CN115778352B - 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 - Google Patents
基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 Download PDFInfo
- Publication number
- CN115778352B CN115778352B CN202310052599.2A CN202310052599A CN115778352B CN 115778352 B CN115778352 B CN 115778352B CN 202310052599 A CN202310052599 A CN 202310052599A CN 115778352 B CN115778352 B CN 115778352B
- Authority
- CN
- China
- Prior art keywords
- body movement
- value
- section
- millimeter wave
- bed
- 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
- 230000003860 sleep quality Effects 0.000 title claims abstract description 82
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 50
- 230000000241 respiratory effect Effects 0.000 claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000007958 sleep Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 28
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000007405 data analysis Methods 0.000 claims description 15
- 238000013441 quality evaluation Methods 0.000 claims description 12
- 208000023504 respiratory system disease Diseases 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000036578 sleeping time Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000008447 perception Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于毫米波雷达的睡眠质量评估方法、设备、系统及介质，其中，睡眠质量评估方法包括：通过毫米波雷达监测设备采集被测者的生命体征数据；依据获取的所述生命体征数据，执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长确定的一种或多种操作；基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。鉴于毫米波雷达具有非接触探测的优势，无需用户佩戴即可探测用户的生命体征，本发明利用毫米波雷达采集的被测者睡眠过程中的各种具有代表性意义的生命体征数据对被测者的睡眠质量进行评估，在无感知探测的前提下，得到一个详细且精准的评估数据，其具备较大的应用前景。
Description
技术领域
本发明涉及生物体征监测技术领域，尤其涉及一种基于毫米波雷达的睡眠质量评估方法、设备、系统及介质。
背景技术
现有的睡眠质量评估方法通常包括如下三种形式：量表评估、多导睡眠图(PSG)监测以及包含便携式PSG、智能手环、智能手表等便携式智能设备监测。
量表评估根据设计的等级评价量表对被评价者的睡眠质量进行评估，但量表评估完全依赖于被评价者的主观感受，很难做到客观评估；PSG监测是在全夜睡眠过程中，连续并同步地描记脑电、呼吸等10余项指标，全部记录次日由仪器自动分析后再经人工逐项核实，但是PSG监测价格昂贵，并且只能在专门的睡眠中心进行，难以做到长周期持续监测；而便携式PSG、智能手环、智能手表等则通过监测人体睡眠过程中的运动、血氧、脉搏波、呼吸等情况对被评价者的睡眠情况进行评估，但是便携式PSG、智能手环、智能手表等需要被评价者在睡眠过程中持续佩戴相应的设备，影响被评价者睡眠舒适度。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种基于毫米波雷达的睡眠质量评估方法、设备、系统及介质，其解决了现有方案难以针对用户睡眠质量作出客观、长周期持续监测以及兼顾舒适度的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
第一方面，本发明实施例提供一种基于毫米波雷达的睡眠质量评估方法，包括：
通过毫米波雷达监测设备采集被测者的生命体征数据；
依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；
基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。
