CN115886741B - 睡眠状态监测方法、电子设备和存储介质 - Google Patents
睡眠状态监测方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115886741B CN115886741B CN202310112558.8A CN202310112558A CN115886741B CN 115886741 B CN115886741 B CN 115886741B CN 202310112558 A CN202310112558 A CN 202310112558A CN 115886741 B CN115886741 B CN 115886741B
- Authority
- CN
- China
- Prior art keywords
- signal
- component
- physiological
- subcarrier
- subcarriers
- 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
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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例适用于数据处理技术领域,提供一种睡眠状态监测方法、电子设备和存储介质,通过路由器接收第一信号,并向第一电子设备发送第一信号,然后第一电子设备获取第一信号对应的生理分量信号,再对生理分量信号进行增强处理,得到增强后的生理分量信号,基于增强后的生理分量信号,得到睡眠监测结果。其中,第一信号用于指示路由器在当前环境中的信道状态信息,生理分量信号可以是指第一信号中指示用户生理状态的分量信号,增强后的生理分量信号用于确定用户的睡眠状态。用户无需佩戴电子设备的情况下,通过第一电子设备利用指示当前环境的信号状态信息即可确定用户的睡眠状态,提高了用户体验。
Description
技术领域
本申请涉及数据处理技术领域,并且更具体地,涉及一种睡眠状态监测方法、电子设备和存储介质。
背景技术
现阶段,很多人存在不同程度的睡眠障碍,例如失眠、呼吸暂停和不安腿综合症。因此人们越来越关注睡眠健康,会对日常睡眠质量进行监控,得到睡眠质量分析结果。
示例性的,人们会佩戴智能手环进行睡眠质量监控。通过智能手环上的传感器采集人体在睡眠状态的脉搏波信号、心电信号和呼吸信号,然后对脉搏波信号、心电信号和呼吸信号进行分析处理,得到用户的睡眠质量分析结果。然而,一些人不习惯在睡觉时佩戴智能手环,另外,老人、儿童和婴幼儿则缺少合适的可穿戴设备,因此无法采集这些人在睡眠状态的脉搏波信号、心电信号和呼吸信号,得到睡眠质量分析结果。
基于此,如何在用户不佩戴电子设备的情况下对用户进行睡眠质量分析成为了一个亟待解决的问题。
发明内容
本申请提供了一种睡眠状态监测方法、电子设备和存储介质,能够在用户不佩戴电子设备的情况下对用户进行睡眠监测。
第一方面,提供了一种睡眠状态监测方法,该方法应用于第一电子设备,第一电子设备和路由器之间通信连接,路由器用于接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息,该方法包括:
接收路由器发送的第一信号;
基于第一信号,获取第一信号对应的生理分量信号,生理分量信号是指第一信号中指示用户生理状态的信号分量;
对生理分量信号进行增强处理,得到增强后的生理分量信号,增强后的生理分量信号用于确定用户的睡眠状态;
基于增强后的生理分量信号,得到睡眠监测结果,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
本申请的实施例中提供的睡眠状态监测方法,应用于第一电子设备,第一电子设备和路由器之间通信连接,路由器用于接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息,第一电子设备接收到路由器发送的第一信号,然后第一电子设备获取第一信号对应的生理分量信号,再对生理分量信号进行增强处理,得到增强后的生理分量信号,然后,基于增强后的生理分量信号,得到睡眠监测结果。其中,第一信号用于指示路由器在当前环境中的信道状态信息,生理分量信号可以是指第一信号中指示用户生理状态的分量信号,增强后的生理分量信号用于确定用户的睡眠状态。用户无需佩戴电子设备的情况下,通过第一电子设备利用指示当前环境的信号状态信息即可确定用户的睡眠状态,提高了用户体验。进一步地,在利用第一信号确定用户的睡眠状态时,还对生理分量信息进行了增强处理,进而利用增强后的生理分量信号来确定用户的睡眠状态,与直接利用第一信号中的生理分量信号来确定用户的睡眠状态信号,能够提高所确定的睡眠状态的准确性。
结合第一方面,在第一方面的一个实施例中,上述获取第一信号对应的生理分量信号,包括:
对第一信号进行预处理,得到第二信号,预处理用于消除第一信号中的环境噪声;
按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合中的多个频率的本征模态分量,信号分解用于将第二信号分解为多个频率的信号分量,预设的频率集合中包括生理分量信号对应的频率;
将多个频率的本征模态分量作为生理分量信号。
其中,对第一信号进行预处理可以包括:
步骤一、将相邻天线的CSI相除得到CSI商。
步骤二、获取CSI商中每个子载波的信号幅值均值,并从CSI商中减去该信号幅值均值,得到第一修正CSI商。
步骤三、将第一修正CSI商输入第一滤波器,得到第二修正CSI商。
步骤四、将第二修正CSI商分解成多个子CSI商,作为第二信号。
其中,多个子CSI商的时长相同,在将第二修正CSI上分解成多个子CSI商时,是按照固定时长进行分解的。
本申请的实施例中提供的睡眠状态监测方法,在获取第一信号对应的生理分量信号时,先对第一信号进行消除环境噪声的预处理,得到第二信号,再根据第二信号得到生理分量信号,然后对生理分量信号进行增强处理,得到增强后的生理分量信号,进而使得第一电子设备根据增强后的生理分量信号确定用户的睡眠状态,由于生理分量信号通常较弱,因此在获取生理分量信号之前,先消除第一信号中的环境噪声,得到第二信号,使得第二信号能够更加准确的指示生理分量信号,因此使得基于第二信号得到的生理分量信号更加准确,进而提高了根据第二信号得到的用户的睡眠状态的准确性。
结合第一方面,在第一方面的一个实施例中,上述按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合中的多个频率的本征模态分量,包括:
根据第二信号的上包络值和下包络值确定第二信号在预设的频率集合中对应的最高频率的本征模态分量;
从第二信号中去除最高频率的本征模态分量,得到第二信号的剩余分量;
根据剩余分量的上包络值和下包络值确定第二信号的在预设的频率集合中对应的剩余频率的本征模态分量,剩余频率包括预设的频率集合中除最高频率之外的频率。
应理解,第二信号为复杂信号,即包含不同频率的分量信号,需要从第二信号中分解出多个频率的分量信号,用于进行睡眠状态的监测。其中,若采用传统的EMD来对第二信号进行分解,则分解得到的信号分量对应的频率通常存在混叠现象,不能从第二信号中分解高信噪比的生理分量信号,也即是生理状态的频率对应的信号分量。因此在本申请的实施例中,将第二信号按照利用生理状态对应的频率构建出的预设的频率集合进行信号分解,能够从第二信号中分解出生理状态对应的信号分量。
本申请的实施例中提供的睡眠状态监测方法,在获取第一信号对应的生理分量信号时,先对第一信号进行预处理,得到第二信号,再按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合指示的多个频率的本征模态分量,然后将多个频率的本征模态分量作为生理分量信号,其中,预设的频率集合中包括生理分量信号对应的频率。与传统的经验模态分解算法进行信号分解相比,采用本申请实施例提供的预设的频率集合进行信号分解,能够使得分解得到的分量信号的频率均是与生理状态相关的频率,避免了分解得到的分量信号的频率混叠,即包含与生理状态无关的频率,进而使得根据所得到的分量信号确定的用户的睡眠状态的准确性更高。
结合第一方面,在第一方面的一个实施例中,上述根据第二信号的上包络值和下包络值确定第二信号的在预设的频率集合中对应的最高频率的本征模态分量,包括:
根据第二信号的上包络值和下包络值确定第二信号的初始本征模态分量;
确定初始本征模态分量的平均瞬时频率;
根据平均瞬时频率从预设的频率集合中确定第二信号对应的最高频率;
基于最高频率构建余弦信号,作为模板信号;
根据第二信号和模板信号,确定最高频率的本征模态分量。
结合第一方面,在第一方面的一个实施例中,生理分量信号包括呼吸子分量信号和心震子分量信号,上述从多个频率的本征模态分量中选取生理分量信号对应的频率的本征模态分量,作为生理分量信号,包括:
从多个频率的本征模态分量中选取呼吸子分量信号对应的频率的本征模态分量,作为呼吸子分量信号;
从多个频段的本征模态分量中选取心震子分量信号对应的频率的本征模态分量,作为心震子分量信号。
结合第一方面,在第一方面的一个实施例中,第一信号包括多个子载波,每个子载波包含部分生理分量信号,生理分量信号包括预设的频率集合中各个频率对应的本征模态分量,上述对生理分量信号进行增强处理,得到第一信号对应的增强后的生理分量信号,包括:
将多个子载波中各子载波的生理分量信号中各个频率的本征模态分量叠加,得到多个子载波中各子载波的初始生理分量信号;
获取多个子载波中各子载波的初始生理分量信号的对应的生理分量信号信噪比;
基于多个子载波中各子载波的生理分量信号信噪比确定出第一子载波,第一子载波为多个子载波中的生理分量信号信噪比最高的子载波;
基于其他子载波与第一子载波之间的相关性,确定其他子载波对应的权重和偏移量,其他子载波是指多个子载波中除第一子载波之外的子载波;
基于权重和偏移量对其他子载波进行修正,得到修正后的子载波;
将第一子载波和修正后的子载波进行叠加,得到第一信号对应的增强后的生理分量信号。
本申请的实施例中提供的睡眠状态监测方法,通过对多个子载波中各个子载波对应的生理分量信号中各个频率的本征模态分量叠加,得到多个子载波中各子载波的初始生理分量信号,然后获取多个子载波中各子载波的初始生理分量信号对应的生理分量信号信噪比,并基于多个子载波中各子载波的生理分量信号信噪比确定出第一子载波,第一子载波为多个子载波中的生理分量信号信噪比最高的子载波,再基于其他子载波与第一子载波之间的相关性,确定其他子载波对应的权重和偏移量,其他子载波是指多个子载波中除第一子载波之外的子载波,进而基于权重和偏移量对其他子载波进行修正,得到修正后的子载波,最后将第一子载波和修正后的子载波进行叠加,得到第一信号对应的增强后的生理分量信号,这样使得第一电子设备在确定用户的睡眠状态时,是采用增强后的生理分量信号确定的,提高了所述确定的睡眠状态的准确性。
