CN115868941B - 用于智能戒指的信息管理方法 - Google Patents

用于智能戒指的信息管理方法 Download PDF

Info

Publication number
CN115868941B
CN115868941B CN202310195270.1A CN202310195270A CN115868941B CN 115868941 B CN115868941 B CN 115868941B CN 202310195270 A CN202310195270 A CN 202310195270A CN 115868941 B CN115868941 B CN 115868941B
Authority
CN
China
Prior art keywords
stage
eye movement
rapid eye
movement sleep
sleep stage
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
Application number
CN202310195270.1A
Other languages
English (en)
Other versions
CN115868941A (zh
Inventor
邓白涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Moyang Technology Co ltd
Original Assignee
Shenzhen Moyoung Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Moyoung Technology Co ltd filed Critical Shenzhen Moyoung Technology Co ltd
Priority to CN202310195270.1A priority Critical patent/CN115868941B/zh
Publication of CN115868941A publication Critical patent/CN115868941A/zh
Application granted granted Critical
Publication of CN115868941B publication Critical patent/CN115868941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及电数字数据处理技术领域,具体涉及用于智能戒指的信息管理方法。该方法包括:根据待监测对象睡眠过程中各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度以及快速眼动睡眠期各项生理状态指标的关联度;根据非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到各阶段的波动指标;基于非快速眼动睡眠期各阶段的波动指标,确定对应的优先指标;根据快速眼动睡眠期各项生理状态指标的关联度,确定对应的优先指标,进而对监测数据进行编码存储。本发明提高了睡眠监测数据存储的安全性。

