CN114947754A - 用于确定睡眠数据的方法和装置 - Google Patents
用于确定睡眠数据的方法和装置 Download PDFInfo
- Publication number
- CN114947754A CN114947754A CN202210778475.8A CN202210778475A CN114947754A CN 114947754 A CN114947754 A CN 114947754A CN 202210778475 A CN202210778475 A CN 202210778475A CN 114947754 A CN114947754 A CN 114947754A
- Authority
- CN
- China
- Prior art keywords
- phase signal
- heartbeat
- signal
- sleep
- cardiopulmonary
- 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.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001228 spectrum Methods 0.000 claims abstract description 147
- 230000002612 cardiopulmonary effect Effects 0.000 claims abstract description 118
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 106
- 230000000241 respiratory effect Effects 0.000 claims abstract description 80
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000005070 sampling Methods 0.000 claims description 80
- 230000008878 coupling Effects 0.000 claims description 39
- 238000010168 coupling process Methods 0.000 claims description 39
- 238000005859 coupling reaction Methods 0.000 claims description 39
- 230000004622 sleep time Effects 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002802 cardiorespiratory effect Effects 0.000 claims description 12
- 210000000038 chest Anatomy 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000004461 rapid eye movement Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims 1
- 230000036541 health Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000002618 waking effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
-
- 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
-
- 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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Abstract
本申请公开了用于确定睡眠数据的方法和装置,涉及健康管理技术领域。该方法包括:获取预设时间段内用户的呼吸心跳信号;提取呼吸心跳信号的原始相位信号;对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;基于心肺谐振谱的能量分布,确定用户的睡眠数据,该方法应用场景灵活、以及应用时用户体验好。
Description
技术领域
本公开涉及健康管理技术领域,具体涉及用于确定睡眠数据的方法和装置。
背景技术
通过分析人体在睡眠中的心肺谐振信号可以确定人体在睡眠中的多种重要指标,例如,睡眠深度变化、睡眠周期长短、以及睡眠呼吸障碍等等与人体健康至关重要的指标。通常是通过接触式的导联电极测量用户胸前的心电信号,利用心电信号分析出的用户的呼吸波形信息、心电信号测、心跳间期(RR间期)信息,并利用上述信息获得心肺谐振和耦合情况,进而对用户的睡眠进行分析。
然而,基于接触式的设备进行心肺谐振信号的测量会导致技术应用的局限性大、以及用户体验差的问题。
发明内容
本公开提供了一种用于确定睡眠数据的方法、装置、电子设备以及计算机可读存储介质。
根据本公开的第一方面,提供了一种用于确定睡眠数据的方法,包括:获取预设时间段内用户的呼吸心跳信号;提取呼吸心跳信号的原始相位信号;对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;基于心肺谐振谱的能量分布,确定用户的睡眠数据。
在一些实施例中,获取预设时间段内的呼吸心跳信号,包括:采用雷达设备测量预设时间段内的人体胸腔的起伏,得到雷达回波信号;针对预设时间段内的每一个时间点,对雷达回波信号中的线性调频信号进行傅里叶变换,得到多个雷达回波维度信号,将多个雷达回波维度信号中能量最高的雷达回波维度信号确定为该时间点的呼吸心跳信号;将所确定的全部时间点的呼吸心跳信号确定为预设时间段内的呼吸心跳信号。
在一些实施例中,呼吸心跳信号包括:信号实部、信号虚部;提取呼吸心跳信号的原始相位信号,包括:根据时间序列,对预设时间段内每一个时间点上的信号实部和虚部信号进行信号处理,得到原始相位信号。
