62至64中任一项所述的方法，其中所述估算包括检测和分析任何一个或多个特征，所述任何一个或多个特征包括生物特征和行为特征。
66.如权利要求62至65中任一项所述的方法，其进一步包括使用与所述一个或多个传感器通信的控制处理器，基于所述一个或多个传感器对所述人员、其他人或动物的识别来启动另一个传感器系统。
67.如权利要求62至66中任一项所述的方法，其进一步包括使用处理器基于将所述人员识别为先前监测的人员来记录所检测的生物特征。
68.如权利要求62至67中任一项所述的方法，其进一步包括使用处理器基于将所述人员识别为不是先前监测的人员来制止记录所检测的生物特征。
69.如权利要求62至68中任一项所述的方法，其进一步包括使用于特定人员的生物特征检测初始化。
70.如权利要求69所述的方法，其进一步包括在处理器中比较新检测的生物特征与初始化的生物特征以识别所述特定人员。
71.如权利要求69所述的方法，其进一步包括在处理器中比较新检测的生物特征与初始化的生物特征。
72.如权利要求62至71中任一项所述的方法，其中所述估算包括对由所述信号确定的特性进行分类，所述特性包括以下一个或多个：
光谱峰比率；
设定优化器标记向量；
峰谷比；
过滤的呼吸速率；
呼吸可变性测量值；
传感器信号的带内功率；
传感器信号的范围；
最终呼吸速率；
呼吸周期的最大振幅与最小振幅的比率；
传感器信号的高带功率；
平均呼吸速率；
定期腿移动活动检测；
翻转的检测；以及
后处理移动。
73.如权利要求62至72中任一项所述的方法，其中所述估算包括对由所述信号确定的特性进行分类，所述特性包括以下一个或多个：心脏参数、皮肤电反应参数、锻炼强度参数、呼吸参数、血压参数、咳嗽参数、打鼾参数、睡眠参数。
74.如权利要求72至73中任一项所述的方法，其中所述估算包括比较所述确定的特性与历史特性。
75.如权利要求72至74中任一项所述的方法，其中所述估算进一步包括在处理器中由所述确定的特性计算一个时间段的平均值和/或标准偏差值。
76.如权利要求62至75中任一项所述的方法，其进一步包括使用所述一个或多个处理器控制所述一个或多个传感器以在检测到指示动物的生物特征时改变传感器检测功率、传感器频率、传感器距离选通或用于感测的其他控制参数。
77.如权利要求62至75中任一项所述的方法，其进一步包括使用所述一个或多个处理器基于对与设置参数相关的特定人员的识别来访问光、声音和/或环境器具中的任何一个或多个的所述设置参数。
78.如权利要求77所述的方法，其进一步包括使用所述一个或多个处理器、使用与所识别的所述特定人员的检测的生物特征相关的设置参数来触发对光、声音和/或环境器具中的任何一个或多个的设置。
79.如权利要求62至78中任一项所述的方法，其进一步包括使用所述一个或多个处理器基于所述识别的人员设定呼吸治疗设备的操作。
80.如权利要求79所述的方法，其中所述设定的操作允许或拒绝使用所述呼吸治疗设备的治疗。
81.如权利要求79所述的方法，其中所述设定的操作改变所述呼吸治疗设备的治疗。
82.如权利要求62至81中任一项所述的方法，其进一步包括使用所述一个或多个处理器来运行用于使生物特征的基线初始化以识别所述人员的登记过程，其中所述登记过程包括引导呼吸期或自发呼吸期。
83.如权利要求62至82中任一项所述的方法，其进一步包括使用所述一个或多个处理器基于所述识别的人员设定警报器的操作。
84.如权利要求62至83中任一项所述的方法，其进一步包括在所述一个或多个处理器中配置成从一个或多个其他使用者中识别主要使用者。
85.如权利要求62至84中任一项所述的方法，其进一步包括追踪一个或多个使用者随着时间变化的参数并基于所述一个或多个呼吸特性、心脏特性或移动特性中的至少一个来建立分类特性。
86.如权利要求85所述的方法，其中所述一个或多个呼吸特性、心脏特性或移动特性中的至少一个包括以下呼吸参数中的至少一个：距离、呼吸与呼吸之间的变化、形状以及吸气与呼气比率。
87.如权利要求62至86中任一项所述的方法，其进一步包括在所述一个或多个处理器中由分类过程中确定的特性对使用者的身份进行分类。
88.如权利要求87所述的方法，其中所述分类过程包括以下任何一个或多个：神经网络、隐藏层马尔可夫模型、逻辑回归处理、线性核支持向量机以及径向核支持向量机。
89.如权利要求87至88中任一项所述的方法，其中所述分类过程包括在分类之前对所述特性使用主组分分析。
90.如权利要求88至89中任一项所述的方法，其中所述分类过程包括实时特性和离线特性。
91.如权利要求88至90中任一项所述的方法，其中所述分类过程包括多个分类器和所述分类器的输出的后期整合，以产生输出后验概率。
92.如权利要求62至91中任一项所述的方法，其进一步包括使用设置用于检测相同或不同人员的多个传感器自动调节所述多个传感器的参数，所述参数包括以下至少一个：距离、功率、频率、检测方向以及辐射模式。
CN201680026853.XA 2015-04-20 2016-04-20 由特征信号对人类的检测和识别 Active CN108474841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210193919.1A CN114545355A (zh) 2015-04-20 2016-04-20 由特征信号对人类的检测和识别

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562149839P 2015-04-20 2015-04-20
US62/149,839 2015-04-20
US201562207687P 2015-08-20 2015-08-20
US62/207,687 2015-08-20
PCT/EP2016/058789 WO2016170005A1 (en) 2015-04-20 2016-04-20 Detection and identification of a human from characteristic signals

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210193919.1A Division CN114545355A (zh) 2015-04-20 2016-04-20 由特征信号对人类的检测和识别

Publications (2)

Publication Number Publication Date
CN108474841A true CN108474841A (zh) 2018-08-31
CN108474841B CN108474841B (zh) 2022-03-18

Family

ID=55970957

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201680026853.XA Active CN108474841B (zh) 2015-04-20 2016-04-20 由特征信号对人类的检测和识别
CN202210193919.1A Pending CN114545355A (zh) 2015-04-20 2016-04-20 由特征信号对人类的检测和识别

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210193919.1A Pending CN114545355A (zh) 2015-04-20 2016-04-20 由特征信号对人类的检测和识别

Country Status (5)

Country Link
US (3) US10690763B2 (zh)
EP (2) EP3286577B1 (zh)
JP (3) JP6940414B2 (zh)
CN (2) CN108474841B (zh)
WO (1) WO2016170005A1 (zh)

