CN117205018B - 一种带有体征监测的居家护理床及其监控方法 - Google Patents
一种带有体征监测的居家护理床及其监控方法 Download PDFInfo
- Publication number
- CN117205018B CN117205018B CN202311414276.XA CN202311414276A CN117205018B CN 117205018 B CN117205018 B CN 117205018B CN 202311414276 A CN202311414276 A CN 202311414276A CN 117205018 B CN117205018 B CN 117205018B
- Authority
- CN
- China
- Prior art keywords
- signal
- sleep
- representing
- respiratory
- signals
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000000241 respiratory effect Effects 0.000 claims description 61
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 31
- 238000001228 spectrum Methods 0.000 claims description 27
- 230000036387 respiratory rate Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 19
- 239000013307 optical fiber Substances 0.000 claims description 19
- 230000000474 nursing effect Effects 0.000 claims description 16
- 208000010125 myocardial infarction Diseases 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 206010041235 Snoring Diseases 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 206010062519 Poor quality sleep Diseases 0.000 claims description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及居家护理床技术领域，尤其涉及一种带有体征监测的居家护理床及其监控方法，本发明提出以下方案，首先通过居家护理床的光纤传感器获取老年人的睡眠体征数据和日常体征数据，其次根据老年人的日常体征数据，对老年人的身体状况进行识别，如果出现异常状况，触发警报，最后根据老年人的睡眠体征数据，对老年人的睡眠状态进行分类，并根据老年人的睡眠状态对居家护理床执行控制指令，通过居家护理床实现居家老人的实时监测和改善睡眠质量。
Description
技术领域
本发明涉及居家护理床技术领域，尤其涉及一种带有体征监测的居家护理床及其监控方法。
背景技术
随着人口老龄化的日趋严峻，空巢老人比重的逐年攀升，失能老人的数量也在同比例增长，使得我国人口比例处于未老先衰、银发潮的大环境下，用何种护理方式来解决失能老人因身体行动不便、肌体退化、思维迟钝的缺点而导致生活不能自理的家庭照料与看护问题，已经成为当今社会函待解决的共同话题之一，护理床的出现，有效解决了失能老人的日常生活需求，但是，目前我国市场上的护理床产品功能简单、品质良莠不齐、非智能化，大多数为手动式控制或简单的电动式控制，并且无法对需要护理的人的体征数据进行实时监测，常见的生命体征监测设备操作复杂，且需要长期与老人的皮肤接触，导致老人感到不适与不便，无法满足日常监护的需求，对需要护理的人的睡眠状态缺乏有效的监测，无法根据睡眠状态对居家护理床进行实时的控制。
