CN114159024A - 一种睡眠分期方法及装置 - Google Patents
一种睡眠分期方法及装置 Download PDFInfo
- Publication number
- CN114159024A CN114159024A CN202111363266.9A CN202111363266A CN114159024A CN 114159024 A CN114159024 A CN 114159024A CN 202111363266 A CN202111363266 A CN 202111363266A CN 114159024 A CN114159024 A CN 114159024A
- Authority
- CN
- China
- Prior art keywords
- movement
- human body
- sleep
- target human
- period
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims abstract description 212
- 230000008667 sleep stage Effects 0.000 claims abstract description 58
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 35
- 230000004461 rapid eye movement Effects 0.000 claims abstract description 18
- 230000002618 waking effect Effects 0.000 claims abstract description 16
- 206010062519 Poor quality sleep Diseases 0.000 claims abstract description 11
- 230000035565 breathing frequency Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 14
- 238000009825 accumulation Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000003860 sleep quality Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008452 non REM sleep Effects 0.000 description 3
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000036995 brain health Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000028016 temperature homeostasis Effects 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
- A61B5/48—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
- A61B5/02—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
- A61B5/103—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
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (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)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例提供了一种睡眠分期方法及装置，涉及雷达应用技术领域，可用于提升非接触式睡眠监测的准确度。该方法包括：获取雷达设备对目标人体进行探测得到的多帧回波信号；根据多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，第一体动次数为目标人体在第一时间段内发生体动的次数，第二体动次数为目标人体在第二时间段内发生体动的次数，第一时间段的时长大于第二时间段的时长；根据第一体动次数、第二体动次数以及呼吸次数的方差，确定目标人体的睡眠阶段，该睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
Description
技术领域
本申请涉及雷达应用技术领域，尤其涉及一种睡眠分期方法及装置。
背景技术
随着人们生活节奏普遍加快，生活方式改变，睡眠质量低已成为当今的普遍现象。科学研究发现，低质睡眠会影响人体的机体免疫以及神经体统，对人体的身心健康危害甚大。因此，人们对于睡眠问题越来越重视。改善睡眠质量的第一步就是睡眠质量监测，为提高睡眠监测的普遍性，很多适合日常使用的睡眠监测产品被开发出来。
现有的睡眠质量监测及评估的方式主要是接触式测量，比如基于可穿戴式设备(智能手表、智能手环等)进行睡眠质量监测的方式，其监测成本较低，需要佩戴在被检测者身上，通过设备与皮肤的接触，检测其心跳呼吸频率，从而判断睡眠质量。此类产品往往需要整晚佩戴，影响用户的睡眠舒适度。
发明内容
本申请实施例提供一种睡眠分期方法及装置，可用于提升非接触式睡眠监测的准确度。
第一方面，本申请实施例提供一种睡眠分期方法，该方法包括：获取雷达设备对目标人体进行探测得到的多帧回波信号；根据多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，第一体动次数为目标人体在第一时间段内发生体动的次数，第二体动次数为目标人体在第二时间段内发生体动的次数，第一时间段的时长大于第二时间段的时长；根据第一体动次数、第二体动次数以及呼吸次数的方差，确定目标人体的睡眠阶段，睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
本申请提供的基于雷达设备的睡眠分期方法，采用非接触式的测量方式，可以在对用户的睡眠无干扰的情况下采集其回波数据，并实时进行睡眠分期，提升用户的使用体验。此外，该方法中睡眠阶段的确定条件除了用户的呼吸情况之外，还综合分析了目标人体在不同时长的时间段内的体动次数，能够比较全面准确地区分各个睡眠阶段。