可选地，所述生命体征数据包括：体动功率、呼吸波形以及在/离床标志，且所述体动功率、所述呼吸波形以及所述在/离床标志在毫米波雷达监测设备侧的更新频次均为1秒钟；
其中，
所述体动功率为毫米波雷达监测设备输出的一个变量，指的是感兴趣距离范围内雷达回波功率之和，感兴趣距离范围指的是雷达视线范围内人体所处的距离区间；
所述呼吸波形为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备提取的反映人体呼吸运动的信号波形，该呼吸波形代表了人体胸腔相对于毫米波雷达监测设备的距离变化情况；
所述在/离床标志为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备对监测对象是否在床上做出的判断，该值为0时表示监测对象在床上，该值为1时表示监测对象不在床上。
可选地，依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作包括：
执行被测者的体动频次分析操作包括：
对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线；
采用阈值法对所述T1分钟内体动频次曲线上的各个取值点进行二值划分，将大于阈值N1的点赋值为1，否则赋值为0，得到体动频次1值初步区段与体动频次0值初步区段；
将所述体动频次0值初步区段中持续时间小于T2分钟的点重新赋值为1，得到体动频次重新赋值区段与体动频次0值最终区段，并将体动频次0值最终区段视为体动稀少区段；
基于所述体动频次1值初步区段与所述体动频次重新赋值区段，得体动频繁区段；
执行被测者的呼吸混乱程度分析操作包括：
对获取的所述呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线；
采用阈值法对所述T3分钟内呼吸混乱程度曲线上的各个取值点进行二值划分，将低于阈值τ1的点赋值为1，否则赋值为0，得到呼吸混乱程度1值初步区段与呼吸混乱程度0值初步区段；
将所述呼吸混乱程度1值初步区段中持续时间小于T4分钟的点重新赋值为0，得到呼吸混乱程度重新赋值区段与呼吸混乱程度1值最终区段，并将呼吸混乱程度1值最终区段视为呼吸平稳区段；
基于所述呼吸混乱程度0值初步区段与所述呼吸混乱程度重新赋值区段，得到呼吸非平稳区段；
执行被测者的在床时长分析操作包括：依据获取的在/离床标志数据，得到在床时长；
其中，T1＝2～10min、T2＝2～10min、T3＝2～5min、T4＝2～5min、N1＝3～15次、τ1＝0.1～0.3。
可选地，对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线包括：
依据经10Hz采样得到的所述体动功率对被测者的体动事件进行滑窗检测，采用有序统计CFAR检测器，并设置参考单元对应时间长度为36秒、保护单元对应时间长度为20秒以及滑窗步进为1秒，经处理得到体动事件检测二值结果；
基于所述体动事件检测二值结果，采用T1分钟窗长和1秒钟滑窗步进计算T1分钟内体动次数，得到T1分钟内体动频次曲线。
可选地，对经10Hz采样的所述呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线包括：
采用20秒窗长和1秒步进对经10Hz采样得到的呼吸波形进行处理，得到细粒度的呼吸混乱程度曲线；
在每个处理窗口内，对当前20秒时长的呼吸波形数据进行快速傅里叶变换，得到当前20秒时长呼吸波形数据的傅里叶谱；
在傅里叶谱上0.1Hz～0.7Hz频率范围内寻找功率最强的谱峰点，根据下式计算谱峰功率占比：
式中，r为谱峰功率占比，p(f)为傅里叶谱，f为频率，fpeak为最强的谱峰点所对应的频率点；
依据所述谱峰功率占比通过下式得到呼吸混乱程度值：
ChaosIndex＝2/(1+exp(r/(1-r)))
采用T3分钟窗长和1秒步进对所述细粒度的呼吸混乱程度曲线进行平滑处理，得到T3分钟内呼吸混乱程度曲线。
可选地，基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估包括：
依据得到的所述体动稀少区段得到体动稀少时长；
依据得到的所述呼吸平稳区段得到呼吸平稳时长；
依据监测时间段内用户首次进入在床状态到其进入睡眠状态的时间点的时长得到入睡时长；其中，所述进入在床状态由在/离床标志确定，所述进入睡眠状态的时间点指的是被测者在床状态内首次体动稀少时长超过10分钟的起始时刻；
基于所述在床时长、所述入睡时长、所述体动稀少时长以及所述呼吸平稳时长，进行被测者的睡眠质量评估。
可选地，被测者的睡眠质量评估是通过如下睡眠质量评估模型实现：
其中，SleepQuality表示被测者的睡眠质量评估值，TBed为在床时长、TSopite为入睡时长、TQuiet为体动稀少时长、TSteady为呼吸平稳时长。
第二方面，本发明实施例提供一种基于毫米波雷达的睡眠质量评估设备，包括：
数据获取模块，用于通过毫米波雷达监测设备采集被测者的生命体征数据；
数据处理模块，用于依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；
睡眠评估模块，用于基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。
第三方面，本发明实施例提供一种基于毫米波雷达的睡眠质量评估系统，包括：