结合第一方面,在第一方面的一个实施例中,生理分量信号包括呼吸子分量信号和心震子分量信号,增强后的生理分量信号包括增强后的呼吸子分量信号和增强后的心震子分量信号,上述对生理分量信号进行增强处理,得到第一信号对应的生理分量信号;
对生理分量信号中的呼吸子分量信号进行增强处理,得到增强后的呼吸子分量信号;
对生理分量信号中的心震子分量信号进行增强处理,得到增强后的心震子分量信号。
结合第一方面,在第一方面的一个实施例中,上述基于所述增强后的生理分量信号,得到睡眠监测结果,包括:
根据增强后的生理分量信号和睡眠监测模型,得到睡眠监测结果,睡眠监测模型预先训练的神经网络模型。
本申请的实施例中,第一电子设备在得到了增强后的呼吸分量和增强后的心震分量之后,可以根据增强后的呼吸分量、增强后的心震分量和睡眠监测模型得到睡眠监测结果,其中,睡眠监测结果包括清醒状态、浅睡状态、深睡状态和快速眼动状态,这些状态能够简洁的指示用户的睡眠状态,也即是说,用户无需人为地对数据进行分析即可了解用户的睡眠状态,提高了用户体验。
结合第一方面,在第一方面的一个实施例中,该方法还包括:
在第一界面显示睡眠监测结果。
本申请的实施例中,第一电子设备在得到了增强后的呼吸分量和增强后的心震分量之后,可以根据增强后的呼吸分量、增强后的心震分量和睡眠监测模型得到睡眠监测结果,其中,睡眠监测结果包括清醒状态、浅睡状态、深睡状态和快速眼动状态,这些状态能够简洁的指示用户的睡眠状态,也即是说,用户无需人为地对数据进行分析即可了解用户的睡眠状态,提高了用户体验。
第二方面,提供了一种睡眠状态监测方法,该方法应用于路由器,路由器与第一电子设备之间通信连接,该方法包括:
接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息;
向第一电子设备发送第一信号,以使第一电子设备从第一信号获取生理分量信号,并对生理分量信号进行增强处理,得到增强后的生理分量信号,其中,生理分量信号是指第一信号中指示用户生理状态的信号分量,增强后的生理分量信号用于确定用户的睡眠状态。
第三方面,提供了一种睡眠状态监测方法,该方法应用于睡眠监测系统,睡眠监测系统包括第一电子设备和路由器,第一电子设备和路由器之间通信连接,该方法包括:
路由器接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息;
路由器向第一电子设备发送第一信号;
第一电子设备接收第一信号;
第一电子设备从第一信号中获取生理分量信号,生理分量信号是指第一信号中指示用户生理状态的信号分量;
第一电子设备对生理分量信号进行增强处理,得到第一信号对应的增强后的生理分量信号,增强后的生理分量信号用于确定用户的睡眠状态。
第四方面,提供了一种睡眠状态监测装置,包括用于执行第一方面或第二方面中任一种方法的单元。该装置可以是服务器,也可以是终端设备,还可以是终端设备内的芯片。该装置可以包括输入单元和处理单元。
当该装置是终端设备时,该处理单元可以是处理器,该输入单元可以是通信接口;该终端设备还可以包括存储器,该存储器用于存储计算机程序代码,当该处理器执行该存储器所存储的计算机程序代码时,使得该终端设备执行第一方面或第二方面中的任一种方法。
当该装置是终端设备内的芯片时,该处理单元可以是芯片内部的处理单元,该输入单元可以是输出接口、管脚或电路等;该芯片还可以包括存储器,该存储器可以是该芯片内的存储器(例如,寄存器、缓存等),也可以是位于该芯片外部的存储器(例如,只读存储器、随机存取存储器等);该存储器用于存储计算机程序代码,当该处理器执行该存储器所存储的计算机程序代码时,使得该芯片执行第一方面或第二方面中的任一种方法。
在一种可能的实现方式中,存储器用于存储计算机程序代码;处理器,处理器执行该存储器所存储的计算机程序代码,当该存储器存储的计算机程序代码被执行时,该处理器用于执行:接收路由器发送的第一信号;获取第一信号对应的生理分量信号,生理分量信号是指第一信号中指示用户生理状态的信号分量;对生理分量信号进行增强处理,得到增强后的生理分量信号,增强后的生理分量信号用于确定用户的睡眠状态。
在一种可能的实现方式中,存储器用于存储计算机程序代码;处理器,处理器执行该存储器所存储的计算机程序代码,当该存储器存储的计算机程序代码被执行时,该处理器用于执行:接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息;向第一电子设备发送第一信号,以使第一电子设备从第一信号获取生理分量信号,并对生理分量信号进行增强处理,得到增强后的生理分量信号,其中,生理分量信号是指第一信号中指示用户生理状态的信号分量,增强后的生理分量信号用于确定用户的睡眠状态。
第五方面,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存储有计算机程序代码,当所述计算机程序代码被睡眠状态监测装置运行时,使得该睡眠状态监测装置执行第一方面或第二方面中的任一种睡眠状态监测方法。
第六方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码被睡眠状态监测装置运行时,使得该睡眠状态监测装置执行第一方面或第二方面中的任一种装置方法。
本申请的实施例中提供的睡眠状态监测方法,路由器接收第一信号,并向第一电子设备发送第一信号,然后第一电子设备获取第一信号对应的生理分量信号,再对生理分量信号进行增强处理,得到增强后的生理分量信号。其中,第一信号用于指示路由器在当前环境中的信道状态信息,生理分量信号可以是指第一信号中指示用户生理状态的分量信号,增强后的生理分量信号用于确定用户的睡眠状态。用户无需佩戴电子设备的情况下,通过第一电子设备利用指示当前环境的信号状态信息即可确定用户的睡眠状态,提高了用户体验。进一步地,在利用第一信号确定用户的睡眠状态时,还对生理分量信息进行了增强处理,进而利用增强后的生理分量信号来确定用户的睡眠状态,与直接利用第一信号中的生理分量信号来确定用户的睡眠状态信号,能够提高所确定的睡眠状态的准确性。
附图说明
图1是一种路由器上一个天线接收到的CSI信号的示意图;
图2是现阶段用户采用智能手环进行睡眠监测的示意图;
图3是一种适用于本申请的电子设备的硬件系统的示意图;
图4是一种适用于本申请的电子设备的软件系统的示意图;
图5是本申请实施例提供的一种应用场景的示意图;
图6为本申请实施例提供的一种睡眠状态监测方法的流程示意图;
图7为本申请实施例提供的另一种睡眠状态监测方法的流程示意图;
图8为本申请实施例提供的一种路由器上的天线的结构示意图;
图9为本申请实施例提供的一个子载波的本征模态分量的示意图;
图10为本申请实施例提供的另一种睡眠状态监测方法的流程示意图;
图11为本申请实施例中得到增强后的生理分量信号的流程示意图;
图12为本申请实施例中提供的增强后的呼吸分量的示意图;
图13为本申请实施例提供的另一种睡眠状态监测方法的流程示意图;
图14为本申请实施例提供的一种呼吸信号的功率谱图的示意图;
图15为本申请实施例提供的一种呼吸信号的峰谷值的示意图;
图16为本申请实施例提供的显示睡眠监测结果的界面示意图;
图17为本申请实施例提供的一种睡眠状态监测装置的结构示意图;
图18为本申请实施例提供的另一种睡眠状态监测装置的结构示意图;
图19是本申请提供的一种图像处理的电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者更多个该特征。
为了便于理解,示例的给出部分与本申请实施例相关概念的说明以供参考。
1、信道状态信息(ChannelState Information,CSI)
在无线通信领域,信道状态信息是指通信链路的信道属性。信道状态信息可以用于描述了信号在每条传输路径上的衰弱因子,即信道增益矩阵H中每个元素的值,如信号散射(Scattering),环境衰弱(fading,multipath fading orshadowing fading),距离衰减(power decay of distance)等信息。
示例性的,路由器中可以包括多个天线,其中一个天线接收到的CSI可以如图1所示,其中包括0至52个子载波信号,共包括53个子载波信号。
2、经验模态分解算法(EmpiricalMode Decomposition,EMD)
经验模态分解算法是一种时频域信号处理方式,可以是指是依据数据自身的时间尺度特征来进行信号分解,无须预先设定任何基函数。其中,信号分解可以是指将复杂的信号分解为有限个本征模态分量(Intrinsic Mode Function, IMF),分解出来的各个IMF分量包含了原信号的不同时间尺度的局部特征信息。与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点,经验模态分解算法更加适合于分析非线性、非平稳信号序列进行信号分解。
现阶段,很多人存在不同程度的睡眠障碍,例如失眠、呼吸暂停和不安腿综合症。因此人们越来越关注睡眠健康,会对日常睡眠质量进行监控,得到睡眠质量分析结果。示例性的,如图2所示,人们会佩戴智能手环进行睡眠质量监控。通过智能手环上的传感器采集人体在睡眠状态的脉搏波信号、心电信号和呼吸信号,然后对脉搏波信号、心电信号和呼吸信号进行分析处理,得到用户的睡眠质量分析结果。然而,一些人不习惯在睡觉时佩戴智能手环,老人、儿童和婴幼儿则缺少合适的可穿戴设备,因此无法采集这些人在睡眠状态的脉搏波信号、心电信号和呼吸信号,得到睡眠质量分析结果。在当今社会,电子设备存在于人们生活的各个角落。且电子设备会实时监控当前环境中的信号状态信息。若利用电子设备接收的信道状态信息来分析用户的睡眠状态,由于用户的生理状态对电子信号的影响较小,与环境噪声相比,并不能清楚的从环境噪声中区分出用户的生理状态对信号状态信息的影响,进而导致直接根据信号状态信息来分析用户的睡眠状态的准确性较低。
有鉴于此,本申请实施例提供了一种睡眠状态监测方法,路由器接收第一信号,并向第一电子设备发送第一信号,然后第一电子设备获取第一信号对应的生理分量信号,再对生理分量信号进行增强处理,得到增强后的生理分量信号。其中,第一信号用于指示路由器在当前环境中的信道状态信息,生理分量信号可以是指第一信号中指示用户生理状态的分量信号,增强后的生理分量信号用于确定用户的睡眠状态。用户无需佩戴电子设备的情况下,通过第一电子设备利用指示当前环境的信号状态信息即可确定用户的睡眠状态,提高了用户体验。进一步地,在利用第一信号确定用户的睡眠状态时,还对生理分量信息进行了增强处理,进而利用增强后的生理分量信号来确定用户的睡眠状态,与直接利用第一信号中的生理分量信号来确定用户的睡眠状态信号,能够提高所确定的睡眠状态的准确性。