第二方面，提供一种睡眠分期装置，该装置包括获取单元与处理单元；获取单元用于获取雷达设备对目标人体进行探测得到的多帧回波信号；处理单元用于根据多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，第一体动次数为目标人体在第一时间段内发生体动的次数，第二体动次数为目标人体在第二时间段内发生体动的次数，第一时间段的时长大于第二时间段的时长；处理单元还用于根据第一体动次数、第二体动次数以及呼吸次数的方差，确定目标人体的睡眠阶段，睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
第三方面，提供一种睡眠分期装置，该装置包括：至少一个处理器和至少一个储存器；至少一个存储器中存储有计算机指令，当计算机指令被睡眠分期装置执行时，使得睡眠分期装置执行上述第一方面提供的睡眠分期方法。
第四方面，提供一种计算机可读存储介质，该计算机可读存储介质包括计算机指令，当所述计算机指令在计算机上运行时，使得该计算机执行上述第一方面提供的睡眠分期方法。
第五方面，提供一种包含计算机指令的计算机程序产品，当该计算机指令在计算机上运行时，使得计算机执行上述第一方面提供的睡眠分期方法。
上述第二方面至第五方面中任一种可能的方案所带来的技术效果可参加第一方面中对应的有益效果分析，在此不再赘述。
附图说明
图1为本申请实施例提供的一种睡眠分期方法的流程图；
图2为本申请实施例提供的一种体动次数确定方法的流程图；
图3为本申请实施例提供的一种睡眠分期装置的组成示意图；
图4为本申请实施例提供的一种睡眠分期装置的硬件结构示意图。
具体实施方式
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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。另外，在对管线进行描述时，本申请中所用“相连”、“连接”则具有进行导通的意义。具体意义需结合上下文进行理解。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于理解，首先对本发明实施例涉及到的一些术语或技术的基本概念进行简单的介绍和说明。
1、雷达
雷达是可以利用电磁波探测目标的设备。雷达的发射天线将发射机电路产生的高频电流信号或传输线上的导行波转化为可在空间传输的具有某种特定极化方式的电磁波沿着预设方向发射，当电磁波在前进方向遇到障碍物后，部分电磁波就会沿发射方向的反方向反射回去。此时，雷达的接收天线可以接收反射的电磁波，并将其转换为高频电流信号或传输线导行波，通过对得到的回波信号进行后续处理，可以提取目标的距离、速度和角度等状态信息。
其中，毫米波雷达是至工作在毫米波波段(millimeter wave)的雷达，可发射波长为1-10mm，频率为30GHZ-300GHZ的信号。在电磁频谱中，这种波长被视为短波长，短波长的意味着高准确度。工作频率为76-81GHz(对应波长约为4mm)的毫米波系统将能够检测小至零点几毫米的移动。
2、脉冲压缩(Linear Frequency Modulation Continuous Wave，LFMCW)
雷达通常会在发射端发射大时宽、带宽信号，以提高雷达信号的速度测量精度和速度分辨力，而在雷达的接收端，将宽脉冲信号压缩为窄脉冲信号，可以提高雷达对目标的距离分辨精度和距离分辨力。
脉冲压缩即是指将宽脉冲信号的回波信号进行处理以获得窄脉冲的过程，从而处理后的信号既保持了窄脉冲的高距离分辨力，又能获得宽脉冲的强检测能力。
3、动目标显示(Moving Target Indication，MTI)
动目标显示技术，是最早用于杂波抑制的技术之一。其基于活动目标与杂波的多普勒效应在频谱上存在的差异，采用阻带滤波抑制杂波频谱，从而从杂波背景中提取出检测目标的回波，是雷达总体技术的一种。
4、非相干积累
积累是信号处理中一个常用的处理方法，主要分为相干积累和非相干积累两种。其中相干积累一般是指对复信号进行积累，非相干积累一般是对信号的幅度进行积累。非相干积累可以只保留模值，排除严格的相位关系，提高处理信号的信噪比。
5、快速傅里叶变换(Fast Fourier Transform，FFT)
快速傅里叶变换即利用计算机计算离散傅里叶变换(DFT)的高效、快速计算方法的统称，简称FFT。FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。FFT是一种时频分析方法，可以将时域信号转化为频域信号，得到频率信息。
6、深度睡眠
睡眠对于大脑健康是极为重要的。成年人一般需要有7至9个小时的高质量睡眠。如果睡眠的时间不足或质量不高，那么大脑的疲劳就难以恢复，可能影响大脑功能，严重的甚至危害生命。
深度睡眠是整个睡眠过程的一部分，也被称为“黄金睡眠”，正常情况下约占整个睡眠时间的25％。在人体处于深度睡眠的状态下，大脑皮层细胞处于充分休息状态，这对于消除疲劳、恢复精力、免疫抗病等都有至关重要的作用。因此，在一次完整的睡眠过程中，深度睡眠的时长是评价其睡眠质量的重要指标。
7、快速眼动期(Rapid Eye Movement，REM)
快速动眼期是动物睡眠的一个阶段，又称快速动眼睡眠。REM睡眠在生理学上面与其他的睡眠阶段极为不同，因此除了REM以外的睡眠阶段被统称为非REM睡眠(NREM)。在一个睡眠周期中，会出现REM睡眠和非REM睡眠的交替。
在REM睡眠阶段，人的眼球会快速移动，同时身体肌肉放松。此时大脑的神经元的活动与清醒的时候相同，呈现快速、低电压去同步化的脑电波。但是，机体会偏离平衡态，呼吸、体温调节和循环系统都会有大幅波动，这样的情形在其他的睡眠阶段或者清醒时不会出现。
以上是对本申请实施例中涉及到的技术术语的介绍，以下不再赘述。
如背景技术所述，现有的基于可穿戴式接触式睡眠监测设备往往需要整晚佩戴，对于部分用户而言很难习惯，降低用户的睡眠舒适度。如此，反而会影响到睡眠检测结果。
有鉴于此，本申请提供一种睡眠分期方法，该方法可以根据目标人体在睡眠过程中，雷达设备采集到的目标人体在睡眠过程中的回波数据，并根据采集到的回波数据分析目标人体的体动次数以及呼吸次数的方差，并以此来确定目标人体在当前的睡眠阶段，睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
本申请提供的基于雷达设备的睡眠分期方法，采用非接触式的测量方式，可以在对用户的睡眠无干扰的情况下采集其回波数据，并实时进行睡眠分期，提升用户的使用体验。此外，该方法中睡眠阶段的确定条件除了用户的呼吸情况之外，还综合分析了目标人体的体动次数，能够比较全面准确地区分各个睡眠阶段。
下面将结合附图对本申请的具体方案进行详细描述。
如图1所示，为本申请实施例提供一种睡眠分期方法，该方法包括以下步骤：