如授权公告号为CN113940831B的中国专利提供带语音控制及生命体征监测的智能护理床电控系统，其包括若干马达、执行电路、搭载有控制模块的控制盒、显示屏及遥控器；遥控器通过控制模块控制执行电路驱动马达动作；显示屏与控制模块电连接；控制模块，采用STM32单片机为核心MCU，通过继电器和MOS管对马达的伸缩、速度、位置的进行控制盒检测；核心MCU连接定时器及存储器；遥控器，采用STC单片机为核心MCU，实现按键功能检测及屏幕的数据显示等；遥控器通过控制模块控制马达工作；马达，内置有霍尔传感器；该发明设计合理、结构紧凑且使用方便。
以上专利均存在本背景技术提出的问题：护理床产品功能简单、品质良莠不齐、非智能化，大多数为手动式控制或简单的电动式控制，并且无法对需要护理的人的体征数据进行实时监测，常见的生命体征监测设备操作复杂，且需要长期与老人的皮肤接触，导致老人感到不适与不便，无法满足日常监护的需求，对需要护理的人的睡眠状态缺乏有效的监测，无法根据睡眠状态对居家护理床进行实时的控制，为了解决这些问题，本申请设计了一种带有体征监测的居家护理床及其监控方法。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供了一种带有体征监测的居家护理床监控方法，首先通过居家护理床的光纤传感器获取老年人的睡眠体征数据和日常体征数据，其次根据老年人的日常体征数据，对老年人的身体状况进行识别，如果出现异常状况，触发警报，最后根据老年人的睡眠体征数据，对老年人的睡眠状态进行分类，并根据老年人的睡眠状态对居家护理床执行控制指令。
为实现上述目的，本发明提供如下技术方案：
一种带有体征监测的居家护理床监控方法，包括以下步骤；
S1：通过居家护理床的光纤传感器获取老年人的日常体征数据和睡眠特征数据；
S2：根据老年人的日常体征数据，对老年人的身体状况进行识别，如果出现异常状况，触发警报；
S3：当老年人处于睡眠状态时，根据老年人的睡眠体征数据，对老年人的睡眠状态进行分类；
S4：根据老年人的睡眠状态，生成睡眠报告，并根据老年人的睡眠状态对居家护理床执行控制指令；
具体地，所述S2具体步骤如下：
S2.1：光纤传感器采集老年人的日常状态心冲击信号，根据信号分离策略将日常状态心冲击信号分离出呼吸和心跳信号；
S2.2：根据信号提取策略，提取分离出的呼吸和心跳信号，计算对应的呼吸率和心率；
S2.3：判断呼吸率是否处于正常呼吸率范围，如果不处于正常呼吸率范围，发出警报，判断心率是否处于正常心率范围，如果不处于正常心率范围，发出警报；
具体地，所述S2.1中所述信号分离策略具体步骤如下：
S2.1.1：对心冲击信号进行预处理，所述预处理包括心冲击信号归一化和心冲击信号去噪，通过对预处理后的心冲击信号进行傅里叶变换，得到心冲击信号的傅里叶谱，所述心冲击信号去噪包括人体体动信号噪声去噪和环境信号噪声去噪；
S2.1.2：根据尺度空间变换对心冲击信号的傅里叶谱进行频域边界的划分，将心冲击信号的傅里叶谱分为不同中心频率的频段，每一个频段对应一个本征模态函数uk；
S2.1.3：对每一个本征模态函数进行迭代，计算满足各模态分量的带宽总和最小情况下的最优解，各模态分量最优解的计算公式为：
其中，B(ub,ωb)表示各模态分量最优解，argmin(·)表示最小化条件约束函数，α表示拉格朗日惩罚因子，K表示本征模态函数的数量，k表示单个本征模态函数，δ(t)表示狄拉克函数，*表示卷积运算，e表示自然指数，j表示虚数单位，ωk表示中心频率，t表示横轴坐标，cos(·)表示余弦函数，β表示尺度变换惩罚因子，表示经验小波变换的近似系数，/>表示经验小波变换的细节系数，sin(·)表示正弦函数；
S2.1.4：根据各模态分量的最优解计算功率谱，选取其中功率谱中能量最大的分量作为呼吸信号，功率谱中能量第二大的分量作为心跳信号；
