CN114711720B - 基于大数据的智能助眠床垫控制方法、系统及可读存储介质 - Google Patents
基于大数据的智能助眠床垫控制方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN114711720B CN114711720B CN202210280767.9A CN202210280767A CN114711720B CN 114711720 B CN114711720 B CN 114711720B CN 202210280767 A CN202210280767 A CN 202210280767A CN 114711720 B CN114711720 B CN 114711720B
- Authority
- CN
- China
- Prior art keywords
- data
- sleep
- user
- characteristic data
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 46
- 238000013019 agitation Methods 0.000 claims description 88
- 238000001228 spectrum Methods 0.000 claims description 54
- 230000036760 body temperature Effects 0.000 claims description 52
- 238000009826 distribution Methods 0.000 claims description 38
- 230000000241 respiratory effect Effects 0.000 claims description 36
- 208000019116 sleep disease Diseases 0.000 claims description 36
- 208000022925 sleep disturbance Diseases 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 14
- 230000035565 breathing frequency Effects 0.000 claims description 10
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 5
- 238000003825 pressing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 238000012937 correction Methods 0.000 description 8
- 239000011664 nicotinic acid Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 230000003860 sleep quality Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 206010041235 Snoring Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004630 mental health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C27/00—Spring, stuffed or fluid mattresses or cushions specially adapted for chairs, beds or sofas
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Epidemiology (AREA)
- Primary Health Care (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基于大数据的智能助眠床垫控制方法、系统及可读存储介质。该方法包括:获取用户的睡眠动态特征数据,根据睡眠动态特征数据与用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,根据采集的睡眠环境数据结合睡眠响应数据预测用户的睡眠预测数据,根据用户的睡眠预测数据生成调控数据组对床垫进行调控,根据调控后采集的睡眠特征数据检验调控结果;从而基于获取用户的睡眠动态特征数据结合睡眠环境数据对用户睡眠进行预测得到预测数据,根据预测数据生成调控数据对床垫进行调控并根据调控后结果进行效果检验,可以实现床垫根据用户使用状况参数结合大数据进行调控,提高床垫调控的个性化、智能化,提升用户体验。
Description
技术领域
本申请涉及家居用品和大数据技术领域,具体而言,涉及基于大数据的智能助眠床垫控制方法、系统及可读存储介质。
背景技术
随着城市经济的发展和中产的崛起,劳动者特别是中青年压力加剧,导致睡眠质量普通下降,多因素叠加下的失眠状况越来越严重,能够有效改善睡眠质量对提高居民身心健康、提升全民生活满意度具有重要而又积极的意义。
睡眠的重要核心是床垫,而目前市面的中高档床垫仅是注重人们的触感和承托感,重要只在改善舒缓性、减震支撑功能上做文章,而不具备可根据不同用户的差异性需求而需要的个性化设计,更不具备可智能化根据用户使用状态和身体状况进行调整的智能化床垫,因此,而未来产品设计的个性化、智能化才是主流方向,而床垫目前尚未具备此类设计,市场也缺乏此类智能产品来提高居民生活质量和身心健康。
因此,针对上述问题,目前亟待相关的技术解决方案。
发明内容
本申请实施例的目的在于提供基于大数据的智能助眠床垫控制方法、系统及可读存储介质,可以高床垫调控的个性化、智能化,提升用户体验。
本申请实施例还提供了基于大数据的智能助眠床垫控制方法,包括以下步骤:
获取用户的睡眠动态特征数据;
根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