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109164450A (zh) * 2018-09-12 2019-01-08 天津大学 一种基于多普勒雷达数据的下击暴流预测方法
CN109948481A (zh) * 2019-03-07 2019-06-28 惠州学院 一种基于窄带射频链路采样的无源人体识别方法
CN110349587A (zh) * 2019-07-12 2019-10-18 南京航空航天大学 一种两人场景下目标个体打呼区分方法
CN110400264A (zh) * 2019-04-14 2019-11-01 泰州市赛得机电设备有限公司 设备状态实时转换系统
CN110464303A (zh) * 2019-08-15 2019-11-19 深圳和而泰家居在线网络科技有限公司 睡眠质量评估方法及装置
CN110579807A (zh) * 2019-09-06 2019-12-17 广汽蔚来新能源汽车科技有限公司 生命体探测方法、装置、计算机设备和存储介质
CN110596705A (zh) * 2019-08-22 2019-12-20 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
CN110710963A (zh) * 2019-11-19 2020-01-21 山东一脉物联网科技有限公司 一种窄面式雷达智能监控呼吸系统
TWI687202B (zh) * 2018-12-21 2020-03-11 緯創資通股份有限公司 非接觸式生命徵象偵測系統與方法
CN110897621A (zh) * 2019-10-21 2020-03-24 思澜科技（成都）有限公司 一种生理信号提取方法及其系统
CN111345802A (zh) * 2020-03-16 2020-06-30 南京润楠医疗电子研究院有限公司 一种基于心冲击信号获取双人心跳频率的装置及方法
WO2020139845A1 (en) * 2018-12-28 2020-07-02 Resmed Inc. Prediction of usage or compliance
CN111507010A (zh) * 2020-04-23 2020-08-07 苏州聚分享电子商贸有限公司 一种ai人工智能检测口气的数据模型
CN111624568A (zh) * 2019-02-27 2020-09-04 和硕联合科技股份有限公司 多目标生命征象检测系统及方法
CN111772633A (zh) * 2020-07-16 2020-10-16 韩锋 一种遥感呼吸功能监护装置及方法
CN112401856A (zh) * 2020-11-16 2021-02-26 武汉烽火凯卓科技有限公司 一种基于毫米波雷达的疗养院监护方法及系统
CN112460742A (zh) * 2020-11-19 2021-03-09 珠海格力电器股份有限公司 传感器的控制方法、装置、传感器、存储介质及处理器
CN112686094A (zh) * 2020-12-03 2021-04-20 华中师范大学 一种基于毫米波雷达的非接触式身份识别方法及系统
CN112698314A (zh) * 2020-12-07 2021-04-23 四川写正智能科技有限公司 一种基于毫米波雷达传感器的儿童智能健康管理方法
CN113064161A (zh) * 2021-03-30 2021-07-02 南京信息工程大学 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法
CN113109808A (zh) * 2021-04-01 2021-07-13 深圳迈睿智能科技有限公司 基于存在探测的多普勒信号处理方法和装置
CN113205518A (zh) * 2021-07-05 2021-08-03 雅安市人民医院 医疗车图像信息处理方法及装置
CN113288114A (zh) * 2021-05-28 2021-08-24 南京润楠医疗电子研究院有限公司 一种基于无线信号的多人混合呼吸信号提取方法
CN113439218A (zh) * 2019-02-28 2021-09-24 谷歌有限责任公司 在存在身体运动的情况下检测人体生命体征的基于智能设备的雷达系统
WO2021243332A1 (en) * 2020-05-29 2021-12-02 Lifeq B.V. System and method for detecting coughs from sensor data
CN113963427A (zh) * 2021-12-22 2022-01-21 浙江工商大学 一种快速活体检测的方法与系统
CN114239649A (zh) * 2021-07-15 2022-03-25 电子科技大学 面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法
US20220311858A1 (en) * 2021-03-26 2022-09-29 Panasonic Intellectual Property Management Co., Ltd. Electronic device linking system, control device, and method
WO2022226909A1 (zh) * 2021-04-29 2022-11-03 京东方科技集团股份有限公司 睡眠数据的处理方法、装置、计算机设备、程序及介质
US11580355B2 (en) 2018-10-25 2023-02-14 Electronic Warfare Associates, Inc. System-on-a-chip incorporating artificial neural network and general-purpose processor circuitry
CN116449353A (zh) * 2023-06-20 2023-07-18 精华隆智慧感知科技（深圳）股份有限公司 一种睡眠过程人体存在检测方法、装置、设备及存储介质
CN116895382A (zh) * 2023-07-12 2023-10-17 普迪特(泰州)生物科技有限公司 基于数据分析的人体健康监测管理系统
CN117392121A (zh) * 2023-12-07 2024-01-12 西安鼎福十方网络智能科技有限公司 一种基于图像识别的经皮给药治疗控制方法及系统

