CN113288078A - 睡眠质量监测方法、装置及系统 - Google Patents
睡眠质量监测方法、装置及系统 Download PDFInfo
- Publication number
- CN113288078A CN113288078A CN202110337023.1A CN202110337023A CN113288078A CN 113288078 A CN113288078 A CN 113288078A CN 202110337023 A CN202110337023 A CN 202110337023A CN 113288078 A CN113288078 A CN 113288078A
- Authority
- CN
- China
- Prior art keywords
- target
- sleep quality
- detection signal
- quality monitoring
- data
- 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
Links
- 230000003860 sleep quality Effects 0.000 title claims abstract description 91
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 79
- 230000000694 effects Effects 0.000 claims abstract description 40
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims description 32
- 238000012806 monitoring device Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000036391 respiratory frequency Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 230000036387 respiratory rate Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000284 resting effect Effects 0.000 description 3
- 239000011358 absorbing material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02—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
- A61B5/0507—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
- A61B5/08—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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种睡眠质量监测方法、装置及系统，其中，睡眠质量监测方法中包括：向室内发射第一探测信号，并接收对应反射路径反射的第二探测信号；对第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域的目标占用数据特征；对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态数据；对于当前帧中肢体处于安静状态的目标提取生理状态数据；根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据对人体生命体征进行分析，完成对睡眠质量的监测，数据可靠性，可信度更高。
Description
技术领域
本发明涉及雷达技术领域，尤其涉及一种睡眠质量监测方法、装置及系统。
背景技术
繁重的生活工作压力严重的影响了人们的睡眠质量，进一步损害身心健康状 态。随着生活水平的提高，人们日益重视自身的生理健康状况，因此引入一个轻 量级的日常睡眠监测系统通过跟踪睡眠数据来辅助睡眠状态评估进而提供相应 的健康建议有重要意义，有助于改善睡眠质量的同时，帮助人们保持良好的身心 健康状态，有效防止呼吸暂停和猝死等意外事件发生。
目前，睡眠质量监测及评估的方式主要是接触式测量，比如用于医院的睡眠 多导图检查，虽然该方式监测结果较为可靠，但同时也会带来较高的成本花销， 且需要佩戴相应的装置睡眠，用户体验感较差。另外，基于可穿戴式设备(比如 智能手表，智能手环等)进行睡眠质量监测的方式广为流行，这一方式虽然监测 成本较低、用户体验相对较好，但是可穿戴式设备一般只基于人体局部活动(比 如翻身等)来判断睡眠质量或者睡眠阶段，可靠性有待商榷，且佩戴设备入睡影 响舒适度。可见一种非接触式的精确睡眠质量监测方法成为了一种需求。
发明内容
