CN111938584B - 一种睡眠监测方法与设备 - Google Patents
一种睡眠监测方法与设备 Download PDFInfo
- Publication number
- CN111938584B CN111938584B CN202010706120.9A CN202010706120A CN111938584B CN 111938584 B CN111938584 B CN 111938584B CN 202010706120 A CN202010706120 A CN 202010706120A CN 111938584 B CN111938584 B CN 111938584B
- Authority
- CN
- China
- Prior art keywords
- signal
- sleep
- preset time
- obtaining
- micro
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Anesthesiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例涉及一种睡眠监测方法与设备,所述方法包括:获取人体微动压电信号;基于所述人体微动压电信号获得呼吸信号,对所述呼吸信号进行滤波,以滤除所述呼吸信号中的副波干扰信号,并基于滤除副波干扰信号后的所述呼吸信号获得呼吸率;分别基于所述人体微动压电信号获得心跳信号和体动信号,基于所述心跳信号获得心率,基于所述体动信号获得体动次数;基于所述呼吸率、所述心率及所述体动次数获得入睡点和觉醒点;基于所述入睡点和所述觉醒点获得睡眠时长。本发明实施例通过根据儿童的生理特征对睡眠时的信号做针对性处理并结合人体睡眠时的多个信号判断得出较为准确的儿童睡眠时长。
Description
技术领域
本发明涉及监测技术领域,特别是涉及一种睡眠监测方法与设备。
背景技术
合理、正常的生活方式是确保人体健康的关键因素,是防治多数慢性疾病的有效方法。生活方式一般体现在饮食、活动量和睡眠质量三个方面。正因为睡眠对于身体维持正常的生理功能以及生长发育极为重要, 与健康息息相关,故为了监测人们的睡眠质量,市场上出现了各种各样的睡眠监测装置。
常见的睡眠监测装置有智能手环、智能手表或智能床垫,智能手环或手表主要通过光电传感器采集脉搏波信号计算心率和血氧,通过六轴传感器或者体动仪采集体动信号,智能床垫常用于通过压力传感器判断儿童有没有踢被子,有些也用于心率呼吸输出功能。
发明人在实现本发明的过程中,发现现有技术中至少存在以下问题:现有的睡眠监测装置的对于睡眠时长的测量方式比较简单,通常是根据检测用户是否离床来得出睡眠时长,并且也未考虑儿童与成年人之间的差别,如儿童的呼吸波中经常会出现容易引起误检的副波,从而导致对于儿童的检测结果的准确度较低。
发明内容
本发明实施例主要解决的技术问题是提供一种睡眠监测方法与设备,本发明通过根据儿童的生理特征做针对性处理并结合人体睡眠时的多个信号,能够检测出较为准确的儿童睡眠时长。
第一方面,本发明提供一种睡眠监测方法,所述方法包括:
获取人体微动压电信号;
基于所述人体微动压电信号获得呼吸信号,对所述呼吸信号进行滤波,以滤除所述呼吸信号中的副波干扰信号,并基于滤除副波干扰信号后的所述呼吸信号获得呼吸率;
分别基于所述人体微动压电信号获得心跳信号和体动信号,基于所述心跳信号获得心率,基于所述体动信号获得体动次数;
基于所述呼吸率、所述心率及所述体动次数获得入睡点和觉醒点;
基于所述入睡点和所述觉醒点获得睡眠时长。
在一些实施例中,所述基于所述呼吸率、所述心率及所述体动次数获得所述入睡点,包括:
如果第一预设时长内的所述体动次数小于第一预设阈值,且所述心率和所述呼吸率呈下降趋势,则确定所述第一预设时长内的任一时刻为所述入睡点。
在一些实施例中,所述基于所述呼吸率、所述心率及所述体动次数获得所述觉醒点,包括:
如果第一预设时长内的所述体动次数大于或等于第二预设阈值,且所述心率和所述呼吸率呈上升趋势,则确定所述第一预设时长内的任一时刻为所述觉醒点。
在一些实施例中,所述基于所述人体微动压电信号获得呼吸信号,对所述呼吸信号进行滤波,以滤除所述呼吸信号中的副波干扰信号,并基于滤除副波干扰信号后的所述呼吸信号获得呼吸率,包括:
对所述人体微动电信号使用第一预设频带的带通滤波器进行滤波处理获得所述呼吸信号;
将所述呼吸信号进行均值滤波处理,并基于均值滤波处理后的所述呼吸信号获得所述呼吸率。
在一些实施例中,所述将所述呼吸信号进行均值滤波处理,并基于均值滤波处理后的所述呼吸信号获得所述呼吸率,包括:
基于所述呼吸信号获取第二预设时长内的呼吸信号,将所述第二预设时长划分为多个时间段;
基于所述第二预设时长内的呼吸信号进行峰值搜索,获得所述第二预设时长内呼吸信号的至少两个波峰的峰值;
获取各个时间段内波峰峰值的最大值,并基于所述各个时间段内波峰峰值的最大值获得各所述最大值的中间值;剔除所述至少两个波峰中峰值小于所述中间值的波峰;
基于剔除波峰后的所述第二预设时长内的波峰获得所述呼吸率。
在一些实施例中,所述基于剔除波峰后的所述第二预设时长内的波峰获得所述呼吸率之前,所述方法还包括:
剔除所述至少两个波峰中波峰间的时间间隔小于第三预设时长的波峰,其中,所述第三预设时长小于所述第二预设时长。