S101、睡眠分期装置获取雷达设备对目标人体进行探测得到的多帧回波信号。
其中，上述睡眠分期装置可以为雷达设备；或者，睡眠分期装置可以为其它具有数据处理能力的设备，该设备与雷达设备连接；或者，睡眠分期装置可以为配置雷达设备的家居设备，例如配置雷达设备的空调等。为了便于理解，下文中以睡眠分期装置为雷达设备为例进行说明。可选的，该雷达设备可以为毫米波雷达。
在实际使用场景中，雷达设备通常以预设频率周期性发射电磁波，并获取目标人体反射的回波信号。其中，雷达设备每一次接收到的目标人体反射的回波信号即为本申请实施例中的一帧回波信号。也即，上述多帧回波信号为雷达设备对目标人体进行多次探测得到的多帧回波信号。
可选的，在睡眠分期装置获取雷达设备对目标人体进行探测得到的多帧回波信号之后，可以对获取到的多帧回波信号进行预处理。
具体的，睡眠分期装置在获取雷达设备对目标人体进行探测得到的多帧回波信号之后，首先对其中的每一帧回波信号进行脉冲压缩，得到窄脉冲信号，以便于对回波信号进行后续处理。进一步地，睡眠分期装置利用动目标显示技术对每一帧窄脉冲信号进行处理，以消除杂波信号的干扰和影响，得到信噪比较高的目标人体的回波信号。
需要说明的是，受实际睡眠环境的影响，睡眠分期装置获取雷达设备对目标人体进行探测得到的回波信号中可能包括大量床、衣橱、沙发等室内摆设而产生的杂波信号，这些杂波信号和目标人体产生的回波信号杂糅在一起，会对后续分析目标人体产生的回波信号产生干扰。因此，睡眠分期装置可以首先对得到的回波信号进行预处理，去除获取到的背景中的静止目标生成的杂波信号。
可选的，睡眠分期装置在对接收到的多帧回波信号进行预处理之后，还可以对预处理之后的多帧回波信号进行非相干积累，进一步提高回波信号的信噪比。
在一些实施例中，在执行下述步骤S102之前，睡眠分期装置可以根据获取到的雷达设备对目标人体进行探测得到的多帧回波信号，确定目标人体是否处于当前检测空间内。
进一步地，在目标人体处于当前检测空间的情况下，睡眠分期装置可以开始对目标人体进行睡眠检测，执行下述步骤S102。在目标人体未处于当前检测空间的情况下，睡眠分期装置可以不执行睡眠检测步骤，如此，可以减少不必要的处理过程，以减轻睡眠分期装置的运算负担。
S102、睡眠分期装置根据多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差。
其中，上述第一体动次数为目标人体在第一时间段内发生体动的次数，第二体动次数为目标人体在第二时间段内发生体动的次数，第一时间段的时长大于第二时间段的时长。示例性的，第一时间段的时长可以为12分钟，第二时间段的时长可以为10分钟。
可选的，第一体动次数可以根据图2所示的方法来确定。第二体动次数的确定方式可以参考第一体动次数的确定方式，本文不予赘述。
此外，上述目标人体的呼吸次数的方差为第三时间段内多个呼吸次数的方差。例如第三时间段的时长可以为预设时长5分钟，目标人体的呼吸次数可以为目标人体每分钟的呼吸次数或者每30秒的呼吸次数。
可选的，睡眠分期装置还可以根据多帧回波信号，确定目标人体的呼吸次数，再提取第三时间段内的多个呼吸次数，确定目标人体在第三时间段内多个呼吸次数的方差。
示例性的，睡眠分期装置可以首先对回波信号进行相位提取，并进行相位解缠操作，得到回波信号的相位信息。进而睡眠分期装置可以使用数字滤波器对回波信号的相位信息进行处理，排除呼吸信号以外的其他信号的干扰。基于FFT算法计算呼吸信号的基波频率，并根据呼吸信号的基波频率，确定目标人体呼吸次数。
其中，基波是指在复杂的周期性振荡中与该振荡最长周期相等的正弦波分量，相应于这个周期的频率称为基波频率。
S103、睡眠分期装置根据第一体动次数、第二体动次数以及呼吸次数的方差，确定目标人体的睡眠阶段。
其中，上述睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
需要说明的是，深睡期指目标人体处于深度睡眠的睡眠阶段，在目标人体处于深睡期时，目标人体处于相对平衡的状态，其呼吸相对平缓，体动次数较少，其体动次数少于清醒期与浅睡期。
在目标人体处于快速眼动期的情况下，目标人体会偏离平衡态，呼吸会有大幅波动，但其体动次数较少，其体动次数也少于清醒期与浅睡期。
需要说明的是，在目标人体的完成睡眠过程中，目标人体处于不同的睡眠阶段，其呼吸情况与体动情况也会有所不同。从而睡眠分期装置可以根据多帧回波信号，计算目标人体的第一体动次数与第二体动次数，以此来确定目标人体当前的体动情况，并根据多帧回波信号，计算目标人体的呼吸次数的方差，以此来确定目标人体当前的呼吸情况。其中，目标人体的呼吸次数的方差越小，表明当前目标人体的呼吸越平缓，目标人体的呼吸次数的方差越大，表明当前目标人体的呼吸起伏越大。
从而，睡眠分期装置可以将睡眠分期装置分为两类，第一类睡眠阶段为清醒期和浅睡期，第二类睡眠阶段为深睡期和快速眼动期。其中，目标人体处于第二类睡眠阶段时的体动次数要少于第一类睡眠阶段的体动次数。因此，睡眠分期装置可以根据第一体动次数区分第一类睡眠阶段与第二类睡眠阶段。
具体的，对于第一类睡眠阶段，由于目标人体处于清醒期时的体动次数大于目标人体处于目标人体处于浅睡期时的体动次数，并且第一类睡眠阶段的体动次数都比较多，因此，睡眠分期装置可以进一步根据第二体动次数来区分第一类睡眠阶段中的清醒期与浅睡期。其中，第二预设时间段小于第一预设时间段，则依据第二体动次数可以更为精准地判断当前目标人体处于清醒期或浅睡期。
对于第二类睡眠阶段，由于目标人体处于深睡期时呼吸比较平缓，但处于快速眼动期时呼吸会有大幅波动。因此，睡眠分期装置根据呼吸次数的方差区分第二类睡眠阶段中的深睡期与快速眼动期。
在一种可能的实现方式中，基于上述目标人体在各个睡眠阶段的呼吸情况与体动情况，为各个睡眠阶段分别设置对应的识别条件，在满足其中一个识别条件的情况下，睡眠分期装置可以确定目标人体处于该识别条件对应的睡眠阶段。
示例性的，睡眠分期装置确定目标人体的睡眠阶段具体可以实现为以下步骤之一：
S1、若第一体动次数大于或等于第一预设次数，且第二体动次数小于第二预设次数，则睡眠分期装置确定目标人体处于浅睡期。
S2、若第一体动次数大于或等于第一预设次数，且第二体动次数大于或等于第二预设次数，则睡眠分期装置确定目标人体处于清醒期。
S3、若第一体动次数小于第一预设次数，且呼吸次数的方差大于或等于预设方差阈值，则睡眠分期装置确定目标人体处于快速眼动期。
S4、若第一体动次数小于第一预设次数，且呼吸次数的方差小于预设方差阈值，则睡眠分期装置确定目标人体处于深睡期。
其中，第一预设次数为预设的第一时间段内的体动次数阈值，第一预设次数可以为根据目标人体的多次历史睡眠数据确定的体动次数阈值，或者第一预设次数是根据正常成年人在深睡期或快速眼动期的体动数据预设的体动次数阈值。从而，睡眠分期装置可以根据第一体动次数与第一预设次数的比较结果来区分第一类睡眠阶段与第二类睡眠阶段。