在一些实施例中,对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号,包括:采用第一带通滤波器对呼吸心跳相位信号进行滤波,得到呼吸相位信号;采用第二带通滤波器对呼吸心跳相位信号进行滤波,得到心跳相位信号。
在一些实施例中,采用呼吸相位信号以及心跳相位信号计算心肺谐振谱,包括:获取固定时间窗口以及预设滑动步长,采用固定时间窗口、以预设滑动步长为步长在预设时间段内进行滑动,截取得到多个采样时间窗口;针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号;采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱;采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱;采用交叉功率谱以及一致性频谱,计算心肺谐振谱。
在一些实施例中,基于心肺谐振谱的能量分布,确定用户的睡眠数据,包括:获取心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量,其中,高频能量是指心肺谐振谱在第一频率范围内的能量的积分、低频能量是指心肺谐振谱在第二频率范围内的能量的积分、超低频能量是指心肺谐振谱在第三频率范围内的能量的积分;将心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量之间的比值关系,确定为用户的睡眠程度指数;获取用户的睡眠时间段,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据。
在一些实施例中,获取用户的睡眠时间段,包括:将第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度;将高频域心肺耦合度的预设百分位上的数值,确定为临界阈值;获取预设时间段内的用户的心肺耦合度,基于临界阈值确定心肺耦合度中属于睡眠状态的心肺耦合度;将属于睡眠状态的心肺耦合度对应的时段确定为用户的睡眠时段。
在一些实施例中,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据,包括:睡眠数据、浅度睡眠数据、快速动眼数期数据。对属于睡眠时段的睡眠程度指数进行分析,得到用户的深度
根据本公开的第二方面,提供了一种用于确定睡眠数据的装置,包括:第一获取单元,被配置为获取预设时间段内用户的呼吸心跳信号;提取单元,被配置为提取呼吸心跳信号的原始相位信号;第二获取单元,被配置为对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;滤波单元,被配置为对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;计算单元,被配置为采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;确定单元,被配置为基于心肺谐振谱的能量分布,确定用户的睡眠数据。
在一些实施例中,第一获取单元,包括:第一获取模块,被配置为采用雷达设备测量预设时间段内的人体胸腔的起伏,得到雷达回波信号;第一呼吸心跳信号确定模块,被配置为针对预设时间段内的每一个时间点,对雷达回波信号中的线性调频信号进行傅里叶变换,得到多个雷达回波维度信号,将多个雷达回波维度信号中能量最高的雷达回波维度信号确定为该时间点的呼吸心跳信号;第二呼吸心跳信号确定模块,被配置为将所确定的全部时间点的呼吸心跳信号确定为预设时间段内的呼吸心跳信号。
在一些实施例中,呼吸心跳信号包括:信号实部、信号虚部;提取单元,包括:根据时间序列,对预设时间段内每一个时间点上的信号实部和虚部信号进行信号处理,得到原始相位信号。
在一些实施例中,滤波单元,包括:第一滤波模块,被配置为采用第一带通滤波器对呼吸心跳相位信号进行滤波,得到呼吸相位信号;第二滤波模块,被配置为采用第二带通滤波器对呼吸心跳相位信号进行滤波,得到心跳相位信号。
在一些实施例中,计算单元,包括:采样窗口确定模块,获取固定时间窗口以及预设滑动步长,采用固定时间窗口、以预设滑动步长为步长在预设时间段内进行滑动,截取得到多个采样时间窗口;采样模块,被配置为针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号;交叉功率谱计算模块,被配置为采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱;一致性频谱计算模块,被配置为采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱;计算模块,被配置为采用交叉功率谱以及一致性频谱,计算心肺谐振谱。
在一些实施例中,确定单元,包括:频谱能量确定模块,被配置为获取心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量,其中,高频能量是指心肺谐振谱在第一频率范围内的能量的积分、低频能量是指心肺谐振谱在第二频率范围内的能量的积分、超低频能量是指心肺谐振谱在第三频率范围内的能量的积分;睡眠程度指数确定模块,被配置为将心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量之间的比值关系,确定为用户的睡眠程度指数;睡眠数据确定模块,被配置为获取用户的睡眠时间段,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据。
在一些实施例中,获取用户的睡眠时间段,包括:将第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度;将高频域心肺耦合度的预设百分位上的数值,确定为临界阈值;获取预设时间段内的用户的心肺耦合度,基于临界阈值确定心肺耦合度中属于睡眠状态的心肺耦合度;将属于睡眠状态的心肺耦合度对应的时段确定为用户的睡眠时段。