根据调控后采集的睡眠特征数据检验调控结果。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述获取用户的睡眠动态特征数据,包括:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据,包括:
将获取的所述用户的睡眠动态数据按照预设时间段分割为睡眠区间动态数据;
所述睡眠区间动态数据包括用户在预设时间段内各区间段的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据进行聚合得到所述用户在预设时间段的睡眠躁动指数数据。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,包括:
获取用户的睡眠习惯特征数据集,其中包括历史睡眠特征数据集;
所述历史睡眠特征数据集包括所述用户在历史各时间段各环境下的特征数据样本;
所述特征数据样本包括所述用户的体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据;
根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本;
根据所述目标睡眠特征数据样本数据作为所述用户的睡眠响应数据。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本,包括:
根据所述用户的睡眠动态特征数据所在时间段筛选所述用户历史睡眠特征数据集中相同时间段的睡眠特征数据集,标记为第一特征数据集;
根据所述睡眠动态特征数据与所述第一特征数据集中各特征数据样本的体温数据、呼吸频谱数据、心率数据分别进行阈值对比;
将所述第一特征数据集中满足阈值对比的多个特征数据样本标记为第二特征数据样本集;
获取所述用户的体重数据以及在预设时间段的撑压分布数据;
根据所述体重数据以及所述撑压分布数据与所述第二特征数据样本集中的标记体重数据以及撑压分布数据进行相似度对比;
获取所述对比结果中相似度最大的特征数据样本标记为目标睡眠特征数据样本。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据,包括:
采集所述用户的睡眠环境数据,包括室温、噪音、时刻;
根据所述用户的睡眠环境数据和所述体温数据、呼吸频谱数据、心率数据、撑压分布数据输入至睡眠预测模型中获取睡眠预测数据;
所述睡眠预测模型根据历史用户的睡眠环境数据和睡眠响应数据进行训练获得。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制方法中,所述根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控,包括:
根据所述用户的睡眠预测数据和所述睡眠躁动指数数据获得睡眠扰动预警数据;
根据所述睡眠扰动预警数据与预设的睡眠中断预警阈值进行阈值对比;
若所述睡眠扰动预警数据大于睡眠中断预警阈值,则对所述用户进行标记预警;
若所述睡眠扰动预警数据小于睡眠中断预警阈值,则获取所述用户的睡眠常态数据;
根据所述睡眠常态数据与睡眠预测数据的数据获得的差别数据生成调控数据组对床垫进行数据调控。
第二方面,本申请实施例提供了基于大数据的智能助眠床垫控制系统,该系统包括:存储器及处理器,所述存储器中包括基于大数据的智能助眠床垫控制方法的程序,所述基于大数据的智能助眠床垫控制方法的程序被所述处理器执行时实现以下步骤:
获取用户的睡眠动态特征数据;
根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
根据调控后采集的睡眠特征数据检验调控结果。
可选地,在本申请实施例所述的基于大数据的智能助眠床垫控制系统中,所述获取用户的睡眠动态特征数据,包括:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的智能助眠床垫控制方法程序,所述基于大数据的智能助眠床垫控制方法程序被处理器执行时,实现如上述任一项所述的基于大数据的智能助眠床垫控制方法的步骤。
由上可知,本申请实施例提供的基于大数据的智能助眠床垫控制方法、系统及可读存储介质通过获取用户的睡眠动态特征数据,根据睡眠动态特征数据与用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,根据采集的睡眠环境数据结合睡眠响应数据预测用户的睡眠预测数据,根据用户的睡眠预测数据生成调控数据组对床垫进行调控,根据调控后采集的睡眠特征数据检验调控结果;从而基于获取用户的睡眠动态特征数据结合睡眠环境数据对用户睡眠进行预测得到预测数据,根据预测数据生成调控数据对床垫进行调控并根据调控后结果进行效果检验,可以实现床垫根据用户使用状况参数结合大数据进行调控,提高床垫调控的个性化、智能化,提升用户体验。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,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为本申请实施例提供的基于大数据的智能助眠床垫控制方法的一种流程图。
图2为本申请实施例提供的基于大数据的智能助眠床垫控制系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于大数据的智能助眠床垫控制的流程图。该基于大数据的智能助眠床垫控制方法用于终端设备中,例如手机、电脑等。该基于大数据的智能助眠床垫控制方法,包括以下步骤:
S101、获取用户的睡眠动态特征数据;
S102、根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
S103、根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
S104、根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
S105、根据调控后采集的睡眠特征数据检验调控结果。