本申请实施例提供的睡眠状态监测方法,可以应用于电子设备。可选的,电子设备包括终端设备,终端设备也可以称为终端(terminal)、用户设备(userequipment,UE)、移动台(mobilestation,MS)、移动终端(mobileterminal,MT)等。终端设备可以是手机(mobilephone)、智能电视、穿戴式设备、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(virtual reality,VR)终端设备、增强现实(augmentedreality,AR)终端设备、工业控制(industrialcontrol)中的无线终端、无人驾驶(self-driving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等等。本申请的实施例对终端设备所采用的具体技术和具体设备形态不做限定。
示例性的,图3示出了电子设备100的结构示意图。电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identificationmodule,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronousreceiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processorinterface,MIPI),通用输入输出(general-purpose input/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellitesystem,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobilecommunications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),第五代无线通信系统(5G,the 5thGeneration of wireless communication system),BT,GNSS,WLAN,NFC ,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system ,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentationsystems,SBAS)。
需要说明的是,本申请实施例提到的任一电子设备可以包括电子设备100中更多或者更少的模块。
电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图4是本申请实施例的电子设备100的软件结构框图。
电子设备100的分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图4所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图4所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGLES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如: MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动,Wi-Fi驱动等。
需要说明的是,本申请实施例提到的电子设备可以包括上述电子设备中更多或者更少的模块。
下面结合附图对本申请实施例提供的应用场景进行说明。
图5为本申请实施例提供的睡眠状态监测方法的应用场景示意图。如图5所示,用户一个空间中休息,该空间内设置有路由器100和一些其他的电子设备。路由器100可以和这些电子设备连接,电子设备包括且不限于手机200、电视(图中未示出)、个人电脑(图中未示出)、智能音响(图中未示出)、智能闹钟(图中未示出)。为了保证路由器100与其他电子设备之间的通信状态良好,路由器100会接收指示当前空间中的信道状态的CSI。在路由器100接收到CSI之后,可以将CSI发送给手机200。由于用户的呼吸和/或心震会影响路由器接收的CSI,因此手机200从CSI中提取与用户生理状态(呼吸和/或心震)相关的信号分量,对这些信号分量进行增强处理,然后根据这些增强后的信号分量确定出用户的睡眠状态。
应理解,上述为对应用场景的举例说明,并不对本申请的应用场景作任何限定。
下面结合图6至图15对本申请实施例提供的睡眠状态监测方法进行详细描述。
图6为本申请实施例提供的一种睡眠状态监测方法的流程示意图,该方法应用于如图5所示的应用场景中,其中包括路由器和第一电子设备(以下以手机为例进行说明),路由器和手机之间通信连接,如图6所示,该方法包括:
S101、路由器接收第一信号。
其中,第一信号可以用于指示路由器在当前环境中的信道状态信息。例如,第一信号可以是CSI。由上述描述可知,为了保证路由器与其他电子设备之间的通信状态良好,路由器会接收指示当前空间中的信道状态的CSI。其中,CSI可以如图1所示,其中包括0至52路子载波信号,共包括53个子载波信号。
S102、路由器向手机发送第一信号。
通常,人类睡眠时间是在22:00至第二天07:00之间,路由器会将这个时间段采集的第一信号(以下以CSI为例进行说明)发送给手机,以使手机基于CSI分析用户的睡眠状态。其中,路由器可以按照预设的时间间隔分多次发送CSI到手机,也可以在第二天07:00之一次性将22:00至第二天07:00之间的CSI发送给手机,本申请实施例对此不作限制。
示例性的,在22:00至第二天07:00之间,路由器可以在22:01、22:02、22:03…06:59、07:00、07:01向手机发送CSI。
示例性的,路由器可以在第二天07:00之后,向手机发送22:00至第二天07:00之间的CSI。
S103、手机接收路由器发送的第一信号。
S104、手机获取第一信号对应的生理分量信号。
其中,生理分量信号可以是指第一信号中指示用户生理状态的分量信号。
应理解,第一信号可以用于指示路由器在当前环境中的信道状态信息。人体的生理变化会影响环境中电磁波信号的,也即是说,人体的生理变化会干扰当前环境中的信号状态,进而使得CSI发生变化。例如,呼吸和心跳导致人体的胸腔震动,进而导致CSI反射路径发生改变,进而影响路由器接收到的CSI。用户生理状态可以是指用户的呼吸和心跳。
基于此,对CSI进行信号分解,能够得到CSI中指示用户生理状态的信号分量,也即是生理分量信号。
S105、手机对生理分量信号进行增强处理,得到增强后的生理分量信号。
其中,增强后的生理分量信号用于确定用户的睡眠状态。
S106、基于增强后的生理分量信号,得到睡眠监测结果,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
可选地,手机对生理分量信号进行增强处理,得到增强后的生理分量信号,可以将增强后的生理分量信号作为睡眠分期模型的输入特征,得到用户的睡眠状态。其中,睡眠分期模型可以是指神经网络模型。
本申请的实施例中,路由器接收第一信号,并向第一电子设备发送第一信号,然后第一电子设备获取第一信号对应的生理分量信号,再对生理分量信号进行增强处理,得到增强后的生理分量信号。其中,第一信号用于指示路由器在当前环境中的信道状态信息,生理分量信号可以是指第一信号中指示用户生理状态的分量信号,增强后的生理分量信号用于确定用户的睡眠状态。用户无需佩戴电子设备的情况下,通过第一电子设备利用指示当前环境的信号状态信息即可确定用户的睡眠状态,提高了用户体验。进一步地,在利用第一信号确定用户的睡眠状态时,还对生理分量信息进行了增强处理,进而利用增强后的生理分量信号来确定用户的睡眠状态,与直接利用第一信号中的生理分量信号来确定用户的睡眠状态信号,能够提高所确定的睡眠状态的准确性。
在一种可能的情况下,获取第一信号对应的生理分量信号可以通过图7所示的实施例来获取,如图7所示,S104“手机获取第一信号对应的生理分量信号”一种可能的实现方法包括:
S201、对第一信号进行预处理,得到第二信号。
其中,预处理用于消除第一信号中的环境噪声。
应理解,路由器的电磁波信号将沿不同路径传播,不同路径之间存在微小的时间差,导致接收到的CSI存在多径效应,影响基于CSI得到的生理分量信号的准确性。其中,多径效应(multipath effect)是指电磁波经不同路径传播后,各分量场到达接收端时间不同,按各自相位相互叠加而造成干扰,使得原来的信号失真,或者产生错误。例如,电磁波沿不同的两条路径传播,而两条路径的长度正好相差半个波长,那么两路信号的波峰和波谷重合,导致这两路信号到达终点时正好相互抵消。
另外,在非理想环境下,例如用户的卧室中,信号会受到环境的影响,产生异常的极大值和极小值。通过预处理也可以将第一信号中的极大值和极小值去除。
其中,对第一信号进行预处理,得到第二信号时,可以采用以下步骤:
步骤一、将相邻天线的CSI相除得到CSI商。
例如,路由器上有N个天线,将两两相邻的天线接收到的CSI相除,得到CSI商,共得到N*(N-1)/2个CSI商,该矩阵的大小为K*L,L为每个子载波的数据长度,K为子载波个数。其中,天线接收的CSI通常是一个数据矩阵,以下可称为CSI矩阵,相邻天线CSI矩阵相除得到的CSI商也是一个数据矩阵,以下可称为CSI商矩阵。通过两两相邻的天线接收到的CSI相除,得到的CSI商,可以消除由于电磁波信号传播路径不同而导致的各个天线接收到的CSI出现多径效应。
示例性的,如图8所示,路由器上包括4个天线,将相邻的两个天线的CSI相除,可以得到6个CSI商,其中,所得到的CSI商为复数矩阵,可以根据CSI商得到CSI商的相位值和/或幅值。
其中,由于CSI是包括多个子载波的信号矩阵,对应的,CSI商也可以是包括多个子载波的信号矩阵。示例性的,如图1所示,CSI可以包括53个子载波,对应的CSI商也可以包括53个子载波。
步骤二、获取CSI商中每个子载波的信号幅值均值,并从CSI商中减去各子载波的幅值均值,得到第一修正CSI商。
应理解,CSI商可以用于指示当前环境中的信道状态。用户生理状态(例如用户的呼气、吸气和心跳)的变化对CSI商带来的变化通常较小,因此从CSI商中减去CSI商中每个子载波的信号幅值均值,得到的第一修正CSI商矩阵,能够更加准确的指示用户的生理状态。
