CN109620158B - 睡眠监控的方法、智能终端及存储装置 - Google Patents

Abstract

本申请公开了一种睡眠监控的方法、智能终端、存储装置，该方法包括获取智能终端的加速度数据；基于加速度数据计算出用户预定时间段的活动等级；基于活动等级，计算出用户的睡眠片段；基于睡眠片段，分析用户的睡眠状态。通过此种方式，用户不必对装置进行设置操作即可准确记录睡眠状况，并分析出用户的睡眠状态，使用户能够清楚地了解自己的睡眠状况。

Description

睡眠监控的方法、智能终端及存储装置

技术领域

本申请涉及电子技术领域，尤其涉及一种睡眠监控的方法、智能终端及存储装置。

技术背景

睡眠是人体所必需的正常生理活动，人的生命有三分之一的时间是在睡眠中度过的。睡眠能促进脑发育、促进生长、消除疲劳、恢复体力、巩固记忆、延缓衰老、增强免疫和保护神经系统等作用。睡眠紊乱以及睡眠疾病等睡眠问题会影响人的精神状态，并且是其他疾病发生的前兆和诱因。睡眠问题的发生具有随机性，难以预测，需要对病人进行长时间的睡眠监测才能发现睡眠问题。

现代人的生活节奏越来越快，导致出现各种各样的睡眠问题，很多人希望了解自己的睡眠状况，但是因医用睡眠监测的复杂和高成本而望而却步。随着嵌入式技术和传感器技术的不断升级和发展，可穿戴设备越来越被消费者认可和普及，对于睡眠监测，有的穿戴设备要求消费者自己设置开始结束时间来计算分析睡眠状况，还有的要求穿戴设备在特定的时间段使用，更多的是不能准确记录睡眠状况，出现误检测。这些方法的使用都极大的降低了用户体验满意度，与现阶段倡导的“智能”格格不入。

发明内容

本申请主要解决的技术问题是：睡眠监控设备需要手动设置且容易出现误检测的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种睡眠监控的方法，该方法包括：获取智能终端的加速度数据；基于加速度数据，计算出用户预定时间段的活动等级；基于活动等级，计算出用户的睡眠片段；基于睡眠片段，分析用户的睡眠状态。

为解决上述技术问题，本申请采用的第二个技术方案是：提供一种智能终端，该智能终端包括处理器、通信电路，其中处理器配合通信电路实现上述任一实施例的睡眠监控的方法。

为解决上述技术问题，本申请采用的第二个技术方案是：提供一种存储装置，该存储装置存储有程序数据，程序数据能够被执行实现上述任一实施例的睡眠监控的方法。

本申请的有益效果是：本申请提供的睡眠监控方法通过获取智能终端的加速度数据，基于加速度数据计算出用户预定时间段的活动等级，来全天监测用户的活动等级，避免用户手动设置监测时间。另外，基于活动等级，计算出用户的睡眠片段，基于睡眠片段，分析用户的睡眠状态，可使用户能够清楚地了解自己的睡眠状况。

附图说明

图1是本申请睡眠监控的方法一实施例流程示意图；

图2是图1中S12一实施方式流程示意图；

图3是图1中S13一实施方式流程示意图；

图4是本申请智能终端一实施例结构示意图；

图5是本申请存储装置一实施例结构示意图。

具体实施方式

本申请提供一种睡眠监控的方法、智能终端及存储装置，为使本申请的目的、技术方案和技术效果更加明确、清楚，以下对本申请进一步详细说明，应当理解此处所描述的具体实施条例仅用于解释本申请，并不用于限定本申请。

人体在不同的睡眠阶段在身体动作上会表现得很不相同，出现的睡姿或睡姿之间转换的动作频率也不同。所以在某一时间段内，我们可以根据人体身体睡眠动作频率来判断睡眠状态。睡眠好是保持健康，充满活力的一个重要因素。睡眠监控对尽早诊断和治疗疾病起到重要作用。睡眠监控可以对疾病诊断提供宝贵数据，使得人们更加清楚的认识个人的睡眠情况，从而给出睡眠指引或者监督。