需要说明的是,为获得针对用户睡眠状态相适应的床垫调整数据,获取用户的睡眠动态特征数据包括体温数据、呼吸频谱数据以及心率数据,再对数据进行修正获取睡眠动态特征数据,再与用户睡眠习惯特征数据集进行匹配获得睡眠响应数据,再与睡眠环境数据进行结合预测出用户的睡眠预测数据,根据睡眠预测数据与常态数据进行差异化处理获得床垫的调控数据,并对调控床垫后的用户睡眠状况进行检验判断调控效果,本方案中床垫的调控是通过对温度、姿态以及软硬度的调整,通过得到的差异化数据对床垫的参数进行响应调整以使用户睡眠状态数据朝向常态数据趋势走向的效果。
根据本发明实施例,所述获取用户的睡眠动态特征数据,具体为:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
需要说明的是,根据用户在预设时间段内的睡眠动态数据获取睡眠躁动指数数据,再根据睡眠躁动指数数据对睡眠动态数据进行修正获得用户的睡眠动态特征数据,其中呼吸频谱数据是根据预设时间段内用户的呼吸频率和时间的曲线斜率进行采集得到;
其中,所述睡眠动态特征数据的修正公式为:
;
V为睡眠动态特征数据,为躁动特征值,分别为体温数据、呼吸频谱
数据以及心率数据,为睡眠躁动指数数据。
根据本发明实施例,所述根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据,具体为:
将获取的所述用户的睡眠动态数据按照预设时间段分割为睡眠区间动态数据;
所述睡眠区间动态数据包括用户在预设时间段内各区间段的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据进行聚合得到所述用户在预设时间段的睡眠躁动指数数据。
需要说明的是,为准确衡量用户睡眠状况,根据用户在预设时间段内的分割区间的动态数据进行分段区间聚合得到睡眠躁动指数数据,根据睡眠躁动指数数据可衡量出用户的睡眠状态平稳程度;
其中,所述睡眠躁动指数数据的聚合计算公式为:
;
为睡眠躁动指数数据,为用户睡眠定常指数,,,分别为第i个睡
眠分段区间的体温区间数据、呼吸区间频谱数据以及心率区间数据,n为睡眠分段区间个
数,、、为对应的指标响应系数。
根据本发明实施例,所述根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,具体为:
获取用户的睡眠习惯特征数据集,其中包括历史睡眠特征数据集;
所述历史睡眠特征数据集包括所述用户在历史各时间段各环境下的特征数据样本;
所述特征数据样本包括所述用户的体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据;
根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本;
根据所述目标睡眠特征数据样本数据作为所述用户的睡眠响应数据。
需要说明的是,为进一步获取用户的睡眠状态数据,根据睡眠动态特征数据与用户在历史各时间段各环境下的历史样本数据进行阈值对比,筛选符合对比要求的样本数据作为睡眠响应数据,可通过与用户历史睡眠状态的数据进行匹配找到最佳样本数据,其中用户的特征数据样本包括体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据,撑压分布数据是用户对床垫的睡眠压强分布数据,睡眠间歇数据是用户睡眠中偶醒次数及间隔数据,根据用户的睡眠动态特征数据分别与历史睡眠特征数据集的样本数据进行阈值对比,筛选样本数据阈值对比符合的样本作为目标睡眠特征数据样本,其样本数据作为睡眠响应数据。
根据本发明实施例,所述根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本,具体为:
根据所述用户的睡眠动态特征数据所在时间段筛选所述用户历史睡眠特征数据集中相同时间段的睡眠特征数据集,标记为第一特征数据集;
根据所述睡眠动态特征数据与所述第一特征数据集中各特征数据样本的体温数据、呼吸频谱数据、心率数据分别进行阈值对比;
将所述第一特征数据集中满足阈值对比的多个特征数据样本标记为第二特征数据样本集;
获取所述用户的体重数据以及在预设时间段的撑压分布数据;
根据所述体重数据以及所述撑压分布数据与所述第二特征数据样本集中的标记体重数据以及撑压分布数据进行相似度对比;
获取所述对比结果中相似度最大的特征数据样本标记为目标睡眠特征数据样本。
需要说明的是,为准确筛选出匹配度高的历史睡眠特征数据样本,首先匹配出和用户睡眠动态特征数据采集时间段相同的睡眠特征数据集标记为第一特征数据集,再与睡眠动态特征数据进行数据阈值对比,本实施例中第一特征数据集中各特征数据样本的数据需满足大于睡眠动态特征数据阈值的85%,筛选出符合阈值要求的多个特征数据样本标记为第二特征数据样本集,再根据用户的体重数据以及撑压分布数据与第二特征数据样本集中的标记体重数据和撑压分布数据进行相似度对比,选出相似度对比最大的特征数据样本作为目标睡眠特征数据样本,相似度对比采用欧式或余弦相似度对比。
根据本发明实施例,所述根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据,具体为:
采集所述用户的睡眠环境数据,包括室温、噪音、时刻;
根据所述用户的睡眠环境数据和所述体温数据、呼吸频谱数据、心率数据、撑压分布数据输入至睡眠预测模型中获取睡眠预测数据;
所述睡眠预测模型根据历史用户的睡眠环境数据和睡眠响应数据进行训练获得。
需要说明的是,为预测出用户未来的睡眠预测状态,根据睡眠响应数据结合采集的睡眠环境数据包括室温、噪音、时刻输入至睡眠预测模型中获取睡眠预测数据,其中,睡眠预测模型是根据大量用户的历史睡眠环境数据、体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠预测数据进行训练获得,通过历史用户记录的睡眠环境数据、体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠预测数据进行预处理得到训练样本集输入至初始化的睡眠预测模型进行训练获取输出结果的准确率,若准确率大于预设的准确率阈值则得到睡眠预测模型。
根据本发明实施例,所述根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控,具体为:
根据所述用户的睡眠预测数据和所述睡眠躁动指数数据获得睡眠扰动预警数据;
根据所述睡眠扰动预警数据与预设的睡眠中断预警阈值进行阈值对比;
若所述睡眠扰动预警数据大于睡眠中断预警阈值,则对所述用户进行标记预警;
若所述睡眠扰动预警数据小于睡眠中断预警阈值,则获取所述用户的睡眠常态数据;
根据所述睡眠常态数据与睡眠预测数据的数据获得的差别数据生成调控数据组对床垫进行数据调控。
需要说明的是,睡眠常态数据是根据第三方平台获取的所述用户的正常睡眠指标数据,包括在不同室温区间下的体温数据、呼吸频谱数据以及心率数据,再根据睡眠常态数据与睡眠预测数据各预测数据进行求差生成差值数据组,包括体温差值数据、呼吸频谱差值数据以及心率差值数据,再根据差值数据调整床垫的温度以及软硬度,以获得可改变用户睡眠状态的调控方法;另外,为防止用户出现睡眠中断的非正常情况发生,第三方平台根据用户的年龄、体重、疾病信息生成睡眠中断预警阈值,当用户的睡眠扰动预警数据大于预警阈值时,则进行标记预警处理,可以通知家人或医务室工作人员或者发出告警信息给监护室;睡眠扰动预警数据则根据睡眠预测数据和睡眠躁动指数数据获得;
其中,睡眠扰动预警数据计算公式为:
;
、为设定参数,P为睡眠预测数据,为睡眠躁动指数数据,π为睡眠扰动预
警数据。
根据本发明实施例,还包括:
获取床垫调控后预设时间区间内的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据获得睡眠躁动指数数据;
根据所述睡眠躁动指数数据与睡眠躁动第一预设指数进行对比;
若所述睡眠躁动指数数据小于睡眠躁动第一预设指数,则床垫调控有效;
若所述睡眠躁动指数数据大于睡眠躁动第一预设指数,则需要重新获取睡眠预测数据;
根据重新获取的所述睡眠预测数据对床垫进行调整。
需要说明的是,为检验床垫进行数据调整后用户的使用情况,根据床垫属性设定额定的躁动指数记为睡眠躁动第一预设指数,通过第一预设指数可衡量出用户的翻身次数、心率以及鼾声的综合睡眠质量,根据调控后一定时间段后的获得的用户睡眠躁动指数数据与睡眠躁动第一预设指数进行对比,根据对比结果可反映出床垫调控是否有效,若无效则需重新采集数据获取用户的睡眠预测数据进行再调控。
根据本发明实施例,还包括:
若所述用户是婴儿,则获取婴儿的睡眠动态特征数据;
根据所述睡眠动态特征数据结合室温数据以及气味数据在母体仿生动态模型中获取睡眠预测数据;
根据所述睡眠预测数据与所述婴儿的睡眠躁动指数数据进行修正获取睡眠预测修正数据;
根据所述睡眠预测修正数据对床垫进行调整。
需要说明的是,母体仿生动态模型是根据大量的婴儿睡眠动态特征数据结合室温数据以及气味数据进行训练获得,通过记录的婴儿历史睡眠动态特征数据、室温数据、气味数据以及睡眠预测数据进行预处理得到训练样本集输入至初始化的母体仿生动态模型进行训练获取输出结果的准确率,若准确率大于预设的准确率阈值则得到母体仿生动态模型,再根据婴儿的睡眠躁动指数数据对睡眠预测数据进行修正获得睡眠预测修正数据对床垫进行数据调整,以更好的适应婴儿生理需求。
如图2所示,本发明还公开了基于大数据的智能助眠床垫控制系统,包括存储器和处理器,所述存储器中包括基于大数据的智能助眠床垫控制方法程序,所述基于大数据的智能助眠床垫控制方法程序被所述处理器执行时实现如下步骤:
获取用户的睡眠动态特征数据;
根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
根据调控后采集的睡眠特征数据检验调控结果。
需要说明的是,为获得针对用户睡眠状态相适应的床垫调整数据,获取用户的睡眠动态特征数据包括体温数据、呼吸频谱数据以及心率数据,再对数据进行修正获取睡眠动态特征数据,再与用户睡眠习惯特征数据集进行匹配获得睡眠响应数据,再与睡眠环境数据进行结合预测出用户的睡眠预测数据,根据睡眠预测数据与常态数据进行差异化处理获得床垫的调控数据,并对调控床垫后的用户睡眠状况进行检验判断调控效果,本方案中床垫的调控是通过对温度、姿态以及软硬度的调整,通过得到的差异化数据对床垫的参数进行响应调整以使用户睡眠状态数据朝向常态数据趋势走向的效果。
根据本发明实施例,所述获取用户的睡眠动态特征数据,具体为:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
需要说明的是,根据用户在预设时间段内的睡眠动态数据获取睡眠躁动指数数据,再根据睡眠躁动指数数据对睡眠动态数据进行修正获得用户的睡眠动态特征数据,其中呼吸频谱数据是根据预设时间段内用户的呼吸频率和时间的曲线斜率进行采集得到;
其中,所述睡眠动态特征数据的修正公式为:
;
V为睡眠动态特征数据,为躁动特征值,分别为体温数据、呼吸频谱
数据以及心率数据,为睡眠躁动指数数据。
根据本发明实施例,所述根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据,具体为:
将获取的所述用户的睡眠动态数据按照预设时间段分割为睡眠区间动态数据;
所述睡眠区间动态数据包括用户在预设时间段内各区间段的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据进行聚合得到所述用户在预设时间段的睡眠躁动指数数据。
需要说明的是,为准确衡量用户睡眠状况,根据用户在预设时间段内的分割区间的动态数据进行分段区间聚合得到睡眠躁动指数数据,根据睡眠躁动指数数据可衡量出用户的睡眠状态平稳程度;
其中,所述睡眠躁动指数数据的聚合计算公式为:
;
为睡眠躁动指数数据,为用户睡眠定常指数,,,分别为第i个
睡眠分段区间的体温区间数据、呼吸区间频谱数据以及心率区间数据,n为睡眠分段区间个
数,、、为对应的指标响应系数。
根据本发明实施例,所述根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,具体为:
获取用户的睡眠习惯特征数据集,其中包括历史睡眠特征数据集;
所述历史睡眠特征数据集包括所述用户在历史各时间段各环境下的特征数据样本;
所述特征数据样本包括所述用户的体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据;
根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本;