设置于距离被测者的预设范围内的毫米波雷达监测设备；
与所述毫米波雷达监测设备通信连接的至少一个数据分析设备；
与所述至少一个数据分析设备通信连接的手持移动端；以及
与所述至少一个数据分析设备通信连接的存储器；
其中，所述存储器存储有可被所述至少一个数据分析设备执行的指令，所述指令被所述至少一个数据分析设备执行，以使所述至少一个数据分析设备能够执行如上所述的基于毫米波雷达的睡眠质量评估方法。
第四方面，本发明实施例提供一种计算机可读介质，其上存储有计算机可执行指令，所述可执行指令被处理器执行时实现如上所述的基于毫米波雷达的睡眠质量评估方法。
(三)有益效果
本发明的有益效果是：本发明基于毫米波雷达监测到的人体生命体征数据对被测者睡眠质量进行评估，监测手段具有非接触的优势，无需用户佩戴，因而不会干扰用户的正常睡眠。本发明基于被测者真实生命体征数据，依据被测者夜间睡眠时的在/离床状态、体动情况、呼吸周期平稳度这三个维度对被测者睡眠质量进行评估，能够客观反映被测者的睡眠质量。另外本发明借助于毫米波雷达非接触探测的优势，实施过程让用户无感知，这能够更客观真实地反映其睡眠质量，十分适合长期居家监测，便于形成连续监测数据，具备较大的应用前景与实际价值。
附图说明
图1为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的流程示意图；
图2为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的毫米波雷达监测设备的位置关系示意图；
图3为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的采集的在/离床状态数据示意图；
图4为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的采集的体动功率数据示意图；
图5为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的采集的呼吸波形数据示意图；
图6为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的体动功率数据的处理流程示意图；
图7为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的体动功率数据的步骤S21a的具体流程示意图；
图8为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的呼吸波形数据的处理流程示意图；
图9为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的呼吸波形数据的步骤S21b的具体流程示意图；
图10为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的步骤S3的具体流程示意图；
图11为本发明提供的一种基于毫米波雷达的睡眠质量评估方法的整体流程示意图。
具体实施方式
为了更好地解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
如图1所示，本发明实施例提出的一种基于毫米波雷达的睡眠质量评估方法，其包括：首先，通过毫米波雷达监测设备采集被测者的生命体征数据；其次，依据获取的生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；最后，基于得到的体动频次、呼吸混乱程度以及在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。
本发明基于毫米波雷达监测到的人体生命体征数据对被测者睡眠质量进行评估，监测手段具有非接触的优势，无需用户佩戴，因而不会干扰用户的正常睡眠。本发明基于被测者真实生命体征数据，依据被测者夜间睡眠时的在/离床状态、体动情况、呼吸周期平稳度这三个维度对被测者睡眠质量进行评估，能够客观反映被测者的睡眠质量。另外本发明借助于毫米波雷达非接触探测的优势，实施过程让用户无感知，这能够更客观真实地反映其睡眠质量，十分适合长期居家监测，便于形成连续监测数据，具备较大的应用前景与实际价值。
为了更好地理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
具体地，本发明提供的一种基于毫米波雷达的睡眠质量评估方法，包括：
S1、参考图2，本发明通过预先设于距离被测人员的预设范围内的毫米波雷达监测设备采集被测者睡眠过程中的生命体征数据。用户按照要求安装好毫米波雷达监测设备，用户准备入睡前通过手机微信小程序或APP开启睡眠监测功能，睡眠结束后用户通过手机微信小程序或APP关闭睡眠监测功能，在睡眠监测期间，毫米波雷达监测设备将自动采集被测者的生命体征数据。
本发明中使用的毫米波雷达监测设备采集的生命体征数据包括：图3示出的在/离床状态、图4示出的体动功率、图5示出的呼吸波形。体动功率为毫米波雷达监测设备输出的一个变量，指的是感兴趣距离范围内雷达回波功率之和，感兴趣距离范围指的是雷达视线范围内人体所处的距离区间；呼吸波形为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备利用特定的信号处理方法提取的反映人体呼吸运动的信号波形，该呼吸波形代表了人体胸腔相对于毫米波雷达监测设备的距离变化情况；在/离床标志为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备通过一定的处理逻辑对监测对象是否在床上做出的判断，该值为0时表示监测对象在床上，该值为1时表示监测对象不在床上。
