CN112656398B - 一种用于无人看护的睡眠质量分析方法 - Google Patents

一种用于无人看护的睡眠质量分析方法 Download PDF

Info

Publication number
CN112656398B
CN112656398B CN202011491099.1A CN202011491099A CN112656398B CN 112656398 B CN112656398 B CN 112656398B CN 202011491099 A CN202011491099 A CN 202011491099A CN 112656398 B CN112656398 B CN 112656398B
Authority
CN
China
Prior art keywords
data
sleep quality
formula
time
sleep
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
Application number
CN202011491099.1A
Other languages
English (en)
Other versions
CN112656398A (zh
Inventor
侯庆
毛胤强
蓝善根
李刚毅
路代安
黎春
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.)
Guizhou Communication Industry Service Co ltd
Original Assignee
Guizhou Communication Industry Service Co 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 Guizhou Communication Industry Service Co ltd filed Critical Guizhou Communication Industry Service Co ltd
Priority to CN202011491099.1A priority Critical patent/CN112656398B/zh
Publication of CN112656398A publication Critical patent/CN112656398A/zh
Application granted granted Critical
Publication of CN112656398B publication Critical patent/CN112656398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种用于无人看护的睡眠质量分析方法，包括获取动作数据、通过数据融合算法对获取的数据进行融合、采用低通滤波器去噪、对数据进行二值化处理，本发明中睡眠质量分析方法不依赖主观判断，相较于问卷等主观方式其结果更准确；本发明中的输入数据采用自研的非接触式装置获取，一定程度上克服了接触式测量设备的缺陷，且本发明中输入的数据不仅是单一的呼吸率数据，还输入了被监测者的肢体大动作以及肢体小动作数据，输入数据比较丰富，使得最终的分析结果相对更为准确；本发明算法中采用低通滤波器进行去噪，使得算法具备一定的抗噪性。