针对上述问题，本发明提供了一种睡眠质量监测方法、装置及系统，将肢体 动作与人体生命体征相结合综合评估睡眠质量，数据可靠性，可信度更高。
本发明提供的技术方案如下：
一方面，本发明提供了一种睡眠质量监测方法，包括：
向室内发射第一探测信号，并接收对应反射路径反射的第二探测信号，所述 第一探测信号和第二探测信号为毫米波信号；
对所述第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域 的目标占用数据特征；
对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态数据；
对于当前帧中肢体处于安静状态的目标提取生理状态数据；
根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据对人体生 命体征进行分析，完成对睡眠质量的监测。
进一步优选地，对所述第一探测信号和第二探测信号进行处理提取当前帧预 定义目标区域的目标占用数据特征中包括：
对所述第一探测信号和第二探测信号进行混频并转换为数字信号；
对转换得到的数字信号进行一维FFT处理，得到各个通道的一维距离像， 生成雷达立方数据；
估计所述雷达立方数据中各距离单元的角度空间谱；
根据各距离单元的角度空间谱选定目标区域；
针对选定的目标区域计算目标占用数据特征，得到目标占用的特征向量；
使用预训练的分类器对得到的特征向量进行分类，判断当前帧中是否存在目 标占用。
进一步优选地，估计所述雷达立方数据中各距离单元的角度空间谱中，包括：
计算每个距离单元的空间协方差矩阵
其中，数据矩阵
其中，xn，k，p表示第n个距离单 元、第k个多普勒单元、第p个天线单元的雷达立方数据，p＝1，2，...，Na；Nc表 示多普勒单元数量；
根据所述空间协方差矩阵
进一步计算得到距离-方位谱P(n，θ)：
其中，f(·)表示空间谱算法，导向矢量
λ 表示第一探测信号/第二探测信号的波长，Na表示第二探测信号接收端等效天线 数目，θ表示目标方位角，d表示等效天线间距，n表示径向距离。
进一步优选地，所述根据各距离单元的角度空间谱选定目标区域中，将第l个 目标区域Zl定义为：
其中，rn表示第n个距离单元的径向距离，
表示径向距离左边界，
表示 径向距离右边界，θp表示第p个天线单元的目标方位角，
表示目标方位角左 边界，
表示目标方位角右边界。
所述针对选定的目标区域计算目标占用数据特征，得到目标占用的特征向量 中，所述目标占用数据特征包括：连续K帧预定义目标区域的平均功率、连续K 帧预定义目标区域的功率比及预定义目标区域的功率相干系数。
进一步优选地，所述对于当前帧中存在目标占用的区域提取针对肢体活动程 度的活动状态数据中，包括：
计算当前帧中存在目标占用目标区域的相位信息；
计算所述相位信息与该区域前W帧相位信息的方差；
分别对所述相位信息及该区域前W帧相位信息进行FFT操作，并取模值；
将所述方差和模值分别与预设阈值进行比较；
当所述方差和模值均大于预设阈值，判断肢体处于活动状态，否则处于安静 状态。
进一步优选地，所述对于当前帧中肢体处于安静状态的目标提取生理状态数 据中，包括：
寻找各目标区域对应距离-方位谱的最大值；
提取各距离-方位谱中最大值对应的多普勒相位，形成多普勒相位集合；
基于预先设定的带通滤波器于所述多普勒相位集合中提取呼吸频率信息及 心率信息。
另一方面，本发明提供了一种睡眠质量监测装置，应用于如权利要求1-6任 意一项所述的睡眠质量监测方法，所述睡眠质量监测装置中包括：
射频前端，用于通过天线向室内发射第一探测信号，并接收对应反射路径反 射的第二探测信号，所述第一探测信号和第二探测信号为毫米波信号；
微处理器，用于对所述第一探测信号和第二探测信号进行处理提取当前帧预 定义目标区域的目标占用数据特征；对于当前帧中存在目标占用的区域提取针对 肢体活动程度的活动状态数据；对于当前帧中肢体处于安静状态的目标提取生理 状态数据；及根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据 对人体生命体征进行分析，完成对睡眠质量的监测和/或智能终端。
进一步优选地，所述睡眠质量监测装置中还包括：网络通信模块和/或红外 模块，其中，
网络通信模块与微处理器连接，用于实现睡眠质量监测装置与外界终端的通 信连接；
红外模块与微处理器连接，用于接收所述微处理器根据对人体生命体征分析 生成的家电控制信号，实现对家用电器的控制。
另一方面，本发明提供了一种睡眠质量监测系统，包括如上述睡眠质量监测 装置，还包括与所述睡眠质量监测装置通信连接的智能终端，和/或还包括与所 述睡眠质量监测装置通信连接的云服务器或控制平台，用于对睡眠质量监测系统 的目标占用数据特征、活动状态数据及生理状态数据对人体生命体征进行分析， 并将分析结果反馈至睡眠质量监测装置。
本发明提供的睡眠质量监测方法、装置及系统，至少能够带来以下有益效果：
1.利用毫米波雷达高精度检测特性，对人体睡眠(休息)过程中肢体动作幅 度进行高精度检测，同时精确捕捉呼吸频率、心率等重要生理特征，将肢体动作 与人体生命体征相结合综合评估睡眠质量或者人体健康状态，数据可靠性，可信 度更高。