Description

用于智能戒指的信息管理方法
技术领域
本发明涉及电数字数据处理技术领域,具体涉及用于智能戒指的信息管理方法。
背景技术
随着生活的进步,人们对高质量生活的需求越来越高,睡眠质量是众所周知的对生活质量影响较大的因素之一。利用医疗类的智能穿戴设备进行睡眠质量的检测是一个非常便捷的方法,智能戒指是近年来随着科技的发展而新兴的一个智能穿戴式产物,可以在用户睡眠时期收集用户的睡眠相关数据来对用户的睡眠质量进行检测,并对已经收集的用户睡眠时的数据进行云端存储,用来作为每个用户的历史睡眠数据,以便于对一定时间内用户的睡眠质量进行分析。
因为需要对用户的睡眠相关特征数据进行收集存储来分析用户的睡眠质量,而大规模的数据量极其占用存储资源,所以需要对其进行无损压缩。现有的无损压缩算法例如霍夫曼编码是基于数据的重复性特征来对数据进行压缩,仅考虑到了数据出现的频率,未能考虑到数据的重要程度,当重要数据被分配为较长的码长时,无论是传输还是存储安全性都不够,具体为传输的过程中因为其码长较长容易丢失数据,存储的过程中因为码长较长容易发生误码从而导致数据无法读取。因此,如何提高睡眠监测数据存储的安全性是一个重要的问题。
发明内容
为了解决现有方法存在的睡眠监测数据的存储安全性较低的问题,本发明的目的在于提供一种用于智能戒指的信息管理方法,所采用的技术方案具体如下:
本发明提供了一种用于智能戒指的信息管理方法,该方法包括以下步骤:
获取待监测对象睡眠过程中的各项生理状态指标;所述睡眠过程包括非快速眼动睡眠期、快速眼动睡眠期;
根据非快速眼动睡眠期各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度;根据快速眼动睡眠期各项生理状态指标,得到快速眼动睡眠期各项生理状态指标的关联度;
根据所述非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到非快速眼动睡眠期各阶段的波动指标;基于所述非快速眼动睡眠期各阶段的波动指标,确定非快速眼动睡眠期对应的优先指标;根据所述快速眼动睡眠期各项生理状态指标的关联度,确定快速眼动睡眠期对应的优先指标;
基于所述优先指标、所述波动指标和所述关联度,对待监测对象睡眠过程中的监测数据进行编码存储。
优选的,所述根据非快速眼动睡眠期各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度,包括:
所述生理状态指标包括血压、呼吸频率和心跳频率;
根据非快速眼动睡眠期各阶段内每种血压出现的概率,得到各阶段血压数据的熵;对所述各阶段血压数据的熵进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段血压的关联度;
根据非快速眼动睡眠期各阶段内每种呼吸频率出现的概率,得到各阶段呼吸频率数据的熵;对所述各阶段呼吸频率数据的熵进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段呼吸频率的关联度;
计算非快速眼动睡眠期各阶段内所有心跳频率的方差,对所述各阶段内所有心跳频率的方差进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段心跳频率的关联度。
优选的,所述根据快速眼动睡眠期各项生理状态指标,得到快速眼动睡眠期各项生理状态指标的关联度,包括:
所述生理状态指标包括血压、呼吸频率和心跳频率;
根据快速眼动睡眠期每种血压出现的概率,得到快速眼动睡眠期所有血压数据的熵;对所述快速眼动睡眠期所有血压数据的熵进行负相关映射,将映射结果作为快速眼动睡眠期血压的关联度;
根据快速眼动睡眠期每种呼吸频率出现的概率,得到快速眼动睡眠期所有呼吸频率数据的熵;对所述快速眼动睡眠期所有呼吸频率数据的熵进行负相关映射,将映射结果作为快速眼动睡眠期呼吸频率的关联度;
计算快速眼动睡眠期所有心跳频率的方差,对所述方差进行负相关映射,将映射结果作为快速眼动睡眠期心跳频率的关联度。
优选的,所述根据所述非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到非快速眼动睡眠期各阶段的波动指标,包括:
将非快速眼动睡眠期理想状态下各阶段所有生理状态指标的关联度之和,作为非快速眼动睡眠期各阶段对应的第一特征指标;将非快速眼动睡眠期各阶段所有生理状态指标的关联度之和,作为非快速眼动睡眠期各阶段对应的第二特征指标;
将所述第一特征指标与所述第二特征指标的差值记为第一差值,将所述第一差值与所述第一特征指标的比值作为非快速眼动睡眠期对应阶段的波动指标。
优选的,所述基于所述非快速眼动睡眠期各阶段的波动指标,确定非快速眼动睡眠期对应的优先指标,包括:
计算常数1与非快速眼动睡眠期各阶段的波动指标的差值,对所述差值的均值进行负相关映射,将映射结果作为非快速眼动睡眠期对应的优先指标。
优选的,采用如下公式计算快速眼动睡眠期对应的优先指标:
其中,为快速眼动睡眠期对应的优先指标,为快速眼动睡眠期血压的关联度,为快速眼动睡眠期呼吸频率的关联度,为快速眼动睡眠期心跳频率的关联度,为理想状态下快速眼动睡眠期血压的关联度,为理想状态下快速眼动睡眠期呼吸频率的关联度,为理想状态下快速眼动睡眠期心跳频率的关联度,为归一化函数,为自然常数。
优选的,所述编码存储规则为:不同时相依据对应的优先指标进行霍夫曼编码,相同时相下的不同阶段依据对应的波动指标进行霍夫曼编码,相同阶段内的不同生理状态指标依据对应的关联度进行霍夫曼编码;其中一个睡眠周期包括两个时相,分别为非快速眼动睡眠期、快速眼动睡眠期。
本发明至少具有如下有益效果:
本发明考虑到在正常的睡眠过程中,同一阶段内同一指标的波动程度较小,不同阶段内同一指标的波动程度较大,在利用智能戒指采集待监测对象睡眠过程中的生理状态指标时,若同一阶段内的同一生理状态指标的数据越杂乱,说明该阶段内采集到的该指标越重要,更值得关注。因此,本发明首先获取了待监测对象睡眠过程中的各项生理状态指标,然后计算了非快速眼动睡眠期各阶段各项生理状态指标的关联度和快速眼动睡眠期各项生理状态指标的关联度;非快速眼动睡眠期分为四个阶段,正常情况下,同一阶段内的同一生理状态指标不会出现较大波动,若待监测对象在非快速眼动睡眠期某个阶段内某一生理状态指标波动程度越大,说明待监测对象的生理状态指标越不稳定,该阶段采集到的数据更应当被关注,因此本发明计算了非快速眼动睡眠期每个阶段的波动指标,用于反映对应阶段采集到的生理状态指标数据的波动情况;接下来确定了非快速眼动睡眠期对应的优先指标和快速眼动睡眠期对应的优先指标,优先指标能够反映不同时间段采集到的生理状态指标数据的优先程度,数据越重要,优先级越高,本发明根据优先指标对待监测对象睡眠过程中的监测数据进行编码,对编码数据进行存储。本发明提供的方法能够基于待监测对象睡眠过程中不同阶段采集到的数据的重要程度,对不同时间段采集到的数据给予不同的编码优先级,进而进行编码存储,能够确保待监测对象睡眠过程中所有的重要数据都处于短码状态,相较于现有技术不论是数据的存储还是数据的传输安全性都更高,抗干扰能力以及防误码率更强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明所提供的一种用于智能戒指的信息管理方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于智能戒指的信息管理方法进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于智能戒指的信息管理方法的具体方案。
一种用于智能戒指的信息管理方法实施例:
本实施例提出了一种用于智能戒指的信息管理方法,如图1所示,本实施例的一种用于智能戒指的信息管理方法包括以下步骤:
步骤S1,获取待监测对象睡眠过程中的各项生理状态指标;所述睡眠过程包括非快速眼动睡眠期、快速眼动睡眠期。
本实施例所针对的具体场景为:智能戒指采集待监测对象在睡眠过程中的各项指标,在智能戒指的数据存储与传输过程中数据量较大,故需要对采集的睡眠数据进行压缩,常规的无损编码霍夫曼编码在对数据进行压缩时,无法对数据的重要性进行判断,在传输以及存储数据过程中容易导致数据丢失,因此本实施例对智能戒指所采集到的人体睡眠体征数据进行多维度量化,判断不同睡眠周期的数据的重要性,在此基础上结合无损编码霍夫曼编码对智能戒指所采集到的数据进行压缩存储。
为了监测待监测对象的睡眠质量,本实施例给待监测对象佩戴智能戒指,该智能戒指用于采集待监测对象在睡眠过程中的生理状态指标。考虑到智能戒指在使用过程中,数据量会不断增加,因此需要存储的数据量较大,将睡眠数据进行云端存储的过程中往往会因为多种外界因素的影响导致数据不能及时传输会部分重要数据丢失,因此本实施例给予不同的数据不同的优先级,对不同优先级的数据进行压缩,将睡眠过程中采集到的数据进行存储。
本实施例需要实现睡眠过程中对智能戒指所收集的实时数据进行压缩存储,故首先对待监测对象在睡眠过程中所产生的生理状态指标数据进行获取,生理状态指标包括血压、呼吸频率、心跳频率;给待检测对象佩戴智能戒指,利用智能戒指采集待监测对象在睡眠过程中的血压、呼吸频率和心跳频率,本实施例中的待监测对象指的是待监测用户,设置血压的采集频率为每秒钟一次,呼吸频率和心跳频率的采集频率为每分钟一次,在具体应用中,实施者可根据具体情况设置生理状态指标的采集频率。至此,智能戒指对于待监测对象睡眠过程中的生理状态指标数据获取完毕。