第二预设次数为预设的第二时间段内的体动次数阈值，第二预设次数可以为根据目标人体的多次历史睡眠数据确定的体动次数阈值，或者第二预设次数是根据正常成年人在浅睡期的体动数据预设的体动次数阈值。从而，睡眠分期装置可以根据第二体动次数与第二预设次数的比较结果来区分清醒期与浅睡期。
预设方差阈值为预设的第三时间段内的呼吸次数的方差阈值。预设方差阈值可以为根据目标人体的多次历史睡眠数据确定的其在第三时间段内的呼吸次数的方差阈值，或者是根据正常成年人在深睡期以及在快速眼动期的呼吸情况而预设的呼吸次数的方差阈值，以使得睡眠分期装置可以根据呼吸次数的方差与预设方差阈值的比较结果来确定目标人体是否处于深睡期或者快速眼动期。
需要说明的是，上述S1至S4中的“大于或等于”仅为一种示例，其中“等于”的情况也可以与“小于”的情况相结合。例如步骤S1中所述的第二体动次数“小于”第二预设次数，也可以为第二体动次数“小于或等于”第二预设次数。相应的，步骤S2中可以为第二体动次数“大于”第二预设次数。
在另一种可能的实现方式中，睡眠分期装置可以建立识别模型，该识别模型可以根据目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，识别出目标人体所处的睡眠阶段。可选的，该识别模型可以基于K最邻近(K-Nearest Neighbor，KNN)算法、支持向量机(Support Vector Machine，SVM)算法、贝叶斯(Bayes)算法或者卷积神经网络(Convolutional Neural Networks,CNN)中的任意一种。
基于图1所示的实施例，该方法采用非接触式的测量方式，可以在对用户的睡眠无干扰的情况下采集其回波数据，并实时进行睡眠分期，提升用户的使用体验。此外，该方法中睡眠阶段的确定条件除了用户的呼吸情况之外，还综合分析了目标人体的体动次数，能够比较全面准确地区分各个睡眠阶段。
可选的，本申请实施例提供一种体动次数的确定方法，以下以第一体动次数的确定过程为例对该体动次数的确定方法进行说明，如图2所示，该方法包括：
S201、睡眠分期装置根据第一时间段内的多帧回波信号，确定第一时间段内的T个第一体动指数。
其中，上述第一时间段被划分为T个第一子时间段，一个第一体动指数与一个第一子时间对应，第一体动次数用于反映目标人体在对应的第一子时间段内的体动幅度，T为大于1的整数。第一体动指数的数值越小，表明目标人体在对应的第一子时间段内的体动幅度越大。
可选的，睡眠分期装置根据第一子时间段内的K帧回波信号，确定目标人体的K个第二体动指数，一个第二体动指数与一帧回波信号对应，K为正整数。并根据所述K个第二体动指数，确定所述第一子时间段对应的第一体动指数。
其中，上述第二体动指数为第一时间段内的多帧回波信号中每一帧回波信号对应的体动指数，用于指示目标人体在其对应的一帧回波信号的探测时间内的体动幅度，第二体动指数的数值越小，表明目标人体在其对应的一帧回波信号的探测时间内的体动幅度越大。此外，K的取值为1时，上述第二体动指数相当于第一体动指数。
示例性的，第二体动指数可以满足以下关系：
其中，Bf表示第二体动指数，Rn表示距离多普勒图中第n个距离单元的幅值，max(R)表示目标距离像中N个距离单元中的幅值的最大值，目标距离像为第二体动指数对应的一帧回波信号经过脉冲压缩和动目标显示处理而得到，N为脉冲压缩的点数。
需要说明的是，由于目标人体在睡眠过程中发生一次完整的体动所需的时间约为1-3秒，例如目标人体在睡眠过程中的翻身等动作。因此，可以将第一时间段被划分为T个第一子时间段，其中每一个第一子时间段的时长可以预设为2秒、3秒等合理的时长。这样一来，根据第一子时间段对应的第一体动指数可以反映目标人体在对应的第一子时间段内的体动幅度，以第一体动指数作为判断依据可以更加准确地确定目标人体在第一子时间段内是否发生体动。
从而，第一体动指数可以为目标人体的K个第二体动指数之和，或者第一体动指数可以为目标人体的K个第二体动指数的平均值，本申请实施例对此不作限定
示例性的，第一体动指数可以满足以下关系：
其中，BF为第一子时间段对应的第一体动指数，Bfi为第一子时间段内的第i个第二体动指数。
应理解，在K等于1的情况下，第一体动指数即相当于第二体动指数。
S202、睡眠分期装置将T个第一体动指数逐个与体动指数阈值进行比较，确定T个第一体动指数中小于体动指数阈值的第一体动指数的个数。
可选的，体动指数阈值可以为睡眠分期装置根据历史体动数据预设的数值，或者体动指数阈值可以为睡眠分期装置根据当前检测到的T个第一体动指数综合计算得到的数值。
示例性的，上述体动指数阈值可以满足以下关系：
其中，ther表示体动指数阈值，BFi表示目标人体的第i个第一体动指数，kp为表示缩放比例的预设常数。
S203、睡眠分期装置将T个第一体动指数中小于体动指数阈值的第一体动指数的个数，作为第一体动次数。
基于上述实施例，可以根据目标人体在一段时间内的回波信号，计算一段时间内的多个体动指数，并根据多个体动指数确定体动次数，这样可以较为准确地判断当前这段时间内目标人体的体动情况。
上述主要从方法的角度对本申请提供的方案进行了介绍。可以理解的是，睡眠分期装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本申请可以根据上述方法示例对睡眠分期装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图3示出本申请实施例提供的一种睡眠分期装置的组成示意图。如图3所示，该睡眠分期装置1000包括获取单元1001和处理单元1002。
获取单元1001，用于获取雷达设备对目标人体进行探测得到的多帧回波信号。
处理单元1002，用于根据获取到的多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，第一体动次数为目标人体在第一时间段内发生体动的次数，第二体动次数为目标人体在第二时间段内发生体动的次数，第一时间段的时长大于第二时间段的时长。
处理单元1002，还用于根据第一体动次数、第二体动次数以及呼吸次数的方差，确定目标人体的睡眠阶段，该睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
在一些实施例中，处理单元1002，具体用于在第一体动次数大于或等于第一预设次数，且第二体动次数小于第二预设次数的情况下，确定目标人体处于浅睡期；在第一体动次数大于或等于第一预设次数，且第二体动次数大于或等于第二预设次数的情况下，确定目标人体处于清醒期；在第一体动次数小于第一预设次数，且呼吸次数的方差大于或等于预设方差阈值的情况下，确定目标人体处于快速眼动期；在第一体动次数小于第一预设次数，且呼吸次数的方差小于预设方差阈值的情况下，确定目标人体处于深睡期。