在一些实施例中,基于所述人体微动压电信号获得所述心跳信号,基于所述心跳信号获得所述心率,包括:
对所述人体微动压电信号使用第二预设频带的带通滤波器进行滤波处理获得心跳信号;
对所述心跳信号依次进行中值滤波与高斯滤波处理;
基于滤波处理后的所述心跳信号进行峰值搜索,获得第四预设时长内的至少两个波峰;
基于所述第四预设时长内的波峰获得所述心率。
在一些实施例中,所述方法还包括:
如果第五预设时长内的体动次数小于第三预设阈值,则所述第五预设时长内为深睡状态;
如果第五预设时长的体动次数大于第三预设阈值且小于第四预设阈值,则所述第五预设时长内为浅睡状态;
基于所述深睡状态与所述浅睡状态统计深睡与浅睡时长。
第二方面,本实施例还提供一种睡眠监测设备,所述设备包括:
微动信号传感器,用于检测人体产生的微动信号,获得微动压电信号;
控制处理单元,用于对所述微动压电信号进行处理,所述控制处理单元包括:
至少一个处理器以及与所述至少一个处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的方法。
在一些实施例中,所述睡眠监测设备还包括:
用于承载人体或人体部位的监测本体,所述微动信号传感器设置于所述监测本体中。
在一些实施例中,所述睡眠监测设备还包括电荷放大器和选频放大器,所述微动信号传感器依次电连接所述电荷放大器和所述选频放大器;
所述电荷放大器用于对所述微动压电信号进行放大处理,所述选频放大器用于对所述微动压电信号进行选频处理。
在一些实施例中,所述睡眠监测设备还包括比较器,所述比较器的输入端连接所述选频放大器,所述比较器的输出端连接所述控制处理单元;
所述比较器用于比较所述微动压电信号和预设信号阈值,当所述微动电压信号大于或者等于所述预设信号阈值,发送唤醒信号给所述控制处理单元;
其中,所述唤醒信号用于使所述睡眠监测设备从低功耗模式进入工作模式。
第三方面,本实施例还提供非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,当所述计算机可执行指令被睡眠监测设备执行时,使所述睡眠监测设备执行上述的方法。
本发明提供的睡眠监测方法与设备,在获取呼吸率时,针对儿童的呼吸信号中易出现副波干扰信号的特征,对儿童呼吸信号中的副波干扰信号进行滤除后再用以计算呼吸率,可获得较为准确的儿童呼吸率,同时对监测到的多个睡眠信号进行结合以判断出入睡点及觉醒点,可获得较为准确的睡眠时长。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种应用场景示意图;
图2是本发明实施例提供的监测设备的电路结构示意图;
图3是本发明实施例提供的监测本体的结构示意图;
图4是本发明实施例提供的睡眠监测方法的流程示意图;
图5是本发明实施例提供的对呼吸信号使用均值滤波的流程示意图;
图6是本发明实施例提供的体动次数、心率以及呼吸率的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供了一种睡眠监测方法,该方法针对儿童与成年人的区别做了针对性优化,在对儿童进行睡眠监测时,相比于现有技术,能够得出更加完整及准确的数据。
为了便于理解本申请,首先介绍下本申请可以适用的应用场景,请参照图1,图1是本发明实施例的一种示例性的监测儿童睡眠的睡眠监测方式,睡眠监测设备可以以任何合适的产品形式存在,例如,睡眠监测设备可以是具有监测功能的带状结构,图1示例性的给出以一种睡眠带101进行监测的监测方法,具体实现中,将睡眠带101铺设于床垫下方或者上方且对应儿童的胸腔位置,以能够覆盖儿童的整个心脏区域为最佳,当儿童睡下时,睡眠带101可检测到儿童由于呼吸和心脏泵血产生的微动电压信号,在该微动电压信号中提取与睡眠相关的信号,并根据儿童生理特征对提取出的信号进一步处理,可输出一个较为准确的监测结果,在得出监测结果后,睡眠带101将该结果反馈给用户,例如,该结果可以通过WiFi模块上传到云端,用户可以使用手机上的APP来查看睡眠信息。
在图1所示的实施例中,通过将睡眠带101放置于床垫下,与人体之间无直接接触,不会对人体产生任何不适,特别是对儿童,不会引起儿童的注意力,可以在儿童无察觉的情况下对其睡眠信号进行准确的监测。
在另一些实施例中,睡眠监测设备也可以以其他产品形式存在,例如具有睡眠监测功能的垫子。当然,睡眠监测设备也可以不依附于带状结构或者垫子,而以单独的产品形式存在,在这种情况下,在用于监测人体的睡眠信息时,只需将其放置于床单或者床垫下即可。
示例性的,如图2所示,为一种可能的监测设备的硬件结构示意图,该监测设备可用于执行本申请实施例提供的睡眠监控方法,应理解,如图2所示的监测设备的硬件结构仅是一个示例,并且,监测设备可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置,图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
如图2所示,监测设备包括微动信号传感器201、电荷放大器202、选频放大器203、比较器204、控制处理单元205,在一些实施例中,如图3所示,监测设备还包括用于承载人体或人体部位的监测本体102,微动信号传感器201设置于监测本体102中。