且体动功率、在/离床标志以及呼吸波形的在毫米波雷达监测设备侧的更新频次均为1秒钟。更新频次均为1秒钟指的是每隔1秒钟毫米波雷达设备输出一次这些变量，更新频次需要与这些变量的采样频率相区分，体动功率的采样频率是10Hz，呼吸波形的采样频率是10Hz，在/离床标志的采样频率是1Hz。
S2、针对获取的生命体征数据，执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长确定的一种或多种操作。
进一步地，
如图6所示，体动频次分析包括：
S21a、对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线。
更进一步地，如图7所示，步骤S21a包括：
S21a-1、利用获取的体动功率对被测者的体动事件进行滑窗检测，采用有序统计CFAR检测器，并设置参考单元对应时间长度为36秒、保护单元对应时间长度为20秒以及滑窗步进为1秒，经处理得到体动事件检测二值结果。
S21a-2、针对体动事件检测二值结果采用5分钟窗长和1秒钟滑窗步进计算5分钟内体动次数，得到5分钟内体动频次曲线。
S22a、采用阈值法对T1分钟内体动频次曲线上的各个取值点进行二值划分，将大于阈值N1的点赋值为1，否则赋值为0，得到体动频次1值初步区段与体动频次0值初步区段。
S23a、将体动频次0值初步区段中持续时间小于T2分钟的点重新赋值为1，得到体动频次重新赋值区段与体动频次0值最终区段，并将体动频次0值最终区段视为体动稀少区段。
S24a、基于体动频次1值初步区段与体动频次重新赋值区段，得体动频繁区段。
进一步地，
如图8所示，呼吸混乱程度分析包括：
S21b、对获取的呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线。
更进一步地，如图9所示，步骤S21b包括：
S21b-1、采用20秒窗长和1秒步进对呼吸波形进行处理，得到细粒度的呼吸混乱程度曲线。
S21b-2、在每个处理窗口内，对当前20秒时长的呼吸波形数据进行快速傅里叶变换，得到当前20秒时长呼吸波形数据的傅里叶谱。
S21b-3、在傅里叶谱上0.1Hz～0.7Hz频率范围内寻找功率最强的谱峰点，根据下式计算谱峰功率占比。
式中，r为谱峰功率占比，p(f)为傅里叶谱，f为频率，fpeak为最强的谱峰点所对应的频率点。
S21b-4、依据谱峰功率占比通过下式得到呼吸混乱程度值。
ChaosIndex＝2/(1+exp(r/(1-r)))。
S21b-5、采用5分钟窗长和1秒步进对细粒度的呼吸混乱程度曲线进行平滑处理，得到5分钟内呼吸混乱程度曲线。
S22b、采用阈值法对T3分钟内呼吸混乱程度曲线上的各个取值点进行二值划分，将低于阈值τ1的点赋值为1，否则赋值为0，得到呼吸混乱程度1值初步区段与呼吸混乱程度0值初步区段。
S23b、将呼吸混乱程度1值初步区段中持续时间小于分钟的点重新赋值为0，得到呼吸混乱程度重新赋值区段与呼吸混乱程度1值最终区段，并将呼吸混乱程度1值最终区段视为呼吸平稳区段。
S24b、基于呼吸混乱程度0值初步区段与呼吸混乱程度重新赋值区段，得到呼吸非平稳区段。
其中，T1＝2～10min、T2＝2～10min、T3＝2～5min、T4＝2～5min、N1＝3～15次、τ1＝0.1～0.3。
以及，在床时长分析包括：依据预设监测时间段内的在/离床标志，得到在床时长。
S3、依据体动频次、呼吸混乱程度以及在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。
如图10所示，步骤S3包括：
S31、依据得到的体动频次分析结果得到体动稀少时长。
S32、依据得到的呼吸混乱程度分析结果得到呼吸平稳时长。
S33、依据得到在床时长并结合监测时间段内用户首次进入在床状态到其进入睡眠状态的时间长度得到入睡时长；若中间出现离床，离床时长不计入入睡时长。其中，进入睡眠状态的时间点指的是被测者在床状态内首次体动稀少时长超过10分钟的起始时刻，若中间出现离床，离床时长不计入入睡时长。
S34、依据在床时长、入睡时长、体动稀少时长以及呼吸平稳时长，通过如下睡眠质量评估模型进行被测者的睡眠质量评估：
其中，SleepQuality表示被测者的睡眠质量评估值，TBed为在床时长、TSopite为入睡时长、TQuiet为体动稀少时长、TSteady为呼吸平稳时长。
另外地，本发明还提供一种基于毫米波雷达的睡眠质量评估系统，包括：
数据获取模块，用于通过毫米波雷达监测设备采集被测者的生命体征数据。
数据处理模块，用于依据获取的生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；
睡眠评估模块，用于基于得到的体动频次、呼吸混乱程度以及在床时长之中的一种或多种信息，进行被测者的睡眠质量评估。
由于本发明上述实施例所描述的系统/装置，为实施本发明上述实施例的方法所采用的系统/装置，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该系统/装置的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
同时，本发明还提供一种基于毫米波雷达的睡眠质量评估设备，包括：设置于距离被测者的预设范围内的毫米波雷达监测设备；