为了能准确的监控用户的睡眠状态，本申请提供一种可靠的睡眠监控的方法、智能终端及存储装置，方便对用户进行睡眠监控及分析。

本申请实施例中，智能终端可以包括但不限于：笔记本电脑、手机、平板电脑、智能可穿戴设备等。智能终端的系统指终端的操作系统，可以包括但不限于：Android系统、塞班系统、Windows系统、IOS(苹果公司开发的移动操作系统)系统等。需要说明的是，Android终端指Android系统的终端，塞班终端指塞班系统的终端。上述智能终端仅是举例，而非穷举，包含但不限于上述智能终端。

下面将以智能手环为例，结合附图对本申请的睡眠监控的方法进行详细介绍。请参阅图1，图1是本申请睡眠监控的方法一实施例流程示意图。该睡眠监控方法具体包括如下步骤：

S11：获取智能终端的加速度数据。

智能终端可通过智能终端的加速度传感器检测终端的加速度数据。加速度传感器的数据可包括X、Y、Z轴三个方向的加速度数据，加速度数据可取任意一个方向的加速度数据、任意两个方向的加速度数据、或者同时取三个方向的加速度数据。

在本实施例中加速度传感器可采集三个轴，分别是X、Y、Z轴的加速度数据。而且数据采集的时间是全天采集，并不需要用户设置时间段。数据采集的频率优选为25赫兹。当采集频率为25赫兹时，采集的数据量合适，根据采集的数据计算出的睡眠状态可靠性较高。在其他可替代的实施例中，数据采集的频率还可为15赫兹或者30赫兹等。可基于实际情况具体选择，在此不做具体限定。

S12：基于加速度数据计算出用户预定时间段的活动等级。

采集到加速度数据后，再通过第四预设算法计算出用户预定时间段的活动等级。在本实施例中，活动等级为用户手翻动的次数，预定的时间段为每分钟，预定的时间段选为每分钟时方便统计。在其他可替代的实施例中，预定的时间段可为2分钟、3分钟等。

活动等级为用户手部翻动的次数，通过设定加速度阈值，当采集到的每一组加速度数据经过第四预设算法运算后的数据大于加速度阈值，则判定用户手部翻动一次。在一个具体的实施例中，第四预设算法为x*x+y*y+z*z的平方根。在其他可替代的实施例中，第四预设算法还可为任意两个方向的加速度数据进行运算。

通过设定加速度阈值，当经过第四预设算法运算后的数据大于所设定的加速度阈值，则判定用户手部翻动一次。可以通过此种方式统计用户在每个预定时间段的活动等级，即每个预定时间段手部翻动的次数。在本实施例中，当预定的时间段为每分钟时，每小时会记录60个活动等级数据，则每天会记录1440个活动等级的数据。

对于活动等级的数据计算，在一个优选的实施例中，如图2所示，该步骤的具体流程为：

S121：判断用户是否佩戴智能终端。

通过智能终端的一些参数，判断用户是否佩戴该智能终端。比如当检测到智能终端正处于充电状态时，则判定用户并未佩戴该智能终端。当检测到智能终端处于人体佩戴时不可能达到的状态时，则判定用户并未佩戴该智能终端。比如智能终端的方向显示人体的手臂处于垂直向上的状态。由于人处于睡眠状态时，手臂不可能垂直向上。因此，可判定当智能终端处于此方向时，用户并未佩戴该智能终端。

S122：当用户未佩戴智能终端时，将预定时间段的活动等级记录为特殊标志位。

当检测到用户并未佩戴该智能终端时，则将未佩戴该智能终端的时间段记为特殊标志位。为了和正常佩戴时的活动等级区别开，可以将特殊标志位设置成很大的数据，比如一万。因为正常情况下，人体的每分钟内，手部翻动的次数不会达到一万次。因此，很容易区别出此预定时间段为特殊标志位。在其他可替代的实施例中，也可将特殊标志位设置成一个负数等，只要能与人体佩戴时正常的活动等级区分出来即可，在此不做具体限定。

比如在一个具体的实施例中，判定的上午10点到上午11点，该智能终端处于充电状态。则将上午10点到上午11点之间的60分钟中的每分钟的都记录为特殊标志位，即用很大的数据来代替活动等级，以和佩戴后的正常的活动等级数据区分出来。