根据所述目标睡眠特征数据样本数据作为所述用户的睡眠响应数据。
需要说明的是,为进一步获取用户的睡眠状态数据,根据睡眠动态特征数据与用户在历史各时间段各环境下的历史样本数据进行阈值对比,筛选符合对比要求的样本数据作为睡眠响应数据,可通过与用户历史睡眠状态的数据进行匹配找到最佳样本数据,其中用户的特征数据样本包括体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据,撑压分布数据是用户对床垫的睡眠压强分布数据,睡眠间歇数据是用户睡眠中偶醒次数及间隔数据,根据用户的睡眠动态特征数据分别与历史睡眠特征数据集的样本数据进行阈值对比,筛选样本数据阈值对比符合的样本作为目标睡眠特征数据样本,其样本数据作为睡眠响应数据。
根据本发明实施例,所述根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本,具体为:
根据所述用户的睡眠动态特征数据所在时间段筛选所述用户历史睡眠特征数据集中相同时间段的睡眠特征数据集,标记为第一特征数据集;
根据所述睡眠动态特征数据与所述第一特征数据集中各特征数据样本的体温数据、呼吸频谱数据、心率数据分别进行阈值对比;
将所述第一特征数据集中满足阈值对比的多个特征数据样本标记为第二特征数据样本集;
获取所述用户的体重数据以及在预设时间段的撑压分布数据;
根据所述体重数据以及所述撑压分布数据与所述第二特征数据样本集中的标记体重数据以及撑压分布数据进行相似度对比;
获取所述对比结果中相似度最大的特征数据样本标记为目标睡眠特征数据样本。
需要说明的是,为准确筛选出匹配度高的历史睡眠特征数据样本,首先匹配出和用户睡眠动态特征数据采集时间段相同的睡眠特征数据集标记为第一特征数据集,再与睡眠动态特征数据进行数据阈值对比,本实施例中第一特征数据集中各特征数据样本的数据需满足大于睡眠动态特征数据阈值的85%,筛选出符合阈值要求的多个特征数据样本标记为第二特征数据样本集,再根据用户的体重数据以及撑压分布数据与第二特征数据样本集中的标记体重数据和撑压分布数据进行相似度对比,选出相似度对比最大的特征数据样本作为目标睡眠特征数据样本,相似度对比采用欧式或余弦相似度对比。
根据本发明实施例,所述根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据,具体为:
采集所述用户的睡眠环境数据,包括室温、噪音、时刻;
根据所述用户的睡眠环境数据和所述体温数据、呼吸频谱数据、心率数据、撑压分布数据输入至睡眠预测模型中获取睡眠预测数据;
所述睡眠预测模型根据历史用户的睡眠环境数据和睡眠响应数据进行训练获得。
需要说明的是,为预测出用户未来的睡眠预测状态,根据睡眠响应数据结合采集的睡眠环境数据包括室温、噪音、时刻输入至睡眠预测模型中获取睡眠预测数据,其中,睡眠预测模型是根据大量用户的历史睡眠环境数据、体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠预测数据进行训练获得,通过历史用户记录的睡眠环境数据、体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠预测数据进行预处理得到训练样本集输入至初始化的睡眠预测模型进行训练获取输出结果的准确率,若准确率大于预设的准确率阈值则得到睡眠预测模型。
根据本发明实施例,所述根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控,具体为:
根据所述用户的睡眠预测数据和所述睡眠躁动指数数据获得睡眠扰动预警数据;
根据所述睡眠扰动预警数据与预设的睡眠中断预警阈值进行阈值对比;
若所述睡眠扰动预警数据大于睡眠中断预警阈值,则对所述用户进行标记预警;
若所述睡眠扰动预警数据小于睡眠中断预警阈值,则获取所述用户的睡眠常态数据;
根据所述睡眠常态数据与睡眠预测数据的数据获得的差别数据生成调控数据组对床垫进行数据调控。
需要说明的是,睡眠常态数据是根据第三方平台获取的所述用户的正常睡眠指标数据,包括在不同室温区间下的体温数据、呼吸频谱数据以及心率数据,再根据睡眠常态数据与睡眠预测数据各预测数据进行求差生成差值数据组,包括体温差值数据、呼吸频谱差值数据以及心率差值数据,再根据差值数据调整床垫的温度以及软硬度,以获得可改变用户睡眠状态的调控方法;另外,为防止用户出现睡眠中断的非正常情况发生,第三方平台根据用户的年龄、体重、疾病信息生成睡眠中断预警阈值,当用户的睡眠扰动预警数据大于预警阈值时,则进行标记预警处理,可以通知家人或医务室工作人员或者发出告警信息给监护室;睡眠扰动预警数据则根据睡眠预测数据和睡眠躁动指数数据获得;
其中,睡眠扰动预警数据计算公式为:
;
、为设定参数,P为睡眠预测数据,为睡眠躁动指数数据,π为睡眠扰动预
警数据。
根据本发明实施例,还包括:
获取床垫调控后预设时间区间内的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据获得睡眠躁动指数数据;
根据所述睡眠躁动指数数据与睡眠躁动第一预设指数进行对比;
若所述睡眠躁动指数数据小于睡眠躁动第一预设指数,则床垫调控有效;
若所述睡眠躁动指数数据大于睡眠躁动第一预设指数,则需要重新获取睡眠预测数据;
根据重新获取的所述睡眠预测数据对床垫进行调整。
需要说明的是,为检验床垫进行数据调整后用户的使用情况,根据床垫属性设定额定的躁动指数记为睡眠躁动第一预设指数,通过第一预设指数可衡量出用户的翻身次数、心率以及鼾声的综合睡眠质量,根据调控后一定时间段后的获得的用户睡眠躁动指数数据与睡眠躁动第一预设指数进行对比,根据对比结果可反映出床垫调控是否有效,若无效则需重新采集数据获取用户的睡眠预测数据进行再调控。
根据本发明实施例,还包括:
若所述用户是婴儿,则获取婴儿的睡眠动态特征数据;
根据所述睡眠动态特征数据结合室温数据以及气味数据在母体仿生动态模型中获取睡眠预测数据;
根据所述睡眠预测数据与所述婴儿的睡眠躁动指数数据进行修正获取睡眠预测修正数据;
根据所述睡眠预测修正数据对床垫进行调整。