在一些实施例中，处理单元1002，具体用于根据第一时间段内的多帧回波信号，确定第一时间段内的T个第一体动指数，第一时间段被划分为T个第一子时间段，一个第一体动指数与一个第一子时间对应，第一体动次数用于反映目标人体在对应的第一子时间段内的体动幅度，T为大于1的整数；将T个第一体动指数逐个与体动指数阈值进行比较，确定T个第一体动指数中小于体动指数阈值的第一体动指数的个数；将T个第一体动指数中小于体动指数阈值的第一体动指数的个数，作为第一体动次数。
在一些实施例中，体动指数阈值满足以下关系：
其中，ther表示体动指数阈值，BFi表示目标人体的第i个第一体动指数，kp为表示缩放比例的预设常数。
在一些实施例中，处理单元1002，还用于根据第一子时间段内的K帧回波信号，确定目标人体的K个第二体动指数，一个第二体动指数与一帧回波信号对应，第二体动指数用于指示目标人体在对应的一帧回波信号的探测时间内的体动幅度；根据K个第二体动指数，确定第一子时间段对应的第一体动指数。
在一些实施例中，第二体动指数满足以下关系：
Bf表示第二体动指数，Rn表示目标距离像中第n个距离单元的幅值，max(R)表示目标距离像中N个距离单元中的幅值的最大值，目标距离像为第二体动指数对应的一帧回波信号经过脉冲压缩和动目标显示处理而得到，N为脉冲压缩的点数。
图3中的单元也可以称为模块，例如，处理单元可以称为处理模块。另外，在图3所示的实施例中，各个单元的名称也可以不是图中所示的名称，例如，获取单元也可以称为通信单元。
图3中的各个单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。存储计算机软件产品的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种睡眠分期装置的硬件结构示意图，如图4所示，该睡眠分期装置2000包括处理器2001，可选的，还包括与处理器2001连接的存储器2002和收发器2003。处理器2001、存储器2002和收发器2003通过总线2004连接。
处理器2001可以是中央处理器(central processing unit，CPU)，通用处理器网络处理器(network processor，NP)、数字信号处理器(digital signal processing，DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device，PLD)或它们的任意组合。处理器2001还可以是其它任意具有处理功能的装置，例如电路、器件或软件模块。处理器2001也可以包括多个CPU，并且处理器2001可以是一个单核(single-CPU)处理器，也可以是多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路或用于处理数据(例如计算机程序指令)的处理核。
存储器2002可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，本申请实施例对此不作任何限制。存储器2002可以是独立存在，也可以和处理器2001集成在一起。其中，存储器2002中可以包含计算机程序代码。处理器2001用于执行存储器2002中存储的计算机程序代码，从而实现本申请实施例提供的方法。
收发器2003可以用于与其他设备或通信网络通信(如以太网，无线接入网(radioaccess network，RAN)，无线局域网(wireless local area networks，WLAN)等)。收发器2003可以是模块、电路、收发器或者任何能够实现通信的装置。
总线2004可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。所述总线2004可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本申请实施例还提供了一种计算机可读存储介质，包括计算机执行指令，当其在计算机上运行时，使得计算机执行上述实施例提供的任意一种方法。
本申请实施例还提供了一种包含计算机执行指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的任意一种方法。
本申请实施例还提供了一种芯片，包括：处理器和接口，处理器通过接口与存储器耦合，当处理器执行存储器中的计算机程序或计算机执行指令时，使得上述实施例提供的任意一种方法被执行。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种睡眠分期方法，其特征在于，所述方法包括：
获取雷达设备对目标人体进行探测得到的多帧回波信号；
根据所述多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，所述第一体动次数为所述目标人体在第一时间段内发生体动的次数，所述第二体动次数为所述目标人体在第二时间段内发生体动的次数，所述第一时间段的时长大于所述第二时间段的时长；
根据所述第一体动次数、所述第二体动次数以及所述呼吸次数的方差，确定所述目标人体的睡眠阶段，所述睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
2.根据权利要求1所述的方法，其特征在于，根据所述第一体动次数、所述第二体动次数以及所述呼吸次数的方差，确定所述目标人体的睡眠阶段，包括：
若所述第一体动次数大于或等于第一预设次数，且所述第二体动次数小于第二预设次数，则确定所述目标人体处于浅睡期；
若所述第一体动次数大于或等于所述第一预设次数，且所述第二体动次数大于或等于所述第二预设次数，则确定所述目标人体处于清醒期；
若所述第一体动次数小于所述第一预设次数，且所述呼吸次数的方差大于或等于预设方差阈值，则确定所述目标人体处于快速眼动期；
若所述第一体动次数小于所述第一预设次数，且所述呼吸次数的方差小于所述预设方差阈值，则确定所述目标人体处于深睡期。
3.根据权利要求1或2所述的方法，其特征在于，所述第一体动次数根据以下方式来确定：
根据所述第一时间段内的多帧回波信号，确定所述第一时间段内的T个第一体动指数，所述第一时间段被划分为T个第一子时间段，一个第一体动指数与一个第一子时间对应，所述第一体动次数用于反映所述目标人体在对应的第一子时间段内的体动幅度，T为大于1的整数；
将所述T个第一体动指数逐个与体动指数阈值进行比较，确定所述T个第一体动指数中小于体动指数阈值的第一体动指数的个数；
将所述T个第一体动指数中小于体动指数阈值的第一体动指数的个数，作为所述第一体动次数。