步骤三、将第一修正CSI商输入第一滤波器,得到第二修正CSI商。
应理解,由于第一修正CSI商中可能存在异常极大值和异常极小值。通常异常极大值和异常极小值是由于信号的异常波动产生的毛刺。因此,可以通过滤波器将第一修正CSI商中存在异常极大值和异常极小值去除,得到第二修正CSI商。这样可以去除信号的异常波动对指示用户生理状态的信号分量的影响。
其中,第一滤波器可以是指汉佩尔(Hampel)滤波器。
步骤四、将第二修正CSI商分解成多个固定长度的子CSI商,作为第二信号。
其中,多个子CSI商的时长相同,在将第二修正CSI上分解成多个子CSI商时,是按照固定时长进行分解的。其中,将一整晚的CSI信号经预处理后得到的第二修正CSI商,分割为多个数据段,即为第二信号。示例性的,将第二修正CSI商分割为k个数据段L_2min,每个数据段的长度为2分钟,也即是L_2min 。以下对第二信号进行的处理可以是指分别对各个L_2min的处理。
本申请的实施例中提供的睡眠状态监测方法,在获取第一信号对应的生理分量信号时,先对第一信号进行消除环境噪声的预处理,得到第二信号,再根据第二信号得到生理分量信号,然后对生理分量信号进行增强处理,得到增强后的生理分量信号,进而使得第一电子设备根据增强后的生理分量信号确定用户的睡眠状态,由于生理分量信号通常较弱,因此在获取生理分量信号之前,先消除第一信号中的环境噪声,得到第二信号,使得第二信号能够更加准确的指示生理分量信号,因此使得基于第二信号得到的生理分量信号更加准确,进而提高了根据第二信号得到的用户的睡眠状态的准确性。
S202、按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合指示的多个频率的本征模态分量。
其中,信号分解用于将第二信号分解为多个频率的信号分量,预设的频率集合中包括生理分量信号对应的频率。
应理解,成年人呼吸率约为12次/分钟(bpm)至20bpm,幼儿呼吸率约为20 bpm至30bpm,因此呼吸信号的频率范围约为0.2 Hz至0.5Hz。平静时人的心率约为60bpm 至100bpm,但是运动员的心率可能低至40bpm,剧烈运动后的心率可能高达180bpm,因此心震信号的频率范围约为0.67 Hz 至3Hz。因此,需要从第二信号中获取与呼吸信号和心震信号的频率范围对应的信号分量,作为预设的频率集合中的各个频率指示的多个频率的本征模态分量。
因此,在构建预设的频率集合时,可以按照呼吸和心震的频率来确定预设的频率集合中的频率。示例性的,预设的频率集合中的频率可以是以0.1Hz作为基础频率,采用下一个频率为与之相邻的上一个频率乘以2的方式逐步递增,得到预设的频率集合,即[0.1Hz, 0.2Hz, 0.4Hz,0.8Hz, 1.6Hz, 3.2Hz, 6.4Hz, 12.8Hz …]。
其中,本征模态分量(Intrinsic Mode Function,IMF)是指原始信号(相当于第二信号)被EMD分解后得到的各层信号分量,通常认为任何信号都可以分解成若干个IMF的分量之和。IMF有以下两个约束条件。
(1)在整个数据段内,极值点和过零点的个数必须相等或者相差最多不能超过一个。
(2)任意时刻由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零。
第二信号通常可以是复杂信号,即包含不同频率的分量信号,因此第二信号可以被分解为多个频率的信号分量,其中包括预设的频率集合中的各个频率对应的信号分量,同样包括生理状态对应的信号分量。
应理解,第二信号为复杂信号,即包含不同频率的分量信号,需要从第二信号中分解出多个频率的信号分量,用于进行睡眠状态的监测。其中,若采用传统的EMD来对第二信号进行分解,则分解得到的信号分量对应的频率通常存在混叠现象,不能从第二信号中分解生理分量信号,也即是生理状态的频率对应的信号分量。因此在本申请的实施例中,将第二信号按照利用生理状态对应的频率构建出的预设的频率集合进行信号分解,能够从第二信号中分解出生理状态对应的信号分量。
可选地,上述S202“按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合指示的多个频率的本征模态分量”可以包括以下步骤:
S2021、根据第二信号的上包络值和下包络值确定第二信号在预设的频率集合中对应的最高频率的本征模态分量。
示例性的,可以利用三次样条插值法获取第二信号X的上包络值e1和下包络值e2,计算局部均值e ̅=(e1+e2)/2,即上下包络的均值。然后从第二信号X中减去局部均值e ̅ ,获得中间信号C1=X−e ̅。若中间信号C1符合本征模态的要求,则中间信号C1为本征模态分量IMF;若中间信号C1不符合本征模态的要求,则计算中间信号C1的上下包络,获取下一个中间信号C2,直至中间信号符合预设的本征模态要求,作为本征模态分量IMF 。其中,预设的本征模态要求包括:1、极值的数量和过零的数量相差不超过一;2、上下包络的局部均值为零。
可选地,在根据第二信号的上包络值和下包络值确定第二信号在预设的频率集合中对应的最高频率的本征模态分量时,可以通过以下步骤来确定。
步骤一、根据第二信号的上包络值和下包络值确定第二信号的初始本征模态分量。
其中,在确定初始本征模态分量时,同样可以利用三次样条插值法获取。也即是利用三次样条插值法获取第二信号X的上包络值e1和下包络值e2,计算局部均值e ̅=(e1+e2)/2,即上下包络的均值。然后从第二信号X中减去局部均值e ̅ ,获得中间信号C1=X−e ̅。若中间信号C1符合本征模态的要求,则中间信号C1为初始本征模态分量IMF1;若中间信号C1不符合本征模态的要求,则计算中间信号C1的上下包络,获取下一个中间信号C2,直至中间信号符合预设的本征模态要求,作为初始本征模态分量IMF1。其中,预设的本征模态要求包括:1、极值的数量和过零的数量相差不超过一;2、上下包络的局部均值为零。
步骤二、确定初始本征模态分量的平均瞬时频率。
示例性的,可以利用希尔伯特算法来获取初始本征模态分量的平均瞬时频率f0。其中希尔伯特算法也是一种信号分解方法,用于把复杂信号分解为简单信号的加权和。希尔伯特算法是一种纯粹时间域的分解,但是每个子信号却可以表示不同的频率成分,得到时频平面。
步骤三、根据平均瞬时频率从预设的频率集合中确定第二信号对应的最高频率。
其中,可以基于初始本征模态分量的平均瞬时频率f0,在预设的频率集合中寻找大于f0且最为接近f0的频率值f1,作为第二信号对应的最高频率。
示例性的,初始本征模态分量的平均瞬时频率f0=4.5Hz,预设的频率集合为[0.1Hz, 0.2Hz, 0.4Hz,0.8Hz, 1.6Hz, 3.2Hz, 6.4Hz],则在预设的频率集合中选取与大于4.5Hz且最接近4.5Hz的频率值f1为6.4Hz 。也即是第二信号对应的最高频率为6.4Hz。
步骤四、基于最高频率构建余弦信号,作为模板信号。
在确定出第二信号的最高频率之后,可以以最高频率作为余弦信号的频率构建模板信号。同时,还可以为预设的频率集合中除了最高频率的多个频率,构建出各个频率对应的余弦信号作为各个频率对应的模板信号。示例性的,预设的频率集合为[0.1Hz, 0.2Hz,0.4Hz,0.8Hz, 1.6Hz, 3.2Hz, 6.4Hz],分别为预设的频率集合中的各个频率构建出余弦信号作为各个频率对应的模板信号。
步骤五、根据第二信号和模板信号,确定最高频率的本征模态分量。
其中,第二信号中加入最高频率的模板信号得到第三信号,第二信号中减去最高频率的模板信号得到第四信号,然后对第三信号利用如S2031中所示的三次样条插值法获取第三信号对应的临时本征模态分量,对第四信号利用如S2031中所示的三次样条插值法获取第四信号对应的临时本征模态分量,再获取第三信号对应的临时本征模态分量和第四信号对应的临时本征模态分量的均值,作为最高频率的本征模态分量IMF1̅。
S2022、从第二信号中去除最高频率的本征模态分量,得到第二信号的剩余分量。
应理解,第二信号中包括多个子载波信号,依次从各个子载波信号中减去该子载波的最高频率的本征模态分量,得到各个子载波的剩余分量,进而得到第二信号的剩余分量。
示例性的,第二信号中的一个子载波S,减去最高频率的本征模态分量得到的剩余分量R=S-IMF1。依次对第二信号中的各个子载波减去最高频率的本征模态分量得到第二信号的剩余分量。
S2023、根据剩余分量的上包络值和下包络值确定第二信号在预设的频率集合中对应的剩余频率的本征模态分量,剩余频率包括预设的频率集合中小于最高频率的频率。
应理解,在预设的频率集合中包括多个频率,其中除了最高频率之外,小于最高频率的其他频率为剩余频率。
示例性的,预设的频率集合为[0.1Hz, 0.2Hz, 0.4Hz,0.8Hz, 1.6Hz, 3.2Hz,6.4Hz],最高频率为6.4Hz,则剩余频率包括0.1Hz, 0.2Hz, 0.4Hz, 0.8Hz, 1.6Hz,3.2Hz。
通过上述步骤确定出最高频率的本征模态分量之后,也即是确定的6.4Hz的本征模态分量。同时也从第二信号中去除最高频率的本征模态分量,得到第二信号的剩余分量。然后对第二信号的剩余分量执行如S2021中步骤五“根据第二信号和模板信号,确定最高频率的本征模态分量”和S2022所示的处理,得到预设的频率集合中对应的剩余频率的本征模态分量,此处不再赘述。
示例性的,一个子载波的各个频率对应的本征模态分量可以如图9所示。其中,summed IMFS表示该子载波。IMF-1表示频率1的本征模态分量,IMF-2表示频率2的本征模态分量,IMF-3表示频率3的本征模态分量,IMF-4表示频率4的本征模态分量,IMF-5表示频率5的本征模态分量,IMF-6表示频率6的本征模态分量,IMF-7表示频率7的本征模态分量。
S203、将多个频率的本征模态分量作为生理分量信号。
本申请的实施例中提供的睡眠状态监测方法,在获取第一信号对应的生理分量信号时,先对第一信号进行预处理,得到第二信号,再按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合指示的多个频率的本征模态分量,然后将多个频率的本征模态分量作为生理分量信号,其中,预设的频率集合中包括生理分量信号对应的频率。与传统的经验模态分解算法进行信号分解相比,采用本申请实施例提供的预设的频率集合进行信号分解,能够使得分解得到的分量信号的频率均是与生理状态相关的频率,避免了分解得到的分量信号的频率混叠,即包含与生理状态无关的频率,进而使得根据所得到的分量信号确定的用户的睡眠状态的准确性更高。
