CN116019423A - 睡眠监测方法和系统 - Google Patents
睡眠监测方法和系统 Download PDFInfo
- Publication number
- CN116019423A CN116019423A CN202211736074.2A CN202211736074A CN116019423A CN 116019423 A CN116019423 A CN 116019423A CN 202211736074 A CN202211736074 A CN 202211736074A CN 116019423 A CN116019423 A CN 116019423A
- Authority
- CN
- China
- Prior art keywords
- signal
- vital sign
- frequency
- sleep
- sleep monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 239000002033 PVDF binder Substances 0.000 claims description 8
- 229920002981 polyvinylidene fluoride Polymers 0.000 claims description 8
- 230000003139 buffering effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 description 7
- 238000003199 nucleic acid amplification method Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了一种睡眠监测方法和系统。该睡眠监测方法包括：获取人体睡眠状态下的生命体征信号的预定数目个采样点组成一个分析窗口；确定分析窗口中的最大信号峰值对应的信号峰值时间坐标；确定分析窗口中以信号峰值时间坐标为基准的坐标区间中大于极大值阈值的各个信号极大值对应的信号极大值时间坐标；以及基于信号峰值时间坐标、信号极大值时间坐标、以及生命体征信号的采样率，计算表征人体睡眠状态的频率数据。
Description
技术领域
本发明涉及信号处理领域，更具体地涉及一种睡眠监测方法和系统。
背景技术
随着人们的生活方式和工作作息的改变，睡眠质量越来越被人们所看重。使用科技手段对人体睡眠状态进行监测慢慢深入人心，特别是在医疗护理行业，对人体睡眠状态下的心跳、呼吸、脉搏等指标尤为看重。特别地，人体睡眠状态下的上述指标的数据精准度对于实时监测人体生命体征尤为重要。
传统的睡眠监测带多采用简单的信号采集、滤波、再加上阈值的抓峰值处理和计算来监测人体睡眠状态。此种方法在信号的信噪比低的情况下很容易造成抓峰值错误或者多个虚假峰值从而导致计算错误。
发明内容
根据本发明实施例的睡眠监测方法，包括：获取人体睡眠状态下的生命体征信号的预定数目个采样点组成一个分析窗口；确定分析窗口中的最大信号峰值对应的信号峰值时间坐标；确定分析窗口中以信号峰值时间坐标为基准的坐标区间中大于极大值阈值的各个信号极大值对应的信号极大值时间坐标；以及基于信号峰值时间坐标、信号极大值时间坐标、以及生命体征信号的采样率，计算表征人体睡眠状态的频率数据。
根据本发明实施例的睡眠监测系统，包括主控片上系统模块，该主控片上系统模块被配置为：获取人体睡眠状态下的生命体征信号的预定数目个采样点组成一个分析窗口；确定分析窗口中的最大信号峰值对应的信号峰值时间坐标；确定分析窗口中以信号峰值时间坐标为基准的坐标区间中大于极大值阈值的各个信号极大值对应的信号极大值时间坐标；以及基于信号峰值时间坐标、信号极大值时间坐标、以及生命体征信号的采样率，计算表征人体睡眠状态的频率数据。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中：
图1示出了根据本发明实施例的睡眠监测系统的硬件框图。
图2示出了根据本发明实施例的睡眠监测方法的示例流程图。
图3示出了根据本发明实施例的睡眠监测方法的另一示例流程图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。
鉴于现有的睡眠监测带存在的一个或多个问题，提出了根据本发明实施例的睡眠监测方法和系统，能够更精确、实时地监测人体睡眠状态下的心跳、呼吸、脉搏等指标。
图1示出了根据本发明实施例的睡眠监测系统的硬件框图。如图1所示，睡眠监测系统100包括聚偏氟乙烯(PVDF)传感器模块102、可编程放大电路模块104、模数转换器模块106、主控片上系统模块108、以及数据传输模块110，其中：PVDF传感器模块102被配置为获取人体睡眠状态下的生命体征信号；可编程放大电路模块104被配置为对来自PVDF传感器模块102的生命体征信号进行可编程放大；模数转换器模块106被配置为将来自可编程放大电路模块104的生命体征信号从模拟信号转换为数字信号；主控片上系统模块108被配置为基于来自模数转换器模块106的生命体征信号获取表征人体睡眠状态的频率数据；数据传输模块110被配置为通过有线通信和无线通信中的至少一种将来自主控片上系统模块108的、表征人体睡眠状态的频率数据报告给上位节点或网关等高一级设备。
在一些实施例中，睡眠监测系统100可以仅包括主控片上系统模块108，在这种情况下主控片上系统模块108可以直接基于来自系统外部的生命体征信号来获取表征人体睡眠状态的频率数据。