需要说明的是,母体仿生动态模型是根据大量的婴儿睡眠动态特征数据结合室温数据以及气味数据进行训练获得,通过记录的婴儿历史睡眠动态特征数据、室温数据、气味数据以及睡眠预测数据进行预处理得到训练样本集输入至初始化的母体仿生动态模型进行训练获取输出结果的准确率,若准确率大于预设的准确率阈值则得到母体仿生动态模型,再根据婴儿的睡眠躁动指数数据对睡眠预测数据进行修正获得睡眠预测修正数据对床垫进行数据调整,以更好的适应婴儿生理需求。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括基于大数据的智能助眠床垫控制方法程序,所述基于大数据的智能助眠床垫控制方法程序被处理器执行时,实现如上述任一项所述的基于大数据的智能助眠床垫控制方法的步骤。
本发明公开的基于大数据的智能助眠床垫控制方法、系统及可读存储介质,通过获取用户的睡眠动态特征数据,根据睡眠动态特征数据与用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,根据采集的睡眠环境数据结合睡眠响应数据预测用户的睡眠预测数据,根据用户的睡眠预测数据生成调控数据组对床垫进行调控,根据调控后采集的睡眠特征数据检验调控结果;从而基于获取用户的睡眠动态特征数据结合睡眠环境数据对用户睡眠进行预测得到预测数据,根据预测数据生成调控数据对床垫进行调控并根据调控后结果进行效果检验,可以实现床垫根据用户使用状况参数结合大数据进行调控,提高床垫调控的个性化、智能化,提升用户体验。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的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,也可以存储在一个可读取存储介质中。基于这样的理解,本发明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可以以软件产品的形式体现出来,该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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.基于大数据的智能助眠床垫控制方法,其特征在于,包括以下步骤:
获取用户的睡眠动态特征数据;
根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
根据调控后采集的睡眠特征数据检验调控结果;
所述根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,包括:
获取用户的睡眠习惯特征数据集,其中包括历史睡眠特征数据集;
所述历史睡眠特征数据集包括所述用户在历史各时间段各环境下的特征数据样本;所述特征数据样本包括所述用户的体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据;
根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本;
根据所述目标睡眠特征数据样本数据作为所述用户的睡眠响应数据;
所述根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本,包括:
根据所述用户的睡眠动态特征数据所在时间段筛选所述用户历史睡眠特征数据集中相同时间段的睡眠特征数据集,标记为第一特征数据集;
根据所述睡眠动态特征数据与所述第一特征数据集中各特征数据样本的体温数据、呼吸频谱数据、心率数据分别进行阈值对比;
将所述第一特征数据集中满足阈值对比的多个特征数据样本标记为第二特征数据样本集;
获取所述用户的体重数据以及在预设时间段的撑压分布数据;
根据所述体重数据以及所述撑压分布数据与所述第二特征数据样本集中的标记体重数据以及撑压分布数据进行相似度对比;
获取所述对比结果中相似度最大的特征数据样本标记为目标睡眠特征数据样本;
还包括:
获取床垫调控后预设时间区间内的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据获得睡眠躁动指数数据;
根据所述睡眠躁动指数数据与睡眠躁动第一预设指数进行对比;
若所述睡眠躁动指数数据小于睡眠躁动第一预设指数,则床垫调控有效;
若所述睡眠躁动指数数据大于睡眠躁动第一预设指数,则需要重新获取睡眠预测数据;
根据重新获取的所述睡眠预测数据对床垫进行调整。
2.根据权利要求1所述的基于大数据的智能助眠床垫控制方法,其特征在于,所述获取用户的睡眠动态特征数据,包括:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
3.根据权利要求2所述的基于大数据的智能助眠床垫控制方法,其特征在于,所述根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据,包括:
将获取的所述用户的睡眠动态数据按照预设时间段分割为睡眠区间动态数据;
所述睡眠区间动态数据包括用户在预设时间段内各区间段的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据进行聚合得到所述用户在预设时间段的睡眠躁动指数数据。
4.根据权利要求1所述的基于大数据的智能助眠床垫控制方法,其特征在于,所述根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据,包括:
采集所述用户的睡眠环境数据,包括室温、噪音、时刻;
根据所述用户的睡眠环境数据和体温数据、呼吸频谱数据、心率数据、撑压分布数据输入至睡眠预测模型中获取睡眠预测数据;
所述睡眠预测模型根据历史用户的睡眠环境数据和睡眠响应数据进行训练获得。
5.根据权利要求4所述的基于大数据的智能助眠床垫控制方法,其特征在于,所述根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控,包括:
根据所述用户的睡眠预测数据和所述睡眠躁动指数数据获得睡眠扰动预警数据;
根据所述睡眠扰动预警数据与预设的睡眠中断预警阈值进行阈值对比;
若所述睡眠扰动预警数据大于睡眠中断预警阈值,则对所述用户进行标记预警;