一次睡眠中分为多个睡眠周期,在一个正常的睡眠周期中有两个时相,分别为非快速眼动睡眠期和快速眼动睡眠期,而非快速眼动睡眠期又可分为四个阶段:入睡阶段、浅睡阶段、熟睡阶段和深睡阶段;正常情况下,同一个阶段内相应的生理特征数据波动较小,不同阶段生理特征数据波动较大。一个正常的睡眠周期中,从开始至结束,各项生理状态指标的数据有明显变化,例如睡眠中非快速眼动睡眠期时相内不同的阶段内血压分别降低为:10%左右、10%左右、8%左右、15%左右;而在快速眼动睡眠期时相内较正常情况下数据无较为明显的变化。
为了区分待监测对象睡眠过程中各项数据的重要程度,本实施例将不同的数据根据其数据特征建立多维时序空间集,即:根据睡眠周期内的血压、呼吸频率和心跳频率按照国际标准将采集的数据进行集中趋势分析,根据集中趋势分析结果,得到不同区间的数据,将数据划分两个维度:非快速眼动睡眠期的数据和快速眼动睡眠期的数据。其中,包含四个阶段,分别为入睡阶段、浅睡阶段、熟睡阶段和深睡阶段;每个阶段均包含三个样本参数:血压、呼吸频率、心跳频率。快速眼动睡眠期维度仅包含三个样本参数:血压、呼吸频率和心跳频率。其中,呼吸频率为每分钟的呼吸次数,心跳频率为每分钟的心跳次数。
至此,得到了待监测对象在睡眠过程中非快速眼动睡眠期不同阶段的各项生理状态指标和快速眼动睡眠期的各项生理状态指标。
本实施例在该步骤中对数据的时相进行了划分,在后续步骤中根据不同时相内不同阶段内数据的关联程度、稳定程度来确定对应的优先级,进而对睡眠过程中采集到的数据进行编码存储。
步骤S2,根据非快速眼动睡眠期各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度;根据快速眼动睡眠期各项生理状态指标,得到快速眼动睡眠期各项生理状态指标的关联度。
为了更好地实现对数据压缩编码,本实施例将基于每个阶段生理状态指标的关联度,确定对应的优先级,优先级规则为:阶段内的样本参数的关联度越小,其优先级越高;时相内的空间稳定程度越小,其优先级越高。本实施例在该步骤中对单一阶段内的样本参数的关联度进行计算。
对于非快速眼动睡眠期任一阶段:
当该阶段内的同一数据出现的次数越多时,说明该阶段内的样本参数越杂乱,数据之间的关联性越低,后续对该阶段内采集的数据进行编码时优先级就越高;基于此,分别根据该阶段内每种血压出现的概率、每种呼吸频率出现的概率、每种心跳频率出现的概率,确定该阶段血压的关联度、呼吸频率的关联度和心跳频率的关联度;该阶段血压的关联度为:
其中,为该阶段血压的关联度,为该阶段内第种血压出现的概率,为自然常数,为该阶段内血压的种类数,为以2为底的对数函数。
表征该阶段血压数据的熵,用于反映待监测对象在该阶段的血压数据的混乱程度,熵越大,说明待监测对象在该阶段的血压数据越混乱;本实施例对熵进行负相关映射,将映射结果作为该阶段血压的关联度,使得的取值处于。当不同的血压出现的次数越多时,说明该阶段内待监测对象的血压数据越杂乱,该阶段内人体血压波动较为明显,即该阶段血压的关联度越小,说明该阶段内的血压数据越重要;当该阶段内人体血压越稳定时,该阶段内血压的关联度越大,说明该阶段内的血压数据的重要性越低。理想的睡眠状态下,相同的空间内血压应稳定于某一定值。
该阶段呼吸频率的关联度为:
其中,为该阶段呼吸频率的关联度,为该阶段内第种呼吸频率出现的概率,为该阶段内呼吸频率的关联度。
表征该阶段呼吸频率数据的熵,用于反映待监测对象在该阶段的呼吸频率数据的混乱程度,熵越大,说明待监测对象在该阶段的呼吸频率数据越混乱;本实施例对熵进行负相关映射,将映射结果作为该阶段呼吸频率的关联度,使得的取值处于。理想的睡眠状态下,人体在睡眠状态下同一阶段的呼吸频率应稳定于某一定值,但在实际的睡眠过程中,由于待监测对象的体质因素和外界环境的影响,待监测对象的呼吸频率可能会不稳定,当呼吸频率不稳定时,即当前阶段内呼吸频率的关联度较小,说明当前阶段内呼吸频率数据越重要。
该阶段心跳频率的关联度为:
其中,为该阶段心跳频率的关联度,为该阶段内第分钟的心跳频率,为该阶段内心跳频率的均值,为该阶段的总分钟数。
理想的睡眠状态下,同一阶段内心跳频率应当保持相对稳定,但在实际睡眠过程中,由于待监测对象的体质因素和外界环境的影响,同一阶段内的心跳频率并不一定保持稳定,当同一阶段内心跳频率的差异越大时,该阶段心跳频率的关联度的数值就越小,即该阶段内采集到的心跳频率数据越重要。