S123：当用户佩戴智能终端时，基于加速的数据，计算出用户预定时间的活动等级。

当判定用户佩戴了该智能终端时，基于其统计的加速的数据按照上述S11中的计算方法，计算出用户预定时间段的活动等级。

S124：保存活动等级、特殊标志位及对应的预定时间段。

当记录下该特殊标志位后，将该特殊标志位和对应的预定时间段保存至智能终端中。且将计算的预定时间段的活动等级数据和对应的预定时间段保存至该智能终端中。

S13：基于活动等级，计算出用户的睡眠片段。

基于以上记录的正常的活动等级数据以及特殊标志位，作为原始数据来计算用户的睡眠片段。

关于计算用户睡眠片段的时间，在一个具体的实施例中，该算法并不是实时计算的，而是当用户需要查看时才进行计算，这样更加节省功耗。具体为，首先判断该智能终端是否进入显示界面，如果该智能终端进入了显示界面，则算法触发，开始计算用户的睡眠片段。该智能终端并未进入显示界面时，则表示用户并不查看当前的睡眠状态，因此算法并不触发。

在其他可替代的实施例中，该算法也可设置为自动启动，比如一天的数据采集完成后，每天定时计算昨天的睡眠片段。也可通过用户来触发计算睡眠片段的过程。用户通过相应的指令来触发该睡眠片段的计算。比如用户点击查看昨天的睡眠状况，则对昨天的睡眠片段进行计算，当用户点击查看最近一周的睡眠状况，则对最近一周的睡眠片段进行计算。

关于睡眠片段的具体的计算过程，在一个具体的实施例中，如图3所示，具体包括：

S131：按照第一预设算法对活动等级进行计算，并基于特殊标志位，得到用户的第一睡眠片段。

基于第一预设算法对统计到的活动等级数据进行计算。在一个具体的实施例中，该第一预设算法可为5阶平滑滤波，对睡眠片段做初步滤除。经过大量数据统计，首先进行5阶平滑滤波，能较准确计算出初步的睡眠片段。在其他可替代的实施例中，该第一预设算法还可为6阶平滑滤波、4阶平滑滤波等。

对活动等级数据进行初步平滑滤波后，通过设定第一预设算法的阈值。当通过第一预设算法运算出的活动等级数据小于该第一预设算法的阈值，则判定用户处于睡眠状态。当通过第一预设算法运算出的活动等级数据大于或者等于该第一预设算法的阈值时，则判定用户处于活动状态。在得到初步睡眠片段后，再滤除一些时间比较短的睡眠片段，比如3分钟或者7分钟以内的睡眠片段。然后结合原始活动等级数据中的特殊标志位，可初步判定用户的睡眠状态、活动状态和其他状态比如充电状态、未佩戴的状态等。因而通过第一预设算法可初步得到用户的第一睡眠片段。

S132：按照第二预设算法对活动等级进行计算，以得到用户的第二睡眠片段，基于第二睡眠片段和第一睡眠片段分析得到用户第三睡眠片段。

基于第二预设算法对智能终端保存的活动等级数据进行运算。基于第二预设算法对统计到的活动等级数据进行计算。在一个具体的实施例中，该第二预设算法可为25阶平滑滤波，对睡眠片段进一步进行精确。在其他可替代的实施例中，该第二预设算法还可为20阶平滑滤波、30阶平滑滤波等，只要第二预设算法比第一预设算法更精确即可。

对活动等级数据经过25阶平滑滤波后，然后通过设定第二预设算法阈值，当经过第二预设算法计算后得到的活动等级数据小于该第二预设算法阈值时，则判定用户处于睡眠状态。当经过第二预设算法计算后得到的活动等级数据大于或者等于该第二预设算法阈值时，则判定用户处于清醒或者活动状态。然后再在睡眠片段中对睡眠时间比较短的片段，比如3分钟或者7分钟以内的睡眠片段做滤除，因而可得到用户第二睡眠片段。

将第一睡眠片段和第二睡眠片段进行比对，然后再结合保存的特殊标记位的数据，得到更加精确的第三睡眠片段、清醒或者活动时间及出睡时间。

S133：按照第三预设算法对活动等级进行计算，以得到用户的第四睡眠片段，基于第三睡眠片段和第四睡眠片段分析得到用户第五睡眠片段。

基于第三预设算法对智能终端保存的活动等级数据进行运算。基于第三预设算法对统计到的活动等级数据进行计算。在一个具体的实施例中，该第三预设算法可为31阶平滑滤波。对睡眠片段再次进行精确。在其他可替代的实施例中，该第三预设算法还可为35阶平滑滤波、40阶平滑滤波等，只要第三预设算法比第一预设算法、第二预设算法更精确即可。