2.相较于医学多导图监测来说具有成本优势，并且不需要佩戴相关监测设备， 属于无感实时监测，具有较高舒适度。相对于智能手环(手表)类监测方式数据 可靠性更高。更适合作为日常睡眠质量评估手段。
3.相较于摄像头等监测方式，毫米波属于非可见光，不具有隐私问题，消除 潜在的隐私安全隐患。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术 特征、优点及其实现方式予以进一步说明。
图1为本发明中睡眠质量监测方法一实施例流程示意图；
图2为本发明中睡眠质量监测装置一实施例结构示意图；
图3为本发明中睡眠质量监测系统一实施例结构示意图。
附图标记：
100-睡眠质量监测装置，10-雷达模组，11-天线，12-射频前端，13-微处理 器，20-电源模块30-网络通信模块，40-红外模块，200-智能终端，300-云服务器， 400-控制平台。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图 说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一 些实施例，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的附图，并获得其他的实施方式。
本发明的第一种实施例，如图1所示，一种睡眠质量监测方法，包括：
S10向室内发射第一探测信号，并接收对应反射路径反射的第二探测信号， 第一探测信号和第二探测信号为毫米波信号；
S20对第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域 的目标占用数据特征；
S30对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态 数据；
S40对于当前帧中肢体处于安静状态的目标提取生理状态数据；
S50根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据对人 体生命体征进行分析，完成对睡眠质量的监测。
本实施例的睡眠质量监测方法适用于室内，尤其适用于卧室，应用于包含天 线、射频前端(MMIC)和微处理器的毫米波雷达。在步骤S10中，通过天线向 室内发射第一探测信号，目标对第一探测信号进行反射后，沿对应的发射路径进 行反射形成第二探测信号，由天线进行接收。该第一探测信号为毫米波信号，具 体可以为连续正弦波信号、FMCW信号、OFDM信号等，这里不做具体限定。 频段为30GHz-300GHz，优选在76-81GHz，方位角FoV为±65°；射频前端采用 多发多收的MIMO体制发送和接收毫米波信号(线性调频脉冲信号)，间断式地 对室内空间进行扫描。
在毫米波雷达中，包括N个发射天线和M个接收天线，其中，N个发射天 线构成发射天线阵列，M个接收天线构成接收天线阵列。毫米波雷达通过发射 天线阵列将第一探测信号发射至室内，并通过接收天线阵列接收回波信号，即第 二探测信号，之后通过前端射频模块对第一探测信号和第二探测信号进行处理。 在一实例中，天线为微带贴片天线，毫米波雷达中包括2个发射天线和4个接收 天线，射频前端采用2发4收的MIMO体制发送和接收毫米波信号。在其他实 施例中，为了降低信号多次反射造成的干扰，在天线周围区域放置吸波材料。
微处理器为ARM、DSP、FPGA中的一种或多种，且内嵌有存储器、处理 器以及存储在存储器中并可在处理器上运行的计算机程序，处理器运行计算机程 序时实现步骤S10～S50的步骤。处理器的处理过程包括：对模数转换得到数字 信号进行信号算法处理获得目标空间占用信息、活动状态数据(如翻身，摆臂， 起身等)及生理状态数据(呼吸频率，心率等)，并处理得到的数据输入至功能 算法模块，分析获得人体相关生命体征分析数据及人体睡眠质量评估结果。
之后进入S20对第一探测信号和第二探测信号进行处理提取当前帧预定义 目标区域的目标占用数据特征的步骤。在一实施例中，该过程包括：S21对第一 探测信号和第二探测信号进行混频并转换为数字信号；S22对转换得到的数字信 号进行一维FFT处理，得到各个通道的一维距离像，生成雷达立方(Radar Cube) 数据；S23估计雷达立方数据中各距离单元的角度空间谱；S24根据各距离单 元的角度空间谱选定目标区域；S25针对选定的目标区域计算目标占用数据特征， 得到目标占用的特征向量；S26使用预训练的分类器对得到的特征向量进行分类， 判断当前帧中是否存在目标占用。
在本实施例中，射频前端通过天线接收到第二探测信号之后，微处理器将第 一探测信号和第二探测信号进行混合后滤波，并进行模数转换得到数字信号。之 后，微处理器对转换得到的数字信号进行一维加窗FFT(快速傅里叶变换)处理， 得到各个通道的一维距离像。这里，进行一维加窗FFT处理时，窗函数长度可 以根据实际情况进行选定，如长度为64等。在其他实施例中，为了消除静态干 扰，计算得到各个通道的一维距离像之后，进一步对每个通道所有信号所在的距 离单元去除直流分量。
接着，对距离-方位谱进行计算，步骤如S231～S232：
S231计算每个距离单元的空间协方差矩阵
如式(1)：