Families Citing this family (158)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2014236920B2 (en) * 2013-03-14 2017-03-09 Sleep Number Corporation Inflatable air mattress alert and monitoring system
AU2014287372A1 (en) 2013-07-08 2016-01-21 Resmed Sensor Technologies Limited Method and system for sleep management
US11648373B2 (en) 2013-07-08 2023-05-16 Resmed Sensor Technologies Limited Methods and systems for sleep management
US9575560B2 (en) 2014-06-03 2017-02-21 Google Inc. Radar-based gesture-recognition through a wearable device
US9939823B2 (en) * 2014-06-05 2018-04-10 Wise Spaces Ltd. Home automation control system
US9811164B2 (en) 2014-08-07 2017-11-07 Google Inc. Radar-based gesture sensing and data transmission
US10268321B2 (en) 2014-08-15 2019-04-23 Google Llc Interactive textiles within hard objects
US9778749B2 (en) 2014-08-22 2017-10-03 Google Inc. Occluded gesture recognition
US11169988B2 (en) 2014-08-22 2021-11-09 Google Llc Radar recognition-aided search
US9600080B2 (en) 2014-10-02 2017-03-21 Google Inc. Non-line-of-sight radar-based gesture recognition
KR102229658B1 (ko) 2015-04-30 2021-03-17 구글 엘엘씨 타입-애그노스틱 rf 신호 표현들
CN107430444B (zh) 2015-04-30 2020-03-03 谷歌有限责任公司 用于手势跟踪和识别的基于rf的微运动跟踪
EP3289434A1 (en) 2015-04-30 2018-03-07 Google LLC Wide-field radar-based gesture recognition
US10088908B1 (en) 2015-05-27 2018-10-02 Google Llc Gesture detection and interactions
US11439344B2 (en) * 2015-07-17 2022-09-13 Origin Wireless, Inc. Method, apparatus, and system for wireless sleep monitoring
US10817065B1 (en) 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US20180279885A1 (en) * 2015-10-08 2018-10-04 Koninklijke Philips N.V Device, system and method for obtaining vital sign information of a subject
WO2018145042A1 (en) * 2017-02-03 2018-08-09 University Of Notre Dame Du Lac Heart and lung monitoring with coherent signal dispersion
WO2017098609A1 (ja) * 2015-12-09 2017-06-15 富士通株式会社 センサシステム、センサ情報処理装置、センサ情報処理プログラム、及び、ベッド
DE102016109524A1 (de) * 2015-12-30 2017-07-06 Dewertokin Gmbh Schlaf-oder Ruhemöbel und elektromotorischer Möbelantrieb für ein solches Möbel sowie Verfahren zum Bereitstellen eines Informations und/oder Warnsignals durch einen elektromotorischen Möbelantrieb
CA2958003C (en) 2016-02-19 2022-04-05 Paul Stanley Addison System and methods for video-based monitoring of vital signs
US20170290526A1 (en) * 2016-04-07 2017-10-12 Oregon Health & Science University Telecentive spirometer
US10492302B2 (en) 2016-05-03 2019-11-26 Google Llc Connecting an electronic component to an interactive textile
US10285456B2 (en) 2016-05-16 2019-05-14 Google Llc Interactive fabric
CN107440695B (zh) * 2016-05-31 2020-10-16 佳纶生技股份有限公司 生理信号感测装置
AU2017276830B2 (en) * 2016-06-08 2021-06-24 Aerial Technologies Inc. System and methods for smart intrusion detection using wireless signals and artificial intelligence
US10335045B2 (en) 2016-06-24 2019-07-02 Universita Degli Studi Di Trento Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions
US10715533B2 (en) * 2016-07-26 2020-07-14 Microsoft Technology Licensing, Llc. Remediation for ransomware attacks on cloud drive folders
US11207021B2 (en) 2016-09-06 2021-12-28 Fitbit, Inc Methods and systems for labeling sleep states
US10934764B2 (en) 2016-09-08 2021-03-02 Magna Closures Inc. Radar detection system for non-contact human activation of powered closure member
US11067667B2 (en) 2016-09-08 2021-07-20 Magna Closures Inc. Radar detection system for non-contact human activation of powered closure member
GB201617409D0 (en) 2016-10-13 2016-11-30 Asio Ltd A method and system for acoustic communication of data
GB201617408D0 (en) 2016-10-13 2016-11-30 Asio Ltd A method and system for acoustic communication of data
KR102087583B1 (ko) * 2016-10-18 2020-03-11 한국전자통신연구원 이상호흡 감지 장치 및 방법
WO2018083637A1 (en) * 2016-11-03 2018-05-11 Vicwood Prosperity Technology Limited Living body detection method and apparatus
AU2017357747A1 (en) 2016-11-10 2019-05-30 The Research Foundation For The State University Of New York System, method and biomarkers for airway obstruction
US11452829B2 (en) 2016-11-18 2022-09-27 ResMed Pty Ltd Methods and apparatus for ventilatory treatment of respiratory disorders
BR112019010408A8 (pt) * 2016-11-23 2023-03-21 Lifeq Global Ltd Sistema e método para a identificação biométrica ao usar a fisiologia do sono
US10579150B2 (en) 2016-12-05 2020-03-03 Google Llc Concurrent detection of absolute distance and relative movement for sensing action gestures
EP3558101B1 (en) * 2016-12-21 2022-06-08 Emory University Methods and systems for determining abnormal cardiac activity
CN110113998B (zh) * 2016-12-28 2022-05-13 皇家飞利浦有限公司 表征睡眠呼吸障碍的方法
KR101883226B1 (ko) * 2016-12-30 2018-07-30 (주)더블유알티랩 레이더를 이용하여 수면 효율을 측정하는 방법 및 장치
CN108392176A (zh) * 2017-02-08 2018-08-14 上海跃扬医疗科技有限公司 一种基于心冲击信号采集的睡眠结构检测方法
GB201704636D0 (en) 2017-03-23 2017-05-10 Asio Ltd A method and system for authenticating a device
US20180287432A1 (en) * 2017-03-29 2018-10-04 Qualcomm Incorporated Adaptive adc control for living object protection
EP3384827A1 (en) * 2017-04-03 2018-10-10 Koninklijke Philips N.V. System for determining a physiological parameter of a subject
US10813597B2 (en) * 2017-04-14 2020-10-27 The Regents Of The University Of California Non-invasive hemodynamic assessment via interrogation of biological tissue using a coherent light source
GB2565751B (en) * 2017-06-15 2022-05-04 Sonos Experience Ltd A method and system for triggering events
RU2654613C1 (ru) * 2017-06-05 2018-05-21 Федеральное государственное бюджетное учреждение науки Тихоокеанский океанологический институт им. В.И. Ильичева Дальневосточного отделения Российской академии наук (ТОИ ДВО РАН) Способ контроля состояния дыхательной системы больных обструктивными заболеваниями легких на дому
US11295119B2 (en) * 2017-06-30 2022-04-05 The Johns Hopkins University Systems and method for action recognition using micro-doppler signatures and recurrent neural networks
WO2019012597A1 (ja) * 2017-07-11 2019-01-17 日本電気株式会社 特定装置、特定方法、及び、特定プログラムが記録された記録媒体
CN111200997B (zh) * 2017-07-17 2022-04-12 健康应用程序有限公司 一种呼吸相关疾病的辅助早期检测和管理系统
US11561806B2 (en) * 2017-08-04 2023-01-24 Hannes Bendfeldt Adaptive interface for screen-based interactions
