CN115688186A - 一种基于数据分析的多模态睡眠质量分析系统及方法 - Google Patents

Abstract

本发明公开了一种基于数据分析的多模态睡眠质量分析系统及方法，属于多模态睡眠质量分析技术领域。通过水印加密和解密算法，以实时监测的心电信号数据和睡姿状态数据，分别计算出异常指数和睡眠指数，分别将异常指数和睡眠指数作为水印加密的强度，再结合历史数据进行验证，使得恶意攻击者对数据的破解非常困难，即使破解了一级或者二级加密，还需要通过历史数据对一级或者二级解密进行验证，同时一级解密验证通过后，才能启动睡姿状态监测，即使启动了睡姿状态监测，还需要破解二级加密并且进行二级解密验证；进而增加了外界对被测者数据进行攻击和篡改的难度，同时也使对睡眠质量数据的分析更加准确和有效。

Description

一种基于数据分析的多模态睡眠质量分析系统及方法

技术领域

本发明涉及多模态睡眠质量分析技术领域，具体为一种基于数据分析的多模态睡眠质量分析系统及方法。

背景技术

随着网络科技的不断进步和发展，对隐私数据的盗取技术也跟着进化；在大数据技术发展的背景下，人们往往对个人隐私数据的重视度越来越高，目前对数据隐私的保护已经涉足到众多行业中，而对人们睡眠相关的生物特征隐私保护却很少深入；随着传感器、物联网、人工智能技术的快速发展，睡眠监测产品也层出不穷，主要对被测者的体动、心率和呼吸等方面数据进行监测分析，如何对大量的生物特征数据在存储和传输方面进行保护，确保数据的安全和真实是目前急需解决的技术问题。

发明内容

本发明的目的在于提供一种基于数据分析的多模态睡眠质量分析系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于数据分析的多模态睡眠质量分析系统，本系统包括：多模态睡眠状态数据库模块、数据采集模块、加解密模块和验证模块；

所述多模态睡眠状态数据库模块，用于存储心电信号数据和睡姿状态数据；用于建立心电信号数据库和睡姿状态数据库；

所述数据采集模块，用于实时采集心电信号数据和睡姿状态数据；

所述加解密模块，用于分别对心电信号数据和睡姿状态数据进行加解密；

所述验证模块，用于分别对心电信号数据和睡姿状态数据进行加解密后的验证。

进一步的，所述数据采集模块还包括心电信号采集传感器单元和睡姿状态采集传感器单元；

所述心电信号采集传感器单元，用于获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，所述心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，所述心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

所述睡姿状态采集传感器单元，用于获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，所述体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，所述睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}。

进一步的，所述加解密模块还包括加密单元和解密单元；

所述加密单元，用于对心电信号数据进行加密；根据心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对采集生成的心电信号数据组添加时间标签；分别将采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数，通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密；

所述加密单元，还用于对睡姿状态数据进行加密；获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密；

所述解密单元，用于对心电信号数据进行解密；通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

所述解密单元，还用于对睡姿状态数据进行解密；通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原。

进一步的，所述验证模块还包括一级验证单元和二级验证单元；

所述一级验证单元，用于根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

所述二级验证单元，用于根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败。

一种基于数据分析的多模态睡眠质量分析方法，本方法包括以下步骤：

步骤S100：建立多模态睡眠状态数据库，所述多模态睡眠状态数据库包括心电信号数据库和睡姿状态数据库；

步骤S200：心电信号采集传感器获取预设周期内的心电信号数据，并生成心电信号数据组，对所述心电信号数据组进行重新排列生成心电信号数据组矩阵，利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像；获取心电信号的异常指数，根据所述异常指数对心电信号灰度图像进行加密；

步骤S300：建立一级加密数据库，根据一级加密数据库对所述心电信号灰度图像进行一级解密；对一级解密结果进行验证，解密结果验证通过后，启动睡姿状态监测；

步骤S400：睡姿状态采集传感器获取被测者体位变化特征信息，并生成睡姿状态数据组；根据睡姿状态数据组，计算睡眠指数；根据睡眠指数，对睡姿状态数据组进行二级加密；

步骤S500：建立二级加密数据库，根据二级加密数据库对睡姿状态数据组进行解密；对二级解密结果进行验证，解密结果验证通过后，输出睡眠提示信息。

进一步的，所述步骤S100中建立多模态睡眠状态数据库的具体实施过程包括：

步骤S101：心电信号采集传感器获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，所述心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，所述心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