其中，数据矩阵
其中，xn，k，p表示第n个距离单 元、第k个多普勒单元、第p个天线单元的雷达立方数据，p＝1，2，...，Na；Nc表 示多普勒单元数量，Nc＝128；
S232根据空间协方差矩阵
利用Capon算法计算得到距离-方位谱P(n，θ)， 如式(2)：
其中，f(·)表示空间谱算法；αnI表示对角线加载量，用于防止协方差逆矩 阵奇异性；导向矢量
λ表示第一探测信号/第二 探测信号的波长，Na表示第二探测信号接收端等效天线数目，θ表示目标方位 角，d表示等效天线间距，n表示径向距离。
为了提高后续谱估计质量，得到距离-方位谱P(r，θ)之后，还需要去除或降 低当前帧距离-方位谱旁瓣干扰的影响，及基于当前帧与前M帧(M≥1)的谱进 行平滑操作。去除或降低当前帧距离-方位谱旁瓣干扰的方法可以为低通滤波、 卡尔曼滤波、ARC Removal(消弧算法)算法中的至少一种。
之后，根据得到的距离-方位谱，定义L个预定义目标区域，并提取预定义 区域的目标占用数据特征。将第l个目标区域Zl定义为式(3)：
其中，rn表示第n个距离单元的径向距离，
表示径向距离左边界，
表示 径向距离右边界，θp表示第p个天线单元(方位角单元)的目标方位角，
表 示目标方位角左边界，
表示目标方位角右边界。
具体，预定义目标区域的选取可以根据距离-方位谱上人为自定义选取；也 可以统计连续A帧(A大于等于2)中距离-方位谱中大于设定阈值的峰值位置， 之后对位置取平均得到目标区域的中心位置，最后根据人为设定的目标区域距离 维度宽度及角度维度宽度，得到目标区域Z。
在步骤S25中，目标占用数据特征包括：连续K(K≥1)帧预定义目标区域 的平均功率、连续K帧预定义目标区域的功率比及预定义目标区域的功率相干 系数。具体：
预定义目标区域的平均功率Ql如式(4)：
其中，P(n，p)表示第n个距离单元、第p个天线单元的距离-方位谱数值；
预定义目标区域滑窗功率如式(5)：
其中，t表示多普勒维采样时刻，M表示滑窗的数量，Qj(m)表示第i个目 标区域第m个滑动窗口的功率；
预定义目标区域的功率比Rl如式(6)：
其中，i表示目标区域Zl中的第i个滑窗；
预定义目标区域的功率相干系数ρi，j如式(7)：
其中，Qi(m)表示第i个目标区域第m个滑动窗口的功率，Qj(m)表示第j 个目标区域第m个滑动窗口的功率，σi(m)表示第i个目标区域第m个滑动窗口 的标准差，
且σj(m)表示第j个目标区域第 m个滑动窗口的标准差。
基于此，构建得到的目标占用特征向量为： 
L表示预定义目标区域的数量。一实 例中，目标区域数量L＝3，则构建的特征向量为
完成了目标占用特征向量的构建之后，进入步骤S26，使用预训练的分类器 (匹配滤波、深度学习算法、机器学习算法中的至少一种)对得到的特征向量进 行分类，判断当前帧中是否存在目标占用。这里，遍历每个预定义目标区域，计 算预存储的本地训练特征向量与构建的特征向量之间的相关度，确定目标区域空 间是否被活体占用。具体，若计算得到的相关度大于预设相关度阈值，表示存在 空间占用；若计算得到的相关度不大于预设相关度阈值，表示无空间占用。
一实例中，目标区域数量L＝3，并用1表示占有(occupied)，0表示空闲 (empty)，则3个目标区域的所有可能状态[S1，S2，S3]如式(8)：
[S1，S2，S3]＝[(111)，(110)，(101)，(100)，(000)，(010)，(011)，(001)](8)
针对每个位置每个状态预先训练的特征向量如式(9)：
其中，w表示每个位置某个状态的特征向量。则3个目标区域的估计状态为
de2bi(·)表示数值转换函数，
表示构建的特征 向量。
之后，进入步骤S30，对于当前帧中存在目标占用的区域进一步提取针对肢 体活动程度的活动状态数据，表征肢体是存在活动状态(对应显著肢体活动)还 是安静状态(对应无显著肢体活动)。肢体活动信息包括但不限于翻身、摆臂、 起身、床上摔落等。在一实施例中，这一过程包括：S31计算当前帧中存在目标 占用目标区域的相位信息；S32计算相位信息与该区域前W(W≥1)帧相位信 息的方差；S33分别对相位信息及该区域前W帧相位信息进行FFT操作，并取 模值；S34将方差和模值分别与预设阈值进行比较；S35当方差和模值均大于 预设阈值，判断肢体处于活动状态，否则处于安静状态。在一实例中，W＝5，则 将当前帧中各预定义目标区域的相位信息分与该预定义目标区域前5帧的相位 信息进行比较，计算方差；同时对预定义目标区域的相位信息与预定义目标区域 前5帧的相位信息进行FFT操作，并取模值。
之后，进入步骤S40，对于当前帧中肢体处于安静状态的目标提取生理状态 数据，表征人体的生理信息是否正常。生命体征信息包括但不限于呼吸频率、心 率等。在一实施例中，这一过程包括：S41寻找各目标区域对应距离-方位谱的 最大值；S42提取各距离-方位谱中最大值对应的多普勒相位，形成多普勒相位 集合；S43基于预先设定的带通滤波器于多普勒相位集合中提取呼吸频率信息及 心率信息。具体，在步骤S43中，通过设计带通滤波器1实现呼吸频率信息(正 常的呼吸频率范围是0.15Hz-0.4Hz)的提取，通过设计带通滤波器2实现心率信 息(人体正常的心率范围是0.5Hz-1.8Hz)的提取，带通滤波器可以为IIR(无限 冲激响应)滤波器或FIR(有限冲激响应)滤波器。