其中,控制处理单元205可以采用微控制单元(Microcontroller Unit,MCU)或者数字信号处理(Digital Signal Processing,DSP) 控制器等。
控制处理单元205包括至少一个处理器2051以及存储器2052,其中,存储器2052可以内置在控制处理单元205中,也可以外置在控制处理单元外部,存储器2052还可以是远程设置的存储器,通过网络连接所述控制处理单元205。
存储器2052作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器2052 可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器2052可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器2052可选包括相对于处理器2051远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器2051通过运行或执行存储在存储器2052内的软件程序和/ 或模块,以及调用存储在存储器2052内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控,例如实现本发明任一实施例所述的睡眠监测方法。
处理器2051可以为一个或多个,图2中以一个处理器2051为例。处理器2051和存储器2052可以通过总线或者其他方式连接。处理器 2051可包括中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、控制器、现场可编程门阵列(FPGA)设备等。处理器205还可以被实现为计算设备的组合,例如,DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或多个微处理器、或者任何其它此类配置。
微动信号传感器201用于检测人体产生的微动信号并获得微动压电信号。微动信号传感器201可以为压电类传感器(例如压电薄膜传感器)、加速度传感器等能采集心脏跳动时对身体产生的冲击微动信号的传感器。
以电荷放大器202选用型号为OPA2317的运放为例,微动信号传感器201的输出端分别与电荷放大器202的正向输入端与反向输入端相接,通过电荷放大器202将微动电压信号进行放大,电荷放大器202的输出端与选频放大器203的输入端电连接,通过选频放大器203将放大后的微动电压信号进行选频处理。在一些实施例中,由于儿童心脏跳动引起的振动信号比成人小一半以上,因此信噪比较差,将选频放大器203 带宽调整到一个比较窄的范围,比如采用1-3HZ的选频放大器203,可用硬件滤除部分除1-3HZ以外频率的信号,能选择出完整的儿童睡眠时的生命体征信号,可以理解的是,该选频放大器203只是先过滤掉部分信号,为后续在处理器2051中的过滤减轻负担,即减少对处理器205 运行内存的占用,使整个系统的运行速度快,效率高且能够强化了心率信号的频带内特征,提高了信噪比。
比较器204的输入端与选频放大器203的输出端连接,比较器的输出端204连接至控制处理单元205,比较器204用于将人体微动压电信号和预设信号阈值进行比较,当人体微动电压信号大于或者等于预设信号阈值,发送唤醒信号给控制处理单元205,即用户刚躺下的时刻会在微动信号传感器201产生一个较强的电压信号,这个电压信号一旦大于预先设置好的阈值,控制处理单元205则会接收到比较器204输出的唤醒信号,继而控制处理单元205处于一种工作状态,即为工作模式。
可以理解的是,为了节省功耗,提升电池的续航能力,当用户离开床后,微动信号传感器201产生的电压信号会小于预先设置好的阈值,那么此时比较器204未有输出信号,控制处理单元205会自动进入休眠状态,减少了功耗,使产品在一次充电后可以使用较长时间,因此该产品既可以自动唤醒又可以自动休眠,适用于对儿童睡眠情况进行长期的监测。
在另一些实施例中,可以将外部硬件进行减少,如可以不配置选频放大器203,将选频功能放在控制处理单元205中实现。当然,也可以选用其他元器件实现上述功能,比如可选用压力传感器代替比较器204 来指示工作模式与休眠模式的切换,当压力传感器的示数有个瞬时的增大且能够稳定在一个较大的数值时,则控制处理单元205可切换成工作模式,而如果压力传感器的示数稳定为0或者接近于0,则控制处理单元205可切换成休眠模式。进一步的,为了更准确的判断是否人体造成压力传感器的变化,可以结合压力传感器以及微动信号传感器201的输出信号进行判断,比如在检测到压力传感器的数值变化后,再结合微动信号传感器201的输出信号是否大于预设的数值则可以准确得出是否为人体躺于床上,既可以避免用户误操作带来的误判,尤其是儿童,当其不小心按到床上,此时压力传感器上有信号的时间较短,无法稳定在一个数值,则不会导致控制处理单元205切换成工作模式,如果是一直按着或者是踩在床上,此时微动信号传感器201的输出信号变化过小,也不会导致控制处理单元205可切换成工作模式,还可以避免有其他重物放置于床上时产生的误判。
图4为本发明实施例提供的睡眠监测方法的流程示意图,所述方法可以由图1或图2或图3所示的睡眠监测设备执行,如图4所示,所述方法包括:
301:获取人体微动压电信号。
302:基于所述人体微动压电信号获得呼吸信号,对所述呼吸信号进行滤波,以滤除所述呼吸信号中的副波干扰信号,并基于滤除副波干扰信号后的所述呼吸信号获得呼吸率。