至此,采用上述方法能够得到非快速眼动睡眠期入睡阶段血压的关联度、入睡阶段呼吸频率的关联度、入睡阶段心跳频率的关联度、浅睡阶段血压的关联度、浅睡阶段呼吸频率的关联度、浅睡阶段心跳频率的关联度、熟睡阶段血压的关联度、熟睡阶段呼吸频率的关联度、熟睡阶段心跳频率的关联度、深睡阶段血压的关联度、深睡阶段呼吸频率的关联度、深睡阶段心跳频率的关联度;一个快速眼动睡眠期相当于一个阶段,采用上述方法,同样能够计算得到快速眼动睡眠期血压的关联度、呼吸频率的关联度和心跳频率的关联度。
步骤S3,根据所述非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到非快速眼动睡眠期各阶段的波动指标;基于所述非快速眼动睡眠期各阶段的波动指标,确定非快速眼动睡眠期对应的优先指标;根据所述快速眼动睡眠期各项生理状态指标的关联度,确定快速眼动睡眠期对应的优先指标。
本实施例在上述步骤中得到了非快速眼动睡眠期入睡阶段、浅睡阶段、熟睡阶段和深睡阶段的血压的关联度、呼吸频率的关联度和心跳频率的关联度。在非快速眼动睡眠期,一个阶段内有三种不同的样本参数:血压、心跳频率和呼吸频率,不同的样本参数分别对应了自身的关联度,自身的关联度能够反映该空间的稳定度;当某个阶段内所有的样本参数的关联度都越小时,说明当前阶段的稳定性越差;当某个阶段内的所有的样本参数的关联度都越大时,说明当前阶段的稳定性越好。基于此,本实施例根据非快速眼动睡眠期每个阶段血压的关联度、呼吸频率的关联度、心跳频率的关联度以及理想状态下每个阶段血压的关联度、呼吸频率的关联度、心跳频率的关联度,计算非快速眼动睡眠期每个阶段的波动指标,具体的,计算非快速眼动睡眠期理想状态下各阶段血压的关联度、呼吸频率的关联度、心跳频率的关联度之和,作为非快速眼动睡眠期各阶段对应的第一特征指标,计算非快速眼动睡眠期各阶段血压的关联度、呼吸频率的关联度、心跳频率的关联度之和,作为非快速眼动睡眠期各阶段对应的第二特征指标,将所述第一特征指标与所述第二特征指标的差值记为第一差值,将所述第一差值与所述第一特征指标的比值作为非快速眼动睡眠期对应阶段的波动指标;对于非快速眼动睡眠期的任一阶段,该阶段的波动指标为:
其中,为该阶段的波动指标,为该阶段血压的关联度,为该阶段呼吸频率的关联度,为该阶段心跳频率的关联度,为理想状态下该阶段血压的关联度,为理想状态下该阶段呼吸频率的关联度,为理想状态下该阶段心跳频率的关联度。
的计算方式如下:;理想状态下血压的关联度、呼吸频率的关联度和心跳频率的关联度均为1,即的值均为1。当非快速眼动睡眠期某一阶段血压的关联度、呼吸频率的关联度和心跳频率的关联度均越大时,的值越接近于3,越趋近于0,该阶段的波动指标越趋近于0,说明该阶段待监测对象的生理状态指标越稳定;当非快速眼动睡眠期某一阶段血压的关联度、呼吸频率的关联度和心跳频率的关联度均越小时,的值越接近于0,越趋近于3,该阶段的波动指标越趋近于1,说明该阶段待监测对象的生理状态指标越不稳定。
至此,采用上述方法,得到了非快速眼动睡眠期入睡阶段、浅睡阶段、熟睡阶段和深睡阶段的波动指标。当非快速眼动睡眠期某一阶段的波动指标越小时,说明该阶段生理状态指标越稳定;当非快速眼动睡眠期某一阶段的波动指标越大时,说明该阶段生理状态指标越不稳定。
考虑到若非快速眼动睡眠期每个阶段的波动指标越大,说明该阶段待监测对象的生理状态指标越不稳定,该阶段采集到的数据的重要程度越高,为了保证重要数据不丢失,在对该阶段采集到的数据进行存储时,优先级应当越高;因此本实施例根据非快速眼动睡眠期各阶段的波动指标对非快速眼动睡眠期对应的优先级进行判定,得到非快速眼动睡眠期对应的优先指标;具体的,计算常数1与非快速眼动睡眠期各阶段的波动指标的差值,对所述差值的均值进行负相关映射,将映射结果作为非快速眼动睡眠期对应的优先指标;非快速眼动睡眠期对应的优先指标的具体计算公式为:
其中,为非快速眼动睡眠期对应的优先指标,为非快速眼动睡眠期中第个阶段的波动指标。
当非快速眼动睡眠期每个阶段的波动指标越大时,说明待监测对象在非快速眼动睡眠期的生理状态指标越不稳定,非快速眼动睡眠期采集到的数据越重要,因此非快速眼动睡眠期对应的优先指标越大,优先级越高;当非快速眼动睡眠期每个阶段的波动指标越小时,说明待监测对象在非快速眼动睡眠期的生理状态指标越稳定,非快速眼动睡眠期采集到的数据的重要程度越低,因此非快速眼动睡眠期对应的优先指标越小,优先级越低。
一个正常的睡眠周期分为非快速眼动睡眠期和快速眼动睡眠期,在上述步骤中已经获取了非快速眼动睡眠期对应的优先指标,接下来将确定快速眼动睡眠期对应的优先指标;若待监测对象在快速眼动睡眠期的血压、呼吸频率和心跳频率均趋于理想状态下的血压、呼吸频率和心跳频率,则说明待监测对象在快速眼动睡眠期的生理状态指标较正常,此时待监测对象的各项生理状态指标的关联度较大,待监测对象在快速眼动睡眠期采集到的数据的重要程度较低,为了保证数据的安全性、节省存储空间,在对其进行编码存储时,对应的优先级应当较低;基于此,本实施例根据待监测对象在快速眼动睡眠期血压的关联度、呼吸频率的关联度和心跳频率的关联度,确定快速眼动睡眠期对应的优先指标,即:
其中,为快速眼动睡眠期对应的优先指标,为快速眼动睡眠期血压的关联度,为快速眼动睡眠期呼吸频率的关联度,为快速眼动睡眠期心跳频率的关联度,为理想状态下快速眼动睡眠期血压的关联度,为理想状态下快速眼动睡眠期呼吸频率的关联度,为理想状态下快速眼动睡眠期心跳频率的关联度,为归一化函数。
一样,取值均为1,由于本实施例已经对的计算过程进行说明,因此此处不再对的计算过程进行说明。
当快速眼动睡眠期血压的关联度、呼吸频率的关联度和心跳频率的关联度均越大时,的值越小,的值越小,说明待监测对象在快速眼动睡眠期的生理状态指标越稳定,快速眼动睡眠期采集到的数据的重要程度越低,因此快速眼动睡眠期的数据在进行压缩时对应的优先级应当越低,即快速眼动睡眠期对应的优先指标越小;当快速眼动睡眠期血压的关联度、呼吸频率的关联度和心跳频率的关联度均越小时,的值越大,的值越大,说明待监测对象在快速眼动睡眠期的生理状态指标越不稳定,快速眼动睡眠期采集到的数据的重要程度越高,因此快速眼动睡眠期的数据在进行压缩时对应的优先级应当越高,即快速眼动睡眠期对应的优先指标越大。
至此,本实施例得到了待监测对象在非快速眼动睡眠期对应的优先指标和快速眼动睡眠期对应的优先指标,需要说明的是,正常情况下,一次睡眠中分为多个睡眠周期,在一个正常的睡眠周期中有两个时相,即非快速眼动睡眠期和快速眼动睡眠期,采用本实施例提供的方法,能够获得待监测对象整个睡眠过程中每个非快速眼动睡眠期对应的优先指标和每个快速眼动睡眠期对应的优先指标。
步骤S4,基于所述优先指标、所述波动指标和所述关联度,对待监测对象睡眠过程中的监测数据进行编码存储。
本实施例在步骤S3中获得了待监测对象在非快速眼动睡眠期对应的优先指标和快速眼动睡眠期对应的优先指标,优先指标越大,在对数据进行编码时,对应的优先级越高;按照优先指标从大到小的顺序,对待监测对象整个睡眠过程中每个时相对应的优先指标进行排序,并获取每个时相对应的优先级,根据待监测对象整个睡眠过程中每个时相对应的优先级进行多层霍夫曼编码,霍夫曼编码为现有技术,此处不再具体赘述。
编码存储规则为:
1.不同时相依据其对应的优先指标进行霍夫曼编码,优先指标越大,对应的优先级越高;
2.相同时相下的不同阶段依据其对应的波动指标进行霍夫曼编码,波动指标越大,对应的优先级越高;
3.相同阶段内的不同的生理状态指标依据其对应的关联度进行霍夫曼编码,关联度越小,对应的优先级越高。
通过上述过程,得到智能戒指对待监测对象睡眠过程中的生理状态指标数据的编码,接下来对编码数据进行临时存储以及云端传输。
对编码数据进行存储以及云端传输的具体内容为:
(1)建立临时存储区域,对待监测对象整个睡眠周期中所产生的数据进行临时存储;
(2)将临时存储数据云端上传,在一个睡眠周期结束时,对存储于临时存储区域内的所有该睡眠周期内数据进行客户端上传,用于后续对待监测对象历史睡眠过程中的睡眠质量的分析。
本实施例考虑到在正常的睡眠过程中,同一阶段内同一指标的波动程度较小,不同阶段内同一指标的波动程度较大,在利用智能戒指采集待监测对象睡眠过程中的生理状态指标时,若同一阶段内的同一生理状态指标的数据越杂乱,说明该阶段内采集到的该指标越重要,更值得关注。因此,本实施例首先获取了待监测对象睡眠过程中的各项生理状态指标,然后根据非快速眼动睡眠期各阶段的血压、呼吸频率和心跳频率,计算了非快速眼动睡眠期各阶段血压的关联度、呼吸频率的关联度和心跳频率的关联度;根据快速眼动睡眠期的血压、呼吸频率和心跳频率,计算了快速眼动睡眠期血压的关联度、呼吸频率的关联度和心跳频率的关联度;非快速眼动睡眠期分为四个阶段,正常情况下,同一阶段内的同一生理状态指标不会出现较大波动,若待监测对象在非快速眼动睡眠期某个阶段内某一生理状态指标波动程度越大,说明待监测对象的生理状态指标越不稳定,该阶段采集到的数据更应当被关注,因此本实施例计算了非快速眼动睡眠期每个阶段的波动指标,用于反映对应阶段采集到的生理状态指标数据的波动情况;接下来确定了非快速眼动睡眠期对应的优先指标和快速眼动睡眠期对应的优先指标,优先指标能够反映不同时间段采集到的生理状态指标数据的优先程度,数据越重要,优先级越高,本实施例根据优先指标对待监测对象睡眠过程中的监测数据进行编码,对编码数据进行存储。本实施例提供的方法能够基于待监测对象睡眠过程中不同阶段采集到的数据的重要程度,对不同时间段采集到的数据给予不同的编码优先级,进而进行编码存储,能够确保待监测对象睡眠过程中所有的重要数据都处于短码状态,相较于现有技术不论是数据的存储还是数据的传输安全性都更高,抗干扰能力以及防误码率更强。