Description

一种用于无人看护的睡眠质量分析方法
技术领域
本发明涉及睡眠质量分析领域，具体涉及一种用于无人看护的睡眠质量分析方法。
背景技术
保障人员的生命安全，是一项基础、长期且重要的工作，睡眠对于一个人的身体健康十分重要，长期缺乏高质量睡眠会对人的心情、健康等产生很大的负面影响，现有的睡眠质量分析方法主要有两大类：第一类一般是通过问卷调查等基于个人的主观判断方式，这种方式无法准确的反映出睡眠质量，第二类是采用专业仪器的测量，根据是否与人接触分为接触式测量和非接触式测量。接触式测量包括智能手环、腕带心率计、智能手表、穿戴心率计、智能床垫等产品，这类产品存在受制于仪器和设备所用的电缆、电极等缺陷，使用不便，且被测人员可接触，很容易被破坏或者使用其伤害自己，而非接触式测量不直接接触人体，从一定程度上弥补了接触式监测技术存在的不足。
发明内容
本发明的主要目的在于解决现存的一些安全隐患，提供一种可实时监测、分析被测人员生命体征，进而分析其睡眠质量的方法。
为解决上述技术问题，本发明提供的技术方案为：一种用于无人看护的睡眠质量分析方法，包括：
(1)获取1)N条呼吸率数据，2)肢体大动作数据，包括抬手、抬腿、起身，3)肢体小动作数据，包括头动、眼动；
(2)根据数据融合算法将步骤(1)中获取的3维数据进行融合，得到融合后的数据Q；
(3)采用快速傅里叶FFT算法将数据从时域转换到频域，然后采用低通滤波器对频谱进行滤波，过滤掉噪声数据，即监测过程中偶尔出现的干扰信，最后将滤波后的频谱进行反傅里叶变换，得到Q1；
(4)将步骤(3)中去噪后的数据进行二值化处理得到Q2；
(5)统计Q2中连续为1的个数，保存至数组Y，并将Y进行逆序排序得到Yq，同时，在统计连续为1的个数时，标记从0变为1时1对应的数组下标值为开始时间，标记从1变为0的数组下标值即为结束时间，从而记录连续睡眠时间；
(6)提取数组Yq中的前3个数，即最大的3个数，之和得出Yf，然后将Yf除以N，得出深度睡眠时间占比，Yf除以3600得出深度睡眠时长，Yq中前3个数对应的连续睡眠区间为深度睡眠时间；
(7)判断睡眠质量，用绿色的直方图展示被测人员深度睡眠的区间，可直观的观察被测人员深度睡眠时间位于哪个时段。并对步骤(6)中得到的深度睡眠总时长进行分析，若其值在2到3小时内，其睡眠质量比较好；若其值小于2小时，则其睡眠质量不佳；
进一步地，步骤(2)采用公式(1)对输入的3维数据进行数据融合：
Figure GDA0003819707080000021
其中，Q表示融合后的数据，Ms表示肢体小动作，其值为0～100的浮点数，Mf表示肢体大动作，其值为0～100的浮点数，R表示呼吸率，其值为0或5～30之间的整数。
进一步地，步骤(3)采用傅里叶变换将数据Q从时域转换到频域，其公式见公式(2)：
Figure GDA0003819707080000022
对于变换后的时域数据F(k)，采用高斯低通滤波进行去噪，过滤掉频域中的高频分量，并保留低频分量，其公式见公式(3)：
Figure GDA0003819707080000023
其中，F0表示截止频率，其值为200HZ；
去噪后，将频域逆变换到空间域，其公式见公式(4)：
Figure GDA0003819707080000024
进一步地，步骤(4)采用公式(5)将数据Q1转换成0或1的二值化数据：
Figure GDA0003819707080000025
其中，Q1为去噪后的数据，t为阈值，且阈值根据实际情况进行取值。
采用以上结构后，本发明具有如下优点：本发明中睡眠质量分析方法不依赖主观判断，相较于问卷等主观方式其结果更准确；本发明中的输入数据采用自研的非接触式装置获取，一定程度上克服了接触式测量设备的缺陷，且本发明中输入的数据不仅是单一的呼吸率数据，还输入了被监测者的肢体大动作以及肢体小动作数据，输入数据比较丰富，使得最终的分析结果相对更为准确；本发明算法中采用低通滤波器进行去噪，使得算法具备一定的抗噪性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解的是，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明所涉一种用于无人看护的睡眠质量分析方法的算法流程图；
图2为本发明所涉一种用于无人看护的睡眠质量分析方法的实验结果图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例
一种用于无人看护的睡眠质量分析方法，包括：
(1)获取1)N条呼吸率数据，2)肢体大动作数据，包括抬手、抬腿、起身，3)肢体小动作数据，包括头动、眼动；
(2)根据数据融合算法将步骤(1)中获取的3维数据进行融合，得到融合后的数据Q；
(3)采用快速傅里叶FFT算法将数据从时域转换到频域，然后采用低通滤波器对频谱进行滤波，过滤掉噪声数据，即监测过程中偶尔出现的干扰信，最后将滤波后的频谱进行反傅里叶变换，得到Q1；
(4)将步骤(3)中去噪后的数据进行二值化处理得到Q2；
(5)统计Q2中连续为1的个数，保存至数组Y，并将Y进行逆序排序得到Yq，同时，在统计连续为1的个数时，标记从0变为1时1对应的数组下标值为开始时间，标记从1变为0的数组下标值即为结束时间，从而记录连续睡眠时间；
(6)提取数组Yq中的前3个数，即最大的3个数，之和得出Yf，然后将Yf除以N，得出深度睡眠时间占比，Yf除以3600得出深度睡眠时长，Yq中前3个数对应的连续睡眠区间为深度睡眠时间；
(7)判断睡眠质量，用绿色的直方图展示被测人员深度睡眠的区间，可直观的观察被测人员深度睡眠时间位于哪个时段。并对步骤(6)中得到的深度睡眠总时长进行分析，若其值在2到3小时内，其睡眠质量比较好；若其值小于2小时，则其睡眠质量不佳；
作为本实施例较佳实施方案的是，步骤(2)采用公式(1)对输入的3维数据进行数据融合：
Figure GDA0003819707080000031
其中，Q表示融合后的数据，Ms表示肢体小动作，其值为0～100的浮点数，Mf表示肢体大动作，其值为0～100的浮点数，R表示呼吸率，其值为0或5～30之间的整数。
作为本实施例较佳实施方案的是，步骤(3)采用傅里叶变换将数据Q从时域转换到频域，其公式见公式(2)：
Figure GDA0003819707080000032
对于变换后的时域数据F(k)，采用高斯低通滤波进行去噪，过滤掉频域中的高频分量，并保留低频分量，其公式见公式(3)：
Figure GDA0003819707080000041
其中，F0表示截止频率，其值为200HZ；
去噪后，将频域逆变换到空间域，其公式见公式(4)：
Figure GDA0003819707080000042
作为本实施例较佳实施方案的是，步骤(4)采用公式(5)将数据Q1转换成0或1的二值化数据：
Figure GDA0003819707080000043
其中，Q1为去噪后的数据，t为阈值，且阈值根据实际情况进行取值。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (4)