与毫米波雷达监测设备通信连接的至少一个数据分析设备；
与至少一个数据分析设备通信连接的手持移动端；以及
与至少一个数据分析设备通信连接的存储器；
其中，存储器存储有可被至少一个数据分析设备执行的指令，指令被至少一个数据分析设备执行，以使至少一个数据分析设备能够执行如上述的一种基于毫米波雷达的睡眠质量评估方法。
以及，本发明提供一种计算机可读介质，其上存储有计算机可执行指令，可执行指令被处理器执行时实现如上所述的一种基于毫米波雷达的睡眠质量评估方法。
综上所述，本发明提供一种基于毫米波雷达的睡眠质量评估方法、系统、设备及介质，如图11所示，本发明包括如下具体步骤：
(1)使用毫米波雷达监测设备采集被测者整晚的睡眠数据。
(2)对体动功率数据进行加工，得到5分钟内体动频次曲线。首先利用体动功率数据对体动事件进行滑窗检测，采用有序统计CFAR检测器，参考单元对应时间长度为36秒，保护单元对应时间长度为20秒，滑窗步进为1秒，经处理后得到体动事件检测二值结果，如图4所示。在体动事件检测二值结果数据上采用5分钟窗长和1秒钟滑窗步进计算5分钟内体动次数，得到5分钟内体动频次曲线。
(3)体动频繁/稀少段划分。首先采用阈值法对5分钟内体动频次进行二值划分，将5分钟内体动频次大于阈值的点赋值为1，否则赋值为0。然后将连续0值段中持续时间小于5分钟的段内的点重新赋值为1。至此，1代表体动频繁，0代表体动稀少。
(4)对呼吸波形数据进行加工，得到5分钟内呼吸混乱程度曲线。首先采用20秒窗长和1秒步进对呼吸波形数据进行处理，得到细粒度的呼吸混乱程度曲线；在每个处理窗口内，对当前20秒时长的呼吸波形数据进行快速傅里叶变换，得到当前20秒时长呼吸波形数据的傅里叶谱，在0.1Hz～0.7Hz频率范围内寻找功率最强的谱峰点机器对应频率点，并计算计算谱峰功率占比，利用谱峰功率占比通过得到呼吸混乱程度值；然后对细粒度的呼吸混乱程度曲线进行平滑处理得到5分钟内呼吸混乱程度曲线，采用5分钟窗长和1秒步进对细粒度的呼吸混乱程度曲线进行处理，在每个处理窗口内对窗口内5分钟时长的呼吸混乱程度值求平均值，作为当前窗口输出值。
(5)呼吸平稳/非平稳段划分。首先采用阈值法对5分钟内呼吸混乱程度曲线进行二值划分，将5分钟内呼吸混乱程度低于阈值的点赋值为1，否则赋值为0。然后将连续1值段中持续时间小于5分钟的段内的点重新赋值为0。至此，1代表呼吸平稳，0代表呼吸非平稳。
(6)在床时长提取。本发明中在床时长指的是监测时间段内用户在床上的时间长度，根据监测时间段内的在/离床标志，计算得到在床时长。
(7)入睡时长提取。本发明中入睡时长指的是监测时间段内用户首次进入在床状态到其进入睡眠状态的时间长度，如果中间出现离床，离床时长不计入入睡时长。其中进入睡眠状态时间点指的是被测者在床段内首次体动稀少段持续时间超过10分钟的起始时刻。
(8)体动稀少时长提取。利用步骤(3)中得到的体动频繁/稀少段划分结果计算体动稀少段的总时长，该值为体动稀少时长。
(9)呼吸平稳时长提取。利用步骤S5中得到的呼吸平稳/非平稳划分结果计算呼吸平稳段的总时长，该值为呼吸平稳时长。
(10)睡眠质量评估。本发明将被测者睡眠质量在0～100之间进行量化，采用睡眠质量评估数学模型结合步骤(1)—(9)得到的在床时长、入睡时长、体动稀少时长、呼吸平稳时长这些信息进行被测者的睡眠质量评估。
基于上述描述，可知鉴于毫米波雷达具有非接触探测的优势，无需用户佩戴即可探测用户的生命体征，本发明利用毫米波雷达采集的被测者睡眠过程中的生命体征数据对被测者的睡眠质量进行评估，在实现无感知探测的前提下，还能得到一个详细且精准的评估数据，具备较大的应用前景。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。
Claims (9)
1.一种基于毫米波雷达的睡眠质量评估方法，其特征在于，包括：
通过毫米波雷达监测设备采集被测者的生命体征数据；
依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；
基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估；
所述生命体征数据包括：体动功率、呼吸波形以及在/离床标志；
依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作包括：
执行被测者的体动频次分析操作包括：
对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线；
采用阈值法对所述T1分钟内体动频次曲线上的各个取值点进行二值划分，将大于阈值N1的点赋值为1，否则赋值为0，得到体动频次1值初步区段与体动频次0值初步区段；
将所述体动频次0值初步区段中持续时间小于T2分钟的点重新赋值为1，得到体动频次重新赋值区段与体动频次0值最终区段，并将体动频次0值最终区段视为体动稀少区段；
基于所述体动频次1值初步区段与所述体动频次重新赋值区段，得体动频繁区段；
执行被测者的呼吸混乱程度分析操作包括：
对获取的所述呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线；
采用阈值法对所述T3分钟内呼吸混乱程度曲线上的各个取值点进行二值划分，将低于阈值τ1的点赋值为1，否则赋值为0，得到呼吸混乱程度1值初步区段与呼吸混乱程度0值初步区段；
将所述呼吸混乱程度1值初步区段中持续时间小于T4分钟的点重新赋值为0，得到呼吸混乱程度重新赋值区段与呼吸混乱程度1值最终区段，并将呼吸混乱程度1值最终区段视为呼吸平稳区段；