4.根据权利要求3所述的方法，其特征在于，所述体动指数阈值满足以下关系：
其中，ther表示体动指数阈值，BFi表示目标人体的第i个第一体动指数，kp为表示缩放比例的预设常数。
5.根据权利要求3所述的方法，其特征在于，对于T个第一体动指数中的任意一个第一体动指数来说，第一体动指数根据以下方式确定：
根据第一子时间段内的K帧回波信号，确定所述目标人体的K个第二体动指数，一个第二体动指数与一帧回波信号对应，所述第二体动指数用于指示所述目标人体在对应的一帧回波信号的探测时间内的体动幅度；K为正整数；
根据所述K个第二体动指数，确定所述第一子时间段对应的第一体动指数。
6.根据权利要求5所述的方法，其特征在于，所述第二体动指数满足以下关系：
Bf表示所述第二体动指数，Rn表示目标距离像中第n个距离单元的幅值，max(R)表示所述目标距离像中N个距离单元中的幅值的最大值，所述目标距离像为所述第二体动指数对应的一帧回波信号经过脉冲压缩和动目标显示处理而得到，N为脉冲压缩的点数。
7.一种睡眠分期装置，其特征在于，所述睡眠分期装置包括获取单元与处理单元；
所述获取单元，用于获取雷达设备对目标人体进行探测得到的多帧回波信号；
所述处理单元，用于根据所述多帧回波信号，确定目标人体的第一体动次数、第二体动次数以及呼吸次数的方差，所述第一体动次数为所述目标人体在第一时间段内发生体动的次数，所述第二体动次数为所述目标人体在第二时间段内发生体动的次数，所述第一时间段的时长大于所述第二时间段的时长；
所述处理单元，还用于根据所述第一体动次数、所述第二体动次数以及所述呼吸次数的方差，确定所述目标人体的睡眠阶段，所述睡眠阶段包括清醒期、浅睡期、深睡期或者快速眼动期。
8.根据权利要求7所述的睡眠分期装置，其特征在于，所述处理单元，具体用于：
在所述第一体动次数大于或等于第一预设次数，且所述第二体动次数小于第二预设次数的情况下，确定所述目标人体处于浅睡期；
在所述第一体动次数大于或等于所述第一预设次数，且所述第二体动次数大于或等于所述第二预设次数的情况下，确定所述目标人体处于清醒期；
在所述第一体动次数小于所述第一预设次数，且所述呼吸次数的方差大于或等于预设方差阈值的情况下，确定所述目标人体处于快速眼动期；
在所述第一体动次数小于所述第一预设次数，且所述呼吸次数的方差小于所述预设方差阈值的情况下，确定所述目标人体处于深睡期。
9.一种睡眠分期装置，其特征在于，所述睡眠分期装置包括至少一个处理器和至少一个储存器；所述至少一个存储器中存储有计算机指令，当所述计算机指令被所述睡眠分期装置执行时，使得所述睡眠分期装置执行权利要求1至6中任一项所述的方法。
10.一种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包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111363266.9A CN114159024B (zh) | 2021-11-17 | 2021-11-17 | 一种睡眠分期方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111363266.9A CN114159024B (zh) | 2021-11-17 | 2021-11-17 | 一种睡眠分期方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114159024A true CN114159024A (zh) | 2022-03-11 |
| CN114159024B CN114159024B (zh) | 2023-10-31 |
Family
ID=80479907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111363266.9A Active CN114159024B (zh) | 2021-11-17 | 2021-11-17 | 一种睡眠分期方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114159024B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116525063A (zh) * | 2023-06-28 | 2023-08-01 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠周期性检测及调节方法、系统和装置 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015097636A (ja) * | 2013-11-19 | 2015-05-28 | 公立大学法人首都大学東京 | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 |
| JP2016209327A (ja) * | 2015-05-11 | 2016-12-15 | 沖電気工業株式会社 | 睡眠深度推定装置、睡眠深度推定方法、およびプログラム |
| CN107106027A (zh) * | 2014-12-16 | 2017-08-29 | 皇家飞利浦有限公司 | 婴儿睡眠监测器 |
| CN107307846A (zh) * | 2016-04-27 | 2017-11-03 | 南京理工大学 | 非接触式睡眠分期方法 |
| WO2018050913A1 (en) * | 2016-09-19 | 2018-03-22 | Resmed Sensor Technologies Limited | Apparatus, system, and method for detecting physiological movement from audio and multimodal signals |
| CN108065916A (zh) * | 2017-12-14 | 2018-05-25 | 中国人民解放军国防科技大学 | 一种基于生物雷达的非接触式睡眠质量监测方法 |
| CN109222935A (zh) * | 2018-11-01 | 2019-01-18 | 广东工业大学 | 一种基于uwb传感器判断人体睡眠质量的方法及系统 |
| 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 |
| CN109497945A (zh) * | 2018-10-23 | 2019-03-22 | 珠海格力电器股份有限公司 | 一种睡眠状态控制方法及装置 |