具体地，所述S2.2中所述信号提取策略具体步骤如下：
S2.2.1：计算分离出的心跳信号的一阶差分和二阶差分，将一阶差分和二阶差分对应位置累加，得到心跳周期片段信号；
S2.2.2：根据心跳周期片段信号建立特征向量，对特征向量做希尔伯特变换计算出心跳周期片段信号的包络，根据傅里叶变换计算心跳周期片段信号包络的包络谱；
S2.2.3：选取心跳周期片段信号包络谱的最大峰值点和次大峰值点作为一个心跳周期，根据两个峰值点之间的频谱计算心率；
S2.2.4：对分离出的呼吸信号进行归一化处理，设定时间间隔，对呼吸信号按照时间间隔进行分割，计算每一段的最大值和均值，根据每一段的最大值和均值计算动态呼吸量动态呼吸量的计算公式为：
其中，Drv表示动态呼吸量，i表示单个呼吸信号，n表示呼吸信号的总信号数，fi表示单个呼吸信号的频率，maxi表示单个呼吸信号的最大值，maxavg表示呼吸信息最大值的平均值，avg表示呼吸信号的平均值，η表示大于零的常数；
S2.2.5：将每一段的最大值与动态呼吸量对比，如果大于等于动态呼吸量，将该段呼吸信号作为呼吸波峰，如果小于动态呼吸量，将该段呼吸信号的峰值点删除，得到呼吸信号的波峰定位；
S2.2.6：根据呼吸信号的波峰定位计算平均波峰时间间隔作为呼吸周期，根据呼吸周期计算呼吸率；
具体地，所述睡眠状态包括清醒期、浅睡期、深睡期和打鼾状态；
具体地，所述S3具体步骤如下：
S3.1：光纤传感器采集老年人的睡眠状态心冲击信号，设定体动幅度检测时间间隔，按体动幅度检测时间间隔对老年人的睡眠状态心冲击信号进行检测；
S3.2：当检测到老年人的睡眠状态心冲击信号出现大于体动阈值的幅值数据，统计该体动幅度检测时间间隔内的体动次数，如果体动次数大于清醒阈值，将该体动幅度检测时间间隔判定为清醒期，将清醒期的信号删除，得到老年人的完全睡眠状态心冲击信号；
S3.3：根据信号分离策略将完全睡眠状态心冲击信号分离出睡眠呼吸信号和睡眠心跳信号；
S3.4：根据睡眠呼吸信号和睡眠心跳信号计算睡眠特征参数，将睡眠特征参数所处的信号序列和睡眠特征参数作为睡眠状态分类模型的输入参数，判断老年人的当前睡眠状态，睡眠特征参数的计算公式为：
其中，Scp表示睡眠特征参数，m表示一个周期内单个睡眠呼吸信号，M表示一个周期内睡眠呼吸信号总数，fbm表示睡眠呼吸信号频率，bm表示睡眠呼吸信号，o1表示睡眠呼吸信号离散特征，z表示一个周期内单个睡眠心跳信号，Z表示一个周期内睡眠心跳信号总数，fhz表示睡眠心跳信号频率，hz表示睡眠心跳信号，o2表示睡眠心态信号离散特征，o3表示双变量联合离散特征；
具体地，所述控制指令包括当老年人处于深睡期且处于打鼾状态将背部床板抬起15°和深睡且背部床板不处于水平状态将背部床板放平。
一种带有体征监测的居家护理床，所述居家护理床包括日常监测模块、身体异常警报模块和睡眠监测模块；
所述日常监测模块，用于通过光纤传感器获取老年人的日常体征数据，对老年人的身体状况进行识别；
所述身体异常警报模块，用于根据老年人的日常体征数据，判断身体是否出现异常，如果出现异常情况，触发警报；
所述睡眠监测模块，用于通过光纤传感器获取老年人的睡眠体征数据，获取老年人的睡眠状态，根据睡眠状态控制居家护理床活动；
具体地，所述日常监测模块包括：
日常体征数据获取单元，用于测量老年人的日常体征数据；
心冲击信号分离单元，用于根据光纤传感器采集到的老人的心冲击信号，根据信号分离策略将心冲击信号分离出呼吸和心跳信号；
呼吸、心跳信号提取单元，用于根据信号提取策略，提取分离出的呼吸和心跳信号，计算对应的呼吸率和心率；
具体地，所述身体异常警报模块包括：
心率警报单元，用于判断心率是否处于正常心率范围，如果不处于正常心率范围，发出警报；
呼吸率警报单元，用于判断呼吸率是否处于正常呼吸率范围，如果不处于正常呼吸率范围，发出警报；
具体地，所述睡眠监测模块包括：
睡眠体征数据获取单元，用于测量老年人的睡眠体征数据；
睡眠体动信号检测单元，用于对老年人的睡眠状态心冲击信号进行检测，统计该体动幅度检测时间间隔内的体动次数，得到老年人的完全睡眠状态心冲击信号；