基于所述呼吸混乱程度0值初步区段与所述呼吸混乱程度重新赋值区段，得到呼吸非平稳区段；
执行被测者的在床时长分析操作包括：依据获取的在/离床标志数据，得到在床时长；
其中，T1＝2～10min、T2＝2～10min、T3＝2～5min、T4＝2～5min、N1＝3～15次、τ1＝0.1～0.3。
2.如权利要求1所述的一种基于毫米波雷达的睡眠质量评估方法，其特征在于，所述体动功率、所述呼吸波形以及所述在/离床标志在毫米波雷达监测设备侧的更新频次均为1秒钟；
其中，
所述体动功率为毫米波雷达监测设备输出的一个变量，指的是感兴趣距离范围内雷达回波功率之和，感兴趣距离范围指的是雷达视线范围内人体所处的距离区间；
所述呼吸波形为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备提取的反映人体呼吸运动的信号波形，该呼吸波形代表了人体胸腔相对于毫米波雷达监测设备的距离变化情况；
所述在/离床标志为毫米波雷达监测设备输出的一个变量，指的是毫米波雷达设备对监测对象是否在床上做出的判断，该值为0时表示监测对象在床上，该值为1时表示监测对象不在床上。
3.如权利要求1所述的一种基于毫米波雷达的睡眠质量评估方法，其特征在于，对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线包括：
依据经10Hz采样得到的所述体动功率对被测者的体动事件进行滑窗检测，采用有序统计CFAR检测器，并设置参考单元对应时间长度为36秒、保护单元对应时间长度为20秒以及滑窗步进为1秒，经处理得到体动事件检测二值结果；
基于所述体动事件检测二值结果，采用T1分钟窗长和1秒钟滑窗步进计算T1分钟内体动次数，得到T1分钟内体动频次曲线。
4.如权利要求1所述的一种基于毫米波雷达的睡眠质量评估方法，其特征在于，对经10Hz采样的所述呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线包括：
采用20秒窗长和1秒步进对经10Hz采样得到的呼吸波形进行处理，得到细粒度的呼吸混乱程度曲线；
在每个处理窗口内，对当前20秒时长的呼吸波形数据进行快速傅里叶变换，得到当前20秒时长呼吸波形数据的傅里叶谱；
在傅里叶谱上0.1Hz～0.7Hz频率范围内寻找功率最强的谱峰点，根据下式计算谱峰功率占比：
式中，r为谱峰功率占比，p(f)为傅里叶谱，f为频率，fpeak为最强的谱峰点所对应的频率点；
依据所述谱峰功率占比通过下式得到呼吸混乱程度值：
ChaosIndex＝2/(1+exp(r/(1-r)))
采用T3分钟窗长和1秒步进对所述细粒度的呼吸混乱程度曲线进行平滑处理，得到T3分钟内呼吸混乱程度曲线。
5.如权利要求1所述的一种基于毫米波雷达的睡眠质量评估方法，其特征在于，基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估包括：
依据得到的所述体动稀少区段得到体动稀少时长；
依据得到的所述呼吸平稳区段得到呼吸平稳时长；
依据监测时间段内用户首次进入在床状态到其进入睡眠状态的时间点的时长得到入睡时长；其中，所述进入在床状态由在/离床标志确定，所述进入睡眠状态的时间点指的是被测者在床状态内首次体动稀少时长超过10分钟的起始时刻；
基于所述在床时长、所述入睡时长、所述体动稀少时长以及所述呼吸平稳时长，进行被测者的睡眠质量评估。
6.如权利要求5所述的一种基于毫米波雷达的睡眠质量评估方法，其特征在于，被测者的睡眠质量评估是通过如下睡眠质量评估模型实现：
其中，SleepQuality表示被测者的睡眠质量评估值，TBed为在床时长、TSopite为入睡时长、TQuiet为体动稀少时长、TSteady为呼吸平稳时长。
7.一种基于毫米波雷达的睡眠质量评估设备，其特征在于，包括：
数据获取模块，用于通过毫米波雷达监测设备采集被测者的生命体征数据；
数据处理模块，用于依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作；
睡眠评估模块，用于基于得到的所述体动频次、所述呼吸混乱程度以及所述在床时长之中的一种或多种信息，进行被测者的睡眠质量评估；
所述生命体征数据包括：体动功率、呼吸波形以及在/离床标志；
依据获取的所述生命体征数据，通过构建生命体征数据曲线执行被测者的体动频次分析、呼吸混乱程度分析以及在床时长分析的一种或多种操作包括：
执行被测者的体动频次分析操作包括：
对获取的体动功率数据进行处理，得到T1分钟内体动频次曲线；
采用阈值法对所述T1分钟内体动频次曲线上的各个取值点进行二值划分，将大于阈值N1的点赋值为1，否则赋值为0，得到体动频次1值初步区段与体动频次0值初步区段；
将所述体动频次0值初步区段中持续时间小于T2分钟的点重新赋值为1，得到体动频次重新赋值区段与体动频次0值最终区段，并将体动频次0值最终区段视为体动稀少区段；
基于所述体动频次1值初步区段与所述体动频次重新赋值区段，得体动频繁区段；
执行被测者的呼吸混乱程度分析操作包括：
对获取的所述呼吸波形数据进行处理，得到T3分钟内呼吸混乱程度曲线；
采用阈值法对所述T3分钟内呼吸混乱程度曲线上的各个取值点进行二值划分，将低于阈值τ1的点赋值为1，否则赋值为0，得到呼吸混乱程度1值初步区段与呼吸混乱程度0值初步区段；
将所述呼吸混乱程度1值初步区段中持续时间小于T4分钟的点重新赋值为0，得到呼吸混乱程度重新赋值区段与呼吸混乱程度1值最终区段，并将呼吸混乱程度1值最终区段视为呼吸平稳区段；