在一些实施例中,睡眠数据确定模块,包括:睡眠分析模块,被配置为对属于睡眠时段的睡眠程度指数进行分析,得到用户的深度睡眠数据、浅度睡眠数据、快速动眼数期数据。
根据本公开的第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器:存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面提供的用于确定睡眠数据的方法。
根据本公开的第四方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面提供的用于确定睡眠数据的方法。
本公开提供的用于确定睡眠数据的方法、装置,包括:获取预设时间段内用户的呼吸心跳信号;提取呼吸心跳信号的原始相位信号;对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;基于心肺谐振谱的能量分布,确定用户的睡眠数据,该方法应用场景灵活、以及应用时用户体验好。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于确定睡眠数据的方法的一个实施例的流程图;
图3是根据本申请的用于确定睡眠数据的方法的另一个实施例的流程图;
图4是根据本申请的用于确定睡眠数据的方法的一个应用场景的流程图;
图5是根据本申请的用于确定睡眠数据的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的用于确定睡眠数据的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的用于确定睡眠数据的方法或用于确定睡眠数据的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是用户终端设备,其上可以安装有各种客户端应用,例如,医疗类应用、睡眠监测类应用、图像类应用、视频类应用、搜索类应用、金融类应用等。
终端设备101、102、103可以是具有显示屏并且支持接收服务器消息的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、电子播放器、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以获取预设时间段内用户的呼吸心跳信号;提取呼吸心跳信号的原始相位信号;对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;基于心肺谐振谱的能量分布,确定用户的睡眠数据。
需要说明的是,本公开的实施例所提供的用于确定睡眠数据的方法可以由服务器105执行,相应地,用于确定睡眠数据的装置可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于确定睡眠数据的方法的一个实施例的流程200,包括以下步骤:
步骤201,获取预设时间段内的呼吸心跳信号。
在本实施例中,用于确定睡眠数据的方法的执行主体(例如图1所示的服务器)可以通过有线或者无线的方式获取预设时间段内的呼吸心跳信号。由于呼吸和心跳等人体活动会引起胸腔的起伏,采用雷达设备探测人体胸腔时,可以引起雷达与被测人体之间的径向距离的变化,通过测量该径向距离的变化,可提取人体呼吸心跳信号。
步骤202,提取呼吸心跳信号的原始相位信号。
在本实施例中,可以提取呼吸心跳信号的原始相位信号,由于雷达回波信号中包括目标信号(即呼吸心跳信号的原始相位信号)以及基带信号(即,用于通信传输的基带波),对雷达回波信号(即雷达探测到的呼吸心跳信号)进行解调制,可以获得呼吸心跳信号的原始相位信号。
步骤203,对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号。
在本实施例中,可以对呼吸心跳信号的原始相位信号进行解卷绕操作/解缠绕操作,以获得呼吸心跳相位信号,由于相角是用虚部比实部而后求反正切得到的,默认结果限定为-π~π,因此,当实际角度超过π弧度后所得到的结果不准确,所以要恢复出真正的相角,则需要相反的过程,即解卷绕操作。
步骤204,对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号。
在本实施例中,可以采用不同带通滤波器对呼吸心跳相位信号进行滤波,即采用带通频率范围为呼吸相位信号的范围的带通滤波器对呼吸心跳相位信号进行滤波,以得到呼吸相位信号分量,采用带通频率范围为心跳相位信号的范围的带通滤波器对呼吸心跳相位信号进行滤波,以得到心跳相位信号分量。
步骤205,采用呼吸相位信号以及心跳相位信号计算心肺谐振谱。
在本实施例中,可以基于呼吸相位信号获取呼吸特征,基于心跳相位信号获取心跳特征,基于呼吸特征以及心跳特征获得呼吸与心跳的谐振特征,例如,从呼吸相位信号中获取呼吸波形、从心跳相位信号中获取心跳波形,基于呼吸波形以及心跳波形确定二者波形的谐振谱。
步骤206,基于心肺谐振谱的能量分布,确定用户的睡眠数据。
在本实施例中,可以基于心肺谐振谱中能量在不同频率或者时间的分布情况,确定用户的睡眠质量、深睡眠时长、浅睡眠时长、清醒时间等睡眠数据。
本实施例提供的用于确定睡眠数据的方法,获取预设时间段内用户的呼吸心跳信号;提取呼吸心跳信号的原始相位信号;对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;基于心肺谐振谱的能量分布,确定用户的睡眠数据,可以基于用户的呼吸心跳信号得到心肺谐振谱,避免需要对用户心电信号的采集,可以避免接触式的心电探测设备导致的用户的不适感,另外,采集呼吸心跳信号的场景更加灵活、不存在用户局限性(如重度烧伤病人也可以使用非接触式的呼吸心跳信号探测设备)。
可选地,获取预设时间段内的呼吸心跳信号,包括:采用雷达设备测量预设时间段内的人体胸腔的起伏,得到雷达回波信号;针对预设时间段内的每一个时间点,对雷达回波信号中的线性调频信号进行傅里叶变换,得到多个雷达回波维度信号,将多个雷达回波维度信号中能量最高的雷达回波维度信号确定为该时间点的呼吸心跳信号;将所确定的全部时间点的呼吸心跳信号确定为预设时间段内的呼吸心跳信号。