在一种可能的情况下,第一信号包括多个子载波,每个子载波对应一个生理分量信号,生理分量信号包括预设的频率集合中各个频率对应的本征模态分量,上述S105“对生理分量信号进行增强处理,得到第一信号对应的增强后的生理分量信号”,可以通过图10所示实施例来实现。
如图10所示,S105“对生理分量信号进行增强处理,得到第一信号对应的增强后的生理分量信号”一种可能的实现方法包括:
S301、将多个子载波中各子载波对应的生理分量信号中各个频率的本征模态分量叠加,得到多个子载波中各子载波的初始生理分量信号。
下面以一个子载波的生理分量信号对S301中的初始生理分量信号进行描述。获取多个子载波中各子载波的初始生理分量信号的步骤与之类似,依次采用下述步骤获取即可,此处不再赘述。
示例性的,一个子载波的生理分量信号包括0.1Hz的本征模态分量、0.2Hz的本征模态分量、0.4Hz的本征模态分量、0.8Hz的本征模态分量、1.6Hz的本征模态分量、3.2Hz的本征模态分量和6.4Hz的本征模态分量。
其中,与呼吸相关的频率包括0.1Hz、0.2Hz、0.4Hz和0.8Hz。与心震相关的频率包括0.8Hz、1.6Hz、3.2Hz、6.4Hz。
可选的,对生理分量信号中的呼吸子分量信号进行增强处理,得到增强后的呼吸子分量信号;对生理分量信号中的心震子分量信号进行增强处理,得到增强后的心震子分量信号。
将与呼吸相关的频率包括0.1Hz、0.2Hz、0.4Hz和0.8Hz的本征模态分量,也即是0.1Hz的本征模态分量、0.2Hz的本征模态分量、0.4Hz的本征模态分量和0.8Hz的本征模态分量进行叠加,得到呼吸分量Sbreath。
将与心震相关的频率包括0.8Hz、1.6Hz、3.2Hz、6.4Hz的本征模态分量,也即是0.8Hz的本征模态分量、1.6Hz的本征模态分量、3.2Hz的本征模态分量和6.4Hz的本征模态分量进行叠加,得到心震分量Sscg。
其中一个子载波的初始生理分量信号呼吸分量Sbreath和心震分量Sscg。
S302、获取多个子载波中各子载波的初始生理分量信号对应的生理分量信号信噪比。
其中,初始生理分量信号对应的生理分量信号信噪比可以包括呼吸分量的信噪比和心震信号的信噪比。
示例性的,采用子载波S减去呼吸分量Sbreath得到呼吸噪声分量,并计算呼吸噪声分量的功率Pnoise1。然后计算子载波中呼吸分量Sbreath功率Pbreath。最后计算得到呼吸分量的信噪比SNR=Pbreath/Pnoise1。
示例性的,采用子载波S减去心震分量Sscg得到心震噪声分量,并计算心震噪声分量的功率Pnoise2。然后计算子载波中心震分量Sscg功率Pscg。最后计算得到心震分量的信噪比SNR=Pscg/Pnoise2。
其中,可以采用以上示例计算其中一个子载波的生理分量信号的信噪比,并采用相同的方法依次计算得到各个子载波的生理分量信号信噪比,此处不再赘述。
S303、基于多个子载波中各子载波的生理分量信号信噪比确定出第一子载波,第一子载波为多个子载波中的生理分量信号信噪比最高的子载波。
示例性的,可以将呼吸分量的信噪比最高的子载波和/或心震信号的信噪比最高的子载波作为第一子载波。
S304、基于其他子载波与第一子载波之间的相关性,确定其他子载波对应的权重和偏移量,其他子载波是指多个子载波中除第一子载波之外的子载波。
在确定出第一子载波之后,可以分别确定出其他子载波与第一子载波的相关性。
示例性的,确定呼吸分量对应的第一子载波之后,计算第一子载波的呼吸分量和其他子载波的呼吸分量的相关性。例如,获取第一子载波的呼吸分量和当前子载波(其他子载波中的一个子载波)的呼吸分量之间的相关系数序列和对应延迟点数。然后对相关系数序列取绝对值,找到最大绝对相关系数,和最大绝对相关系数的符号。若符号为正,则第一子载波的呼吸分量和当前子载波的呼吸分量正相关,方向一致;若符号为负,则第一子载波的呼吸分量和当前子载波的呼吸分量负相关,方向相反。最大绝对相关系数和该符号为当前子载波的呼吸权重,对应延迟点数为当前子载波的呼吸偏移量。然后依次采用相同的方法确定出其他子载波中各个子载波的呼吸权重和呼吸偏移量。
示例性的,确定心震分量对应的第一子载波之后,计算第一子载波的心震分量和其他子载波的心震分量的相关性。例如获取第一子载波的心震分量和当前子载波(其他子载波中的一个子载波)的心震分量之间的相关系数序列和对应延迟点数。然后对相关系数序列取绝对值,找到最大绝对相关系数,和最大绝对相关系数的符号。若符号为正,则第一子载波的心震分量和当前子载波的心震分量正相关,方向一致;若符号为负,则第一子载波的心震分量和当前子载波的心震分量负相关,方向相反。最大绝对相关系数和该符号为当前子载波的心震权重,对应延迟点数为当前子载波的心震偏移量。然后依次采用相同的方法确定出其他子载波中各个子载波的心震权重和心震偏移量。
S305、基于权重和偏移量对其他子载波进行修正,得到修正后的子载波。
S306、将第一子载波和修正后的子载波进行叠加,得到第一信号对应的增强后的生理分量信号。
示例性的,对生理分量信号进行增强处理,得到第一信号对应的增强后的生理分量信号的过程可以如图11所示。
例如,如图11中的(a)所示,分别为对呼吸分量1、呼吸分量2……呼吸分量n乘以对应的呼吸权重,再分别叠加对应的呼吸偏移量,得到修正后的多个呼吸分量。最后,将修正后的多个呼吸分量进行叠加,得到增强后的呼吸分量。增强后的呼吸分量可以如图12所示。
例如,如图11中的(b)所示分别为对心震分量1、心震分量2……心震分量n乘以对应的心震权重,再分别叠加对应的心震偏移量,得到修正后的多个心震分量。最后,将修正后的多个心震分量进行叠加,得到增强后的心震分量。
本申请的实施例中提供的睡眠状态监测方法,通过对多个子载波中各个子载波对应的生理分量信号中各个频率的本征模态分量叠加,得到多个子载波中各子载波的初始生理分量信号,然后获取多个子载波中各子载波的初始生理分量信号对应的生理分量信号信噪比,并基于多个子载波中各子载波的生理分量信号信噪比确定出第一子载波,第一子载波为多个子载波中的生理分量信号信噪比最高的子载波,再基于其他子载波与第一子载波之间的相关性,确定其他子载波对应的权重和偏移量,其他子载波是指多个子载波中除第一子载波之外的子载波,进而基于权重和偏移量对其他子载波进行修正,得到修正后的子载波,最后将第一子载波和修正后的子载波进行叠加,得到第一信号对应的增强后的生理分量信号,这样使得第一电子设备在确定用户的睡眠状态时,是采用增强后的生理分量信号确定的,提高了所述确定的睡眠状态的准确性。
图13为本申请另一个实施例中提供的睡眠状态监测方法的流程示意图,如图13所示,该方法包括:
S401、对第一信号进行预处理,得到第二信号。
其中,第一信号可以用于指示路由器在当前环境中的信道状态信息。
对第一信号进行的预处理可以包括以下步骤:
S4011、将相邻天线的CSI相除得到CSI商。
S4012、去除基线。
其中,去除基线可以是指获取CSI商中每个子载波的信号幅值均值,并从CSI商中减去该信号幅值均值,得到第一修正CSI商。
S4013、采用Hample滤波器进行滤波。
其中,采用Hample滤波器进行滤波可以是指将第一修正CSI商输入Hample滤波器,得到第二修正CSI商。
S4014、数据分割。
其中,数据分割可以是指将第二修正CSI商分解成多个子CSI商,作为第二信号。
S402、对第二信号进行信号分解。
其中,对第二信号进行分解可以包括以下步骤:
S4021、构建预设的频率模板。
S4022、采用预设的频率模板对第二信号进行信号分解,得到呼吸分量和心震分量。
S403、对呼吸分量和心震分量进行增强处理,得到增强后的呼吸分量和增强后的心震分量。
其中,对呼吸分量进行增强处理可以通过以下步骤实现:
S4031、获取呼吸分量的信噪比。
S4032、确定最优呼吸子载波(相当于第一子载波)。
其中,最优子载波的呼吸分量的信噪比最高。
S4033、对其他子载波进行修正。
其中,对其他子载波进行修正可以是先获取其他子载波相对于最优呼吸子载波的系数、方向性和权重。然后根据系数、方向性和权重对其他子载波进行修正,得到修正后的其他子载波。
S4034、将修正后的其他子载波与最优呼吸子载波进行叠加,得到增强后的呼吸分量。
其中,对心震分量进行增强处理可以通过以下步骤实现:
S4035、获取心震分量的信噪比。
S4036、确定最优心震子载波(相当于第一子载波)。
其中,最优子载波的呼吸分量的信噪比最高。
S4037、对其他子载波进行修正。
其中,对其他子载波进行修正可以是先获取其他子载波相对于最优心震子载波的延迟和偏移量。然后根据延迟和偏移量对其他子载波进行修正,得到修正后的其他子载波。
S4038、将修正后的其他子载波与最优心震子载波进行叠加,得到增强后的心震分量。
S404、根据增强后的呼吸分量、增强后的心震分量和睡眠监测模型得到睡眠监测结果。
第一电子设备可以先基于增强后的呼吸分量和增强后的心震分量确定呼吸特征、心震特征和呼吸暂停特征,然后将呼吸特征、心震特征和呼吸暂停特征作为睡眠监测模型的输入特征,得到睡眠监测结果。
其中,睡眠监测模型用于通过机器学习,得到睡眠监测结果。例如睡眠监测模型为神经网络模型,其中可以包括多个学习层,每个学习层中包含一维卷积层和激活层组成,不同学习层的内核大小不同,可以提取不同的局部特征。学习层输出特征经过全连接层和分类器,得到最终的睡眠监测结果。
可选的,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
本申请的实施例中,第一电子设备在得到了增强后的呼吸分量和增强后的心震分量之后,可以根据增强后的呼吸分量、增强后的心震分量和睡眠监测模型得到睡眠监测结果,其中,睡眠监测结果包括清醒状态、浅睡状态、深睡状态和快速眼动状态,这些状态能够简洁的指示用户的睡眠状态,也即是说,用户无需人为的对数据进行分析即可了解用户的睡眠状态,提高了用户体验。
其中,呼吸特征包括呼吸率、呼吸分量的峰谷值、呼吸率特征、呼吸深度特征和呼吸时间特征。
呼吸率:呼吸率可以是指利用傅里叶变换,将呼吸分量转换为频域信号(呼吸信号),在呼吸信号的频率范围(0.2Hz至0.5Hz)的峰值频率,即为该时间段内的呼吸率。
示例性的,呼吸信号的功率谱图可以如图14所示,主要集中在0.2Hz至0.5Hz 之间。
呼吸信号的峰谷值:呼吸信号的峰谷值可以从呼吸信号中的各个波峰和各个波谷。
示例性的,呼吸信号的峰谷值可以如图15所示,其中波峰表示呼气,波谷表示吸气。
呼吸率特征:呼吸率特征是指呼吸信号的呼吸率均值、方差、四分位数和一阶导数。
呼吸深度特征:呼吸深度是指呼吸分量相邻峰谷幅值差。呼吸深度特征是指呼吸深度的均值、方差、四分位数和一阶导数。