若所述睡眠扰动预警数据小于睡眠中断预警阈值,则获取所述用户的睡眠常态数据;根据所述睡眠常态数据与睡眠预测数据的数据获得的差别数据生成调控数据组对床垫进行数据调控。
6.基于大数据的智能助眠床垫控制系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于大数据的智能助眠床垫控制方法的程序,所述基于大数据的智能助眠床垫控制方法的程序被所述处理器执行时实现以下步骤:
获取用户的睡眠动态特征数据;
根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据;
根据采集的睡眠环境数据结合所述睡眠响应数据预测所述用户的睡眠预测数据;
根据所述用户的睡眠预测数据生成调控数据组对床垫进行调控;
根据调控后采集的睡眠特征数据检验调控结果;
所述根据所述睡眠动态特征数据与所述用户的睡眠习惯特征数据集进行匹配获得睡眠响应数据,包括:
获取用户的睡眠习惯特征数据集,其中包括历史睡眠特征数据集;
所述历史睡眠特征数据集包括所述用户在历史各时间段各环境下的特征数据样本;所述特征数据样本包括所述用户的体温数据、呼吸频谱数据、心率数据、撑压分布数据以及睡眠间歇数据;
根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本;
根据所述目标睡眠特征数据样本数据作为所述用户的睡眠响应数据;
所述根据所述用户的睡眠动态特征数据与所述历史睡眠特征数据集的特征数据样本进行阈值对比得到目标睡眠特征数据样本,包括:
根据所述用户的睡眠动态特征数据所在时间段筛选所述用户历史睡眠特征数据集中相同时间段的睡眠特征数据集,标记为第一特征数据集;
根据所述睡眠动态特征数据与所述第一特征数据集中各特征数据样本的体温数据、呼吸频谱数据、心率数据分别进行阈值对比;
将所述第一特征数据集中满足阈值对比的多个特征数据样本标记为第二特征数据样本集;
获取所述用户的体重数据以及在预设时间段的撑压分布数据;
根据所述体重数据以及所述撑压分布数据与所述第二特征数据样本集中的标记体重数据以及撑压分布数据进行相似度对比;
获取所述对比结果中相似度最大的特征数据样本标记为目标睡眠特征数据样本;
还包括:
获取床垫调控后预设时间区间内的体温区间数据、呼吸区间频谱数据以及心率区间数据;
根据所述体温区间数据、呼吸区间频谱数据以及心率区间数据获得睡眠躁动指数数据;
根据所述睡眠躁动指数数据与睡眠躁动第一预设指数进行对比;
若所述睡眠躁动指数数据小于睡眠躁动第一预设指数,则床垫调控有效;
若所述睡眠躁动指数数据大于睡眠躁动第一预设指数,则需要重新获取睡眠预测数据;
根据重新获取的所述睡眠预测数据对床垫进行调整。
7.根据权利要求6所述的基于大数据的智能助眠床垫控制系统,其特征在于,所述获取用户的睡眠动态特征数据,包括:
获取用户在预设时间段内的睡眠动态数据,包括体温数据、呼吸频谱数据以及心率数据;
根据所述睡眠动态数据获取所述用户的睡眠躁动指数数据;
根据所述用户的睡眠躁动指数数据对所述睡眠动态数据进行修正获得用户的睡眠动态特征数据。
8.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中包括基于大数据的智能助眠床垫控制方法程序,所述基于大数据的智能助眠床垫控制方法程序被处理器执行时,实现如权利要求1至5中任一项所述的基于大数据的智能助眠床垫控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280767.9A CN114711720B (zh) | 2022-03-22 | 2022-03-22 | 基于大数据的智能助眠床垫控制方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280767.9A CN114711720B (zh) | 2022-03-22 | 2022-03-22 | 基于大数据的智能助眠床垫控制方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114711720A CN114711720A (zh) | 2022-07-08 |
CN114711720B true CN114711720B (zh) | 2023-12-12 |
Family
ID=82240362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210280767.9A Active CN114711720B (zh) | 2022-03-22 | 2022-03-22 | 基于大数据的智能助眠床垫控制方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114711720B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013470B (zh) * | 2023-03-30 | 2023-06-09 | 安徽星辰智跃科技有限责任公司 | 一种睡眠行为活跃水平动态调节的方法、系统和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111657890A (zh) * | 2020-06-23 | 2020-09-15 | 深圳市联奕实业有限公司 | 睡眠状态的监控方法、装置、智能床垫及介质 |
CN112806770A (zh) * | 2021-01-20 | 2021-05-18 | 浙江想能睡眠科技股份有限公司 | 床垫调节控制方法、系统及计算机可读存储介质 |
CN112932169A (zh) * | 2021-01-25 | 2021-06-11 | 浙江想能睡眠科技股份有限公司 | 床垫调节方法、系统及计算机可读存储介质 |
CN113883668A (zh) * | 2021-09-13 | 2022-01-04 | Tcl空调器(中山)有限公司 | 空调器的助眠方法、装置、空调器和存储介质 |