在本实施例中,可以采用毫米波雷达设备测量预设时间段内的人体胸腔的起伏,得到雷达回波信号,针对雷达回波信号中的每一个时间点,对雷达回波信号中的线性调频信号进行傅里叶变换,得到雷达波在每一个距离上的雷达回波维度信号,并从中选取能量最高的距离上的信号作为当前监测的人体的呼吸心跳信号,其中,距离是指胸腔起伏过程中,胸腔中的参照物(例如心脏表面)距离雷达设备的参照物(例如雷达设备与人体的接触面)之间的距离。
可选地,呼吸心跳信号包括:信号实部、信号虚部;提取呼吸心跳信号的原始相位信号,包括:根据时间序列,根据预设时间段内每一个时间点上的信号实部和虚部信号进行信号处理,得到原始相位信号。
在本实施例中,呼吸心跳信号中可以包括信号实部以及信号虚部,在提取呼吸心跳信号的原始相位信号时,可以根据预设时间段中时间的序列,基于每一个时间点上的信号实部以及信号虚部进行相位计算,以进行信号解调制,将原始调制信号与基带信号进行分离,从而得到呼吸心跳信号的原始相位信号。
可选地,对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号,包括:采用第一带通滤波器对呼吸心跳相位信号进行滤波,得到呼吸相位信号;采用第二带通滤波器对呼吸心跳相位信号进行滤波,得到心跳相位信号。
在本实施例中,可以采用第一带通滤波器对呼吸心跳相位信号进行滤波,得到呼吸相位信号,第一带通滤波器的滤波通带范围可以是0.05~0.8Hz(呼吸信号的一般频率范围)。采用第二带通滤波器对呼吸心跳相位信号进行滤波,得到心跳相位信号,第二带通滤波器的滤波通带范围可以是0.8~10Hz(心跳信号的一般频率范围)。
继续参考图3,示出了根据本公开的用于确定睡眠数据的方法的另一个实施例的流程300,包括以下步骤:
步骤301,获取预设时间段内用户的呼吸心跳信号。
步骤302,提取呼吸心跳信号的原始相位信号。
步骤303,对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号。
步骤304,对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号。
本实施例中对步骤301、步骤302、步骤303、步骤304的描述与步骤201、步骤202、步骤203、步骤204的描述一致,此处不再赘述。
步骤305,获取固定时间窗口以及预设滑动步长,采用固定时间窗口、以预设滑动步长为步长在预设时间段内进行滑动,截取得到多个采样时间窗口。
在本实施例中,可以获取固定时间窗口以及预设滑动步长,采用固定时间窗口、以预设滑动步长为步长在预设时间段内进行滑动,截取得到多个采样时间窗口。固定时间窗口的滑动步长可以小于或等于固定时间窗口的长度,例如,固定时间窗口为90秒,滑动步长为30秒。
步骤306,针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号。
在本实施例中,针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号,以截取到同时间段的呼吸特征和心跳特征。
步骤307,采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱。
在本实施例中,针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱。具体地,可以基于计算两种信号的交叉功率谱的公式计算上述交叉功率谱,也可以采用信号处理软件(如MATLAB)中的波谱分析函数获得上述交叉功率谱。
例如,可以采用采样时间窗口得到的呼吸相位信号和心跳相位信号计算二者之间的交叉谱,获取交叉谱的实部Rf(ti)和虚部If(ti),计算交叉功率谱Ef(ti):
其中,ti代表采样时间窗口i的时间中点。
步骤308,采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱。
在本实施例中,针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱。具体地,可以基于计算两种信号的一致性频谱的公式计算上述一致性频谱,也可以采用信号处理软件(如MATLAB)中的波谱分析函数获得上述一致性频谱。
步骤309,采用交叉功率谱、以及一致性频谱,计算心肺谐振谱。
在本实施例中,可以采用交叉功率谱、以及一致性频谱,计算心肺谐振谱。例如,采用该交叉功率谱Ef(ti)与一致性频谱Cf(ti)计算得到心肺谐振谱Γf(ti):
Γf(ti)=Ef(ti)*Cf(ti)
步骤310,基于心肺谐振谱的能量分布,确定用户的睡眠数据。
本实施例中对步骤310的描述与步骤206的描述一致,此处不再赘述。
本实施例提供的用于确定睡眠数据的方法,采样基于滑动窗口采样的方法截取到的呼吸相位信号以及心跳相位信号计算心肺谐振谱,可以提高信号的抗干扰能力,提高计算结果的准确性。
可选地,基于心肺谐振谱的能量分布,确定用户的睡眠数据,包括:获取心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量,其中,高频能量是指心肺谐振谱在第一频率范围内的能量的积分、低频能量是指心肺谐振谱在第二频率范围内的能量的积分、超低频能量是指心肺谐振谱在第三频率范围内的能量的积分;将心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量之间的比值关系,确定为用户的睡眠程度指数;获取用户的睡眠时间段,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据。
在本实施例中,可以获取心肺谐振谱的高频能量、低频能量、超低频能量,其中,高频能量是指心肺谐振谱在第一频率范围内的能量的积分、低频能量是指心肺谐振谱在第二频率范围内的能量的积分、超低频能量是指心肺谐振谱在第三频率范围内的能量的积分。具体地,第一频率范围可以是0.1~0.4Hz,第二频率范围可以是0.01~0.1Hz,第三频率范围可以是0~0.01Hz,高频能量EHF(ti)、低频能量ELF(ti)以及超低频能量EvLF(ti)可以分别是:
之后,将心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量之间的比值关系,确定为该时间点上用户的睡眠程度指数SDI(ti):
最后,获取用户的睡眠时间段,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据。
在该可选的实施例中,获取用户的睡眠时间段,包括:将第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度;将高频域心肺耦合度的预设百分位上的数值,确定为临界阈值;获取预设时间段内的用户的心肺耦合度,基于临界阈值确定心肺耦合度中属于睡眠状态的心肺耦合度;将属于睡眠状态的心肺耦合度对应的时段确定为用户的睡眠时段。
在本实施例中,获取用户的睡眠时段的方法可以是:将落入第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度,将该高频域心肺耦合度的预设百分位上的数值,确定为临界阈值,例如,将4%百分位对应的高频心肺耦合度作为入睡状态和清醒状态的状态阈值。采用任意计算心肺耦合度(cardiopulmonary coupling,CPC)的方法确定用户在预设时间段内的心肺耦合度,基于临界阈值确定心肺耦合度中属于睡眠状态的心肺耦合度,例如,将心肺耦合度大于上述临界阈值的心肺耦合度确定为属于睡眠状态的心肺耦合度。将属于睡眠状态的心肺耦合度对应的时段确定为用户的睡眠时段。
另外,入睡时刻和清醒时刻还可以参考用户上床和离床时间节点,即呼吸心跳信号采集设备(如,毫米波雷达设备)采集到用户的有效数据的时间段。
可选地,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据,包括:对属于睡眠时段的睡眠程度指数进行分析,得到用户的深度睡眠数据、浅度睡眠数据、快速眼动期数据。
在本实施例中,基于入睡时刻和清醒时刻得到用户的睡眠时段后,可以对睡眠时段内的睡眠程度指数(SDI)进行睡眠阶段分析,得到用户的深睡(Deep Sleep)、浅睡(LightSleep)、快速眼动期(Rapid Eye Movement,REM)和入睡后清醒(Wake after Sleep Onset,WASO)等睡眠状态,以用于确定用户的睡眠质量或者健康状态等。
在一些应用场景中,如图4所示,用于确定睡眠数据的方法流程可以是:获取毫米波雷达设备被探测的用户的人体胸腔起伏回波信号;对回波信号中的chirp信号(线性调频信号)进行傅里叶变换,得到呼吸心跳信号;解调制呼吸心跳信号后得到原始相位信号;对原始相位信号进行相位解卷绕后得到呼吸心跳相位信号;分别采用不同带通频率的带通滤波器对呼吸心跳相位信号进行带通滤波,分别得到呼吸相位信号、心跳相位信号;采用固定时间窗对呼吸相位信号以及心跳相位信号进行滑动采样分析;基于采样结果计算得到呼吸相位信号与心跳相位信号之间的交叉功率谱、一致性频谱;基于该交叉功率谱以及一致性频谱得到心肺谐振谱;解析心肺谐振谱中的高频能量(HF)、低频能量(LF)、超低频能量(vLF),并基于计算得到睡眠程度指数;基于该一致性频谱得到高频频域心肺耦合度,并基于高频频域心肺耦合度分析用户的入睡、清醒时刻;基于用户的入睡、清醒时刻对睡眠程度指数进行分析。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于确定睡眠数据的装置的一个实施例,该装置实施例与图2和图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于确定睡眠数据的装置,包括:第一获取单元501、提取单元502、第二获取单元503、滤波单元504、计算单元505、确定单元506。其中,第一获取单元,被配置为获取预设时间段内用户的呼吸心跳信号;提取单元,被配置为提取呼吸心跳信号的原始相位信号;第二获取单元,被配置为对原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;滤波单元,被配置为对呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;计算单元,被配置为采用呼吸相位信号以及心跳相位信号计算心肺谐振谱;确定单元,被配置为基于心肺谐振谱的能量分布,确定用户的睡眠数据。
在一些实施例中,第一获取单元,包括:第一获取模块,被配置为采用雷达设备测量预设时间段内的人体胸腔的起伏,得到雷达回波信号;第一呼吸心跳信号确定模块,被配置为针对预设时间段内的每一个时间点,对雷达回波信号中的线性调频信号进行傅里叶变换,得到多个雷达回波维度信号,将多个雷达回波维度信号中能量最高的雷达回波维度信号确定为该时间点的呼吸心跳信号;第二呼吸心跳信号确定模块,被配置为将所确定的全部时间点的呼吸心跳信号确定为预设时间段内的呼吸心跳信号。
在一些实施例中,呼吸心跳信号包括:信号实部、信号虚部;提取单元,包括:根据时间序列,对预设时间段内每一个时间点上的信号实部和虚部信号进行信号处理,得到原始相位信号。
在一些实施例中,滤波单元,包括:第一滤波模块,被配置为采用第一带通滤波器对呼吸心跳相位信号进行滤波,得到呼吸相位信号;第二滤波模块,被配置为采用第二带通滤波器对呼吸心跳相位信号进行滤波,得到心跳相位信号。
在一些实施例中,计算单元,包括:采样窗口确定模块,获取固定时间窗口以及预设滑动步长,采用固定时间窗口、以预设滑动步长为步长在预设时间段内进行滑动,截取得到多个采样时间窗口;采样模块,被配置为针对多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号;交叉功率谱计算模块,被配置为采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱;一致性频谱计算模块,被配置为采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱;计算模块,被配置为采用交叉功率谱以及一致性频谱,计算心肺谐振谱。