步骤S102：睡姿状态采集传感器获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，所述体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，所述睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}；

根据上述方法，在监测过程中，涉及到被测者心电数据和睡姿数据，属于极度隐私的数据，必须要对这些多模态数据进行加密，防止这些多模态数据被泄露或者被恶意攻击者篡改；同时对睡眠质量的监测过程中，首先通过对心电信号的监测，快速判断被测者是属于睡眠状态还是清醒状态，然后通过对睡姿状态的监测，进一步判断是深度睡眠还是浅度睡眠，如果心电信号数据被篡改，则攻击者可以恶意启动睡姿状态监测传感器，并且也会对数据的分析造成误导。

进一步的，所述步骤S200中根据所述异常指数对心电信号灰度图像进行加密的具体实施过程包括：

步骤S201：心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对第N次采集生成的心电信号数据组添加时间标签；分别将第N次采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；

步骤S202：在预设周期内，以心电间隔信号RRI、调取心电幅值序列信号RAMP和呼吸信号EDR为自变量，以心电信号的异常指数为因变量，建立异常指数线性回归方程P=F₁*RRI+F₂*RAMP+F₃*EDR，其中P表示异常指数，F₁、F₂和F₃分别为异常指数线性回归方程系数；将当前采集的心电信号数据带入线性回归方程中，计算出当前的异常指数；

步骤S203：将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数；

步骤S204：通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密。

进一步的，所述步骤S300的具体实施过程包括：

步骤S301：根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

步骤S302：一级解密验证通过后，通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

步骤S303：系统预设心电信号阈值，所述心电信号阈值为历史数据中睡眠状态和清醒状态的呼吸信号EDR的临界值的平均值；一级解密完成后，计算当前采集周期的呼吸信号EDR的平均值，如果当前采集周期的呼吸信号EDR的平均值大于心电信号阈值则表示当前为睡眠状态，否则为清醒状态；如果判断当前为清醒状态，则不启动睡姿状态监测，如果判断当前为睡眠状态，则启动睡姿状态监测。

进一步的，所述步骤S400的具体实施过程包括：

步骤S401：获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；

步骤S402：将左侧卧和右侧卧的数据相加记为侧卧数据，将仰卧和俯卧的数据相加记为卧躺数据，分别将侧卧数据、卧躺数据和坐起数据对应为三维坐标系中的横坐标、竖坐标和纵坐标；将侧卧数据、卧躺数据和坐起数据，生成睡姿数据矩阵，并将睡姿数据矩阵转换为对应的睡姿状态灰度图像，其中，将睡姿状态灰度图像分成D个像素网格，每个像素网格对应一组睡姿状态数据组；对睡姿状态数据组进行随机重新排列生成睡姿状态数据组矩阵，以时间标签为像素维度，将睡姿状态数据组矩阵对应分布在睡姿状态灰度图像网格中；

步骤S403：通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密。

进一步的，所述步骤S500的具体实施过程包括：

步骤S501：根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败；

步骤S502：二级解密验证通过后，通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原；

步骤S503：系统预设睡眠指数阈值，所述睡眠指数阈值为历史数据中深睡状态和浅睡状态的睡眠指数临界值的平均值；二级解密完成后，如果当前采集周期的睡眠指数大于睡眠指数阈值则表示当前为深睡状态，否则为浅睡状态；输出睡眠提示信息，所述睡眠提示信息包括清醒状态、浅睡状态和深睡状态；

根据上述方法，本发明借助水印加密和解密算法，通过分别将计算出的心电信号异常数据和睡眠指数作为一级和二级水印加密强度，结合实时监测数据与历史数据的精准验证，从而实现加密；因为心电信号异常数据和睡眠指数是实时测算出来的，再通过历史数据加以验证，使得在解密的时候非常困难，不易被破解或恶意攻击；而对数据组的打乱重排，再结合时间维度的不可篡改和不可逆性，使得数据的加密更加随机，不易被篡改和攻击。