最后，将多帧数据的目标占用数据特征、活动状态数据及生理状态数据输入 功能算法模块，对人体生命体征进行分析，统计人体活动状态数据及评估人体睡 眠质量。在该睡眠质量监测方法中，通过毫米波雷达高精度感知人体肢体活动及 实时监测人体呼吸、心跳等生命体征，并将生命特征以及人体肢体活动等因素综 合考虑评估睡眠质量，相较于传统可穿戴式设备更加稳定、可靠，数据可信度更 高，且无隐私问题，同时也具备低成本的优势，完全满足日常使用需求。
本发明还提供了一种睡眠质量监测装置，应用于上述睡眠质量监测方法，该 睡眠质量监测装置中包括：射频前端，用于通过天线向室内发射第一探测信号， 并接收对应反射路径反射的第二探测信号，第一探测信号和第二探测信号为毫米 波信号；微处理器，与所述射频前端连接，用于对第一探测信号和第二探测信号 进行处理提取当前帧预定义目标区域的目标占用数据特征；对于当前帧中存在目 标占用的区域提取针对肢体活动程度的活动状态数据；对于当前帧中肢体处于安 静状态的目标提取生理状态数据；及根据多帧数据的目标占用数据特征、活动状 态数据及生理状态数据对人体生命体征进行分析，完成对睡眠质量的监测。
在本实施例中，射频前端通过天线向室内发射第一探测信号，目标对第一探 测信号进行反射后，沿对应的发射路径进行反射形成第二探测信号，由天线进行 接收。该第一探测信号为毫米波信号，具体可以为连续正弦波信号、FMCW信 号、OFDM信号等，这里不做具体限定。频段为30GHz-300GHz，优选在76-81GHz， 方位角FoV为±65°；射频前端采用多发多收的MIMO体制发送和接收毫米波信 号(线性调频脉冲信号)，间断式地对室内空间进行扫描。
另外，该睡眠质量监测装置中包括N个发射天线和M个接收天线，其中， N个发射天线构成发射天线阵列，M个接收天线构成接收天线阵列。毫米波雷 达通过发射天线阵列将第一探测信号发射至室内，并通过接收天线阵列接收回波 信号，即第二探测信号，之后通过前端射频模块对第一探测信号和第二探测信号 进行处理。在一实例中，天线为微带贴片天线，毫米波雷达中包括2个发射天线 和4个接收天线，射频前端采用2发4收的MIMO体制发送和接收毫米波信号。 在其他实施例中，为了降低信号多次反射造成的干扰，在天线周围区域放置吸波 材料。
微处理器为ARM、DSP、FPGA中的一种或多种，且内嵌有存储器、处理 器以及存储在存储器中并可在处理器上运行的计算机程序，处理器运行计算机程 序时实现步骤S10～S50的步骤。处理器的处理过程包括：对模数转换得到数字 信号进行信号算法处理获得目标空间占用信息、活动状态数据(如翻身，摆臂， 起身等)及生理状态数据(呼吸频率，心率等)，并处理得到的数据输入至功能 算法模块，分析获得人体相关生命体征分析数据及人体睡眠质量评估结果。在一 实例中，微处理器为ARM及DSP双核配置，其中，ARM核用于射频前端配置 及进程管理控制、数据传输等任务，DSP用于信号及数据处理。
在实际应用中，射频前端与微处理器可以是分立芯片，也可以是集成SoC (可有效降低成本)。天线与射频前端可以是分立方案也可以是集成方案，集成 方案为片上天线方案(AoP)。该睡眠质量监测装置还包括电源模块，为装置电 路供电，输入电源可以是强电，如220V电源；也可以是弱电，如12V电源中的 一种。
在另一实施例中，该睡眠质量监测装置中除了包括天线11、射频前端12、 微处理器13及电源模块20之外，如图2所示，还包括：网络通信模块30和/ 或红外模块40，其中，天线11、射频前端12和微处理器13形成雷达模组10， 网络通信模，30与微处理器13连接，用于实现睡眠质量监测装置与外界终端的通 信连接；红外模块40与微处理器13连接，用于接收微处理器根据对人体生命体 征分析生成的家电控制信号，实现对家用电器的控制。
在本实施例中，红外模块接40收来自微处理器的控制信号，从而用于控制 空调开启/关闭、模式调节、温度调节等操作，高睡眠质量的同时节约电能。网 络通信模块30可以为WiFi、蓝牙、电力载波协议等，用于数据传输及通信。
本发明提供了一种睡眠质量监测系统，如图3所示，包括如上述睡眠质量监 测装置100，还包括与睡眠质量监测装置100通信连接的智能终端200，和/或还 包括与睡眠质量监测装置通信连接的云服务器300或控制平台400，用于对睡眠 质量监测系统的目标占用数据特征、活动状态数据及生理状态数据对人体生命体 征进行分析，并将分析结果反馈至睡眠质量监测装置和/或智能终端200。
在本实施例中，睡眠质量监测装置以无线通讯方式与智能终端、云服务器/ 控制平台相连接。睡眠质量监测装置中的无线通讯模块(包括但不限于蓝牙、 ZigBee、WiFi、NFC，4G/5G/6G，电力载波、以太网等传输方式)获取睡眠质 量、生命体征等相关数据，并以无线方式将相关数据传输至智能终端、云服务器 /控制中心软件平。智能终端APP、云服务器/控制平台将接收、统计、分析、管 理及响应由睡眠质量监测装置输出的用户相关数据。且在诸如使用者长时间离床、 心率异常及呼吸频率异常等情况下，绑定的智能终端APP或者控制中心将及时 告警，实现更加可靠的无感生命体征及睡眠质量日常跟踪，数据监测管理，健康 建议和预警以及空调等家电智能化控制等功能。应当注意，在该睡眠质量监测系统中，睡眠质量评估过程可以在睡眠质量监测装置(雷达端)计算，也可以在智 能终端、云服务器/控制平台等位置计算。