在一些实施例中,确定单元,包括:频谱能量确定模块,被配置为获取心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量,其中,高频能量是指心肺谐振谱在第一频率范围内的能量的积分、低频能量是指心肺谐振谱在第二频率范围内的能量的积分、超低频能量是指心肺谐振谱在第三频率范围内的能量的积分;睡眠程度指数确定模块,被配置为将心肺谐振谱的高频能量、心肺谐振谱的低频能量、心肺谐振谱的超低频能量之间的比值关系,确定为用户的睡眠程度指数;睡眠数据确定模块,被配置为获取用户的睡眠时间段,采用睡眠时间段中的睡眠程度指数,确定用户在睡眠时间段的睡眠数据。
在一些实施例中,获取用户的睡眠时间段,包括:将第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度;将高频域心肺耦合度的预设百分位上的数值,确定为临界阈值;获取预设时间段内的用户的心肺耦合度,基于临界阈值确定心肺耦合度中属于睡眠状态的心肺耦合度;将属于睡眠状态的心肺耦合度对应的时段确定为用户的睡眠时段。
在一些实施例中,睡眠数据确定模块,包括:睡眠分析模块,被配置为对属于睡眠时段的睡眠程度指数进行分析,得到用户的深度睡眠数据、浅度睡眠数据、快速动眼数期数据。
上述装置500中的各单元与参考图2、图3描述的方法中的步骤相对应。由此上文针对用于确定睡眠数据的方法描述的操作、特征及所能达到的技术效果同样适用于装置500及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的用于确定睡眠数据的方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,该存储器存储有可由至少一个处理器执行的指令,以使该至少一个处理器执行本申请所提供的用于确定睡眠数据的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于确定睡眠数据的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于确定睡眠数据的方法对应的程序指令/模块(例如,附图5所示的第一获取单元501、提取单元502、第二获取单元503、滤波单元504、计算单元505、确定单元506)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于确定睡眠数据的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于提取视频片段的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于提取视频片段的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于确定睡眠数据的方法的电子设备还可以包括:输入装置603、输出装置604以及总线605。处理器601、存储器602、输入装置603和输出装置604可以通过总线605或者其他方式连接,图6中以通过总线605连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于提取视频片段的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (11)
1.一种用于确定睡眠数据的方法,包括:
获取预设时间段内用户的呼吸心跳信号;
提取所述呼吸心跳信号的原始相位信号;
对所述原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;
对所述呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;
采用所述呼吸相位信号以及所述心跳相位信号计算心肺谐振谱;
基于所述心肺谐振谱的能量分布,确定所述用户的睡眠数据。
2.根据权利要求1所述的方法,其中,所述获取预设时间段内的呼吸心跳信号,包括:
采用雷达设备测量所述预设时间段内的人体胸腔的起伏,得到雷达回波信号;
针对所述预设时间段内的每一个时间点,对所述雷达回波信号中的线性调频信号进行傅里叶变换,得到多个雷达回波维度信号,将所述多个雷达回波维度信号中能量最高的雷达回波维度信号确定为该时间点的呼吸心跳信号;
将所确定的全部时间点的呼吸心跳信号确定为所述预设时间段内的呼吸心跳信号。
3.根据权利要求1所述的方法,其中,所述呼吸心跳信号包括:信号实部、信号虚部;所述提取所述呼吸心跳信号的原始相位信号,包括:
根据时间序列,对所述预设时间段内每一个时间点上的信号实部和虚部信号进行信号处理,得到所述原始相位信号。
4.根据权利要求1所述的方法,其中,所述对所述呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号,包括:
采用第一带通滤波器对所述呼吸心跳相位信号进行滤波,得到所述呼吸相位信号;
采用第二带通滤波器对所述呼吸心跳相位信号进行滤波,得到所述心跳相位信号。
5.根据权利要求1所述的方法,其中,所述采用所述呼吸相位信号以及所述心跳相位信号计算心肺谐振谱,包括:
获取固定时间窗口以及预设滑动步长,采用所述固定时间窗口、以所述预设滑动步长为步长在所述预设时间段内进行滑动,截取得到多个采样时间窗口;
针对所述多个采样时间窗口中的每一个采样时间窗口,采用该采样时间窗口对所述呼吸相位信号进行采样,得到该采样时间窗口中的呼吸相位信号,以及采用该采样时间窗口对所述心跳相位信号进行采样,得到该采样时间窗口中的心跳相位信号;
采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算交叉功率谱;
采用该采样时间窗口中的呼吸相位信号、以及该采样时间窗口中的心跳相位信号计算一致性频谱;
采用所述交叉功率谱以及所述一致性频谱,计算所述心肺谐振谱。
6.根据权利要求5所述的方法,其中,所述基于所述心肺谐振谱的能量分布,确定所述用户的睡眠数据,包括:
获取所述心肺谐振谱的高频能量、所述心肺谐振谱的低频能量、所述心肺谐振谱的超低频能量,其中,所述高频能量是指所述心肺谐振谱在第一频率范围内的能量的积分、所述低频能量是指所述心肺谐振谱在第二频率范围内的能量的积分、所述超低频能量是指所述心肺谐振谱在第三频率范围内的能量的积分;