本发明实施例的睡眠监测方法除用于图1或图2或图3所示的睡眠监测设备外,也可以用于其他监测设备。在用于睡眠监测设备时,当人体位于微动信号传感器旁时,微动信号传感器将感受到人体呼吸、心跳和体动等对其产生的机械振动压力信号,并将该机械振动压力信号转换成微动压电信号,其中,人体位于微动信号传感器旁,是指人体位于微动信号传感器上或者人体接近微动信号传感器,达到微动信号传感器能检测到人体微动信号的程度。
在一些实施例中,当微动信号传感器获得微动压电信号后,将其传送给控制处理单元,控制处理单元将微动压电信号进行模数转换成算法可处理的数字信号,基于已转换成数字信号的微动压电信号分别获得呼吸信号,并基于呼吸信号获得呼吸率。
由于人处于不同的年龄段会呈现不同的生理特征,儿童睡眠时的生理特征与成人有较大差异,在本发明的实施例中,以2-7岁的儿童与18 岁或以上的成年人对比作为例子来说明。
在另一些实施例中,对人体微动压电信号使用第一预设频带的带通滤波器进行滤波处理可获得呼吸信号,基于儿童的呼吸率范围在 20-40bpm,正常18岁的成人的呼吸率范围在10-30bpm,则相对于成年人而言,儿童呼吸快速而短暂,所采用的带通滤波器的频带要调节到一个比较窄的范围,本实施例以取0.2-0.6HZ的带通滤波器为例,可以提取到一个较为准确的儿童呼吸信号,其中,带通滤波器是指能通过某一频率范围内的频率分量、但将其他范围的频率分量衰减到极低水平的滤波器,比如RLC振荡回路。
继而再对所提取到的呼吸信号进行通过均值滤波处理,并根据经过均值滤波处理后的呼吸信号获取呼吸率,因为对于儿童而言,在每个呼吸波之间经常会出现副波,该副波是呼吸波中的干扰波形,如果直接基于该波形进行处理,则会将出现的副波也作为计算呼吸率的一部分,那么输出的监测结果并不准确,所以需要将出现的副波干扰信号进行剔除以提高对于儿童睡眠监测的准确度。
具体地,在微动信号传感器获得微动压电信号并从微动压电信号中提取到呼吸信号后,可根据副波的特点来将其滤除,例如,副波出现较为急促,则时间比正常波形较短,可以将出现时间过短的波形进行滤除以达到滤除副波干扰的目的,又如根据副波干扰的波峰比正常的波峰的峰值更小,所以可以将峰值较小的波形进行滤除以达到滤除副波干扰的目的,当然,还可以通过其他的方式对该副波干扰信号进行滤除。在将副波干扰滤除后得到的呼吸波形可以较为准备的反馈出儿童的真实呼吸波形,基于将副波干扰滤除后得到的呼吸波形提取出的呼吸率可准确的反馈出儿童睡眠时的呼吸情况。
以下以使用均值滤波器来滤除副波的方法为例具体说明如何根据提取到的儿童身体的呼吸信号来获得呼吸率,请参照图5,其步骤包括:
3021:基于所述呼吸信号获取第二预设时长内的呼吸信号,将所述第二预设时长划分为多个时间段。
以第二预设时长为20秒为例进行说明,在提取到的呼吸信号中任意截取一段时间区间为20秒的呼吸信号,重新定义为0-20秒。可以将 20秒平均分成多段,也可以将20秒采用滑动窗口处理,比如0-4秒为第一段、1-5秒为第二段、2-6秒为第三段…,以此类推,将20秒分为多段,也可以采用其他分段方式,如均分成不等分的多个时间段。
3022:基于所述第二预设时长内的呼吸信号进行峰值搜索,获得所述第二预设时长内呼吸信号的至少两个波峰的峰值。
其中,在一些实施例中,在呼吸信号的波形上从左到右进行数值的查询,在某个数值比其左右两端都大时则将该值确定为一个波峰,然后继续往下进行数值查询,直至查询完整个呼吸波则结束,从而可得出该预设时间内的所有波峰。
3023:获取各个时间段内波峰峰值的最大值,并基于所述各个时间段内波峰峰值的最大值获得各所述最大值的中间值,剔除所述至少两个波峰中峰值小于所述中间值的波峰。
具体地,在将第二预设时长划分为多个时间段以及搜索出该时间内的所有波峰后,在每一个已经划分好的时间段内对搜索到的波峰进行峰值大小的比较,获得了每个时间段内的峰值的最大值,接着将获得的所有最大值再一次进行峰值大小的比较,若所划分的时间段为偶数段,则取所有最大值中大小处于中间的两个值,计算出这两个值的平均值作为中间值;若所划分的时间段为奇数段,则取所有最大值中的大小处于中间的值作为中间值,最后使用该获得的中间值作为一个判断标准,将该中间值与第二预设时长内所有波峰的峰值进行比较,将峰值小于中间值的波峰剔除。由于儿童的呼吸波中所出现的副波的波峰峰值较正常波小,但却没有一个准确的界限值,无法直接采用一个标准数值将副波干扰滤除,而在上述采用的均值滤波方法中,以计算得出的中间值作为一个标准值来对不符合峰值要求的波峰进行剔除,可以很好的剔除掉一些孤立的干扰点,就如上述所说的副波干扰,从而可以很好的保留正常波峰并滤掉副波干扰。
例如,在一实施例中,将第二预设时长设置为20秒,定义为0-20 秒,将该20秒平均等分为5个时间段,分别为(0-4)、(5-8)、(9-12)、 (13-16)、(17-20)并分别定义为区间T1、T2、T3、T4、T5,在20秒内搜索出所有的波峰,然后在区间T1、T2、T3、T4、T5中分别搜索出其对应区间中的波峰峰值的最大值Xmax1、Xmax2、Xmax3、Xmax4、 Xmax5,之后取5个最大值的中值Xm=median(Xmax1,Xmax2,Xmax3,Xmax4, Xmax5),将20秒内的所有波峰的峰值与Xm比较,剔除峰值小于Xm的波峰。
3024:基于剔除波峰后的所述第二预设时长内的波峰获得所述呼吸率。