在一些实施例中，睡眠监测系统100除了包括主控片上系统模块108以外，还可以包括PVDF传感器模块102、可编程放大电路模块104、模数转换器模块106、以及数据传输模块110中的一者或多者。本领域普通技术人员基于关于这些硬件模块的以上描述，可以预见到在这种情况下相应硬件模块的处理或功能。
在一些实施例中，可编程放大电路模块104对生命体征信号的放大倍数由主控片上系统模块108控制，这样可以避免输入到模数转换器模块106的生命体征信号的信噪比不足或信号过大而超出模数转换器模块106的处理范围。例如，来自可编程放大电路模块104的生命体征信号的信号幅值可以在模数转换器模块106可处理的信号幅值的50％～80％内。
图2示出了根据本发明实施例的睡眠监测方法的示例流程图。如图2所示，睡眠监测方法200可以包括：S202，获取人体睡眠状态下的生命体征信号的预定数目N个采样点组成一个分析窗口；S204，确定分析窗口中的最大信号峰值Peak对应的信号峰值时间坐标Peak_index；S206，确定分析窗口中以信号峰值时间坐标Peak_index为基准的坐标区间中大于极大值阈值Peak-threshold的各个信号极大值Peak_1至Peak_n对应的信号极大值时间坐标Peak1_index至Peakn_index；以及S208，基于信号峰值时间坐标Peak_index、信号极大值时间坐标Peak1_index至Peakn_index、以及生命体征信号的采样率Fs，计算表征人体睡眠状态的频率数据。
这里，需要说明的是，步骤S202至S208可以由主控片上系统模块108执行，并且由主控片上系统模块108处理的生命体征信号可以是经过PVDF传感器模块102、可编程放大电路模块104、模数转换器模块106中的一个或多个硬件模块处理的信号。
在一些实施例中，睡眠监测方法200还可以包括：利用有限脉冲响应滤波器，选取生命体征信号的、频率在第一频率阈值F1_threshold和第二频率阈值F2_threshold之间的信号部分，用于获取生命体征信号的预定数目N个采样点。这里，第一频率阈值F1_threshold和第二频率阈值F2_threshold分别是健康人处于睡眠状态下的生命体征信号的最小频率Fmin和最大频率Fmax。
在一些实施例中，睡眠监测方法200还可以包括：基于生命体征信号的采样率Fs和第一频率阈值F1_threshold确定预定数目N。例如，N＝2×Fs/Fmin。
在一些实施例中，生命体征信号可以是呼吸信号或心跳信号；极大值阈值Peak_threshold可以是最大信号峰值Peak与预定峰值系数Coefficient的乘积。
在一些实施例中，睡眠监测方法200还可以包括：基于生命体征信号的采样率Fs和分析窗口中以信号峰值时间坐标Peak_index为基准的坐标区间中大于极大值阈值Peak_threshold的各个信号极大值Peak1至Peakn对应的信号极大值时间坐标Peak1_index至Peakn_index与信号峰值时间坐标Peak_index之间的绝对差值中的最小值，计算表征人体睡眠状态的频率数据。具体地，对于分析窗口中以信号峰值时间坐标Peak_index为基准的坐标区间中大于极大值阈值Peak_threshold的每个信号极大值Peakm(m是1至n中的任意整数)，计算该信号极大值对应的信号极大值时间坐标Peakm_index与信号峰值时间坐标Peak_index之间的绝对差值。
在一些实施例中，睡眠监测方法200还可以包括：将表征人体睡眠状态的频率数据缓存到数据缓存器中；以及将表征人体睡眠状态的频率数据上报给上位节点或网关。
在一些实施例中，睡眠监测方法200还可以包括在将表征人体睡眠状态的频率数据缓存到数据缓存器中之前：计算数据缓存器中已经存储的频率数据的平均值；以及在表征人体睡眠状态的频率数据不大于数据缓存器中已经存储的频率数据的平均值与预定频率缓存因子的乘积的情况下，将表征人体睡眠状态的频率数据缓存到数据缓存器中。这里，数据缓存器可以是先进先出缓存器。
图3示出了根据本发明实施例的睡眠监测方法的另一示例流程图。如图3所示，睡眠监测方法300可以由主控片上系统模块108执行并且可以包括：
S302，对于来自模数转换器模块106的生命体征信号，通过有限脉冲响应滤波器选取频率在[Fmin,Fmax]范围内的信号部分，用于获取生命体征信号的预定数目N(例如，N＝2×Fs/Fmin)个采样点组成一个分析窗口。
S304，确定分析窗口中的最大信号峰值Peak及其对应的信号峰值时间坐标Peak_index。
S306，根据频率范围[Fmin,Fmax]并结合生命体征信号的采样率Fs确定搜索范围[Fs/Fmax,Fs/Fmin]，并在以信号峰值时间坐标Peak_index为基准的两个有效区间[Peak_index-Fs/Fmin]和[Peak_index+Fs/Fmin]内找出所有信号极大值。
S308，选取所有信号极大值中的第一个信号极大值记为Peak_next，并判断Peak_next是否大于最大信号峰值Peak与预定峰值系数Coefficient的乘积，如果是，此将此信号极大值记录为Peak1并将其对应的信号极大值时间坐标记录为Peak1_index，否则排除此信号极大值，继续在剩余的信号极大值中选取第二个信号极大值并用第二个信号极大值更新Peak_next，判断Peak_nex是否大于最大信号峰值Peak与预定峰值系数Coefficient的乘积，如果是，则将第二个信号极大值记录为Peak2并将其对应的信号极大值时间坐标记录为Peak2_index，否则排除此信号极大值。依次对剩余的每个信号极大值进行上述处理，直到遍历所有信号极大值为止。此时，得到一组信号极大值Peak1至Peakn及它们对应的信号极大值时间坐标Peak1_index至Peakn_index。