RU2678494C1 (ru) 2017-08-24 2019-01-29 Самсунг Электроникс Ко., Лтд. Устройство и способ для биометрической идентификации пользователя с использованием рч (радиочастотного) радара
WO2019039780A1 (ko) * 2017-08-24 2019-02-28 삼성전자 주식회사 무선 주파수 레이더를 사용하는 사용자 식별 디바이스 및 방법
RU181546U1 (ru) * 2017-10-09 2018-07-19 Общество с ограниченной ответственностью "Биоконтроль" Персональное наручное устройство для мониторинга и анализа биометрических показателей
WO2019075520A1 (en) * 2017-10-18 2019-04-25 Medibio Limited INDICATOR OF RESPIRATORY CONDITION
CN107883529A (zh) * 2017-10-30 2018-04-06 海南电网有限责任公司电力科学研究院 一种基于模糊技术的中央空调系统温度控制方法
WO2019094893A1 (en) 2017-11-13 2019-05-16 Covidien Lp Systems and methods for video-based monitoring of a patient
US11132427B2 (en) * 2017-11-20 2021-09-28 Ppip, Llc Systems and methods for biometric identity and authentication
US11153364B1 (en) 2017-11-29 2021-10-19 Parallels International Gmbh Embedding remote applications into HTML pages
US10503970B1 (en) 2017-12-11 2019-12-10 State Farm Mutual Automobile Insurance Company Method and system for identifying biometric characteristics using machine learning techniques
US10825564B1 (en) * 2017-12-11 2020-11-03 State Farm Mutual Automobile Insurance Company Biometric characteristic application using audio/video analysis
GB2570634A (en) 2017-12-20 2019-08-07 Asio Ltd A method and system for improved acoustic transmission of data
US11712176B2 (en) 2018-01-08 2023-08-01 Covidien, LP Systems and methods for video-based non-contact tidal volume monitoring
US10795012B2 (en) 2018-01-22 2020-10-06 Infineon Technologies Ag System and method for human behavior modelling and power control using a millimeter-wave radar sensor
US20190254599A1 (en) * 2018-02-02 2019-08-22 Sentier Hc Llc Systems and methods for non-invasive monitoring of animals
SG11202008455WA (en) * 2018-03-02 2020-09-29 Nitto Denko Corp Method, computing device and wearable device for sleep stage detection
EP3536225A1 (en) * 2018-03-07 2019-09-11 Koninklijke Philips N.V. Sleep apnea detection system and method
DE102018106145A1 (de) * 2018-03-16 2019-09-19 Steinel Gmbh Gebäude-Sensorsystem
US10775493B2 (en) 2018-03-28 2020-09-15 Infineon Technologies Ag System and method for controlling access to a trunk of a vehicle using a radar sensor
US10775482B2 (en) * 2018-04-11 2020-09-15 Infineon Technologies Ag Human detection and identification in a setting using millimeter-wave radar
CN110501035B (zh) * 2018-05-18 2022-03-15 好庆科技企业股份有限公司 感测器及感测器的自动校正方法
CN108670200B (zh) * 2018-05-30 2021-06-08 华南理工大学 一种基于深度学习的睡眠鼾声分类检测方法及系统
CN108983207A (zh) * 2018-06-13 2018-12-11 北京慧远达科技有限公司 一种基于微波雷达监控活动指数的系统和方法
WO2019240991A1 (en) 2018-06-15 2019-12-19 Covidien Lp Systems and methods for video-based patient monitoring during surgery
TWI669522B (zh) * 2018-06-28 2019-08-21 立積電子股份有限公司 都普勒訊號處理裝置及訊號處理方法
CN112399819A (zh) * 2018-07-02 2021-02-23 3M创新有限公司 用于监测时间相关过程的传感系统和方法
CN108957399B (zh) * 2018-07-05 2021-04-16 北京航空航天大学 一种利用lte信号信道状态信息实现运动检测的方法
EP3820363A4 (en) 2018-07-09 2021-08-04 Neteera Technologies Ltd. SUB-THZ AND THZ SYSTEM INTENDED FOR THE DETECTION OF PHYSIOLOGICAL PARAMETERS AND ASSOCIATED PROCESS
CN108983225A (zh) * 2018-07-12 2018-12-11 芜湖博高光电科技股份有限公司 一种基于毫米波生命体征探测的宿舍查岗装置及查岗方法
US10339789B1 (en) * 2018-07-18 2019-07-02 Curbell Medical Products, Inc. Nurse call pillow speaker with brownout protection
US11656321B2 (en) * 2018-07-23 2023-05-23 Richwave Technology Corp. Method of microwave motion detection with adaptive frequency control and related devices
US20210315480A1 (en) * 2018-07-31 2021-10-14 The Trustees Of Dartmouth College Device for automatically detecting lung function variability
EP3833241A1 (en) 2018-08-09 2021-06-16 Covidien LP Video-based patient monitoring systems and associated methods for detecting and monitoring breathing
US11000191B2 (en) 2018-08-20 2021-05-11 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
US11213225B2 (en) 2018-08-20 2022-01-04 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
WO2020041167A2 (en) 2018-08-20 2020-02-27 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
US11183772B2 (en) 2018-09-13 2021-11-23 Infineon Technologies Ag Embedded downlight and radar system
JP6726256B2 (ja) * 2018-10-23 2020-07-22 株式会社ポケモン プログラム、ゲームサーバ、情報処理端末、方法およびゲームシステム
US10557932B1 (en) * 2018-11-28 2020-02-11 Qualcomm Incorporated Clock oscillator detection
US11617520B2 (en) 2018-12-14 2023-04-04 Covidien Lp Depth sensing visualization modes for non-contact monitoring
CN111381282A (zh) * 2018-12-28 2020-07-07 物流及供应链多元技术研发中心有限公司 基于超宽带的物件识别
US11467275B2 (en) * 2018-12-28 2022-10-11 Logistics And Supply Chain Multi Tech R&D Centre Limited Ultra-wideband-based object identification
US11315275B2 (en) 2019-01-28 2022-04-26 Covidien Lp Edge handling methods for associated depth sensing camera devices, systems, and methods
US11816600B1 (en) 2019-02-07 2023-11-14 State Farm Mutual Automobile Insurance Company Systems and methods for detecting building events and trends
US20200297236A1 (en) * 2019-03-21 2020-09-24 Qualcomm Incorporated Radar for detecting human body part
CN112367906A (zh) * 2019-04-08 2021-02-12 数眠公司 用于感测和控制床环境的系统
US20200323171A1 (en) * 2019-04-09 2020-10-15 Ryan Crosby Automated recreational device for pets
GB2583117B (en) * 2019-04-17 2021-06-30 Sonocent Ltd Processing and visualising audio signals
KR102218414B1 (ko) * 2019-04-18 2021-02-19 한양대학교 산학협력단 생체 신호 검증 장치, 생체 신호 측정 장치 및 이의 생체 신호 검증 방법
CN110045370B (zh) * 2019-05-10 2023-11-14 成都宋元科技有限公司 基于毫米波雷达的人体感知方法及其系统
US11793453B2 (en) 2019-06-04 2023-10-24 Fitbit, Inc. Detecting and measuring snoring
US11229369B2 (en) 2019-06-04 2022-01-25 Fitbit Inc Detecting and measuring snoring
KR102399672B1 (ko) * 2019-06-11 2022-05-20 한국과학기술연구원 보행 시간-주파수 분석에 기초한 개인 식별 방법 및 시스템
KR102395937B1 (ko) * 2019-06-11 2022-05-11 한국과학기술연구원 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법 및 시스템
US11544360B2 (en) * 2019-07-30 2023-01-03 Ppip, Llc Masking biometric markers by sensor path control
CN112401867A (zh) * 2019-08-21 2021-02-26 西门子(深圳)磁共振有限公司 确定呼吸阶段的方法及装置、磁共振成像方法及系统
US20210068691A1 (en) * 2019-09-06 2021-03-11 Tencent America LLC Digital signal processing assistant modeling method for biosignal analysis