应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选 实施方式，应当指出，对于本技术领域的普通相关人员来说，在不脱离本发明原 理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保 护范围。
Claims (10)
1.一种睡眠质量监测方法，其特征在于，包括：
向室内发射第一探测信号，并接收对应反射路径反射的第二探测信号，所述第一探测信号和第二探测信号为毫米波信号；
对所述第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域的目标占用数据特征；
对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态数据；
对于当前帧中肢体处于安静状态的目标提取生理状态数据；
根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据对人体生命体征进行分析，完成对睡眠质量的监测。
2.如权利要求1所述的睡眠质量监测方法，其特征在于，对所述第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域的目标占用数据特征中包括：
对所述第一探测信号和第二探测信号进行混频并转换为数字信号；
对转换得到的数字信号进行一维FFT处理，得到各个通道的一维距离像，生成雷达立方数据；
估计所述雷达立方数据中各距离单元的角度空间谱；
根据各距离单元的角度空间谱选定目标区域；
针对选定的目标区域计算目标占用数据特征，得到目标占用的特征向量；
使用预训练的分类器对得到的特征向量进行分类，判断当前帧中是否存在目标占用。
3.如权利要求2所述的睡眠质量监测方法，其特征在于，估计所述雷达立方数据中各距离单元的角度空间谱中，包括：
计算每个距离单元的空间协方差矩阵
其中，数据矩阵
其中，xn，k，p表示第n个距离单元、第k个多普勒单元、第p个天线单元的雷达立方数据，p＝1，2，...，Na；Nc表示多普勒单元数量；
根据所述空间协方差矩阵
进一步计算得到距离-方位谱P(n，θ)：
其中，f(·)表示空间谱算法，导向矢量
λ表示第一探测信号/第二探测信号的波长，Na表示第二探测信号接收端等效天线数目，θ表示目标方位角，d表示等效天线间距，n表示径向距离。
4.如权利要求2或3所述的睡眠质量监测方法，其特征在于，
所述根据各距离单元的角度空间谱选定目标区域中，将第l个目标区域Zl定义为：
其中，rn表示第n个距离单元的径向距离，
表示径向距离左边界，
表示径向距离右边界，θp表示第p个天线单元的目标方位角，
表示目标方位角左边界，
表示目标方位角右边界。
所述针对选定的目标区域计算目标占用数据特征，得到目标占用的特征向量中，所述目标占用数据特征包括：连续K帧预定义目标区域的平均功率、连续K帧预定义目标区域的功率比及预定义目标区域的功率相干系数。
5.如权利要求1或2或3所述的睡眠质量监测方法，其特征在于，所述对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态数据中，包括：
计算当前帧中存在目标占用目标区域的相位信息；
计算所述相位信息与该区域前W帧相位信息的方差；
分别对所述相位信息及该区域前W帧相位信息进行FFT操作，并取模值；
将所述方差和模值分别与预设阈值进行比较；
当所述方差和模值均大于预设阈值，判断肢体处于活动状态，否则处于安静状态。
6.如权利要求3所述的睡眠质量监测方法，其特征在于，所述对于当前帧中肢体处于安静状态的目标提取生理状态数据中，包括：
寻找各目标区域对应距离-方位谱的最大值；
提取各距离-方位谱中最大值对应的多普勒相位，形成多普勒相位集合；
基于预先设定的带通滤波器于所述多普勒相位集合中提取呼吸频率信息及心率信息。
7.一种睡眠质量监测装置，其特征在于，应用于如权利要求1-6任意一项所述的睡眠质量监测方法，所述睡眠质量监测装置中包括：
射频前端，用于通过天线向室内发射第一探测信号，并接收对应反射路径反射的第二探测信号，所述第一探测信号和第二探测信号为毫米波信号；
微处理器，用于对所述第一探测信号和第二探测信号进行处理提取当前帧预定义目标区域的目标占用数据特征；对于当前帧中存在目标占用的区域提取针对肢体活动程度的活动状态数据；对于当前帧中肢体处于安静状态的目标提取生理状态数据；及根据多帧数据的目标占用数据特征、活动状态数据及生理状态数据对人体生命体征进行分析，完成对睡眠质量的监测。
8.如权利要求7所述的睡眠质量监测装置，其特征在于，所述微处理器内嵌有存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时实现如权利要求1-6中任一项所述睡眠质量监测方法的步骤。