S310，计算信号极大值Peak1至Peakn对应的信号极大值时间坐标Peak1_index至Peakn_index与信号峰值时间坐标Peak_index之间的绝对差值中的最小值Min{ABS(Peakn_index–Peak_index)}，并结合生命体征信号的采样率Fs计算表征人体睡眠状态的频率数据f＝Fs/Min{ABS(Peakn_index–Peak_index)。
S312，将表征人体睡眠状态的频率数据f缓存到数据缓存器(例如，先进先出(FIFO)缓存)中，并且对数据缓存器中的频率数据进行纠正算法。具体地，计算数据缓存器中已经存储的频率数据的平均值，如果表征人体睡眠状态的频率数据f大于该平均值与频率缓存因子的乘积，则抛弃表征人体睡眠状态的频率数据f，否则将表征人体睡眠状态的频率数据f缓存到数据缓存器中(通信传输模块110可以从数据缓存器读取表征人体睡眠状态的频率数据并发送到上位机)。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (28)
1.一种睡眠监测方法，包括：
获取人体睡眠状态下的生命体征信号的预定数目个采样点组成一个分析窗口；
确定所述分析窗口中的最大信号峰值对应的信号峰值时间坐标；
确定所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于极大值阈值的各个信号极大值对应的信号极大值时间坐标；以及
基于所述信号峰值时间坐标、所述信号极大值时间坐标、以及所述生命体征信号的采样率，计算表征所述人体睡眠状态的频率数据。
2.根据权利要求1所述的睡眠监测方法，在获取所述生命体征信号的所述预定数目个采样点之前，还包括：
利用聚偏氟乙烯传感器，获取所述生命体征信号。
3.根据权利要求2所述的睡眠监测方法，在获取所述生命体征信号的所述预定数目个采样点之前，还包括：
利用可编程放大电路，对所述生命体征信号进行放大。
4.根据权利要求2所述的睡眠监测方法，在获取所述生命体征信号的所述预定数目个采样点之前，还包括：
利用模数转换器，将所述生命体征信号从模拟信号转换为数字信号。
5.根据权利要求4所述的睡眠监测方法，还包括：
利用有限脉冲响应滤波器，选取所述生命体征信号的、频率在第一频率阈值和第二频率阈值之间的信号部分，用于获取所述生命体征信号的所述预定数目个采样点。
6.根据权利要求5所述的睡眠监测方法，其中，所述第一频率阈值和所述第二频率阈值分别是健康人处于睡眠状态下的所述生命体征信号的最小频率和最大频率。
7.根据权利要求6所述的睡眠监测方法，还包括：
基于所述生命体征信号的采样率和所述第一频率阈值，确定所述预定数目。
8.根据权利要求1所述的睡眠监测方法，其中，所述生命体征信号是呼吸信号或心跳信号。
9.根据权利要求1所述的睡眠监测方法，其中，所述极大值阈值是所述最大信号峰值与预定峰值系数的乘积。
10.根据权利要求1所述的睡眠监测方法，其中，计算表征所述人体睡眠状态的频率数据包括：
基于所述生命体征信号的采样率和所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于所述极大值阈值的各个信号极大值对应的信号极大值时间坐标与所述信号峰值时间坐标之间的绝对差值中的最小值，计算表征所述人体睡眠状态的频率数据。
11.根据权利要求10所述的睡眠监测方法，其中，计算表征所述人体睡眠状态的频率数据包括：
对于所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于所述极大值阈值的每个信号极大值，计算该信号极大值对应的信号极大值时间坐标与所述信号峰值时间坐标之间的绝对差值。
12.根据权利要求1所述的睡眠监测方法，还包括：
将表征所述人体睡眠状态的频率数据缓存到数据缓存器中；以及
将表征所述人体睡眠状态的频率数据上报给上位节点或网关。
13.根据权利要求12所述的睡眠监测方法，在将表征所述人体睡眠状态的频率数据缓存到所述数据缓存器中之前，还包括：
计算所述数据缓存器中已经存储的频率数据的平均值；以及
在表征所述人体睡眠状态的频率数据不大于所述数据缓存器中已经存储的频率数据的平均值与预定频率缓存因子的乘积的情况下，将表征所述人体睡眠状态的频率数据缓存到所述数据缓存器中。
14.根据权利要求12所述的睡眠监测方法，其中，所述数据缓存器是先进先出缓存器。
15.一种睡眠监测系统，包括主控片上系统模块，该主控片上系统模块被配置为：
获取人体睡眠状态下的生命体征信号的预定数目个采样点组成一个分析窗口；
确定所述分析窗口中的最大信号峰值对应的信号峰值时间坐标；
确定所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于极大值阈值的各个信号极大值对应的信号极大值时间坐标；以及
基于所述信号峰值时间坐标、所述信号极大值时间坐标、以及所述生命体征信号的采样率，计算表征所述人体睡眠状态的频率数据。
16.根据权利要求15所述的睡眠监测系统，还包括：
聚偏氟乙烯传感器模块，被配置为在所述主控片上系统模块获取所述生命体征信号的所述预定数目个采样点之前，获取所述生命体征信号。
17.根据权利要求16所述的睡眠监测系统，还包括：
可编程放大电路模块，被配置为在所述主控片上系统模块获取所述生命体征信号的所述预定数目个采样点之前，对所述生命体征信号进行放大。
18.根据权利要求16所述的睡眠监测系统，还包括：
模数转换器模块，被配置为在所述主控片上系统模块获取所述生命体征信号的所述预定数目个采样点之前，将所述生命体征信号从模拟信号转换为数字信号。