将所述心肺谐振谱的高频能量、所述心肺谐振谱的低频能量、所述心肺谐振谱的超低频能量之间的比值关系,确定为所述用户的睡眠程度指数;
获取所述用户的睡眠时间段,采用所述睡眠时间段中的所述睡眠程度指数,确定所述用户在所述睡眠时间段的睡眠数据。
7.根据权利要求6所述的方法,其中,所述获取所述用户的睡眠时间段,包括:
将所述第一频率范围内的一致性频谱的能量、与预设频率范围内的一致性频谱的能量之间的比值,确定为高频域心肺耦合度;
将所述高频域心肺耦合度的预设百分位上的数值,确定为临界阈值;
获取所述预设时间段内的所述用户的心肺耦合度,基于所述临界阈值确定所述心肺耦合度中属于睡眠状态的心肺耦合度;
将属于所述睡眠状态的心肺耦合度对应的时段确定为所述用户的睡眠时段。
8.根据权利要求6所述的方法,其中,所述采用所述睡眠时间段中的所述睡眠程度指数,确定所述用户在所述睡眠时间段的睡眠数据,包括:
对属于所述睡眠时段的睡眠程度指数进行分析,得到所述用户的深度睡眠数据、浅度睡眠数据、快速动眼数期数据。
9.一种用于确定睡眠数据的装置,包括:
第一获取单元,被配置为获取预设时间段内用户的呼吸心跳信号;
提取单元,被配置为提取所述呼吸心跳信号的原始相位信号;
第二获取单元,被配置为对所述原始相位信号进行解卷绕操作,获得呼吸心跳相位信号;
滤波单元,被配置为对所述呼吸心跳相位信号进行滤波,得到呼吸相位信号以及心跳相位信号;
计算单元,被配置为采用所述呼吸相位信号以及所述心跳相位信号计算心肺谐振谱;
确定单元,被配置为基于所述心肺谐振谱的能量分布,确定所述用户的睡眠数据。
10.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778475.8A CN114947754A (zh) | 2022-06-30 | 2022-06-30 | 用于确定睡眠数据的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778475.8A CN114947754A (zh) | 2022-06-30 | 2022-06-30 | 用于确定睡眠数据的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114947754A true CN114947754A (zh) | 2022-08-30 |
Family
ID=82966738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210778475.8A Pending CN114947754A (zh) | 2022-06-30 | 2022-06-30 | 用于确定睡眠数据的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114947754A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116269258A (zh) * | 2023-02-22 | 2023-06-23 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108175382A (zh) * | 2018-01-10 | 2018-06-19 | 深圳先进技术研究院 | 基于cpc的非接触式睡眠评估方法及装置 |
US20190183414A1 (en) * | 2016-06-27 | 2019-06-20 | Koninklijke Philips N.V. | Determination system and method for determining a sleep stage of a subject |
CN110742585A (zh) * | 2019-10-10 | 2020-02-04 | 北京邮电大学 | 基于bcg信号的睡眠分期方法 |
CN113907742A (zh) * | 2021-10-29 | 2022-01-11 | 北京清雷科技有限公司 | 睡眠呼吸数据的监测方法及装置 |
CN113925496A (zh) * | 2021-10-20 | 2022-01-14 | 中国人民解放军海军特色医学中心 | 一种疲劳睡眠分析方法及装置 |
CN114027809A (zh) * | 2021-12-14 | 2022-02-11 | 宁夏芯锐智联科技有限公司 | 基于毫米波雷达的奶牛呼吸心率监测方法 |
CN114376564A (zh) * | 2021-12-29 | 2022-04-22 | 华南理工大学 | 一种基于心冲击信号的睡眠分期方法、系统、装置及介质 |
CN114587318A (zh) * | 2022-03-18 | 2022-06-07 | 五邑大学 | 一种呼吸心率监测方法、系统及存储介质 |
-
2022
- 2022-06-30 CN CN202210778475.8A patent/CN114947754A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190183414A1 (en) * | 2016-06-27 | 2019-06-20 | Koninklijke Philips N.V. | Determination system and method for determining a sleep stage of a subject |
CN108175382A (zh) * | 2018-01-10 | 2018-06-19 | 深圳先进技术研究院 | 基于cpc的非接触式睡眠评估方法及装置 |
CN110742585A (zh) * | 2019-10-10 | 2020-02-04 | 北京邮电大学 | 基于bcg信号的睡眠分期方法 |
CN113925496A (zh) * | 2021-10-20 | 2022-01-14 | 中国人民解放军海军特色医学中心 | 一种疲劳睡眠分析方法及装置 |