Claims (2)

1.一种用于智能戒指的信息管理方法,其特征在于,该方法包括以下步骤:
获取待监测对象睡眠过程中的各项生理状态指标;所述睡眠过程包括非快速眼动睡眠期、快速眼动睡眠期;
根据非快速眼动睡眠期各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度;根据快速眼动睡眠期各项生理状态指标,得到快速眼动睡眠期各项生理状态指标的关联度;
根据所述非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到非快速眼动睡眠期各阶段的波动指标;基于所述非快速眼动睡眠期各阶段的波动指标,确定非快速眼动睡眠期对应的优先指标;根据所述快速眼动睡眠期各项生理状态指标的关联度,确定快速眼动睡眠期对应的优先指标;
基于所述优先指标、所述波动指标和所述关联度,对待监测对象睡眠过程中的监测数据进行编码存储;
所述根据非快速眼动睡眠期各阶段各项生理状态指标,得到非快速眼动睡眠期各阶段各项生理状态指标的关联度,包括:
所述生理状态指标包括血压、呼吸频率和心跳频率;
根据非快速眼动睡眠期各阶段内每种血压出现的概率,得到各阶段血压数据的熵;对所述各阶段血压数据的熵进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段血压的关联度;
根据非快速眼动睡眠期各阶段内每种呼吸频率出现的概率,得到各阶段呼吸频率数据的熵;对所述各阶段呼吸频率数据的熵进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段呼吸频率的关联度;
计算非快速眼动睡眠期各阶段内所有心跳频率的方差,对所述各阶段内所有心跳频率的方差进行负相关映射,将映射结果作为非快速眼动睡眠期各阶段心跳频率的关联度;
所述根据所述非快速眼动睡眠期各阶段各项生理状态指标的关联度,得到非快速眼动睡眠期各阶段的波动指标,包括:
将非快速眼动睡眠期理想状态下各阶段所有生理状态指标的关联度之和,作为非快速眼动睡眠期各阶段对应的第一特征指标;将非快速眼动睡眠期各阶段所有生理状态指标的关联度之和,作为非快速眼动睡眠期各阶段对应的第二特征指标;
将所述第一特征指标与所述第二特征指标的差值记为第一差值,将所述第一差值与所述第一特征指标的比值作为非快速眼动睡眠期对应阶段的波动指标;
所述基于所述非快速眼动睡眠期各阶段的波动指标,确定非快速眼动睡眠期对应的优先指标,包括:
计算常数1与非快速眼动睡眠期各阶段的波动指标的差值,对所述差值的均值进行负相关映射,将映射结果作为非快速眼动睡眠期对应的优先指标;
所述根据快速眼动睡眠期各项生理状态指标,得到快速眼动睡眠期各项生理状态指标的关联度,包括:
所述生理状态指标包括血压、呼吸频率和心跳频率;
根据快速眼动睡眠期每种血压出现的概率,得到快速眼动睡眠期所有血压数据的熵;对所述快速眼动睡眠期所有血压数据的熵进行负相关映射,将映射结果作为快速眼动睡眠期血压的关联度;
根据快速眼动睡眠期每种呼吸频率出现的概率,得到快速眼动睡眠期所有呼吸频率数据的熵;对所述快速眼动睡眠期所有呼吸频率数据的熵进行负相关映射,将映射结果作为快速眼动睡眠期呼吸频率的关联度;
计算快速眼动睡眠期所有心跳频率的方差,对所述方差进行负相关映射,将映射结果作为快速眼动睡眠期心跳频率的关联度;
采用如下公式计算快速眼动睡眠期对应的优先指标:
Figure FDA0004168850420000021
其中,HSB为快速眼动睡眠期对应的优先指标,Hb2为快速眼动睡眠期血压的关联度,Hf2为快速眼动睡眠期呼吸频率的关联度,Hg2为快速眼动睡眠期心跳频率的关联度,
Figure FDA0004168850420000022
为理想状态下快速眼动睡眠期血压的关联度,
Figure FDA0004168850420000023
为理想状态下快速眼动睡眠期呼吸频率的关联度,
Figure FDA0004168850420000024
为理想状态下快速眼动睡眠期心跳频率的关联度,sigmoid()为归一化函数,e为自然常数。
2.根据权利要求1所述的用于智能戒指的信息管理方法,其特征在于,所述编码存储规则为:不同时相依据对应的优先指标进行霍夫曼编码,相同时相下的不同阶段依据对应的波动指标进行霍夫曼编码,相同阶段内的不同生理状态指标依据对应的关联度进行霍夫曼编码;其中一个睡眠周期包括两个时相,分别为非快速眼动睡眠期、快速眼动睡眠期。
CN202310195270.1A 2023-03-03 2023-03-03 用于智能戒指的信息管理方法 Active CN115868941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310195270.1A CN115868941B (zh) 2023-03-03 2023-03-03 用于智能戒指的信息管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310195270.1A CN115868941B (zh) 2023-03-03 2023-03-03 用于智能戒指的信息管理方法