19.根据权利要求18所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为：
利用有限脉冲响应滤波器，选取所述生命体征信号的、频率在第一频率阈值和第二频率阈值之间的信号部分，用于获取所述生命体征信号的所述预定数目个采样点。
20.根据权利要求19所述的睡眠监测系统，其中，所述第一频率阈值和所述第二频率阈值分别是健康人处于睡眠状态下的所述生命体征信号的最小频率和最大频率。
21.根据权利要求20所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为基于所述生命体征信号的采样率和所述第一频率阈值确定所述预定数目。
22.根据权利要求15所述的睡眠监测系统，其中，所述生命体征信号是呼吸信号或心跳信号。
23.根据权利要求15所述的睡眠监测系统，其中，所述极大值阈值是所述最大信号峰值与预定峰值系数的乘积。
24.根据权利要求15所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为：
基于所述生命体征信号的采样率和所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于所述极大值阈值的各个信号极大值对应的信号极大值时间坐标与所述信号峰值时间坐标之间的绝对差值中的最小值，计算表征所述人体睡眠状态的频率数据。
25.根据权利要求24所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为：
对于所述分析窗口中以所述信号峰值时间坐标为基准的坐标区间中大于所述极大值阈值的每个信号极大值，计算该信号极大值对应的信号极大值时间坐标与所述信号峰值时间坐标之间的绝对差值。
26.根据权利要求15所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为：
将表征所述人体睡眠状态的频率数据缓存到数据缓存器中；以及
将表征所述人体睡眠状态的频率数据上报给上位节点或网关。
27.根据权利要求26所述的睡眠监测系统，其中，所述主控片上系统模块还被配置为在将表征所述人体睡眠状态的频率数据缓存到所述数据缓存器中之前：
计算所述数据缓存器中已经存储的频率数据的平均值；以及
在表征所述人体睡眠状态的频率数据不大于所述数据缓存器中已经存储的频率数据的平均值与预定频率缓存因子的乘积的情况下，将表征所述人体睡眠状态的频率数据缓存到所述数据缓存器中。
28.根据权利要求26所述的睡眠监测系统，其中，所述数据缓存器是先进先出缓存器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736074.2A CN116019423A (zh) | 2022-12-30 | 2022-12-30 | 睡眠监测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736074.2A CN116019423A (zh) | 2022-12-30 | 2022-12-30 | 睡眠监测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116019423A true CN116019423A (zh) | 2023-04-28 |
Family
ID=86081419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211736074.2A Pending CN116019423A (zh) | 2022-12-30 | 2022-12-30 | 睡眠监测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116019423A (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202313422U (zh) * | 2011-11-28 | 2012-07-11 | 杭州电子科技大学 | 便携式冠状动脉狭窄无损诊断仪 |
| CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
| CN107510443A (zh) * | 2017-08-18 | 2017-12-26 | 浙江舒眠科技有限公司 | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 |
| CN108888271A (zh) * | 2018-07-25 | 2018-11-27 | 佛山市丈量科技有限公司 | 一种生理参数测量系统及配备该测量系统的智能座椅 |
| CN110327036A (zh) * | 2019-07-24 | 2019-10-15 | 东南大学 | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 |
| CN110327029A (zh) * | 2019-07-03 | 2019-10-15 | 上海交通大学 | 一种基于微波感知的心率与心率变异性监测方法 |
| CN110710955A (zh) * | 2019-09-20 | 2020-01-21 | 四川远邦益安科技有限公司 | 睡眠过程中健康指标的监测方法 |