统计已经被剔除波峰过后的第二预设时间内的呼吸信号中的总的波峰数量,将每一个波峰记为一次呼吸,可得出第二预设时间内的呼吸次数,根据该第二预设时间与总的呼吸次数计算出单位时间内的呼吸次数,即为呼吸率,比如,第二预设时间为20秒,经剔除后的波峰剩下 10个,则可得出一分钟内的心跳次数为:10/20*60=30次,因此计算得知心率为30bmp。
进一步的,在另一些实施例中,还可以在第二预设时长内设置第三预设时长,第三预设时长的时间小于第二预设时长,当在第二预设时长内的所有波峰中有两个相邻的波峰间的时间间隔,也就是两个相邻波峰的峰值分别所对应的时间点的差值小于第三预设时长,那么也将该两个相邻的波峰剔除,例如,第二预设时长为20秒,第三预设时长为1秒,如果在该20秒内有两个相邻的波峰所对应的时间点的差值小于1秒,则将该两个波峰进行剔除,可以进一步的剔除掉副波干扰,需要说明的是,这一步骤在进行均值滤波之前、之后或者在均值滤波过程中实现均可。
虽然儿童的呼吸通常会比成年人急促,但正常情况下每两个呼吸之间仍需要有一定的时间间隔,所以如果两个波峰的峰值所对应的时间点之差过小,即使波峰的峰值满足不被滤除的条件,该波峰也很有可能是副波干扰。通过上述方案,可以进一步对呼吸波中满足峰值要求但却是副波的波峰进行滤除,则可比较准确还原儿童的真实睡眠呼吸信号,从而准确的计算出在儿童睡眠时呼吸率。
303:分别基于所述人体微动压电信号获得心跳信号和体动信号,基于所述心跳信号获得心率,基于所述体动信号获得体动次数。
其中,由于儿童的心率范围在80-120bpm,正常成人的心率范围在 50-90bpm,即儿童心脏跳动引起的振动信号比成人小一半以上,因此信噪比较差,需要将带通滤波器带宽调整到一个比较窄的范围才可提取到儿童的心跳信号,且所提取到的心跳信号也常伴随着干扰信号,需要进行进一步处理才能获得儿童的真实睡眠心率。
在一实施例中,对人体微动压电信号使用第二预设频带的带通滤波器进行滤波处理获得心跳信号,对该心跳信号依次进行中值滤波与高斯滤波处理并基于滤波处理后的心跳信号进行峰值搜索,获得第四预设时长内的至少两个波峰,基于第四预设时长内的波峰获得心率。
具体地,取1-3Hz带通滤波器为例,使用该1-3Hz带通滤波器从儿童的微动压电信号中提取出其心跳信号,而提取到的心跳信号常会带有基线漂移,首先采用中值滤波器对心跳信号中的基线漂移进行滤除,而且信号的失真小,其次需要再滤除心跳信号中幅值较小的信号,采用的是高斯滤波,可以滤除比正常心跳幅值小的干扰信号,在滤除掉基线漂移以及干扰信号后,同样的需要任意提取任一时间段中的心跳信号,对该时间段内进行峰值搜索,找出该时间段内的心跳信号中的所有波峰,并根据所找到总的波峰与该时间段的总时长计算出心率。
在一实施例中,可采用1-10HZ带通滤波器从人体微动压电信号中提取到体动信号,具体的,控制器可以基于该体动信号进行采样获得若干采样点,然后基于该若干采样点的值获得每秒的数据,对每秒的数据进行平方后求积分可获得体动能量,再设定一个体动阈值,当体动能量从小于到增大至该体动阈值的时间点记为起始点,当体动能量从大于到减小至该体动阈值的时间点记为终点,若终点与起始点间的时间差大于预设计算体动次数的时长,则可记为一次体动,统计所需时间内的体动次数,当然,也可以通过其他方法获得体动次数,获得体动次数的技术属于现有技术,在此仅作简要说明,不做过多赘述。
304:基于所述呼吸率、所述心率及所述体动次数获得入睡点和觉醒点。
其中,入睡点可以是刚进入睡眠的时间点,也可以是进入睡眠一段时期内的任一时间点,同样的,觉醒点可以是刚醒来的时间点,也可以是睡醒一段时期内的任一时间点。
在一实施方式中,如果第一预设时长内的所述体动次数小于第一预设阈值,且所述心率和所述呼吸率呈下降趋势,则确定所述第一预设时长内的任一时刻为所述入睡点;如果第一预设时长内的所述体动次数大于或等于第二预设阈值,且所述心率和所述呼吸率呈上升趋势,则确定所述第一预设时长内的任一时刻为所述觉醒点。
例如如果监测的结果如图6所示,在图6中,三条折线L1、L2与 L3上的方形实心点分别表示体动次数、心率以及呼吸率,横轴上的数字代表时间点,两个相邻的时间点之间为一个单位时间,则t1、t2、t3 及t4分别对应第5、第8、第10与第13时间点。假设在t1时的体动次数小于第一预设阈值,且第一预设时长为5个单位时间,即(t1-t3) 为一段第一预设时长,但在(t1-t2)内由于心率还未呈下降趋势,所以要往后继续查找入睡点,当查找到(t2-t4)的时间段时,发现体动次数小于第一预设阈值且心率与呼吸率在该时间段内都呈下降趋势,因此(t2-t4)内任一时刻都可以记录为入睡点,同样的,觉醒点的查找过程与入睡点类似,这里不再赘述。
结合体动次数、心率以及呼吸率的监测结果判断用户的入睡点与觉醒点,进而判断睡眠时长,可以避免单独采用体动次数对睡眠时长进行监测时产生的监测结果的错误,例如,单独采用体动次数时,当用户躺于床上思考或看书时,该段时间内的体动次数可能会较少,所以可能会带来“确定已监测到入睡点”的误判。