呼吸时间特征:呼吸信号中从相邻谷峰时间差为吸气时间,即任一周期内从波谷上升至波峰所用的时间为吸气时间,相邻峰谷时间差为呼气时间,即任一周期内从波峰降低到波谷的时间为呼气时间。呼吸时间特征包括呼吸比(吸气时间和呼气时间之比)的均值、方差、四分位数和一阶导数。
其中,心震特征包括时域特征和频域特征,以下特征均基于2分钟内心震分量信号的全部窦性心博间期(normal-to-normalintervals,NN间期)统计得到,NN间期为相邻心震周期之间的时间间隔,单位通常为毫秒。
时域特征包括:
心率(Heart Rate,HR):每分钟(60秒)的心跳次数,即60秒除以NN间期均值(单位从毫秒转换为秒);
NN间期标准差(standard diviation ofNN intervals,SDNN):NN间期的标准差,单位通常为毫秒;
相邻NN间期差值超过50毫秒个数(number of pairs ofsuccessive NNs thatdiffer by more than 50 ms,NN50):相邻两个NN间期之间的时间差大于50毫秒的数量;
相邻NN间期差值超过50毫秒比例(proportion of NN50divided by totalnumber of NNs,pNN50):所有NN间期中NN50数量的占比,即NN50除以总NN间期个数。
频域特征包括:
总功率(total power,TP):NN间期0.4Hz以下功率和;
极低频功率(very low frequencypower,VLFP):NN间期0.04Hz以下功率和;
低频功率(low frequency power,LFP):NN间期0.04-0.15Hz范围内功率和;
高频功率(high frequency power,HFP):NN间期0.15-0.4Hz范围内功率和;
低频与高频功率比(the ratio of lowfrequency power to high frequencypower,LF/HF):LFP和HFP的比值,即LFP/HFP。
呼吸暂停特征
呼吸暂停特征可以通过确定呼吸信号中每一个呼吸周期的呼吸深度(即相邻峰谷的幅值差)来确定。在呼吸深度大于阈值B时,则在该周期内呼吸正常,在呼吸深度小于阈值时,则在该周期内呼吸不存在,也即是呼吸暂停。其中阈值B可以由整晚呼吸信号的峰谷差的均值μ和标准差σ确定。示例性的,B=μ-2σ。
在得到了睡眠监测结果之后,可以在第一界面显示睡眠监测结果。
示例性的,第一界面可以如图16所示。
本申请的实施例中提供的睡眠状态监测方法,在获取了睡眠监测结果之后,在第一界面上显示睡眠监测结果,使得用户能够更加直观地获取睡眠监测结果,进一步地提高了用户体验。
应该理解的是,虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是,为了实现上述功能,电子设备包含了执行各个功能相应的硬件和/或软件模块。结合本文中所公开的实施例描述的各示例的算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以结合实施例对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个模块中。需要说明的是,本申请实施例中对模块的划分是示意性的,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。需要说明的是,本申请实施例中模块的名称是示意性的,实际实现时对模块的名称不做限定。
图17为本申请实施例提供的睡眠状态监测装置的一种结构示意图。
应理解,睡眠状态监测装置500可以执行图6至图16所示的睡眠状态监测方法;睡眠状态监测装置500应用于第一电子设备,第一电子设备和路由器之间通信连接,路由器用于接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息,睡眠状态监测装置500包括:获取单元510和处理单元520。
获取单元510用于接收路由器发送的第一信号;
处理单元520用于获取第一信号对应的生理分量信号,生理分量信号是指第一信号中指示用户生理状态的信号分量;
处理单元520用于对生理分量信号进行增强处理,得到增强后的生理分量信号,增强后的生理分量信号用于确定用户的睡眠状态;
处理单元520用于基于增强后的生理分量信号,得到睡眠监测结果,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
在一个实施例中,处理单元520用于对第一信号进行预处理,得到第二信号,预处理用于消除第一信号中的环境噪声;按照预设的频率集合对第二信号进行信号分解,得到预设的频率集合中的多个频率的本征模态分量,信号分解用于将第二信号分解为多个频率的信号分量,预设的频率集合中包括生理分量信号对应的频率;将多个频率的本征模态分量作为生理分量信号。
在一个实施例中,处理单元520用于根据第二信号的上包络值和下包络值确定第二信号在预设的频率集合中对应的最高频率的本征模态分量;从第二信号中去除最高频率的本征模态分量,得到第二信号的剩余分量;根据剩余分量的上包络值和下包络值确定第二信号的在预设的频率集合中对应的剩余频率的本征模态分量,剩余频率包括预设的频率集合中除最高频率之外的频率。
在一个实施例中,处理单元520用于根据第二信号的上包络值和下包络值确定第二信号的初始本征模态分量;确定初始本征模态分量的平均瞬时频率;根据平均瞬时频率从预设的频率集合中确定第二信号对应的最高频率;基于最高频率构建余弦信号,作为模板信号;根据第二信号和模板信号,确定最高频率的本征模态分量。
在一个实施例中,生理分量信号包括呼吸子分量信号和心震子分量信号,处理单元520用于从多个频率的本征模态分量中选取呼吸子分量信号对应的频率的本征模态分量,作为呼吸子分量信号;从多个频段的本征模态分量中选取心震子分量信号对应的频率的本征模态分量,作为心震子分量信号。
在一个实施例中,第一信号包括多个子载波,每个子载波对应一个生理分量信号,生理分量信号包括预设的频率集合中各个频率对应的本征模态分量,处理单元520用于将多个子载波中各子载波对应的生理分量信号中各个频率的本征模态分量叠加,得到多个子载波中各子载波的初始生理分量信号;获取多个子载波中各子载波的初始生理分量信号的对应的生理分量信号信噪比;基于多个子载波中各子载波的生理分量信号信噪比确定出第一子载波,第一子载波为多个子载波中的生理分量信号信噪比最高的子载波;基于其他子载波与第一子载波之间的相关性,确定其他子载波对应的权重和偏移量,其他子载波是指多个子载波中除第一子载波之外的子载波;基于权重和偏移量对其他子载波进行修正,得到修正后的子载波;将第一子载波和修正后的子载波进行叠加,得到第一信号对应的增强后的生理分量信号。
在一个实施例中,生理分量信号包括呼吸子分量信号和心震子分量信号,增强后的生理分量信号包括增强后的呼吸子分量信号和增强后的心震子分量信号,处理单元520用于对生理分量信号中的呼吸子分量信号进行增强处理,得到增强后的呼吸子分量信号;对生理分量信号中的心震子分量信号进行增强处理,得到增强后的心震子分量信号。
在一个实施例中,处理单元520用于根据增强后的生理分量信号分和睡眠监测模型,得到睡眠监测结果,睡眠监测模型用于进行机器学习,得到睡眠监测结果,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
在一个实施例中,处理单元520用于在第一界面显示睡眠监测结果。
本实施例提供的睡眠状态监测装置,用于执行上述实施例的睡眠状态监测方法,技术原理和技术效果相似,此处不再赘述。
需要说明的是,上述睡眠状态监测装置500以功能单元的形式体现。这里的术语“单元”可以通过软件和/或硬件形式实现,对此不作具体限定。
图18为本申请实施例提供的睡眠状态监测装置的一种结构示意图。睡眠状态监测装置600应用于路由器,路由器和第一电子设备之间通信连接,睡眠状态监测装置600包括:获取单元610和处理单元620。
获取单元610用于接收第一信号,第一信号用于指示路由器在当前环境中的信道状态信息;
处理单元620用于向第一电子设备发送第一信号,以使第一电子设备从第一信号获取生理分量信号,并对生理分量信号进行增强处理,得到增强后的生理分量信号,其中,生理分量信号是指第一信号中指示用户生理状态的信号分量,增强后的生理分量信号用于确定用户的睡眠状态。
需要说明的是,上述睡眠状态监测装置600以功能单元的形式体现。这里的术语“单元”可以通过软件和/或硬件形式实现,对此不作具体限定。
例如,“单元”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路(application specific integrated circuit,ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
因此,在本申请的实施例中描述的各示例的单元,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
图19示出了本申请提供的一种电子设备的结构示意图。图19中的虚线表示该单元或该模块为可选的。电子设备700可用于实现上述方法实施例中描述的睡眠状态监测方法。
电子设备700包括一个或多个处理器701,该一个或多个处理器701可支持电子设备700实现方法实施例中的睡眠状态监测方法。处理器701可以是通用处理器或者专用处理器。例如,处理器701可以是中央处理器(centralprocessing unit,CPU)、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(applicationspecific integratedcircuit,ASIC)、现场可编程门阵列(fieldprogrammable gate array,FPGA)或者其它可编程逻辑器件,如分立门、晶体管逻辑器件或分立硬件组件。
处理器701可以用于对电子设备700进行控制,执行软件程序,处理软件程序的数据。电子设备700还可以包括通信单元705,用以实现信号的输入(接收)和输出(发送)。
例如,电子设备700可以是芯片,通信单元705可以是该芯片的输入和/或输出电路,或者,通信单元705可以是该芯片的通信接口,该芯片可以作为终端设备或其它电子设备的组成部分。
又例如,电子设备700可以是终端设备,通信单元705可以是该终端设备的收发器,或者,通信单元705可以是该终端设备的收发电路。
电子设备700中可以包括一个或多个存储器702,其上存有程序704,程序704可被处理器701运行,生成指令703,使得处理器701根据指令703执行上述方法实施例中描述的阻抗匹配方法。