Publications (2)

Publication Number Publication Date
CN115868941A CN115868941A (zh) 2023-03-31
CN115868941B true CN115868941B (zh) 2023-05-05

Family

ID=85761898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310195270.1A Active CN115868941B (zh) 2023-03-03 2023-03-03 用于智能戒指的信息管理方法

Country Status (1)

Country Link
CN (1) CN115868941B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116153453B (zh) * 2023-04-20 2023-07-14 深圳市魔样科技有限公司 基于云边协同的智能戒指信息管理方法及系统
CN116546111B (zh) * 2023-07-03 2023-11-14 深圳市魔样科技有限公司 基于物联网技术的智能戒指健康管理方法和系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617541A (en) * 1994-12-21 1997-04-01 International Computer Science Institute System for packetizing data encoded corresponding to priority levels where reconstructed data corresponds to fractionalized priority level and received fractionalized packets
JP2003152544A (ja) * 2001-11-12 2003-05-23 Sony Corp データ通信システム、データ送信装置、データ受信装置、および方法、並びにコンピュータ・プログラム
CN103853500A (zh) * 2012-12-07 2014-06-11 中国移动通信集团河南有限公司 一种基于海量数据的数据分配方法、装置及系统
US10321871B2 (en) * 2015-08-28 2019-06-18 Awarables Inc. Determining sleep stages and sleep events using sensor data
CN107545134B (zh) * 2017-07-25 2020-09-25 广东乐心医疗电子股份有限公司 用于可穿戴设备的与睡眠相关的特征数据处理方法与装置
CN110458760B (zh) * 2019-06-20 2021-11-05 中国地质大学(武汉) 基于信息熵的hnmf遥感图像解混方法
WO2022240989A1 (en) * 2021-05-11 2022-11-17 Pleiotek Systems and methods for data processing and performing structured and configurable data compression for wearable data storage devices
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

Also Published As

Publication number Publication date
CN115868941A (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN115868941B (zh) 用于智能戒指的信息管理方法
CN115670418B (zh) 一种基于智能手表用户信息的数据存储方法
TWI494081B (zh) 心電圖訊號壓縮系統及解壓縮系統
CN116153453B (zh) 基于云边协同的智能戒指信息管理方法及系统
EP2137822A1 (en) System and method for annotating and compressing waveform data
CN116828070A (zh) 一种智慧电网数据优化传输方法
Jha et al. Electrocardiogram data compression techniques for cardiac healthcare systems: A methodological review
CN116961675A (zh) 一种医疗护理数据智能处理方法
Gupta Quality aware compression of electrocardiogram using principal component analysis
CN117481628A (zh) 一种可穿戴式多参数无创血流动力学监测方法及系统
Jia et al. A lossless electrocardiogram compression system based on dual-mode prediction and error modeling
Moon et al. Understanding bit-error trade-off of transform-based lossy compression on electrocardiogram signals
Biswas et al. ECG compression for remote healthcare systems using selective thresholding based on energy compaction
Khare et al. ECG data compression using DWT
Pal et al. TQWT based Electrocardiogram Compression using Optimized Thresholding
Klus et al. Lossy compression methods for performance-restricted wearable devices
Pandhe et al. ECG data compression for a portable ECG recorder and transmitter
Abdulkader et al. A review on PPG compression techniques and implementations
Santos et al. Towards a physiologically-aware architecture for transmission of biomedical signals in BASNs/IoT
KR101526774B1 (ko) 압축센싱을 이용한 심전도 신호 전송 방법 및 이를 이용한 모니터링 시스템
CN117831744B (zh) 一种呼吸重症患者远程监控方法及系统
Bertogna et al. An optimized ECG android system using data compression scheme for cloud storage
CN117747040B (zh) 一种产妇产后护理状况远程监控方法及系统
CN117649914B (zh) 一种用于胃镜麻醉过程的患者体征实时监测系统
Jea et al. Diagnostic quality driven physiological data collection for personal healthcare

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 518000 1st, 2nd, 4th, 5th and 6th floors of Qiufen (10A) Building, Taihua wutong Industrial Park, Sanwei Community, Hangcheng Street, Bao'an District, Shenzhen, Guangdong

Patentee after: Shenzhen Moyang Technology Co.,Ltd.

Country or region after: China

Address before: 518000 One of the 8th and 9th floors of Guizhu (15 #) Building, Taihua wutong Industrial Park, Sanwei Community, Hangcheng Street, Bao'an District, Shenzhen, Guangdong

Patentee before: SHENZHEN MOYOUNG TECHNOLOGY CO.,LTD.

Country or region before: China