EP4027879A1 (en) 2019-09-13 2022-07-20 ResMed Sensor Technologies Limited Systems and methods for detecting movement
TWI819179B (zh) * 2019-11-12 2023-10-21 鴻海精密工業股份有限公司 智慧關機方法、裝置及電子裝置
KR20210074749A (ko) * 2019-12-12 2021-06-22 삼성전자주식회사 라이브니스 검사 방법 및 라이브니스 검사 장치
WO2021118570A1 (en) 2019-12-12 2021-06-17 Google Llc Radar-based monitoring of a fall by a person
US20210208239A1 (en) * 2020-01-06 2021-07-08 Metawave Corporation Amplitude tapering in a beam steering vehicle radar for object identification
US20210210204A1 (en) * 2020-01-08 2021-07-08 Hill-Rom Services, Inc. Associating a patient with a device
CN114868121A (zh) 2020-01-08 2022-08-05 三菱电机株式会社 活体认证装置、活体认证方法和活体认证程序
EP4097506A4 (en) * 2020-01-27 2024-02-28 Hewlett Packard Development Co DETECTION FIELDS OF VIEW
US11484208B2 (en) 2020-01-31 2022-11-01 Covidien Lp Attached sensor activation of additionally-streamed physiological parameters from non-contact monitoring systems and associated devices, systems, and methods
CA3173752A1 (en) * 2020-03-06 2021-09-10 The Access Technologies A smart wristband for multiparameter physiological monitoring
WO2021182250A1 (ja) * 2020-03-11 2021-09-16 パナソニックＩｐマネジメント株式会社 信号処理システム、センサシステム、生体管理システム、環境制御システム、信号処理方法、及びプログラム
US20210307683A1 (en) * 2020-04-01 2021-10-07 UDP Labs, Inc. Systems and Methods for Remote Patient Screening and Triage
US10905249B1 (en) * 2020-05-29 2021-02-02 Khalid Saghiri Multifunctional smart beds and methods of operating thereof
CN112180338B (zh) * 2020-06-10 2022-03-01 四川九洲电器集团有限责任公司 全息数字阵列雷达目标数量估计方法和系统
WO2021253217A1 (zh) * 2020-06-16 2021-12-23 曾浩军 用户状态分析方法及相关设备
US11662449B2 (en) 2020-06-22 2023-05-30 Honeywell International Inc. Methods and systems for improving target detection performance of an indoor radar sensor
US11639985B2 (en) * 2020-07-02 2023-05-02 International Business Machines Corporation Three-dimensional feature extraction from frequency modulated continuous wave radar signals
US20220012315A1 (en) * 2020-07-07 2022-01-13 National Taiwan University Authorization system based on biometric identification and method therefor
US11837106B2 (en) * 2020-07-20 2023-12-05 Koninklijke Philips N.V. System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA)
US11406281B2 (en) 2020-08-11 2022-08-09 Google Llc Contactless cough detection and attribution
US11832961B2 (en) 2020-08-11 2023-12-05 Google Llc Contactless sleep detection and disturbance attribution
US11808839B2 (en) * 2020-08-11 2023-11-07 Google Llc Initializing sleep tracking on a contactless health tracking device
US11754676B2 (en) 2020-08-11 2023-09-12 Google Llc Precision sleep tracking using a contactless sleep tracking device
WO2022072838A1 (en) * 2020-10-01 2022-04-07 DawnLight Technologies Inc. Contactless monitoring system
EP4248458A1 (en) 2020-11-20 2023-09-27 ResMed Sensor Technologies Limited Systems and methods for monitoring a comfort level of an individual
KR102471623B1 (ko) * 2020-11-20 2022-11-28 링크페이스 주식회사 복수의 센서를 이용한 호흡 신호 측정 방법 및 이를 실행하는 시스템
CN112598033B (zh) * 2020-12-09 2022-08-30 兰州大学 生理信号处理方法、装置、设备及存储介质
CN112580486B (zh) * 2020-12-15 2022-12-09 北京理工大学 一种基于雷达微多普勒信号分离的人体行为分类方法
CN112270815B (zh) * 2020-12-23 2021-03-16 四川写正智能科技有限公司 一种基于智能手表的读写姿态识别方法及系统
US20240049974A1 (en) * 2021-01-07 2024-02-15 Circadia Technologies, Ltd. Systems, apparatus and methods for acquisition, storage and analysis of health and environmental data
WO2022153329A1 (en) * 2021-01-12 2022-07-21 Cloudphysician Healthcare Pvt Ltd Method and system for analyzing data displayed on ventilators
US20240108834A1 (en) * 2021-02-09 2024-04-04 Halare, Inc. Multi-therapy systems, methods and apparatuses for the alleviation of sleep disordered breathing
US11925447B1 (en) * 2021-02-24 2024-03-12 Amazon Technologies, Inc. Out-of-bed zone generation and monitoring associated with respiratory activity tracking
US11514708B2 (en) * 2021-03-03 2022-11-29 Thales Dis France Sas Anti-spoofing for contactless fingerprint readers
TWI768774B (zh) * 2021-03-17 2022-06-21 宏碁股份有限公司 輔助評估心臟運動狀態的方法
TWI762243B (zh) * 2021-03-17 2022-04-21 緯創資通股份有限公司 頻率調變連續波雷達、數位訊號處理方法與表徵資訊偵測方法
US11762350B2 (en) 2021-03-22 2023-09-19 Honeywell International Inc. Methods and systems for detecting occupancy of a space
CN113041575A (zh) * 2021-04-23 2021-06-29 中国人民解放军联勤保障部队第九八〇医院 一种适用于肺部康复训练的洁净式呼吸训练装置
AU2021107064B4 (en) * 2021-08-24 2022-08-25 Rudder Technology Pty Ltd Non-contact human respiration detection with radar signals
US11920771B2 (en) 2021-11-05 2024-03-05 Hb Innovations, Inc. Multi-colored night light with sound output imitating breathing pattern cadence
CN114010185A (zh) * 2021-11-17 2022-02-08 上海跃扬医疗科技有限公司 一种呼吸障碍的监测方法、装置、设备及介质
IL289321B2 (en) * 2021-12-23 2023-10-01 Neteera Tech Ltd Derivation of heartbeat interval hundreds of returns
WO2023131422A1 (en) * 2022-01-10 2023-07-13 Qumea Ag Method for determining a posture of a human being
US20230284970A1 (en) * 2022-03-10 2023-09-14 Bitsensing Inc. Device, method and computer program for analysis of sleep time using radar
US11906647B2 (en) 2022-04-29 2024-02-20 Koko Home, Inc. Person location determination using multipath
US20240012109A1 (en) * 2022-07-11 2024-01-11 Luca Rigazio Radar identification of persons via vital signs
CN115470864B (zh) * 2022-09-28 2023-05-23 中国人民解放军总医院 一种基于脉冲超宽带雷达的身份识别方法
JP7349215B1 (ja) 2023-03-28 2023-09-22 株式会社Ｔａｏｓ研究所 生体判定方法、生体判定システム及び生体判定プログラム
CN116421178A (zh) * 2023-04-19 2023-07-14 河北金盛达医疗用品有限公司 辅助监护的方法、装置、终端设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008102291A2 (en) * 2007-02-20 2008-08-28 Philips Intellectual Property & Standards Gmbh Method and system for identifying a subject
CN101489478A (zh) * 2006-06-01 2009-07-22 必安康医疗有限公司 用于监视生理症状的装置、系统和方法
CN102068261A (zh) * 2011-01-21 2011-05-25 上海弘周电子科技有限公司 安全监护仪
US20120068819A1 (en) * 2006-04-05 2012-03-22 Mcgrath William R Systems and methods for remote long standoff biometric identification using microwave cardiac signals
US20120245479A1 (en) * 2011-03-23 2012-09-27 Meena Ganesh Physiology Monitoring and Alerting System and Process
CN103006223A (zh) * 2012-12-13 2013-04-03 中国人民解放军第四军医大学 一种家用非接触睡眠监测装置及方法
US20130340758A1 (en) * 2012-06-26 2013-12-26 Resmed Limited Methods and apparatus for monitoring and treating respiratory insufficiency