可选地,存储器702中还可以存储有数据。可选地,处理器701还可以读取存储器702中存储的数据,该数据可以与程序704存储在相同的存储地址,该数据也可以与程序704存储在不同的存储地址。
处理器701和存储器702可以单独设置,也可以集成在一起;例如,集成在终端设备的系统级芯片(systemon chip,SOC)上。
示例性地,存储器702可以用于存储本申请实施例中提供的睡眠状态监测方法的相关程序704,处理器701可以用于在进行睡眠监测时调用存储器702中存储的睡眠状态监测方法的相关程序704,执行本申请实施例的睡眠状态监测方法;包括:接收路由器发送的第一信号;基于第一信号,获取第一信号对应的生理分量信号,生理分量信号是指第一信号中指示用户生理状态的信号分量;对生理分量信号进行增强处理,得到增强后的生理分量信号,增强后的生理分量信号用于确定用户的睡眠状态,基于增强后的生理分量信号,得到睡眠监测结果,睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态。
本申请还提供了一种计算机程序产品,该计算机程序产品被处理器701执行时实现本申请中任一方法实施例所述的睡眠状态监测方法。
该计算机程序产品可以存储在存储器702中,例如是程序704,程序704经过预处理、编译、汇编和链接等处理过程最终被转换为能够被处理器701执行的可执行目标文件。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机执行时实现本申请中任一方法实施例所述的睡眠状态监测方法。该计算机程序可以是高级语言程序,也可以是可执行目标程序。
该计算机可读存储介质例如是存储器702。存储器702可以是易失性存储器或非易失性存储器,或者,存储器702可以同时包括易失性存储器和非易失性存储器。其中,非易失性存储器可以是只读存储器(read-onlymemory,ROM)、可编程只读存储器(programmableROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(randomaccess memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DRRAM)。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a, b, c, a-b,a-c, b-c, 或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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;例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种睡眠状态监测方法,其特征在于,所述方法应用于第一电子设备,所述第一电子设备和路由器之间通信连接,所述路由器用于接收第一信号,所述第一信号用于指示所述路由器在当前环境中的信道状态信息,所述方法包括:
接收所述路由器发送的所述第一信号;
基于所述第一信号,获取所述第一信号对应的生理分量信号,所述生理分量信号是指所述第一信号中指示用户生理状态的分量信号;
对所述生理分量信号进行增强处理,得到增强后的生理分量信号,所述增强后的生理分量信号用于确定所述用户的睡眠状态;
基于所述增强后的生理分量信号,得到睡眠监测结果,所述睡眠监测结果用于指示用户的睡眠状态,包括清醒状态、浅睡状态、深睡状态和快速眼动状态;
其中,所述基于所述第一信号,获取所述第一信号对应的生理分量信号,包括:
对所述第一信号进行预处理,得到第二信号,所述预处理用于消除所述第一信号中的环境噪声;
按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,所述预设的频率集合中包括多个所述生理分量信号对应的频率;
将所述多个频率的本征模态分量作为所述生理分量信号;
其中,所述按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,包括:
根据所述第二信号的上包络值和下包络值确定所述第二信号在所述预设的频率集合中对应的最高频率的本征模态分量;
从所述第二信号中去除所述最高频率的本征模态分量,得到所述第二信号的剩余分量;
根据所述剩余分量的上包络值和下包络值确定所述第二信号的在所述预设的频率集合中对应的剩余频率的本征模态分量,所述剩余频率包括所述预设的频率集合中除所述最高频率之外的频率;
其中,所述第一信号包括多个子载波,每个所述子载波包含部分所述生理分量信号,所述生理分量信号包括所述预设的频率集合中各个频率对应的本征模态分量,所述对所述生理分量信号进行增强处理,得到所述第一信号对应的增强后的生理分量信号,包括:
将所述多个子载波中各子载波的所述生理分量信号中各个频率的本征模态分量叠加,得到所述多个子载波中各子载波的初始生理分量信号;
获取所述多个子载波中各子载波的初始生理分量信号的对应的生理分量信号信噪比;
基于所述多个子载波中各子载波的所述生理分量信号信噪比确定出第一子载波,所述第一子载波为所述多个子载波中的生理分量信号信噪比最高的子载波;
基于其他子载波与所述第一子载波之间的相关性,确定所述其他子载波对应的权重和偏移量,所述其他子载波是指所述多个子载波中除所述第一子载波之外的子载波;
基于所述权重和所述偏移量对所述其他子载波进行修正,得到修正后的子载波;
将所述第一子载波和所述修正后的子载波进行叠加,得到所述第一信号对应的增强后的生理分量信号。
2.根据权利要求1所述的方法,其特征在于,根据所述第二信号的上包络值和下包络值确定所述第二信号的在所述预设的频率集合中对应的最高频率的本征模态分量,包括:
根据所述第二信号的上包络值和下包络值确定所述第二信号的初始本征模态分量;
确定所述初始本征模态分量的平均瞬时频率;
根据所述平均瞬时频率从所述预设的频率集合中确定所述第二信号对应的最高频率;
基于所述最高频率构建余弦信号,作为模板信号;
根据所述第二信号和所述模板信号,确定所述最高频率的本征模态分量。
3.根据权利要求1所述的方法,其特征在于,所述生理分量信号包括呼吸子分量信号和心震子分量信号,所述将所述多个频率的本征模态分量作为所述生理分量信号,包括:
从所述多个频率的本征模态分量中选取所述呼吸子分量信号对应的频率的本征模态分量,作为所述呼吸子分量信号;
从所述多个频率的本征模态分量中选取所述心震子分量信号对应的频率的本征模态分量,作为所述心震子分量信号。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述生理分量信号包括呼吸子分量信号和心震子分量信号,所述增强后的生理分量信号包括增强后的呼吸子分量信号和增强后的心震子分量信号,所述对所述生理分量信号进行增强处理,得到所述第一信号对应的生理分量信号;
对所述生理分量信号中的所述呼吸子分量信号进行所述增强处理,得到所述增强后的呼吸子分量信号;
对所述生理分量信号中的所述心震子分量信号进行所述增强处理,得到所述增强后的心震子分量信号。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述增强后的生理分量信号,得到睡眠监测结果,包括:
根据所述增强后的生理分量信号和睡眠监测模型,得到所述睡眠监测结果,所述睡眠监测模型预先训练的神经网络模型。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在第一界面显示所述睡眠监测结果。
7.一种睡眠状态监测方法,其特征在于,所述方法应用于路由器,所述路由器与第一电子设备之间通信连接,所述方法包括:
接收第一信号,所述第一信号用于指示所述路由器在当前环境中的信道状态信息;
向所述第一电子设备发送所述第一信号,以使所述第一电子设备从所述第一信号获取生理分量信号,并对所述生理分量信号进行增强处理,得到增强后的生理分量信号,其中,所述生理分量信号是指所述第一信号中指示用户生理状态的信号分量,所述增强后的生理分量信号用于确定所述用户的睡眠状态;
其中,所述以使所述第一电子设备从所述第一信号获取生理分量信号,包括:
以使所述第一电子设备对所述第一信号进行预处理,得到第二信号,所述预处理用于消除所述第一信号中的环境噪声,并按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,所述预设的频率集合中包括多个所述生理分量信号对应的频率,将所述多个频率的本征模态分量作为所述生理分量信号;
其中,所述按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,包括:
以使所述第一电子设备根据所述第二信号的上包络值和下包络值确定所述第二信号在所述预设的频率集合中对应的最高频率的本征模态分量;从所述第二信号中去除所述最高频率的本征模态分量,得到所述第二信号的剩余分量;根据所述剩余分量的上包络值和下包络值确定所述第二信号的在所述预设的频率集合中对应的剩余频率的本征模态分量,所述剩余频率包括所述预设的频率集合中除所述最高频率之外的频率;
其中,所述第一信号包括多个子载波,每个所述子载波包含部分所述生理分量信号,所述生理分量信号包括所述预设的频率集合中各个频率对应的本征模态分量,所述对所述生理分量信号进行增强处理,得到所述第一信号对应的增强后的生理分量信号,包括:
以使所述第一电子设备将所述多个子载波中各子载波的所述生理分量信号中各个频率的本征模态分量叠加,得到所述多个子载波中各子载波的初始生理分量信号;获取所述多个子载波中各子载波的初始生理分量信号的对应的生理分量信号信噪比;基于所述多个子载波中各子载波的所述生理分量信号信噪比确定出第一子载波,所述第一子载波为所述多个子载波中的生理分量信号信噪比最高的子载波;基于其他子载波与所述第一子载波之间的相关性,确定所述其他子载波对应的权重和偏移量,所述其他子载波是指所述多个子载波中除所述第一子载波之外的子载波;基于所述权重和所述偏移量对所述其他子载波进行修正,得到修正后的子载波;将所述第一子载波和所述修正后的子载波进行叠加,得到所述第一信号对应的增强后的生理分量信号。
8.一种睡眠状态监测方法,其特征在于,所述方法应用于监测睡眠系统,所述监测睡眠系统包括第一电子设备和路由器,所述第一电子设备和所述路由器之间通信连接,所述方法包括:
所述路由器接收第一信号,所述第一信号用于指示所述路由器在当前环境中的信道状态信息;
所述路由器向所述第一电子设备发送所述第一信号;
所述第一电子设备接收所述第一信号;