| US20190183414A1 (en) * | 2016-06-27 | 2019-06-20 | Koninklijke Philips N.V. | Determination system and method for determining a sleep stage of a subject |
| CN110347193A (zh) * | 2019-07-16 | 2019-10-18 | 绵眠（上海）智能科技有限公司 | 一种基于睡眠阶段调节床温的方法及系统 |
| CN110623652A (zh) * | 2019-09-17 | 2019-12-31 | 华为技术有限公司 | 数据显示方法及电子设备 |
| CN111282126A (zh) * | 2020-01-19 | 2020-06-16 | 珠海格力电器股份有限公司 | 睡眠唤醒方法和装置 |
| CN112244794A (zh) * | 2020-11-02 | 2021-01-22 | 深圳大学 | 基于周期性特征的生命体征检测方法、装置和存储介质 |
| KR20210017004A (ko) * | 2019-08-06 | 2021-02-17 | 아라정보(주) | 레이더 센서를 이용한 비 접촉 수면 분석장치 및 그 수면 분석방법 |
| WO2021064557A1 (en) * | 2019-09-30 | 2021-04-08 | Resmed Sensor Technologies Limited | Systems and methods for adjusting electronic devices |
| CN112617761A (zh) * | 2020-12-31 | 2021-04-09 | 湖南东晟南祥智能科技有限公司 | 自适应聚点生成的睡眠阶段分期方法 |
| CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及系统 |
-
2021
- 2021-11-17 CN CN202111363266.9A patent/CN114159024B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015097636A (ja) * | 2013-11-19 | 2015-05-28 | 公立大学法人首都大学東京 | 睡眠段階判定装置、睡眠段階判定プログラムおよび睡眠段階判定方法 |
| CN107106027A (zh) * | 2014-12-16 | 2017-08-29 | 皇家飞利浦有限公司 | 婴儿睡眠监测器 |
| JP2016209327A (ja) * | 2015-05-11 | 2016-12-15 | 沖電気工業株式会社 | 睡眠深度推定装置、睡眠深度推定方法、およびプログラム |
| CN107307846A (zh) * | 2016-04-27 | 2017-11-03 | 南京理工大学 | 非接触式睡眠分期方法 |
| US20190183414A1 (en) * | 2016-06-27 | 2019-06-20 | Koninklijke Philips N.V. | Determination system and method for determining a sleep stage of a subject |
| WO2018050913A1 (en) * | 2016-09-19 | 2018-03-22 | Resmed Sensor Technologies Limited | Apparatus, system, and method for detecting physiological movement from audio and multimodal signals |
| CN108065916A (zh) * | 2017-12-14 | 2018-05-25 | 中国人民解放军国防科技大学 | 一种基于生物雷达的非接触式睡眠质量监测方法 |
| CN109497945A (zh) * | 2018-10-23 | 2019-03-22 | 珠海格力电器股份有限公司 | 一种睡眠状态控制方法及装置 |
| CN109222935A (zh) * | 2018-11-01 | 2019-01-18 | 广东工业大学 | 一种基于uwb传感器判断人体睡眠质量的方法及系统 |
| 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 |
| CN110347193A (zh) * | 2019-07-16 | 2019-10-18 | 绵眠（上海）智能科技有限公司 | 一种基于睡眠阶段调节床温的方法及系统 |
| KR20210017004A (ko) * | 2019-08-06 | 2021-02-17 | 아라정보(주) | 레이더 센서를 이용한 비 접촉 수면 분석장치 및 그 수면 분석방법 |
| CN110623652A (zh) * | 2019-09-17 | 2019-12-31 | 华为技术有限公司 | 数据显示方法及电子设备 |
| WO2021064557A1 (en) * | 2019-09-30 | 2021-04-08 | Resmed Sensor Technologies Limited | Systems and methods for adjusting electronic devices |
| CN111282126A (zh) * | 2020-01-19 | 2020-06-16 | 珠海格力电器股份有限公司 | 睡眠唤醒方法和装置 |
| CN112244794A (zh) * | 2020-11-02 | 2021-01-22 | 深圳大学 | 基于周期性特征的生命体征检测方法、装置和存储介质 |
| CN112617761A (zh) * | 2020-12-31 | 2021-04-09 | 湖南东晟南祥智能科技有限公司 | 自适应聚点生成的睡眠阶段分期方法 |
| CN113288078A (zh) * | 2021-03-29 | 2021-08-24 | 江西商思伏沌科技有限公司 | 睡眠质量监测方法、装置及系统 |
Non-Patent Citations (5)
| Title |
|---|
| 崔国龙等: "基于均值漂移的穿墙雷达多目标跟踪", 《电子科技大学学报》, vol. 48, no. 3, pages 321 - 325 * |
| 张博等: "全麻深度的监测", 《医学信息(中旬刊)》, vol. 11, no. 5, pages 3164 - 3165 * |