1.一种用于无人看护的睡眠质量分析方法，其特征在于，包括：
(1)获取1)N条呼吸率数据，2)肢体大动作数据，包括抬手、抬腿、起身，3)肢体小动作数据，包括头动、眼动；
(2)根据数据融合算法将步骤(1)中获取的3维数据进行融合，得到融合后的数据Q；
(3)采用快速傅里叶FFT算法将数据从时域转换到频域，然后采用低通滤波器对频谱进行滤波，过滤掉噪声数据，即监测过程中偶尔出现的干扰信，最后将滤波后的频谱进行反傅里叶变换，得到Q1；
(4)将步骤(3)中去噪后的数据进行二值化处理得到Q2；
(5)统计Q2中连续为1的个数，保存至数组Y，并将Y进行逆序排序得到Yq，同时，在统计连续为1的个数时，标记从0变为1时1对应的数组下标值为开始时间，标记从1变为0的数组下标值即为结束时间，从而记录连续睡眠时间；
(6)提取数组Yq中的前3个数，即最大的3个数，之和得出Yf，然后将Yf除以N，得出深度睡眠时间占比，Yf除以3600得出深度睡眠时长，Yq中前3个数对应的连续睡眠区间为深度睡眠时间；
(7)判断睡眠质量，用绿色的直方图展示被测人员深度睡眠的区间，可直观的观察被测人员深度睡眠时间位于哪个时段；并对步骤(6)中得到的深度睡眠总时长进行分析，若其值在2到3小时内，其睡眠质量比较好；若其值小于2小时，则其睡眠质量不佳。
2.根据权利要求1所述的一种用于无人看护的睡眠质量分析方法，其特征在于，步骤(2)采用公式(1)对输入的3维数据进行数据融合：
Figure FDA0003819707070000011
其中，Q表示融合后的数据，Ms表示肢体小动作，其值为0～100的浮点数，Mf表示肢体大动作，其值为0～100的浮点数，R表示呼吸率，其值为0或5～30之间的整数。
3.根据权利要求1所述的一种用于无人看护的睡眠质量分析方法，其特征在于，步骤(3)采用傅里叶变换将数据Q从时域转换到频域，其公式见公式(2)：
Figure FDA0003819707070000012
对于变换后的时域数据F(k)，采用高斯低通滤波进行去噪，过滤掉频域中的高频分量，并保留低频分量，其公式见公式(3)：
Figure FDA0003819707070000013
其中，F0表示截止频率，其值为200HZ；
去噪后，将频域逆变换到空间域，其公式见公式(4)：
Figure FDA0003819707070000021
4.根据权利要求1所述的一种用于无人看护的睡眠质量分析方法，其特征在于，步骤(4)采用公式(5)将数据Q1转换成0或1的二值化数据：
Figure FDA0003819707070000022
其中，Q1为去噪后的数据，t为阈值，且阈值根据实际情况进行取值。
CN202011491099.1A 2020-12-13 2020-12-13 一种用于无人看护的睡眠质量分析方法 Active CN112656398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011491099.1A CN112656398B (zh) 2020-12-13 2020-12-13 一种用于无人看护的睡眠质量分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011491099.1A CN112656398B (zh) 2020-12-13 2020-12-13 一种用于无人看护的睡眠质量分析方法

Publications (2)

Publication Number Publication Date
CN112656398A CN112656398A (zh) 2021-04-16
CN112656398B true CN112656398B (zh) 2022-10-28

Family

ID=75404355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011491099.1A Active CN112656398B (zh) 2020-12-13 2020-12-13 一种用于无人看护的睡眠质量分析方法

Country Status (1)

Country Link
CN (1) CN112656398B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242687A (ja) * 2007-03-27 2008-10-09 Kochi Univ 睡眠判定方法および睡眠見守りシステム
CN104812300A (zh) * 2012-09-19 2015-07-29 瑞思迈传感器技术有限公司 用于确定睡眠阶段的系统和方法
CN106333652A (zh) * 2016-10-18 2017-01-18 首都医科大学 一种睡眠状态分析方法
CN106419869A (zh) * 2016-08-24 2017-02-22 电子科技大学 一种基于压电传感器的实时睡眠分期检测方法及其装置
WO2018049852A1 (zh) * 2016-09-13 2018-03-22 深圳市迈迪加科技发展有限公司 睡眠评估方法、装置及系统
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
CN108803434A (zh) * 2018-07-12 2018-11-13 贵州省通信产业服务有限公司思创信息技术分公司 一种基于物联网的公厕实时监测系统
CN109091125A (zh) * 2018-08-27 2018-12-28 江苏盖睿健康科技有限公司 一种提高睡眠监测准确性的可穿戴设备
CN109381178A (zh) * 2018-11-22 2019-02-26 深圳市康立高科技有限公司 一种监测治疗失眠的系统
CN109480787A (zh) * 2018-12-29 2019-03-19 中国科学院合肥物质科学研究院 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法
US10297143B1 (en) * 2018-03-21 2019-05-21 International Business Machines Corporation Detecting quality of physiologic data using contact pressure data for alarm generation