CN114144839A (zh) * | 2019-07-26 | 2022-03-04 | 数眠公司 | 睡眠现象的长期感测 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10105092B2 (en) * | 2015-11-16 | 2018-10-23 | Eight Sleep Inc. | Detecting sleeping disorders |
-
2022
- 2022-03-22 CN CN202210280767.9A patent/CN114711720B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114144839A (zh) * | 2019-07-26 | 2022-03-04 | 数眠公司 | 睡眠现象的长期感测 |
CN111657890A (zh) * | 2020-06-23 | 2020-09-15 | 深圳市联奕实业有限公司 | 睡眠状态的监控方法、装置、智能床垫及介质 |
CN112806770A (zh) * | 2021-01-20 | 2021-05-18 | 浙江想能睡眠科技股份有限公司 | 床垫调节控制方法、系统及计算机可读存储介质 |
CN112932169A (zh) * | 2021-01-25 | 2021-06-11 | 浙江想能睡眠科技股份有限公司 | 床垫调节方法、系统及计算机可读存储介质 |
CN113883668A (zh) * | 2021-09-13 | 2022-01-04 | Tcl空调器(中山)有限公司 | 空调器的助眠方法、装置、空调器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114711720A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fielden et al. | An assessment of sleep disturbance in patients before and after total hip arthroplasty | |
CN110033866B (zh) | 健康提醒方法、装置、计算机设备及存储介质 | |
Kushida et al. | Modeling the causal relationships between symptoms associated with restless legs syndrome and the patient-reported impact of RLS | |
Verhaert et al. | Ergonomics in bed design: the effect of spinal alignment on sleep parameters | |
CN105231997A (zh) | 一种睡眠质量判定方法及睡眠仪 | |
CN114065059B (zh) | 一种基于大数据的睡姿推荐控制方法、系统和存储介质 | |
US20210327584A1 (en) | Decision support software system for sleep disorder identification | |
CN102665546A (zh) | 睡眠状况的检测 | |
US20110184754A1 (en) | System and method for remote health care management | |
CN109545328A (zh) | 一种基于大数据和人工智能的个体亚健康干预方法和系统 | |
CN114711720B (zh) | 基于大数据的智能助眠床垫控制方法、系统及可读存储介质 | |
CN110084667A (zh) | 一种基于bmi数据计算的选床系统及选床方法 | |
Heglum et al. | Distinguishing sleep from wake with a radar sensor: a contact-free real-time sleep monitor | |
CN112806770A (zh) | 床垫调节控制方法、系统及计算机可读存储介质 | |
CN114587281B (zh) | 一种具有助眠功能的智能枕控制方法、系统及可读存储介质 | |
Thompson et al. | Dynamic borrowing from a single prior data source using the conditional power prior | |
El‐Sheikh et al. | Trajectories of sleep and cardiac sympathetic activity indexed by pre‐ejection period in childhood | |
WO2023150172A1 (en) | Bed with features for determining risk of congestive heart failure | |
CN116564516A (zh) | 一种手表动态健康分析系统及分析方法 | |
KR101274431B1 (ko) | 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
JPWO2019150761A1 (ja) | 睡眠充足度推定装置及び睡眠充足度推定方法 | |
Mold et al. | Associations between subjective night sweats and sleep study findings | |
Timbie et al. | Impact of socioeconomic adjustment on physicians’ relative cost of care | |
DE112019002926T5 (de) | Vorrichtung zur Unterstützung einer Verhaltensänderung, Endgerät und Server | |
CN114675556B (zh) | 一种个性化助眠智能枕装置及控制方法 |
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 |