与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于数据分析的多模态睡眠质量分析系统及方法中，通过水印加密和解密算法，以实时监测的心电信号数据和睡姿状态数据，分别计算出异常指数和睡眠指数，分别将异常指数和睡眠指数作为水印加密的强度，再结合历史数据进行验证，使得恶意攻击者对数据的破解非常困难，即使破解了一级或者二级加密，还需要通过历史数据对一级或者二级解密进行验证，同时一级解密验证通过后，才能启动睡姿状态监测，即使启动了睡姿状态监测，还需要破解二级加密并且进行二级解密验证；进而增加了外界对被测者数据进行攻击和篡改的难度，同时也使对睡眠质量数据的分析更加准确和有效。

附图说明

附图用来提供对本发明的进一步理解，并且且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：

图1是本发明一种基于数据分析的多模态睡眠质量分析系统的结构示意图；

图2是本发明一种基于数据分析的多模态睡眠质量分析方法的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：

请参阅图1，在本实施例一中：提供一种基于数据分析的多模态睡眠质量分析系统，该系统包括：多模态睡眠状态数据库模块、数据采集模块、加解密模块和验证模块；

多模态睡眠状态数据库模块，用于存储心电信号数据和睡姿状态数据；用于建立心电信号数据库和睡姿状态数据库；

数据采集模块，用于实时采集心电信号数据和睡姿状态数据；

加解密模块，用于分别对心电信号数据和睡姿状态数据进行加解密；

验证模块，用于分别对心电信号数据和睡姿状态数据进行加解密后的验证。

其中，数据采集模块还包括心电信号采集传感器单元和睡姿状态采集传感器单元；

心电信号采集传感器单元，用于获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

睡姿状态采集传感器单元，用于获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}。

其中，加解密模块还包括加密单元和解密单元；

加密单元，用于对心电信号数据进行加密；根据心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对采集生成的心电信号数据组添加时间标签；分别将采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数，通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密；

加密单元，还用于对睡姿状态数据进行加密；获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密；

解密单元，用于对心电信号数据进行解密；通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

解密单元，还用于对睡姿状态数据进行解密；通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原。

其中，验证模块还包括一级验证单元和二级验证单元；

一级验证单元，用于根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

二级验证单元，用于根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败。

请参阅图2，在本实施例二中：提供一种基于数据分析的多模态睡眠质量分析方法，该方法包括以下步骤：

建立多模态睡眠状态数据库，其中，多模态睡眠状态数据库包括心电信号数据库和睡姿状态数据库；

心电信号采集传感器获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

例如，心电间隔信号RRI通过经典的Pan-Tompkins算法检测出R峰，从而计算出RR间隔信号RRI=RP_i+1-RP_i，其中RP_i+1表示第i个R峰的时间，RP_i表示第i+1个R峰的时间；

例如，心电幅值序列信号RAMP实际是去噪后的ECGF信号中的幅值，RAMP_i=ECGF[RP_i]；

例如，EDR信号能够显示当前呼吸气流情况，常在检测OSA中被使用，计算方法繁多，其中，OSA（阻塞性睡眠呼吸暂停）是一种以睡眠打鼾伴呼吸暂停和日间思睡为主要临床表现的睡眠呼吸疾病；本发明计算相邻R峰RP_i+1与RP_i之间的ECG信号的峰度获得EDR信号在当前R峰的采样，再通过样条插值获得完整的EDR信号；

其中，EDR_i表示第i个R峰的时间对应的EDR信号，α表示RAMP_i的标准差，

表示 RAMP_i的四阶中心矩，Qi表示第i个R峰的时间对应的EDR信号的RAMP_i峰度，q表示心电间隔信 号RRI的长度，

表示心电间隔信号RRI在q长度下的RAMP值，

表示

的 平均值；

睡姿状态采集传感器获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}；

例如，睡姿状态采集传感器为MPU9150加速度传感器，通过建立人体体位三维坐标，其中只要横坐标上的分量发生变化时，即表示坐起状态，因此只要以 y 轴为横坐标，z轴为纵坐标来分别监测左侧卧、右侧卧、仰卧和俯卧的状态，其中左侧卧角度为150到210度，右侧卧角度为0到30度或者330到360度，仰卧角度为60到120度，俯卧角度为240到300度，而坐起角度单独用坐起状态分量与三维坐标的X轴夹角表示，坐起角度大于等于30度；通过MPU9150加速度传感器分别采集左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息；