基于所述呼吸混乱程度0值初步区段与所述呼吸混乱程度重新赋值区段，得到呼吸非平稳区段；
执行被测者的在床时长分析操作包括：依据获取的在/离床标志数据，得到在床时长；
其中，T1＝2～10min、T2＝2～10min、T3＝2～5min、T4＝2～5min、N1＝3～15次、τ1＝0.1～0.3。
8.一种基于毫米波雷达的睡眠质量评估系统，其特征在于，包括：
设置于距离被测者的预设范围内的毫米波雷达监测设备；
与所述毫米波雷达监测设备通信连接的至少一个数据分析设备；
与所述至少一个数据分析设备通信连接的手持移动端；以及
与所述至少一个数据分析设备通信连接的存储器；
其中，所述存储器存储有可被所述至少一个数据分析设备执行的指令，所述指令被所述至少一个数据分析设备执行，以使所述至少一个数据分析设备能够执行如权利要求1-6任一项所述的一种基于毫米波雷达的睡眠质量评估方法。
9.一种计算机可读介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-6任一项所述的一种基于毫米波雷达的睡眠质量评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310052599.2A CN115778352B (zh) | 2023-02-02 | 2023-02-02 | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310052599.2A CN115778352B (zh) | 2023-02-02 | 2023-02-02 | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115778352A CN115778352A (zh) | 2023-03-14 |
| CN115778352B true CN115778352B (zh) | 2023-05-09 |
Family
ID=85429534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310052599.2A Active CN115778352B (zh) | 2023-02-02 | 2023-02-02 | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115778352B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116020037A (zh) * | 2023-03-30 | 2023-04-28 | 森思泰克河北科技有限公司 | 基于雷达的助眠音乐控制方法、雷达及存储介质 |
| CN116687357B (zh) * | 2023-08-07 | 2023-10-20 | 亿慧云智能科技（深圳）股份有限公司 | 基于毫米波雷达的睡眠监测方法、装置、设备及存储介质 |
| CN117530666B (zh) * | 2024-01-03 | 2024-04-05 | 北京清雷科技有限公司 | 呼吸异常识别模型训练方法、呼吸异常识别方法及设备 |
| CN117982107B (zh) * | 2024-04-03 | 2024-05-28 | 安适锐(天津)科技有限公司 | 基于雷达信号的睡眠质量监测方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2563036A (en) * | 2017-05-30 | 2018-12-05 | Sultan & Knight Ltd | Systems and methods for monitoring and modulating circadian rhythms |
| CN109480787B (zh) * | 2018-12-29 | 2021-06-25 | 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 |
| CN112998701A (zh) * | 2021-03-27 | 2021-06-22 | 复旦大学 | 基于毫米波雷达的生命体征检测与身份识别系统和方法 |
| CN113367666A (zh) * | 2021-07-23 | 2021-09-10 | 北京清雷科技有限公司 | 睡眠监测方法及系统、存储介质和处理器 |
| CN114176521B (zh) * | 2021-12-09 | 2022-07-01 | 森思泰克河北科技有限公司 | 基于雷达信息的睡眠分期方法、装置及终端 |
| CN115089164A (zh) * | 2022-06-23 | 2022-09-23 | 北京清雷科技有限公司 | 呼吸率变异性数据的提取方法及装置、存储介质 |
| CN115500789A (zh) * | 2022-09-23 | 2022-12-23 | 东莞市元生智能科技有限公司 | 无接触式睡眠阶段判断方法、系统、计算机设备及介质 |
-
2023
- 2023-02-02 CN CN202310052599.2A patent/CN115778352B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115778352A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115778352B (zh) | 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质 | |