在本实施例中，对活动等级数据经过31阶平滑滤波后，然后通过设定第三预设算法阈值，当经过第三预设算法计算后得到的活动等级数据小于该第三预设算法阈值时，则判定用户处于睡眠状态。当经过第三预设算法计算后得到的活动等级数据大于或者等于该第三预设算法阈值时，则判定用户处于清醒或者活动状态。然后再在睡眠片段中对睡眠时间比较短的，比如3分钟或者7分钟以内的睡眠片段做滤除，因而可得到用户第四睡眠片段。

然后再将第三睡眠片段和第四睡眠片段进行对比分析，并基于睡眠的连续性，将离散的睡眠时间进行合并，统计得到更加精确的第五睡眠片段。

S14：基于睡眠片段，分析用户的睡眠状态。

计算得到用户的第五睡眠片段后，通过设定深睡阈值，当第五睡眠片段中的经过第三预设算法得到的活动等级数据小于深睡阈值，则判定用户处于深睡的状态，当第五睡眠片段中的经过第三预设算法得到的活动等级数据大于深睡阈值，则判定用户处于浅睡的状态。

综上，根据以上计算得到的第一睡眠片段、第二睡眠片段、第三睡眠片段、第四睡眠片段、第五睡眠片段，则可统计出用户的深睡状态、浅睡状态、清醒状态、出睡时间。

在一个具体的实施例中，该睡眠监控的方法能够方便、准确记录用户的睡眠状况，表1为不同测试者的测试数据。

表1

从上表的统计可以看出，当实际睡眠时间为5小时，本申请提供的手环显示的睡眠时间为4小时57分钟，误差就只有3分钟；当实际睡眠时间为8小时30分钟时，手环显示的睡眠时间为8小时28分钟。可见应用本睡眠监控的方法的智能终端在对佩戴者进行睡眠监控时误差很小，准确性很高。通过智能终端监测出睡眠结果后，然后将该睡眠结果显示出来。可选的，可以通过表格或者图样的形式将统计结果显示出来，以方便用户查阅。通过上述测试，可以看出本申请的睡眠监控方法能够比较准确的监控出用户的睡眠状态，可靠性高。

区别于现有技术，本申请提供的睡眠监控方法通过获取智能终端的加速度数据，基于加速度数据计算出用户预定时间段的活动等级，来全天监测用户的活动等级，避免用户手动设置监测时间。另外，基于活动等级，计算出用户的睡眠片段；基于睡眠片段，分析用户的睡眠状态，可使用户能够清楚地了解自己的睡眠状况。

本申请还提供了一种智能终端，该智能终端的结构示意图如图4所示，该智能终端4包括相互耦接的通信电路401以及处理器402，处理器402在工作时配合通信电路401实现上述实施例中的睡眠监控的方法。

其中，该智能终端4包括PC机、平板电脑以及智能穿戴设备等的智能设备。

处理器402与通信电路401相配合用于获取智能终端的加速度数据；基于加速度数据计算出用户预定时间段的活动等级；基于活动等级，计算出用户的睡眠片段；基于睡眠片段，分析用户的睡眠状态。

在其他实施例中，处理器402配合通信电路401还用于判断用户是否佩戴智能终端；当用户未佩戴智能终端时，将预定时间段的活动等级记录为特殊标志位；当用户佩戴智能终端时，基于加速的数据计算出用户预定时间的活动等级。

在一个具体的实施例中，处理器402配合通信电路401用于按照第一预设算法对活动等级进行计算，并基于特殊标志位，得到用户的第一睡眠片段；按照第二预设算法对活动等级进行计算，以得到用户的第二睡眠片段，基于第二睡眠片段和第一睡眠片段分析得到用户第三睡眠片段；按照第三预设算法对活动等级进行计算，以得到用户的第四睡眠片段，基于第三睡眠片段和第四睡眠片段分析得到用户第五睡眠片段。

优选的，本申请的智能终端还包括显示器403，该显示器403用于输出最终计算出的用户的睡眠状态，具体包括：深睡状态、浅睡状态、清醒状态、出睡时间。在其他可替代的实施例中，该智能终端还可将对应的睡眠状态数据发送给绑定的手机，使用户能在手机上查看佩戴者的睡眠状态。

区别于现有技术，本申请提供的智能终端通过获取智能终端的加速度数据；基于加速度数据计算出用户预定时间段的活动等级，来全天监测用户的活动等级，避免用户手动设置监测时间。另外，基于活动等级，计算出用户的睡眠片段；基于睡眠片段，分析用户的睡眠状态，可使用户能够清楚地了解自己的睡眠状况。