如果同时考虑体动次数、心率以及呼吸率的监测结果就可以避免上述的误判,因为人在清醒时的呼吸以及心跳要比睡觉时的频率高,当用户躺于床上思考或看书时且在某段时间内的体动次数较少时,其呼吸率以及心率会处于较为稳定的状态,无法保持下降趋势,即使在第一预设时长内监测出的体动次数小于预设的体动阈值,仍然可以判断出“未监测到入睡点”,当用户开始进入睡眠时,由于进入睡眠状态之后人体活动减少,代谢下降,不再需要如此高的氧气供应,因而呼吸频率自然减慢,同时心率也会减慢,则其呼吸率以及心率会从清醒时稳定的状态逐渐减小,并在第一预设时长内体现出一种下降趋势,从而可判断出“确定已监测到入睡点”。
305:基于所述入睡点和所述觉醒点获得睡眠时长。
睡眠时长是用觉醒点所对应的时间点与入睡点所对应的时间点间的差值来表示。
在实际应用中,在入睡点后的时长为进入睡眠的入睡期,直至监测到觉醒点,入睡期结束,计算入睡时长并保留以供查看,直至下一个入睡点的到来又重新开始计算入睡时长。
在另一实施例中,在已经判断得出用户已经处于睡眠状态的情况下,可根据体动次数进一步的得出深睡时长以及浅睡时长,具体的,如果在一个预设时长内的体动次数小于第三预设阈值,则该预设时长内为深睡状态;如果该预设时长的体动次数大于第三预设阈值且小于第四预设阈值,则该预设时长内为浅睡状态;基于深睡状态与浅睡状态统计深睡与浅睡时长。
可理解,本申请实施例中,还可先对人体微动压电信号进行梳状陷波器进行过滤处理,以过滤掉人体微动压电信号中50Hz的工频干扰及其各倍频谐波干扰。
本发明实施例根据儿童与成年人生理特征的区别从采集到的人体微动压电信号中提取到呼吸信号等睡眠信号,并基于儿童不同于成人的微动信号的特征对呼吸信号、心跳信号等睡眠信号做进一步处理获得呼吸率、心率等睡眠参数,如将儿童呼吸信号中的副波干扰信号滤除后再用以计算呼吸率,可得较为准确的儿童呼吸率,且结合心率、呼吸率以及体动变化趋势,可精确判断入睡点,觉醒点以及睡眠时长,基于上述的睡眠参数可以较为准确的反应儿童的真实睡眠情况。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (7)
1.一种睡眠监测方法,其特征在于,包括:
获取人体微动压电信号;
对所述人体微动压电信号使用第一预设频带的带通滤波器进行滤波处理获得呼吸信号;
基于所述呼吸信号获取第二预设时长内的呼吸信号,将所述第二预设时长划分为多个时间段;
基于所述第二预设时长内的呼吸信号进行峰值搜索,获得所述第二预设时长内呼吸信号的至少两个波峰的峰值;
获取各个时间段内波峰峰值的最大值,并基于所述各个时间段内波峰峰值的最大值获得各所述最大值的中间值;
剔除所述至少两个波峰中峰值小于所述中间值的波峰;
剔除所述至少两个波峰中波峰间的时间间隔小于第三预设时长的波峰,其中,所述第二预设时长包含所述第三预设时长;
基于剔除波峰后的所述第二预设时长内的波峰获得呼吸率;
分别基于所述人体微动压电信号获得心跳信号和体动信号,基于所述心跳信号获得心率,基于所述体动信号获得体动次数;
基于所述呼吸率、所述心率及所述体动次数获得入睡点和觉醒点;
基于所述入睡点和所述觉醒点获得睡眠时长。
2.根据权利要求1所述的睡眠监测方法,其特征在于,所述基于所述呼吸率、所述心率及所述体动次数获得所述入睡点,包括:
如果第一预设时长内的所述体动次数小于第一预设阈值,且所述心率和所述呼吸率呈下降趋势,则确定所述第一预设时长内的任一时刻为所述入睡点。
3.根据权利要求1或2所述的睡眠监测方法,其特征在于,所述基于所述呼吸率、所述心率及所述体动次数获得所述觉醒点,包括:
如果第一预设时长内的所述体动次数大于或等于第二预设阈值,且所述心率和所述呼吸率呈上升趋势,则确定所述第一预设时长内的任一时刻为所述觉醒点。
4.根据权利要求1所述的睡眠监测方法,其特征在于,基于所述人体微动压电信号获得所述心跳信号,基于所述心跳信号获得所述心率,包括:
对所述人体微动压电信号使用第二预设频带的带通滤波器进行滤波处理获得心跳信号;
对所述心跳信号依次进行中值滤波与高斯滤波处理;
基于滤波处理后的所述心跳信号进行峰值搜索,获得第四预设时长内的至少两个波峰;
基于所述第四预设时长内的波峰获得所述心率。
5.根据权利要求1所述的睡眠监测方法,其特征在于,所述方法还包括:
如果第五预设时长内的体动次数小于第三预设阈值,则所述第五预设时长内为深睡状态;
如果所述第五预设时长的体动次数大于所述第三预设阈值且小于第四预设阈值,则所述第五预设时长内为浅睡状态;
基于所述深睡状态与所述浅睡状态统计深睡与浅睡时长。
6.一种睡眠监测设备,其特征在于,所述设备包括:
微动信号传感器,用于检测人体产生的微动信号,获得微动压电信号;
控制处理单元,用于对所述微动压电信号进行处理,所述控制处理单元包括:
至少一个处理器以及与所述至少一个处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5任一项所述的方法。
7.一种非易失性计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,当所述计算机可执行指令被睡眠监测设备执行时,使所述睡眠监测设备执行权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706120.9A CN111938584B (zh) | 2020-07-21 | 2020-07-21 | 一种睡眠监测方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706120.9A CN111938584B (zh) | 2020-07-21 | 2020-07-21 | 一种睡眠监测方法与设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111938584A CN111938584A (zh) | 2020-11-17 |