| US10966666B2 (en) | Machine learnt model to detect REM sleep periods using a spectral analysis of heart rate and motion | |
| CN109276241B (zh) | 一种压力识别方法及设备 | |
| US20110034811A1 (en) | Method and system for sleep/wake condition estimation | |
| CN111407262A (zh) | 基于blstm的睡眠分期方法以及基于blstm进行睡眠分期的装置 | |
| US11547349B2 (en) | System and method for spectral characterization of sleep | |
| CN108652640B (zh) | 一种基于心电信号的无创血糖检测方法及系统 | |
| CN105852851A (zh) | 心房颤动检测系统 | |
| CN114376564A (zh) | 一种基于心冲击信号的睡眠分期方法、系统、装置及介质 | |
| EP1639497A1 (en) | Method and apparatus for extracting causal information from a chaotic time series | |
| CN113520333A (zh) | 核心体温的确定方法、装置、设备及可读介质 | |
| CN111685731B (zh) | 睡眠数据处理方法、装置、设备及存储介质 | |
| JP6304050B2 (ja) | 生体状態推定装置 | |
| Tiwari et al. | Breathing rate complexity features for “in-the-wild” stress and anxiety measurement | |
| CN108652604B (zh) | 一种基于心电信号的无气囊血压检测方法及系统 | |
| Gandhi et al. | Mental stress assessment-a comparison between HRV based and respiration based techniques | |
| CN113069091A (zh) | 一种ppg信号的脉象分类装置及方法 | |
| CN107067152A (zh) | 一种基于hrv分析的疲劳恢复指数监测装置及方法 | |
| CN113679369B (zh) | 一种心率变异性的评估方法、智能穿戴设备及存储介质 | |
| Park et al. | A study on the development of a day-to-day mental stress monitoring system using personal physiological data | |
| Wang et al. | Evaluation of an RF wearable device for non-invasive real-time hydration monitoring | |
| CN110477897B (zh) | 一种体能测试方法及系统 | |
| Hsiao et al. | Usability of wearable devices with a novel cardiac force index for estimating the dynamic cardiac function: Observational study | |
| CN110897621B (zh) | 一种生理信号提取方法及其系统 | |
| Ni et al. | Extracting heartbeat intervals using self-adaptive method based on ballistocardiography (BCG) |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240527 Address after: 100730 No. 1 East Lane, Beijing, Dongcheng District Patentee after: BEIJING TONGREN HOSPITAL, CAPITAL MEDICAL University Country or region after: China Patentee after: Beijing Huasheng Medical Technology Development Co.,Ltd. Address before: Room 1205, Block A, Xinyi Business Building, Chongwai Street, Dongcheng District, Beijing, 100062 Patentee before: Beijing Huasheng Medical Technology Development Co.,Ltd. Country or region before: China |