心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对第N次采集生成的心电信号数据组添加时间标签；分别将第N次采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；

在预设周期内，以心电间隔信号RRI、调取心电幅值序列信号RAMP和呼吸信号EDR为自变量，以心电信号的异常指数为因变量，建立异常指数线性回归方程P=F₁*RRI+F₂*RAMP+F₃*EDR，其中P表示异常指数，F₁、F₂和F₃分别为异常指数线性回归方程系数；将当前采集的心电信号数据带入线性回归方程中，计算出当前的异常指数；

将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数；

通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密；

根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

一级解密验证通过后，通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

例如，在预设周期内，每分钟采集一次心电信号数据；x和y值分别表示像素网格的长和宽，z值表示像素的深浅；首先根据x值、y值和z值对心电信号数据组矩阵的还原，得到还原后的心电信号数据组，再根据时间标签，对心电信号数据组进行还原，得到每个采集时间下的心电信号数据；

系统预设心电信号阈值，心电信号阈值为历史数据中睡眠状态和清醒状态的呼吸信号EDR的临界值的平均值；一级解密完成后，计算当前采集周期的呼吸信号EDR的平均值，如果当前采集周期的呼吸信号EDR的平均值大于心电信号阈值则表示当前为睡眠状态，否则为清醒状态；如果判断当前为清醒状态，则不启动睡姿状态监测，如果判断当前为睡眠状态，则启动睡姿状态监测；

获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；

例如，在本申请发明中，通过软件仿真，得到E1、E2、E3、E4和E5分别为0.01、0.015、0.028、0.031和0.085；

将左侧卧和右侧卧的数据相加记为侧卧数据，将仰卧和俯卧的数据相加记为卧躺数据，分别将侧卧数据、卧躺数据和坐起数据对应为三维坐标系中的横坐标、竖坐标和纵坐标；将侧卧数据、卧躺数据和坐起数据，生成睡姿数据矩阵，并将睡姿数据矩阵转换为对应的睡姿状态灰度图像，其中，将睡姿状态灰度图像分成D个像素网格，每个像素网格对应一组睡姿状态数据组；对睡姿状态数据组进行随机重新排列生成睡姿状态数据组矩阵，以时间标签为像素维度，将睡姿状态数据组矩阵对应分布在睡姿状态灰度图像网格中；

通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密；

根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败；

二级解密验证通过后，通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原；

系统预设睡眠指数阈值，睡眠指数阈值为历史数据中深睡状态和浅睡状态的睡眠指数临界值的平均值；二级解密完成后，如果当前采集周期的睡眠指数大于睡眠指数阈值则表示当前为深睡状态，否则为浅睡状态；输出睡眠提示信息，睡眠提示信息包括清醒状态、浅睡状态和深睡状态；例如，通过历史大数据得到规律，当连续的两个翻身之间的时间间隔超过二十分钟时，则可以认为此时间段被测者是处于深睡状态的，否则是处于浅睡状态，而二十分钟即为深睡状态和浅睡状态的睡眠指数临界值的平均值；

构建LSTM-RNN算法模型，判断被测者是否存在呼吸暂停状况；LSTM-RNN算法是由多个LSTM单元串联并连接多层全连接层的用于分类的深度学习模型，LSTM-RNN算法模型如下：

对于每个输入序列，在多层全连接层的每层计算公式如下：

i_t=σ[W_iix_t+b_ii+W_hih(t-1)+b_hi]

f_t=σ[W_ifx_t+b_if+W_hfh(t-1)+b_hf]

g_t=tanh[W_igx_t+b_ig+W_hgh(t-1)+b_ho]

o_t=σ[W_iox_t+b_io+W_hoh(t-1)+b_ho]

c_t=f_t*c(t-1)+i_t*g_t

c_t=o_t*tanh(c_t)