| 杨晓波: "基于放松训练的情志护理对缺血性脑卒中病人锻炼依从性的影响", 《中国临床神经外科杂志》, vol. 24, no. 4, pages 242 - 244 * |
| 段鹏慧等: "基于心冲击信号的自动睡眠分期算法研究进展", 《软件导刊》, vol. 18, no. 5, pages 5 - 8 * |
| 沈晓斌等: "婴幼儿睡眠监测系统设计与分析", 《控制工程》, vol. 26, no. 2, pages 349 - 354 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116525063A (zh) * | 2023-06-28 | 2023-08-01 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠周期性检测及调节方法、系统和装置 |
| CN116525063B (zh) * | 2023-06-28 | 2024-03-22 | 安徽星辰智跃科技有限责任公司 | 基于时频分析的睡眠周期性检测及调节方法、系统和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114159024B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3558101B1 (en) | Methods and systems for determining abnormal cardiac activity | |
| US10722182B2 (en) | Method and apparatus for heart rate and respiration rate estimation using low power sensor | |
| EP3410924B1 (en) | Machine learnt model to detect rem sleep periods using a spectral analysis of heart rate and motion | |
| US11510607B2 (en) | Systems and methods for monitoring fetal wellbeing | |
| CN109363647B (zh) | 睡眠质量监测方法、装置及终端设备 | |
| JP6079824B2 (ja) | 睡眠評価装置およびプログラム | |
| US20190183419A1 (en) | Information processing apparatus, activity amount processing method, and computer-readable recording medium recording activity amount processing program | |
| CN110141249B (zh) | 基于ppg信号的无创血糖监测方法、系统、设备及介质 | |
| JP2012055464A (ja) | 睡眠評価装置、睡眠評価システムおよびプログラム | |
| JP2020515313A (ja) | 無線信号からの睡眠段階の学習 | |
| Kumar et al. | STSR: spectro-temporal super-resolution analysis of a reference signal less photoplethysmogram for heart rate estimation during physical activity | |
| CN114159024A (zh) | 一种睡眠分期方法及装置 | |
| CN114305355B (zh) | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 | |
| US11191480B2 (en) | Device for biorhythm detection, method for biorhythm detection, and recording medium recording program for biorhythm detection | |
| Liu et al. | Remote drowsiness detection based on the mmWave FMCW radar | |
| Coşgun et al. | FPGA based real-time epileptic seizure prediction system | |
| US20170172436A1 (en) | Electronic device and computer-readable recording medium | |
| WO2023061565A1 (en) | Apparatus, system and method for determining whether a person is asleep | |
| CN114052693A (zh) | 心率分析方法、装置及设备 | |
| EP3977482A1 (en) | System and method for filtering time-varying data for physiological signal prediction | |
| CN115054248B (zh) | 情绪监测方法和情绪监测装置 | |
| EP3735893A1 (en) | Method for generating heart rate variability information related to external object by using plurality of filters, and device therefor | |
| Yan et al. | A resource-efficient, robust QRS detector using data compression and time-sharing architecture | |
| Tsubota et al. | Heart Rate Variability and Body-Movement Extractions using Wi-Fi Channel State Information | |
| CN114098645B (zh) | 一种睡眠分期方法及装置 |
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 |