Family Cites Families (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5966A (en) 1848-12-12 Ephraim morris
US45814A (en) 1865-01-10 Improved ventilator
US832100A (en) 1905-05-29 1906-10-02 Nelson Tingley Water-motor for blowers for forges.
US4197537A (en) 1976-08-19 1980-04-08 Honeywell Inc. Intruder detection system
US5361070B1 (en) 1993-04-12 2000-05-16 Univ California Ultra-wideband radar motion sensor
US5682164A (en) 1994-09-06 1997-10-28 The Regents Of The University Of California Pulse homodyne field disturbance sensor
US7384410B2 (en) 1995-03-13 2008-06-10 Cardinal Health 303, Inc. System and method for managing patient care
US5966090A (en) 1998-03-16 1999-10-12 Mcewan; Thomas E. Differential pulse radar motion sensor
US6515586B1 (en) * 1998-12-18 2003-02-04 Intel Corporation Tactile tracking systems and methods
US7592944B2 (en) 1999-06-14 2009-09-22 Time Domain Corporation System and method for intrusion detection using a time domain radar array
US7666151B2 (en) 2002-11-20 2010-02-23 Hoana Medical, Inc. Devices and methods for passive patient monitoring
US6426716B1 (en) 2001-02-27 2002-07-30 Mcewan Technologies, Llc Modulated pulse doppler sensor
WO2003000015A2 (en) 2001-06-25 2003-01-03 Science Applications International Corporation Identification by analysis of physiometric variation
JP4497809B2 (ja) 2001-12-10 2010-07-07 レスメド・リミテッド 送風機
US20030236450A1 (en) * 2002-06-24 2003-12-25 Kocinski Richard J. System for remotely monitoring and controlling CPAP apparatus
WO2004096045A1 (ja) * 2003-05-02 2004-11-11 Seijiro Tomita 個体判別方法及びその装置
ATE413902T1 (de) * 2003-08-18 2008-11-15 Cardiac Pacemakers Inc Patientenüberwachungssystem
KR100547811B1 (ko) 2003-09-15 2006-01-31 삼성전자주식회사 디지털 방송시스템에서의 부가방송 서비스 방법 및 장치
JP4257538B2 (ja) * 2003-12-17 2009-04-22 誠次郎 富田 心音波形及び／又は呼吸波形パターンを利用した個人認証システム
US20060155386A1 (en) * 2005-01-10 2006-07-13 Wells David L Electromyographic sensor
US7458937B2 (en) * 2005-01-11 2008-12-02 Coherence Llc Method and system for assessing breathing effectiveness via assessment of the dynamic arterial pressure wave using the oscillometric measurement technique
EP1800705B1 (en) 2005-12-21 2018-01-24 ResMed Limited Identification system and method for mask and ventilator components
US8762733B2 (en) * 2006-01-30 2014-06-24 Adidas Ag System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint
JP2007213196A (ja) * 2006-02-08 2007-08-23 Olympus Corp 個人認証方法、個人認証システムおよび生体情報測定システム
JP4905043B2 (ja) * 2006-10-12 2012-03-28 アイシン精機株式会社 ベッド装置
CN104352225B (zh) 2006-11-01 2019-10-25 瑞思迈传感器技术有限公司 用于监测心肺参数的系统和方法
CN101190123A (zh) * 2006-11-28 2008-06-04 周纯美 睡眠状态监控系统
US9743859B2 (en) 2007-06-15 2017-08-29 Cardiac Pacemakers, Inc. Daytime/nighttime respiration rate monitoring
AU2008353513B2 (en) 2008-03-25 2013-08-08 Oneempower Pte Ltd Health monitoring system with biometric identification
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
US8882684B2 (en) * 2008-05-12 2014-11-11 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20090275807A1 (en) * 2008-05-02 2009-11-05 General Electric Company Method for managing alarms in a physiological monitoring system
US20100090862A1 (en) * 2008-09-04 2010-04-15 Dubrow Nicole M Point-of-use energy monitoring and management
AU2009296732A1 (en) 2008-09-24 2010-04-01 Resmed Sensor Technologies Limited Contactless and minimal-contact monitoring of quality of life parameters for assessment and intervention
JP5300602B2 (ja) 2008-10-31 2013-09-25 三菱電機株式会社 空気調和機
US9526429B2 (en) 2009-02-06 2016-12-27 Resmed Sensor Technologies Limited Apparatus, system and method for chronic disease monitoring
US7994968B2 (en) 2009-02-26 2011-08-09 Mcewan Technologies, Llc RF magnitude sampler for holographic radar
US7952515B2 (en) 2009-02-26 2011-05-31 Mcewan Technologies, Llc Range gated holographic radar
US20110003550A1 (en) * 2009-07-03 2011-01-06 Sony Ericsson Mobile Communications Ab Tactile input for accessories
CN102665546B (zh) 2009-07-16 2015-12-09 瑞思迈有限公司 睡眠状况的检测
US8321006B1 (en) 2009-07-23 2012-11-27 Humana Inc. Biometric data display system and method
WO2011127314A2 (en) 2010-04-07 2011-10-13 Chart Sequal Technologies Inc. Portable oxygen delivery device
US20140194793A1 (en) * 2010-05-14 2014-07-10 Kai Medical, Inc. Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, apnea diagnosis, and snore therapy
US8799167B2 (en) * 2010-07-13 2014-08-05 Tec Solutions, Inc. Biometric authentication system and biometric sensor configured for single user authentication
US10264968B2 (en) * 2010-09-30 2019-04-23 Koninklijke Philips N.V. Body worn sensors network with redundant parameter prioritization and temporal alignment
EP2673677A1 (en) * 2011-02-09 2013-12-18 Actatek Pte Ltd A system and method for controlling electrical appliances
US10595813B2 (en) * 2011-09-01 2020-03-24 Medtronic, Inc. Method and apparatus for monitoring cardiac and respiratory conditions using acoustic sounds
WO2013077977A1 (en) 2011-11-23 2013-05-30 Remedev, Inc. Remotely-executed medical diagnosis and therapy including emergency automation
JP6027716B2 (ja) * 2012-04-03 2016-11-16 旭光電機株式会社 装着型使用者状態情報取得装置
US9465520B2 (en) * 2012-05-01 2016-10-11 Jorge Mestre Messaging device
US11633150B2 (en) * 2012-05-31 2023-04-25 Ben Gurion University Of The Negev Research And Development Authority Apparatus and method for diagnosing sleep quality
US9044149B2 (en) * 2012-06-22 2015-06-02 Fitbit, Inc. Heart rate data collection
US9445729B2 (en) 2012-07-20 2016-09-20 Resmed Sensor Technologies Limited Range gated radio frequency physiology sensor
KR102091167B1 (ko) * 2012-09-19 2020-03-20 레스메드 센서 테크놀로지스 리미티드 수면 스테이지를 결정하는 시스템 및 방법
US9974468B2 (en) * 2013-03-15 2018-05-22 Covidien Lp Systems and methods for identifying a medically monitored patient
JP6353194B2 (ja) * 2013-04-22 2018-07-04 公立大学法人首都大学東京 身体情報測定装置
JP6193650B2 (ja) * 2013-07-04 2017-09-06 パラマウントベッド株式会社 異常評価装置及び異常評価プログラム
AU2014287372A1 (en) 2013-07-08 2016-01-21 Resmed Sensor Technologies Limited Method and system for sleep management
US9655559B2 (en) * 2014-01-03 2017-05-23 Vital Connect, Inc. Automated sleep staging using wearable sensors
US9649558B2 (en) * 2014-03-14 2017-05-16 Sony Interactive Entertainment Inc. Gaming device with rotatably placed cameras
WO2015168154A1 (en) * 2014-04-28 2015-11-05 The General Hospital Corporation System and method for monitoring behavior during sleep onset
US9981107B2 (en) * 2014-06-05 2018-05-29 Eight Sleep Inc. Methods and systems for gathering and analyzing human biological signals
US10610153B2 (en) * 2014-07-21 2020-04-07 Withings System and method to monitor and assist individual's sleep
NZ630757A (en) 2014-08-01 2016-03-31 Resmed Ltd Self-optimising respiratory therapy system
CA2898812A1 (en) * 2014-08-01 2016-02-01 George Ayer Systems and methods for underwater wireless radio-frequency communications
WO2016033118A1 (en) * 2014-08-29 2016-03-03 Incyphae Inc. Method and apparatus for enhancing nervous function
US20160302677A1 (en) * 2015-04-14 2016-10-20 Quanttus, Inc. Calibrating for Blood Pressure Using Height Difference