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008154681A (ja) * 2006-12-21 2008-07-10 Toyota Motor Corp 睡眠深度判定装置及び睡眠深度判定方法
JP5853635B2 (ja) * 2011-11-24 2016-02-09 オムロンヘルスケア株式会社 睡眠評価装置
WO2014029764A1 (en) * 2012-08-20 2014-02-27 Danmarks Tekniske Universitet Method for detection of an abnormal sleep pattern in a person
US11172909B2 (en) * 2018-08-30 2021-11-16 Biointellisense, Inc. Sensor fusion to validate sound-producing behaviors

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242687A (ja) * 2007-03-27 2008-10-09 Kochi Univ 睡眠判定方法および睡眠見守りシステム
CN104812300A (zh) * 2012-09-19 2015-07-29 瑞思迈传感器技术有限公司 用于确定睡眠阶段的系统和方法
CN106419869A (zh) * 2016-08-24 2017-02-22 电子科技大学 一种基于压电传感器的实时睡眠分期检测方法及其装置
WO2018049852A1 (zh) * 2016-09-13 2018-03-22 深圳市迈迪加科技发展有限公司 睡眠评估方法、装置及系统
CN106333652A (zh) * 2016-10-18 2017-01-18 首都医科大学 一种睡眠状态分析方法
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
US10297143B1 (en) * 2018-03-21 2019-05-21 International Business Machines Corporation Detecting quality of physiologic data using contact pressure data for alarm generation
CN108803434A (zh) * 2018-07-12 2018-11-13 贵州省通信产业服务有限公司思创信息技术分公司 一种基于物联网的公厕实时监测系统
CN109091125A (zh) * 2018-08-27 2018-12-28 江苏盖睿健康科技有限公司 一种提高睡眠监测准确性的可穿戴设备
CN109381178A (zh) * 2018-11-22 2019-02-26 深圳市康立高科技有限公司 一种监测治疗失眠的系统
CN109480787A (zh) * 2018-12-29 2019-03-19 中国科学院合肥物质科学研究院 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于眼睛状态识别的婴幼儿睡眠监测;黄梅;《计算机应用与软件》;20120815;第131-134页 *
多传感器融合的睡眠监测技术研究;马云杰;《中国优秀硕士论文全文数据库》;20200115;全文 *

Also Published As

Publication number Publication date
CN112656398A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
WO2021135672A1 (zh) 一种用于判断睡眠呼吸暂停的信号检测方法及系统
Fraser et al. Automated biosignal quality analysis for electromyography using a one-class support vector machine
Wang et al. Artifact reduction based on Empirical Mode Decomposition (EMD) in photoplethysmography for pulse rate detection
CN102920453A (zh) 一种脑电波信号处理方法及其装置
CN106175754B (zh) 睡眠状态分析中清醒状态检测装置
CN108836324B (zh) 一种基于脑电信号监测的疲劳驾驶预警方法及系统
CN110269611A (zh) 患者意识障碍程度监测、预警系统及方法
CN103405225A (zh) 一种获取疼感评测指标的方法、装置及设备
WO2008058343A1 (en) A method for detecting eeg seizures in a newborn or a young child
Gupta et al. Higher order derivative-based integrated model for cuff-less blood pressure estimation and stratification using PPG signals
CN106333676B (zh) 清醒状态下的脑电信号数据类型的标注装置
CN111012345A (zh) 眼部疲劳度检测系统及方法
Raghu et al. Automated biomedical signal quality assessment of electromyograms: Current challenges and future prospects
Schmidt et al. No evidence of nonlinear or chaotic behavior of cardiovascular murmurs
CN112656398B (zh) 一种用于无人看护的睡眠质量分析方法
CN106333674B (zh) 睡眠状态分析中睡眠周期检测方法和系统
CN114886406B (zh) 一种健康状态监测方法、装置、隔离件和存储介质
CN106361327B (zh) 睡眠状态分析中清醒状态检测方法和系统
CN106175698B (zh) 睡眠状态分析中睡眠周期检测装置
CN106344008B (zh) 睡眠状态分析中清醒状态检测方法和系统
Thuraisingham Examining nonlinearity using complexity and entropy
JP5011555B2 (ja) 睡眠計及び睡眠状態判定プログラム
Kaleem et al. Telephone-quality pathological speech classification using empirical mode decomposition
CN109199432B (zh) 一种多路同步采集心音信号的并行压缩感知方法
CN106388813A (zh) 基于脑电信号的睡眠状态识别模型训练方法和系统

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