其中，h(t)是时间t的隐藏状态，c_t是时间t的单元状态，x_t是时间t的输入，h(t-1) 是时间t-1的层的隐藏状态或时间o的初始隐藏状态，f_t、g_t、o_t和c_t分别是输入、遗忘、单元 (cell)和输出门，σ是sigmoid函数，*是哈达玛积(Hadamard product)。在多层LSTM中，第l 层（l>=2）的输入x_t是隐藏状态h(t)的前一层的值乘以

, 其中每个

表示一个伯努利 随机变量；

本文采用的基于LSTM由三个含有384个内存单元的LSTM循环层和4个节点数为128、64、32、1的全连接层构成；输入被测者心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，带入模型中，输出的结果为0或者1判断一分钟的ECG信号片段是否存在呼吸暂停，并记录对应的心电信号ECG特征信息；

其中，全连接层的激活函数为σ(x)=1/(1+e^-x)；LSTM 中tanh 激活函数为tanh(x)=(e^x-e^-x)/(e^x+e^-x)；

在输入层后，串接三个LSTM块用于从融合后的信号中提取特征表示，设置每个 LSTM 块的时间步长度为1，第一个和第二个LSTM 块返回所有时刻的隐层输出h(t)，分别供 第二个和第三个LSTM块学习特征表示，第三个LSTM块仅返回最后一个时刻的输出，减少深 层特征表示的数量进而降低全连接层参数的数量；在三个串联的LSTM块后，连接4层全连接 网络用于对深层特征进行分类，sigmoid函数用于将全连接网络的输出值映射至0-1范围 内，用于计算损失函数

，其中，P_x代表LSTM-RNN网络对ECG片段x的预 测值即LSTM-RNN网络中的输出，Y_x代表ECG片段x的真实标签，进而保证识别准确率能够达 到83.58%；

例如，在预设采集周期内，输入被测者心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，带入模型中，如果输出结果为1，则表示该患者存在呼吸暂停状况；同时，如果被测者的睡眠提示信息为浅睡状态，表示被测者的呼吸暂停状况已经严重影响睡眠了，则发出预警信息。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于数据分析的多模态睡眠质量分析方法，其特征在于，该方法包括以下步骤：

步骤S100：建立多模态睡眠状态数据库，所述多模态睡眠状态数据库包括心电信号数据库和睡姿状态数据库；

步骤S200：心电信号采集传感器获取预设周期内的心电信号数据，并生成心电信号数据组，对所述心电信号数据组进行重新排列生成心电信号数据组矩阵，利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像；获取心电信号的异常指数，根据所述异常指数对心电信号灰度图像进行加密；

步骤S300：建立一级加密数据库，根据一级加密数据库对所述心电信号灰度图像进行一级解密；对一级解密结果进行验证，解密结果验证通过后，启动睡姿状态监测；

步骤S400：睡姿状态采集传感器获取被测者体位变化特征信息，并生成睡姿状态数据组；根据睡姿状态数据组，计算睡眠指数；根据睡眠指数，对睡姿状态数据组进行二级加密；

步骤S500：建立二级加密数据库，根据二级加密数据库对睡姿状态数据组进行解密；对二级解密结果进行验证，解密结果验证通过后，输出睡眠提示信息。

2.根据权利要求1所述的一种基于数据分析的多模态睡眠质量分析方法，其特征在于，所述步骤S100中建立多模态睡眠状态数据库的具体实施过程包括：

步骤S101：心电信号采集传感器获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，所述心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，所述心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

步骤S102：睡姿状态采集传感器获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，所述体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，所述睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}。

3.根据权利要求2所述的一种基于数据分析的多模态睡眠质量分析方法，其特征在于，所述步骤S200中根据所述异常指数对心电信号灰度图像进行加密的具体实施过程包括：

步骤S201：心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对第N次采集生成的心电信号数据组添加时间标签；分别将第N次采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；