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120068819A1 (en) * 2006-04-05 2012-03-22 Mcgrath William R Systems and methods for remote long standoff biometric identification using microwave cardiac signals
CN101489478A (zh) * 2006-06-01 2009-07-22 必安康医疗有限公司 用于监视生理症状的装置、系统和方法
WO2008102291A2 (en) * 2007-02-20 2008-08-28 Philips Intellectual Property & Standards Gmbh Method and system for identifying a subject
CN102068261A (zh) * 2011-01-21 2011-05-25 上海弘周电子科技有限公司 安全监护仪
US20120245479A1 (en) * 2011-03-23 2012-09-27 Meena Ganesh Physiology Monitoring and Alerting System and Process
US20130340758A1 (en) * 2012-06-26 2013-12-26 Resmed Limited Methods and apparatus for monitoring and treating respiratory insufficiency
CN103006223A (zh) * 2012-12-13 2013-04-03 中国人民解放军第四军医大学 一种家用非接触睡眠监测装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JANANI SRIRAM 等: "Activity-aware ECG-based Patient authentication for remote health monitoring", 《PR0CEEDINGS 0F THE 2009 INTERNATI0NAL CONFERENCE ON MULTIMODAL INTERFACES》 *

Cited By (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109164450B (zh) * 2018-09-12 2022-11-22 天津大学 一种基于多普勒雷达数据的下击暴流预测方法
CN109164450A (zh) * 2018-09-12 2019-01-08 天津大学 一种基于多普勒雷达数据的下击暴流预测方法
TWI810387B (zh) * 2018-10-25 2023-08-01 美商電子戰協會公司 整合人工神經網路與通用處理器電路之系統單晶片
US11580355B2 (en) 2018-10-25 2023-02-14 Electronic Warfare Associates, Inc. System-on-a-chip incorporating artificial neural network and general-purpose processor circuitry
TWI687202B (zh) * 2018-12-21 2020-03-11 緯創資通股份有限公司 非接觸式生命徵象偵測系統與方法
CN111345793B (zh) * 2018-12-21 2023-04-18 纬创资通股份有限公司 非接触式生命征象检测系统与方法
CN111345793A (zh) * 2018-12-21 2020-06-30 纬创资通股份有限公司 非接触式生命征象检测系统与方法
WO2020139845A1 (en) * 2018-12-28 2020-07-02 Resmed Inc. Prediction of usage or compliance
US11508484B1 (en) 2018-12-28 2022-11-22 ResMed Pty Ltd Prediction of respiratory therapy compliance
CN111624568A (zh) * 2019-02-27 2020-09-04 和硕联合科技股份有限公司 多目标生命征象检测系统及方法
CN113439218A (zh) * 2019-02-28 2021-09-24 谷歌有限责任公司 在存在身体运动的情况下检测人体生命体征的基于智能设备的雷达系统
CN109948481B (zh) * 2019-03-07 2024-02-02 惠州学院 一种基于窄带射频链路采样的无源人体识别方法
CN109948481A (zh) * 2019-03-07 2019-06-28 惠州学院 一种基于窄带射频链路采样的无源人体识别方法
CN110400264A (zh) * 2019-04-14 2019-11-01 泰州市赛得机电设备有限公司 设备状态实时转换系统
CN110349587A (zh) * 2019-07-12 2019-10-18 南京航空航天大学 一种两人场景下目标个体打呼区分方法
CN110349587B (zh) * 2019-07-12 2022-03-25 南京航空航天大学 一种两人场景下目标个体打呼区分方法
CN110464303A (zh) * 2019-08-15 2019-11-19 深圳和而泰家居在线网络科技有限公司 睡眠质量评估方法及装置
CN110596705A (zh) * 2019-08-22 2019-12-20 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
CN110579807A (zh) * 2019-09-06 2019-12-17 广汽蔚来新能源汽车科技有限公司 生命体探测方法、装置、计算机设备和存储介质
CN110579807B (zh) * 2019-09-06 2021-07-23 合创汽车科技有限公司 生命体探测方法、装置、计算机设备和存储介质
CN110897621A (zh) * 2019-10-21 2020-03-24 思澜科技（成都）有限公司 一种生理信号提取方法及其系统
CN110710963A (zh) * 2019-11-19 2020-01-21 山东一脉物联网科技有限公司 一种窄面式雷达智能监控呼吸系统
CN111345802A (zh) * 2020-03-16 2020-06-30 南京润楠医疗电子研究院有限公司 一种基于心冲击信号获取双人心跳频率的装置及方法
CN111507010A (zh) * 2020-04-23 2020-08-07 苏州聚分享电子商贸有限公司 一种ai人工智能检测口气的数据模型
WO2021243332A1 (en) * 2020-05-29 2021-12-02 Lifeq B.V. System and method for detecting coughs from sensor data
CN111772633A (zh) * 2020-07-16 2020-10-16 韩锋 一种遥感呼吸功能监护装置及方法
CN112401856A (zh) * 2020-11-16 2021-02-26 武汉烽火凯卓科技有限公司 一种基于毫米波雷达的疗养院监护方法及系统
CN112401856B (zh) * 2020-11-16 2022-07-08 武汉烽火凯卓科技有限公司 一种基于毫米波雷达的疗养院监护方法及系统
CN112460742A (zh) * 2020-11-19 2021-03-09 珠海格力电器股份有限公司 传感器的控制方法、装置、传感器、存储介质及处理器
CN112686094B (zh) * 2020-12-03 2021-08-10 华中师范大学 一种基于毫米波雷达的非接触式身份识别方法及系统
CN112686094A (zh) * 2020-12-03 2021-04-20 华中师范大学 一种基于毫米波雷达的非接触式身份识别方法及系统
CN112698314A (zh) * 2020-12-07 2021-04-23 四川写正智能科技有限公司 一种基于毫米波雷达传感器的儿童智能健康管理方法
US20220311858A1 (en) * 2021-03-26 2022-09-29 Panasonic Intellectual Property Management Co., Ltd. Electronic device linking system, control device, and method
CN113064161A (zh) * 2021-03-30 2021-07-02 南京信息工程大学 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法
CN113064161B (zh) * 2021-03-30 2023-05-30 南京信息工程大学 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法
CN113109808A (zh) * 2021-04-01 2021-07-13 深圳迈睿智能科技有限公司 基于存在探测的多普勒信号处理方法和装置
CN113109808B (zh) * 2021-04-01 2023-12-29 深圳迈睿智能科技有限公司 基于存在探测的多普勒信号处理方法和装置
WO2022226909A1 (zh) * 2021-04-29 2022-11-03 京东方科技集团股份有限公司 睡眠数据的处理方法、装置、计算机设备、程序及介质
CN113288114A (zh) * 2021-05-28 2021-08-24 南京润楠医疗电子研究院有限公司 一种基于无线信号的多人混合呼吸信号提取方法
CN113205518A (zh) * 2021-07-05 2021-08-03 雅安市人民医院 医疗车图像信息处理方法及装置
CN114239649B (zh) * 2021-07-15 2023-04-07 电子科技大学 面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法
CN114239649A (zh) * 2021-07-15 2022-03-25 电子科技大学 面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法
CN113963427B (zh) * 2021-12-22 2022-07-26 浙江工商大学 一种快速活体检测的方法与系统
CN113963427A (zh) * 2021-12-22 2022-01-21 浙江工商大学 一种快速活体检测的方法与系统
CN116449353A (zh) * 2023-06-20 2023-07-18 精华隆智慧感知科技（深圳）股份有限公司 一种睡眠过程人体存在检测方法、装置、设备及存储介质
CN116449353B (zh) * 2023-06-20 2023-08-15 精华隆智慧感知科技（深圳）股份有限公司 一种睡眠过程人体存在检测方法、装置、设备及存储介质
CN116895382A (zh) * 2023-07-12 2023-10-17 普迪特(泰州)生物科技有限公司 基于数据分析的人体健康监测管理系统
CN116895382B (zh) * 2023-07-12 2024-02-13 中健三六五健康科技有限公司 基于数据分析的人体健康监测管理系统
CN117392121A (zh) * 2023-12-07 2024-01-12 西安鼎福十方网络智能科技有限公司 一种基于图像识别的经皮给药治疗控制方法及系统
CN117392121B (zh) * 2023-12-07 2024-03-08 西安鼎福十方网络智能科技有限公司 一种基于图像识别的经皮给药治疗控制方法及系统