CN111938584B true CN111938584B (zh) | 2023-03-10 |
Family
ID=73340778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010706120.9A Active CN111938584B (zh) | 2020-07-21 | 2020-07-21 | 一种睡眠监测方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111938584B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112971724A (zh) * | 2021-02-07 | 2021-06-18 | 北京海思瑞格科技有限公司 | 入睡点检测方法 |
CN112971720B (zh) * | 2021-02-07 | 2023-02-03 | 中国人民解放军总医院 | 检测入睡点的方法 |
CN112971721B (zh) * | 2021-02-07 | 2024-03-08 | 北京海思瑞格科技有限公司 | 检测入睡点的装置 |
CN113080891B (zh) * | 2021-03-17 | 2022-05-03 | 浙江大学 | 基于人体微动信号的呼吸率和心率的提取方法 |
CN113317757A (zh) * | 2021-04-30 | 2021-08-31 | 深圳麦格米特电气股份有限公司 | 一种获取生命体征数据的方法、光纤传感器及设备 |
CN113679344A (zh) * | 2021-07-30 | 2021-11-23 | 深圳数联天下智能科技有限公司 | 一种睡眠监测器的检测方法、装置及睡眠监测器 |
CN113576419B (zh) * | 2021-08-20 | 2022-06-14 | 珠海格力电器股份有限公司 | 一种确定用户入睡时间的方法及装置 |
CN114159050B (zh) * | 2021-11-12 | 2024-06-21 | 深圳数联天下智能科技有限公司 | 一种呼吸率监测方法、装置、设备及介质 |
CN113951869B (zh) * | 2021-11-17 | 2024-05-28 | 上海跃扬医疗科技有限公司 | 一种呼吸障碍检测方法、装置、设备及介质 |
CN114027799B (zh) * | 2021-12-13 | 2023-03-14 | 珠海格力电器股份有限公司 | 一种入睡时间点的确定方法及装置 |
CN114287885B (zh) * | 2021-12-28 | 2023-12-08 | 深圳数联天下智能科技有限公司 | 一种人体体征监测方法、装置、系统以及存储介质 |
CN114176543A (zh) * | 2021-12-29 | 2022-03-15 | 广东工业大学 | 一种睡眠体征及状态检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103690169A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 呼吸信息检测方法及系统 |
CN104939817A (zh) * | 2015-06-29 | 2015-09-30 | 上海卓易科技股份有限公司 | 一种睡眠状态监测方法 |
CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
CN106037655A (zh) * | 2016-06-17 | 2016-10-26 | 美的集团股份有限公司 | 一种睡眠周期信号的分离及周期计算方法及装置 |
CN106859649A (zh) * | 2017-01-16 | 2017-06-20 | 深圳中科汇康技术有限公司 | 呼吸率检测方法及装置 |
KR101800739B1 (ko) * | 2016-10-13 | 2017-11-24 | 한국한의학연구원 | 호흡수 검출 장치 및 방법 |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与系统 |
CN109907729A (zh) * | 2018-10-12 | 2019-06-21 | 中科传感技术(青岛)研究院 | 一种睡眠时生命特征的检测方法 |
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106943129A (zh) * | 2017-03-10 | 2017-07-14 | 深圳市赛亿科技开发有限公司 | 可穿戴的心率及呼吸监测装置、方法及其智能上衣 |
CN109381203B (zh) * | 2017-08-07 | 2022-06-24 | 辽宁开普医疗系统有限公司 | 一种新生儿dr呼吸同步曝光控制处理方法及其装置 |
-
2020