9.如权利要求7或8所述的睡眠质量监测装置，其特征在于，所述睡眠质量监测装置中还包括：网络通信模块和/或红外模块，其中，
网络通信模块与微处理器连接，用于实现睡眠质量监测装置与外界终端的通信连接；
红外模块与微处理器连接，用于接收所述微处理器根据对人体生命体征分析生成的家电控制信号，实现对家用电器的控制。
10.一种睡眠质量监测系统，其特征在于，包括如权利要求7-9任意一项所述的睡眠质量监测装置，还包括与所述睡眠质量监测装置通信连接的智能终端，和/或还包括与所述睡眠质量监测装置通信连接的云服务器或控制平台，用于对睡眠质量监测系统的目标占用数据特征、活动状态数据及生理状态数据对人体生命体征进行分析，并将分析结果反馈至睡眠质量监测装置和/或智能终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110337023.1A CN113288078B (zh) | 2021-03-29 | 2021-03-29 | 睡眠质量监测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110337023.1A CN113288078B (zh) | 2021-03-29 | 2021-03-29 | 睡眠质量监测方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113288078A true CN113288078A (zh) | 2021-08-24 |
| CN113288078B CN113288078B (zh) | 2024-05-17 |
Family
ID=77319284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110337023.1A Active CN113288078B (zh) | 2021-03-29 | 2021-03-29 | 睡眠质量监测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113288078B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114159024A (zh) * | 2021-11-17 | 2022-03-11 | 青岛海信日立空调系统有限公司 | 一种睡眠分期方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204931636U (zh) * | 2015-08-31 | 2016-01-06 | 珠海市奥美软件科技有限公司 | 非接触式生命体征监测装置及睡眠管理系统 |
| CN110013235A (zh) * | 2019-03-29 | 2019-07-16 | 张恒运 | 一种智能家居睡眠装置及系统 |
| CN110051329A (zh) * | 2019-04-26 | 2019-07-26 | 广东工业大学 | 一种睡眠监测方法、装置、系统及可读存储介质 |
| CN111603138A (zh) * | 2020-05-19 | 2020-09-01 | 杭州电子科技大学 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
| CN111897230A (zh) * | 2020-07-09 | 2020-11-06 | 珠海格力电器股份有限公司 | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 |
-
2021
- 2021-03-29 CN CN202110337023.1A patent/CN113288078B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204931636U (zh) * | 2015-08-31 | 2016-01-06 | 珠海市奥美软件科技有限公司 | 非接触式生命体征监测装置及睡眠管理系统 |
| CN110013235A (zh) * | 2019-03-29 | 2019-07-16 | 张恒运 | 一种智能家居睡眠装置及系统 |
| CN110051329A (zh) * | 2019-04-26 | 2019-07-26 | 广东工业大学 | 一种睡眠监测方法、装置、系统及可读存储介质 |
| CN111603138A (zh) * | 2020-05-19 | 2020-09-01 | 杭州电子科技大学 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
| CN111897230A (zh) * | 2020-07-09 | 2020-11-06 | 珠海格力电器股份有限公司 | 睡眠质量监控方法、装置、电器设备、存储介质及处理器 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114159024A (zh) * | 2021-11-17 | 2022-03-11 | 青岛海信日立空调系统有限公司 | 一种睡眠分期方法及装置 |