CN113907742A (zh) * | 2021-10-29 | 2022-01-11 | 北京清雷科技有限公司 | 睡眠呼吸数据的监测方法及装置 |
CN114027809A (zh) * | 2021-12-14 | 2022-02-11 | 宁夏芯锐智联科技有限公司 | 基于毫米波雷达的奶牛呼吸心率监测方法 |
CN114376564A (zh) * | 2021-12-29 | 2022-04-22 | 华南理工大学 | 一种基于心冲击信号的睡眠分期方法、系统、装置及介质 |
CN114587318A (zh) * | 2022-03-18 | 2022-06-07 | 五邑大学 | 一种呼吸心率监测方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
王元东: "基于多普勒雷达的非接触式生命体征监测系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 July 2018 (2018-07-15), pages 136 - 361 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116269258A (zh) * | 2023-02-22 | 2023-06-23 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
CN116269258B (zh) * | 2023-02-22 | 2023-11-21 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Wi-COVID: A COVID-19 symptom detection and patient monitoring framework using WiFi | |
AU2015201213B2 (en) | Measuring blood pressure | |
US20200196875A1 (en) | Method, module and system for analysis of physiological signals | |
US10058253B2 (en) | System, method, and article for heart rate variability monitoring | |
US11766182B2 (en) | Systems and methods for real-time signal processing and fitting | |
CN102988051B (zh) | 用于计算机操作者健康的监测装置 | |
EP3326525A1 (en) | Bio-signal processing apparatus and biometric information detection apparatus and method | |
Lai et al. | Lightweight wrist photoplethysmography for heavy exercise: motion robust heart rate monitoring algorithm | |
EP3868293A1 (en) | System and method for monitoring pathological breathing patterns | |
KR20190065115A (ko) | 생체 신호 품질 평가 장치 및 방법 | |
CN105232026A (zh) | 一种非接触式生命体征检测系统的心跳频率检测算法 | |
CN108992054B (zh) | 一种脉搏信号峰值点检测方法及装置 | |
US20190298209A1 (en) | Heartbeat detection | |
Zhang et al. | A wristband device for detecting human pulse and motion based on the Internet of Things | |
Xu et al. | Cardiacwave: A mmwave-based scheme of non-contact and high-definition heart activity computing | |
CN109189207B (zh) | 一种可穿戴设备穿戴状态的检测方法及装置 | |
Liu et al. | Refined generalized multiscale entropy analysis for physiological signals | |
CN114947754A (zh) | 用于确定睡眠数据的方法和装置 | |
EP3393345B1 (en) | Method and apparatus for detecting live tissues using signal analysis | |
WO2018120637A1 (zh) | 一种心电信号的降噪方法及装置 | |
CN107495939A (zh) | 活体生物特征监控方法、装置以及系统 | |
Sahoo et al. | Autocorrelation and Hilbert transform-based QRS complex detection in ECG signal | |
CN111839520A (zh) | 基于csi信号功率响应自相关的人呼吸监测方法和装置 | |
Yang et al. | Using a graph-based image segmentation algorithm for remote vital sign estimation and monitoring | |
WO2022063792A1 (en) | Method and system for non-contact vital sign 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 |