步骤S202：在预设周期内，以心电间隔信号RRI、调取心电幅值序列信号RAMP和呼吸信号EDR为自变量，以心电信号的异常指数为因变量，建立异常指数线性回归方程P=F₁*RRI+F₂*RAMP+F₃*EDR，其中P表示异常指数，F₁、F₂和F₃分别为异常指数线性回归方程系数；将当前采集的心电信号数据带入线性回归方程中，计算出当前的异常指数；

步骤S203：将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数；

步骤S204：通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密。

4.根据权利要求3所述的一种基于数据分析的多模态睡眠质量分析方法，其特征在于，所述步骤S300的具体实施过程包括：

步骤S301：根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

步骤S302：一级解密验证通过后，通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

步骤S303：系统预设心电信号阈值，所述心电信号阈值为历史数据中睡眠状态和清醒状态的呼吸信号EDR的临界值的平均值；一级解密完成后，计算当前采集周期的呼吸信号EDR的平均值，如果当前采集周期的呼吸信号EDR的平均值大于心电信号阈值则表示当前为睡眠状态，否则为清醒状态；如果判断当前为清醒状态，则不启动睡姿状态监测，如果判断当前为睡眠状态，则启动睡姿状态监测。

5.根据权利要求4所述的一种基于数据分析的多模态睡眠质量分析方法，其特征在于，所述步骤S400的具体实施过程包括：

步骤S401：获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；

步骤S402：将左侧卧和右侧卧的数据相加记为侧卧数据，将仰卧和俯卧的数据相加记为卧躺数据，分别将侧卧数据、卧躺数据和坐起数据对应为三维坐标系中的横坐标、竖坐标和纵坐标；将侧卧数据、卧躺数据和坐起数据，生成睡姿数据矩阵，并将睡姿数据矩阵转换为对应的睡姿状态灰度图像，其中，将睡姿状态灰度图像分成D个像素网格，每个像素网格对应一组睡姿状态数据组；对睡姿状态数据组进行随机重新排列生成睡姿状态数据组矩阵，以时间标签为像素维度，将睡姿状态数据组矩阵对应分布在睡姿状态灰度图像网格中；

步骤S403：通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密。

6.根据权利要求5所述的一种基于数据分析的多模态睡眠质量分析方法，其特征在于，所述步骤S500的具体实施过程包括：

步骤S501：根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败；

步骤S502：二级解密验证通过后，通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原；

步骤S503：系统预设睡眠指数阈值，所述睡眠指数阈值为历史数据中深睡状态和浅睡状态的睡眠指数临界值的平均值；二级解密完成后，如果当前采集周期的睡眠指数大于睡眠指数阈值则表示当前为深睡状态，否则为浅睡状态；输出睡眠提示信息，所述睡眠提示信息包括清醒状态、浅睡状态和深睡状态。

7.一种基于数据分析的多模态睡眠质量分析系统，其特征在于，所述系统包括：多模态睡眠状态数据库模块、数据采集模块、加解密模块和验证模块；

所述多模态睡眠状态数据库模块，用于存储心电信号数据和睡姿状态数据；用于建立心电信号数据库和睡姿状态数据库；

所述数据采集模块，用于实时采集心电信号数据和睡姿状态数据；

所述加解密模块，用于分别对心电信号数据和睡姿状态数据进行加解密；

所述验证模块，用于分别对心电信号数据和睡姿状态数据进行加解密后的验证。

8.根据权利要求7所述的一种基于数据分析的多模态睡眠质量分析系统，其特征在于：所述数据采集模块还包括心电信号采集传感器单元和睡姿状态采集传感器单元；

所述心电信号采集传感器单元，用于获取心电信号ECG，提取心电信号ECG特征信息，并生成心电信号数据组；其中，所述心电信号ECG特征信息包括心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR，所述心电信号数据组内数据依次按照心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR的顺序进行排列；将第N次采集生成的心电信号数据组记为S_N={RRI,RAMP，EDR}，心电信号数据库存储每一次采集的心电信号数据组；

所述睡姿状态采集传感器单元，用于获取被测者体位变化特征信息，并生成睡姿状态数据组；其中，所述体位变化特征信息包括左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息，所述睡姿状态数据组内数据依次按照左侧卧、右侧卧、仰卧、俯卧和坐起变化频率特征信息的顺序进行排列；将第M次采集的睡眠状态数据组记为S_M={M₁，M₂，M₃，M₄，M₅}。