| US20200086078A1 (en) * | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| CN111248876A (zh) * | 2020-02-27 | 2020-06-09 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
| CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
| CN111568399A (zh) * | 2020-05-15 | 2020-08-25 | 中国人民解放军陆军军医大学 | 一种基于雷达的呼吸和心跳信号检测方法及系统 |
| CN111920429A (zh) * | 2020-09-11 | 2020-11-13 | 深圳市爱都科技有限公司 | 精神压力检测方法、装置和电子设备 |
| CN113080891A (zh) * | 2021-03-17 | 2021-07-09 | 浙江大学 | 基于人体微动信号的呼吸率和心率的提取方法 |
| CN113260871A (zh) * | 2019-07-02 | 2021-08-13 | 松下知识产权经营株式会社 | 传感器 |
| CN114159050A (zh) * | 2021-11-12 | 2022-03-11 | 深圳数联天下智能科技有限公司 | 一种呼吸率监测方法、装置、设备及介质 |
| CN114519890A (zh) * | 2022-04-14 | 2022-05-20 | 中国科学技术大学 | 微表情峰值自动检测方法、系统、设备及存储介质 |
| CN114947768A (zh) * | 2022-04-22 | 2022-08-30 | 深圳市爱都科技有限公司 | 呼吸率的处理方法、装置及计算机可读存储介质 |
| CN114999501A (zh) * | 2022-05-25 | 2022-09-02 | 河南灵锻创生生物科技有限公司 | 一种基于神经网络的宠物声音识别方法及系统 |
-
2022
- 2022-12-30 CN CN202211736074.2A patent/CN116019423A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202313422U (zh) * | 2011-11-28 | 2012-07-11 | 杭州电子科技大学 | 便携式冠状动脉狭窄无损诊断仪 |
| CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
| CN107510443A (zh) * | 2017-08-18 | 2017-12-26 | 浙江舒眠科技有限公司 | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 |
| CN108888271A (zh) * | 2018-07-25 | 2018-11-27 | 佛山市丈量科技有限公司 | 一种生理参数测量系统及配备该测量系统的智能座椅 |
| CN113382683A (zh) * | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
| US20200086078A1 (en) * | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| CN113260871A (zh) * | 2019-07-02 | 2021-08-13 | 松下知识产权经营株式会社 | 传感器 |
| US20220018936A1 (en) * | 2019-07-02 | 2022-01-20 | Panasonic Intellectual Property Management Co., Ltd. | Sensor |
| CN110327029A (zh) * | 2019-07-03 | 2019-10-15 | 上海交通大学 | 一种基于微波感知的心率与心率变异性监测方法 |
| CN110327036A (zh) * | 2019-07-24 | 2019-10-15 | 东南大学 | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 |
| CN110710955A (zh) * | 2019-09-20 | 2020-01-21 | 四川远邦益安科技有限公司 | 睡眠过程中健康指标的监测方法 |
| CN111248876A (zh) * | 2020-02-27 | 2020-06-09 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
| CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
| CN111568399A (zh) * | 2020-05-15 | 2020-08-25 | 中国人民解放军陆军军医大学 | 一种基于雷达的呼吸和心跳信号检测方法及系统 |
| CN111920429A (zh) * | 2020-09-11 | 2020-11-13 | 深圳市爱都科技有限公司 | 精神压力检测方法、装置和电子设备 |
| CN113080891A (zh) * | 2021-03-17 | 2021-07-09 | 浙江大学 | 基于人体微动信号的呼吸率和心率的提取方法 |
| CN114159050A (zh) * | 2021-11-12 | 2022-03-11 | 深圳数联天下智能科技有限公司 | 一种呼吸率监测方法、装置、设备及介质 |