所述第一电子设备从所述第一信号中获取生理分量信号,所述生理分量信号是指所述第一信号中指示用户生理状态的信号分量;
所述第一电子设备对所述生理分量信号进行增强处理,得到所述第一信号对应的增强后的生理分量信号,所述增强后的生理分量信号用于确定所述用户的睡眠状态;
其中,所述第一电子设备从所述第一信号中获取生理分量信号,包括:
所述第一电子设备对所述第一信号进行预处理,得到第二信号,所述预处理用于消除所述第一信号中的环境噪声,并按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,所述预设的频率集合中包括多个所述生理分量信号对应的频率,将所述多个频率的本征模态分量作为所述生理分量信号;
其中,所述按照预设的频率集合对所述第二信号进行信号分解,得到所述预设的频率集合中的多个频率的本征模态分量,包括:
所述第一电子设备根据所述第二信号的上包络值和下包络值确定所述第二信号在所述预设的频率集合中对应的最高频率的本征模态分量,从所述第二信号中去除所述最高频率的本征模态分量,得到所述第二信号的剩余分量,根据所述剩余分量的上包络值和下包络值确定所述第二信号的在所述预设的频率集合中对应的剩余频率的本征模态分量,所述剩余频率包括所述预设的频率集合中除所述最高频率之外的频率;
其中,所述第一信号包括多个子载波,每个所述子载波包含部分所述生理分量信号,所述生理分量信号包括所述预设的频率集合中各个频率对应的本征模态分量,所述对所述生理分量信号进行增强处理,得到所述第一信号对应的增强后的生理分量信号,包括:
所述第一电子设备将所述多个子载波中各子载波的所述生理分量信号中各个频率的本征模态分量叠加,得到所述多个子载波中各子载波的初始生理分量信号;获取所述多个子载波中各子载波的初始生理分量信号的对应的生理分量信号信噪比;基于所述多个子载波中各子载波的所述生理分量信号信噪比确定出第一子载波,所述第一子载波为所述多个子载波中的生理分量信号信噪比最高的子载波;基于其他子载波与所述第一子载波之间的相关性,确定所述其他子载波对应的权重和偏移量,所述其他子载波是指所述多个子载波中除所述第一子载波之外的子载波;基于所述权重和所述偏移量对所述其他子载波进行修正,得到修正后的子载波;将所述第一子载波和所述修正后的子载波进行叠加,得到所述第一信号对应的增强后的生理分量信号。
9.一种监测睡眠装置,其特征在于,所述装置包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中调用并运行所述计算机程序,使得所述装置执行权利要求1至6中任一项所述的方法,或者,使得所述装置执行权利要求7所述的方法。
10.一种芯片,其特征在于,包括处理器,当所述处理器执行指令时,所述处理器执行如权利要求1至6中任一项所述的方法,或者,所述处理器执行如权利要求7所述的方法。
11.一种电子设备,其特征在于,所述电子设备包括处理器,所述处理器用于与存储器耦合,并读取存储器中的指令,并根据所述指令使得所述电子设备执行如权利要求1至6中任一项所述的方法,或者,根据所述指令使得所述电子设备执行如权利要求7所述的方法。
12.一种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存储了计算机程序,当所述计算机程序被处理器执行时,使得处理器执行权利要求1至6中任一项所述的方法,或者,使得处理器执行权利要求7所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112558.8A CN115886741B (zh) | 2023-02-14 | 2023-02-14 | 睡眠状态监测方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112558.8A CN115886741B (zh) | 2023-02-14 | 2023-02-14 | 睡眠状态监测方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115886741A CN115886741A (zh) | 2023-04-04 |
CN115886741B true CN115886741B (zh) | 2023-07-21 |
Family
ID=86491782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310112558.8A Active CN115886741B (zh) | 2023-02-14 | 2023-02-14 | 睡眠状态监测方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115886741B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10735298B2 (en) * | 2012-12-05 | 2020-08-04 | Origin Wireless, Inc. | Method, apparatus, server and system for vital sign detection and monitoring |
US11439344B2 (en) * | 2015-07-17 | 2022-09-13 | Origin Wireless, Inc. | Method, apparatus, and system for wireless sleep monitoring |
CN106175767A (zh) * | 2016-07-01 | 2016-12-07 | 华中科技大学 | 一种非接触式的多人呼吸参数实时检测方法及系统 |
CN106936526A (zh) * | 2017-03-30 | 2017-07-07 | 西北工业大学 | 一种基于信道状态信息的非接触式睡眠分期装置及方法 |
US20240252107A1 (en) * | 2020-08-04 | 2024-08-01 | Asleep | Computing device for predicting sleep state on basis of data measured in sleep environment of user |
CN113440120B (zh) * | 2021-06-17 | 2022-10-28 | 北京航空航天大学 | 一种基于毫米波雷达的人员呼吸心跳检测方法 |
-
2023
- 2023-02-14 CN CN202310112558.8A patent/CN115886741B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115886741A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tavera et al. | [Retracted] Wearable Wireless Body Area Networks for Medical Applications | |
TWI778935B (zh) | 電子裝置、藉由電子裝置測量生物徵像的方法以及非暫時性電腦可讀取媒體 | |
US11998346B2 (en) | Electronic device and method for determining sleep-related information | |
CN113545745B (zh) | 可穿戴电子设备的使用监测方法、介质及其电子设备 | |
KR102371920B1 (ko) | 오디오 신호 출력 방법 및 이를 지원하는 전자 장치 | |
KR20190021113A (ko) | 전자 장치 및 그의 스트레스 측정 방법 | |
Matic et al. | Speech activity detection using accelerometer | |
EP3401872B1 (en) | Electronic device for providing content and control method therefor | |
EP2945156A1 (en) | Audio signal recognition method and electronic device supporting the same | |
CN110249364A (zh) | 用于提供健康内容的方法和电子设备 | |
KR20150082045A (ko) | 전자 장치 및 광혈류 측정 방법 | |
KR102398124B1 (ko) | 음향 데이터의 적응적 처리 | |
Kim et al. | Advanced internet of things and big data Technology for Smart Human-Care Services | |
Gouveia et al. | Bio-radar cardiac signal model used for HRV assessment and evaluation using adaptive filtering | |
Fernandes et al. | A survey of approaches to unobtrusive sensing of humans | |
Gerhardt et al. | mHealth engineering: a technology review | |
CN117694857B (zh) | Ppg频域信号的去噪方法、设备及存储介质 | |
CN115886741B (zh) | 睡眠状态监测方法、电子设备和存储介质 | |
CN117100267A (zh) | 儿童情绪能力评估训练系统及方法 | |
KR20180095358A (ko) | 전자 장치 및 전자 장치의 체성분 측정 방법 | |
WO2023005318A1 (zh) | 生理检测信号质量评估方法、电子设备及存储介质 | |
CN108509804B (zh) | 设备控制方法及相关产品 | |
US10085180B2 (en) | Electronic device and method for converting call type therof | |
CN108632450A (zh) | 用于捕获内容的电子设备和方法 | |
CN117678988B (zh) | 血压测量方法及电子设备 |
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 |