9.根据权利要求8所述的一种基于数据分析的多模态睡眠质量分析系统，其特征在于：所述加解密模块还包括加密单元和解密单元；

所述加密单元，用于对心电信号数据进行加密；根据心电信号采集传感器实时获取预设周期内的心电信号数据，并生成心电信号数据组；对采集生成的心电信号数据组添加时间标签；分别将采集的心电间隔信号RRI、心电幅值序列信号RAMP和呼吸信号EDR对应为x值、y值和z值，其中，x值、y值和z值分别对应三维坐标系中的横坐标、竖坐标和纵坐标；利用MATLAB软件将所述心电信号数据组矩阵转换为对应的心电信号灰度图像，其中，将心电信号灰度图像分成K个像素网格，每个像素网格对应一组心电信号数据组；对心电信号数据组进行随机重新排列生成心电信号数据组矩阵，以时间标签为像素维度，将心电信号数据组矩阵对应分布在心电信号灰度图像网格中；将当前采集周期的呼吸信号EDR的平均值记为心电信号的异常指数，通过水印加密算法，将心电信号的异常指数作为一级加密强度，对心电信号灰度图像进行加密；

所述加密单元，还用于对睡姿状态数据进行加密；获取历史数据中的睡姿状态数据组，以睡姿状态数据组中的数据为自变量，以睡眠指数为因变量，建立睡眠指数线性回归方程L=E₁*M₁+E₂*M₂+E₃*M₃+E₄*M₄+E₅*M₅，其中L表示睡眠指数，E₁、E₂、E₃、E₄和E₅分别为睡眠指数线性回归方程系数；将当前采集的睡姿状态数据带入线性回归方程中，计算出当前的睡眠指数；通过水印加密算法，将睡眠指数作为二级加密强度，对睡姿状态灰度图像进行加密；

所述解密单元，用于对心电信号数据进行解密；通过水印解密算法，将心电信号灰度图像按照每个像素网格的x值、y值和z值进行心电信号数据组矩阵的还原；根据时间标签，对心电信号数据组进行还原；

所述解密单元，还用于对睡姿状态数据进行解密；通过水印解密算法，将睡姿状态灰度图像按照每个像素网格的x值、y值和z值进行睡姿数据矩阵的还原；根据时间标签，对睡姿状态数据组进行还原。

10.根据权利要求9所述的一种基于数据分析的多模态睡眠质量分析系统，其特征在于：所述验证模块还包括一级验证单元和二级验证单元；

所述一级验证单元，用于根据历史数据中的所有采集周期的异常指数，生成心电信号一级加密强度数据报文，建立一级加密数据库，将心电信号一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在一级加密数据库中进行遍历检索，共检索出T个片段，获取每个片段的一级加密强度最大值和最小值，记为T={min_T，max_T},其中min_T和max_T分别对应一级加密强度最小值和最大值；如果当前采集周期的一级加密强度属于T，则表示第T个片段验证成功，统计所有验证成功的片段数量记为t，计算一级验证指数A=t/T；系统预设一级验证指数阈值a，如果A大于等于a，则一级解密验证通过，否则一级解密验证失败；

所述二级验证单元，用于根据历史数据中的所有采集周期的睡眠指数，生成睡姿状态二级加密强度数据报文，建立二级加密数据库，将睡姿状态二级加密强度数据报文分成L个片段，其中每个片段的开头数据为采集周期的起始时间；以当前采集周期的起始时间为检索关键词，在二级加密数据库中进行遍历检索，共检索出V个片段，获取每个片段的二级加密强度最大值和最小值，记为V={min_V，max_V},其中min_V和max_V分别对应二级加密强度最小值和最大值；如果当前采集周期的二级加密强度属于V，则表示第V个片段验证成功，统计所有验证成功的片段数量记为h，计算二级验证指数B=h/V；系统预设二级验证指数阈值b，如果B大于等于b，则二级解密验证通过，否则二级解密验证失败。

Images