| CN114519890A (zh) * | 2022-04-14 | 2022-05-20 | 中国科学技术大学 | 微表情峰值自动检测方法、系统、设备及存储介质 |
| CN114947768A (zh) * | 2022-04-22 | 2022-08-30 | 深圳市爱都科技有限公司 | 呼吸率的处理方法、装置及计算机可读存储介质 |
| CN114999501A (zh) * | 2022-05-25 | 2022-09-02 | 河南灵锻创生生物科技有限公司 | 一种基于神经网络的宠物声音识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 吕高冲: "睡眠监测系统生命体征参数提取方法研究", 中国优秀硕士学位论文全文数据库, no. 2, 15 February 2022 (2022-02-15) * |
| 袁懋结: "腕式可穿戴多参数睡眠呼吸监测系统的研制", 中国优秀硕士学位论文全文数据库, no. 10, 15 October 2021 (2021-10-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6094592A (en) | Methods and apparatus for estimating a physiological parameter using transforms | |
| US6035223A (en) | Method and apparatus for determining the state of an oximetry sensor | |
| US6898460B2 (en) | Method and apparatus for uterine contraction monitoring using linear predictive modeling of abdominal surface EMG signals | |
| WO2007131066A2 (en) | Decentralized physiological data collection and analysis system and process | |
| JP2004089267A (ja) | 睡眠深度推定装置及びこれを具えた布団 | |
| CN113080857A (zh) | 呼吸监测方法、装置及终端设备 | |
| US10037412B2 (en) | Patient health state compound score distribution and/or representative compound score based thereon | |
| CN115429251A (zh) | 可穿戴设备及其监测方法和监测装置 | |
| US20090036789A1 (en) | Extraction of heart sound of fetus from heart sound information that comprises plurality of mixtures of plurality of heart sounds of plurality of fetuses | |
| US20210000384A1 (en) | Method and apparatus for monitoring a human or animal subject | |
| CN116019423A (zh) | 睡眠监测方法和系统 | |
| KR100967994B1 (ko) | 주기성을 갖는 생체 신호 데이터의 실시간 압축 전송 및저장 방법과 이를 위한 심혈관 시스템 | |
| CN110123328B (zh) | 一种基于无线识别的呼吸频率检测方法 | |
| TWI558375B (zh) | 光體積變化描述波形的處理裝置及其方法 | |
| CN112568873B (zh) | 一种实时睡眠监测记录与分析方法 | |
| KR101526774B1 (ko) | 압축센싱을 이용한 심전도 신호 전송 방법 및 이를 이용한 모니터링 시스템 | |
| CN105395191A (zh) | 基于年龄段检测的人员生理状态检测装置 | |
| CN112957013B (zh) | 一种动态生命体征信号采集系统、监测装置及设备 | |
| CN113749620B (zh) | 一种睡眠呼吸暂停检测方法、系统、设备及存储介质 | |
| CN109222957B (zh) | 一种自动化ecg测量系统 | |
| US20210298609A1 (en) | Apparatus for simultaneously measuring heterogeneous biosignals and measurement method thereof | |
| KR102676804B1 (ko) | 무구속 다중 심탄도 센서 기반 무호흡 검출 방법 | |
| Ding et al. | ECG compression for mobile sensor platforms | |
| TWI810901B (zh) | 遠端心電圖監控裝置與心電圖監控方法 | |
| KR20200055582A (ko) | 심전도 신호 진단 파라미터 추출 디바이스 및 추출 방법 |
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 |