Also Published As

Publication number Publication date
JP7273909B2 (ja) 2023-05-15
JP2021192801A (ja) 2021-12-23
EP3286577A1 (en) 2018-02-28
US20200386879A1 (en) 2020-12-10
US10690763B2 (en) 2020-06-23
US11092685B2 (en) 2021-08-17
JP2023099126A (ja) 2023-07-11
CN114545355A (zh) 2022-05-27
US20180106897A1 (en) 2018-04-19
JP2018517448A (ja) 2018-07-05
WO2016170005A1 (en) 2016-10-27
EP3286577B1 (en) 2021-03-17
US20220075050A1 (en) 2022-03-10
US11796665B2 (en) 2023-10-24
CN108474841B (zh) 2022-03-18
EP3943971A1 (en) 2022-01-26
JP6940414B2 (ja) 2021-09-29

Similar Documents

Publication Publication Date Title
CN108474841A (zh) 由特征信号对人类的检测和识别
JP7284782B2 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
JP7273774B2 (ja) 心肺健康状態をモニタリングするシステム、システムの作動方法及びコンピュータ可読媒体
JP2018531055A6 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
CN113382676A (zh) 用于改变发送到外部源的数据量的系统和方法
CN104812300A (zh) 用于确定睡眠阶段的系统和方法
CN109998482A (zh) 睡眠状况的检测
US20230190140A1 (en) Methods and apparatus for detection and monitoring of health parameters
US20230099622A1 (en) Sleep status detection for apnea-hypopnea index calculation
US20210386291A1 (en) Wearable device with cloud-based monitoring software
WO2021152526A1 (en) Systems and methods for detecting mouth leak
US20220313945A1 (en) Methods and systems of pavlovian sleep induction
Desai et al. An Approach for Prediction of Obstructive Sleep Apnea
WO2023275812A1 (en) Systems and methods for characterizing a conduit in a respiratory therapy system

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