本申请还提供了一种存储装置，该存储装置上存储有程序数据，该程序数据被处理器执行实现如上述任一实施例的睡眠监控的方法。

请参阅图5，图5是本申请提供的存储装置的一实施例的结构示意图。本实施例中，该存储装置5存储有处理器可运行的程序数据501，该程序数据501用于执行上述任一实施例中的智能终端性能测试的方法。

该存储装置5具体可以为U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory，)、磁碟或者光盘等可以存储程序数据的介质，或者也可以为存储有该程序数据501的服务器或者终端，该服务器或者终端可将存储的程序数据501发送给其他设备运行，或者也可以自运行该存储的程序数据501。

以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (8)

1.一种睡眠监控的方法，其特征在于，所述方法包括：

获取智能终端的加速度数据；

基于所述加速度数据，计算出用户预定时间段的活动等级；其中，所述预定时间段为每分钟；

基于所述活动等级，计算出所述用户的睡眠片段；

基于所述睡眠片段，分析所述用户的睡眠状态；

其中，所述基于所述加速度数据计算出用户预定时间的活动等级的步骤包括：

判断所述用户是否佩戴所述智能终端；

当所述用户未佩戴所述智能终端时，将所述预定时间段的所述活动等级记录为特殊标志位；

当所述用户佩戴所述智能终端时，基于所述加速数据计算出所述用户所述预定时间段的所述活动等级；

其中，所述基于所述活动等级，计算出所述用户的睡眠片段的步骤包括：

按照第一预设算法对所述活动等级进行计算，并基于所述特殊标志位，得到所述用户的第一睡眠片段；其中，所述第一预设算法为5阶平滑滤波或4阶平滑滤波或6阶平滑滤波；

按照第二预设算法对所述活动等级进行计算，以得到所述用户的第二睡眠片段，基于所述第二睡眠片段和所述第一睡眠片段分析得到所述用户的第三睡眠片段；其中，所述第二预设算法为25阶平滑滤波或20阶平滑滤波或30阶平滑滤波；

按照第三预设算法对所述活动等级进行计算，以得到所述用户的第四睡眠片段，基于所述第三睡眠片段和所述第四睡眠片段分析得到所述用户的第五睡眠片段；其中，所述第三预设算法为31阶平滑滤波或35阶平滑滤波或40阶平滑滤波；

其中，所述第一睡眠片段、所述第二睡眠片段以及所述第四睡眠片段中均滤除小于设定时长的睡眠片段；其中，所述第三预设算法比所述预设第一预设算法以及所述第二预设算法更精确。

2.根据权利要求1所述的方法，其特征在于，所述当所述用户佩戴所述智能终端时，基于所述加速数据计算出所述用户所述预定时间的所述活动等级的步骤之后还包括：

保存所述活动等级、所述特殊标志位及对应的所述预定时间段。

3.根据权利要求1所述的方法，其特征在于，所述基于所述睡眠片段，分析所述用户的睡眠状态的步骤包括：

基于所述第五睡眠片段分析得出所述用户的深睡状态、浅睡状态、清醒状态、出睡时间。

4.根据权利要求1所述的方法，其特征在于，所述基于所述活动等级，计算出所述用户的睡眠片段的步骤包括：

判断所述智能终端是否进入显示界面；

当所述智能终端进入所述显示界面时，基于所述活动等级，计算出所述用户的睡眠片段；

当所述智能终端未进入所述显示界面，则不进行计算。

5.根据权利要求1所述的方法，其特征在于，所述活动等级为用户手部翻动的次数，通过设定加速度阈值，当所述加速度数据经过第四预设算法运算后的数据大于所述加速度阈值，则判定所述用户手部翻动一次；其中，所述第四预设算法为x*x+y*y+z*z的平方根或为任意两个方向的加速度数据进行运算。

6.根据权利要求5所述的方法，其特征在于，所述加速度数据的采集频率为25赫兹。

7.一种智能终端，其特征在于，所述智能终端包括处理器、通信电路，其中所述处理器配合所述通信电路实现权利要求1-6任一项的所述的睡眠监控的方法。

8.一种存储装置，其特征在于，所述存储装置存储有程序数据，所述程序数据能够被执行实现如权利要求1-6任一项所述的睡眠监控的方法。

Images