| CN114159024B (zh) * | 2021-11-17 | 2023-10-31 | 青岛海信日立空调系统有限公司 | 一种睡眠分期方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113288078B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111481184B (zh) | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 | |
| Duan et al. | Non-contact detection of vital signs using a UWB radar sensor | |
| Wang et al. | mmHRV: Contactless heart rate variability monitoring using millimeter-wave radio | |
| CN106725488B (zh) | 一种无线场强呼吸检测方法、装置及呼吸检测仪 | |
| US10159435B1 (en) | Emotion sensor system | |
| Postolache et al. | Microwave FMCW Doppler radar implementation for in-house pervasive health care system | |
| EP3866685B1 (en) | Systems and methods for micro impulse radar detection of physiological information | |
| EP3223682B1 (en) | Apparatus and method for estimating a value of a physiological characteristic | |
| CN104644143A (zh) | 一种非接触式生命体征监护系统 | |
| CN112472051A (zh) | 一种生命体征监测的毫米波雷达装置、方法及系统 | |
| CN111142102B (zh) | 一种呼吸数据计算方法以及相关设备 | |
| CN111568417B (zh) | 一种非接触式呼吸实时监测方法及采用该方法的硬件系统 | |
| Uysal et al. | RF-based noncontact respiratory rate monitoring with parametric spectral estimation | |
| Hu et al. | Remote vital signs measurement of indoor walking persons using mm-Wave FMCW radar | |
| CN114305355B (zh) | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 | |
| CN113288078B (zh) | 睡眠质量监测方法、装置及系统 | |
| KR20180088019A (ko) | 레이더를 이용한 생체 신호 측정 방법 및 장치 | |
| Uysal et al. | Contactless respiration rate estimation using MUSIC algorithm | |
| CN116602640A (zh) | 基于自适应滤除杂波的毫米波雷达心率检测方法 | |
| Sekak et al. | Study and evaluation of the vital signs detection based on the third order cyclic temporal moment and cumulant | |
| Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
| Zhang et al. | Radar-Beat: Contactless beat-by-beat heart rate monitoring for life scenes | |
| Walid et al. | Accuracy assessment and improvement of FMCW radar-based vital signs monitoring under Practical Scenarios | |
| CN216202899U (zh) | 多功能吸顶灯及其控制系统 | |
| Wang et al. | Received power-based vital signs monitoring |
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 |