- 2020-07-21 CN CN202010706120.9A patent/CN111938584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103690169A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 呼吸信息检测方法及系统 |
CN104939817A (zh) * | 2015-06-29 | 2015-09-30 | 上海卓易科技股份有限公司 | 一种睡眠状态监测方法 |
CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
CN106037655A (zh) * | 2016-06-17 | 2016-10-26 | 美的集团股份有限公司 | 一种睡眠周期信号的分离及周期计算方法及装置 |
KR101800739B1 (ko) * | 2016-10-13 | 2017-11-24 | 한국한의학연구원 | 호흡수 검출 장치 및 방법 |
CN106859649A (zh) * | 2017-01-16 | 2017-06-20 | 深圳中科汇康技术有限公司 | 呼吸率检测方法及装置 |
CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与系统 |
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
CN109907729A (zh) * | 2018-10-12 | 2019-06-21 | 中科传感技术(青岛)研究院 | 一种睡眠时生命特征的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111938584A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111938584B (zh) | 一种睡眠监测方法与设备 | |
CN108697348A (zh) | 一种生理信息监测方法及生理信息监测垫、一种床垫 | |
CN208876492U (zh) | 一种生理信息监测垫及床垫 | |
CN105962896B (zh) | 心率睡眠监测系统及监测方法 | |
US8185191B1 (en) | Pulse monitoring and warning system for infants | |
US20150374310A1 (en) | Intelligent Sampling Of Heart Rate | |
WO2015118415A1 (en) | System and method for determining timing of sensory stimulation delivered to a subject during a sleep session | |
WO2014210588A1 (en) | Systems and methods for determining sleep patterns and circadian rhythms | |
CN106618040A (zh) | 枕头和睡眠干预方法 | |
US11793453B2 (en) | Detecting and measuring snoring | |
CN112022122B (zh) | 一种睡眠监测耳机 | |
CN110710955A (zh) | 睡眠过程中健康指标的监测方法 | |
CN102671276A (zh) | 基于脑电信号的智能唤醒系统 | |
Yamakawa et al. | Real-time heart rate variability monitoring employing a wearable telemeter and a smartphone | |
US20220096002A1 (en) | Biometric detection using multiple sensors | |
CN112674755A (zh) | 睡眠检测系统、方法及存储介质 | |
US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
CN109480774A (zh) | 一种基于高光谱数据的智能监控系统 | |
CN116115198A (zh) | 一种基于生理体征的低功耗鼾声自动记录方法及装置 | |
CN208784720U (zh) | 一种智能健康监测装置及腰带 | |
US20240032859A1 (en) | Sleep state prediction system | |
CN112244773B (zh) | 睡眠质量监测装置、方法及床垫 | |
US20210121657A1 (en) | Method for determining the risk of a user waking up in an undesirable state | |
JP6466729B2 (ja) | 活性判定システム | |
JP2618630B2 (ja) | 目覚し時計 |
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 |