睡眠状态分类单元，用于根据睡眠呼吸信号和睡眠心跳信号计算睡眠特征参数，判断老年人的睡眠状态；
命令控制单元，用于根据老年人睡眠状态，控制居家护理床进行与指令对应的功能。
与现有技术相比，本发明的有益效果是：
1.本发明针对需要护理的人员的实际特点，实现控制方式的最简化，对需要护理的人员进行睡眠监测，检测心冲击信号中的体动信号，如果体动次数大于清醒阈值，将该体动幅度检测时间间隔判定为清醒期，减少监测的工作量；
2.根据睡眠状态下的睡眠心跳信号和睡眠呼吸信号对需要护理的人员的睡眠状态进行精准分类，并根据睡眠状态对居家护理床实时调节，减少需要护理的人员的打鼾状态，使需要护理的人员拥有更安稳的睡眠状态；
3.本发明通过光纤传感器来对需要护理的人员进行非接触式体征监测，并针对心冲击信号进行心跳和呼吸信号的有效分离提取，减少体动噪声和环境噪声，实现体征监测的准确性和实时性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例1一种带有体征监测的居家护理床监控方法的流程示意图；
图2为本发明实施例1心冲击信号波形图；
图3为本发明实施例2一种带有体征监测的居家护理床模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
实施例1：
请参阅图1，本发明提供的一种实施例：一种带有体征监测的居家护理床监控方法，包括以下步骤；
S1：通过居家护理床的光纤传感器获取老年人的日常体征数据和睡眠特征数据；
S2：根据老年人的日常体征数据，对老年人的身体状况进行识别，如果出现异常状况，触发警报；
S3：当老年人处于睡眠状态时，根据老年人的睡眠体征数据，对老年人的睡眠状态进行分类；
S4：根据老年人的睡眠状态，生成睡眠报告，并根据老年人的睡眠状态对居家护理床执行控制指令；
具体地，所述S2具体步骤如下：
S2.1：光纤传感器采集老年人的日常状态心冲击信号，根据信号分离策略将日常状态心冲击信号分离出呼吸和心跳信号；
S2.2：根据信号提取策略，提取分离出的呼吸和心跳信号，计算对应的呼吸率和心率；
S2.3：判断呼吸率是否处于正常呼吸率范围，如果不处于正常呼吸率范围，发出警报，判断心率是否处于正常心率范围，如果不处于正常心率范围，发出警报；
请参阅图2，本发明实施例心冲击信号波形图，心冲击信号是心脏波动和脉管系统周期性搏动而引起的体表区域振动，心脏的机械力活动源于心室的收缩，常规的一次心跳引起的BCG信号类似于字母W形状，包含G、H、I、J、K、L、M、N波，具体地，所述S2.1中所述信号分离策略具体步骤如下：
S2.1.1：对心冲击信号进行预处理，所述预处理包括心冲击信号归一化和心冲击信号去噪，通过对预处理后的心冲击信号进行傅里叶变换，得到心冲击信号的傅里叶谱；
S2.1.2：根据尺度空间变换对心冲击信号的傅里叶谱进行频域边界的划分，将心冲击信号的傅里叶谱分为不同中心频率的频段，每一个频段对应一个本征模态函数uk；
S2.1.3：对每一个本征模态函数进行迭代，计算满足各模态分量的带宽总和最小情况下的最优解，各模态分量最优解的计算公式为：
其中，B(ub,ωb)表示各模态分量最优解，argmin(·)表示最小化条件约束函数，α表示拉格朗日惩罚因子，K表示本征模态函数的数量，k表示单个本征模态函数，δ(t)表示狄拉克函数，*表示卷积运算，e表示自然指数，j表示虚数单位，ωk表示中心频率，t表示横轴坐标，cos(·)表示余弦函数，β表示尺度变换惩罚因子，表示经验小波变换的近似系数，/>表示经验小波变换的细节系数，sin(·)表示正弦函数；
S2.1.4：根据各模态分量的最优解计算功率谱，选取其中功率谱中能量最大的分量作为呼吸信号，功率谱中能量第二大的分量作为心跳信号；
具体地，所述S2.3.1中所述心冲击信号去噪包括人体体动信号噪声去噪和环境信号噪声去噪，当人体体动成分信号出现时，整体信号将出现剧烈的震荡，与此同时信号波形幅度也将剧烈增大，人体体动信号与心跳、呼吸成分信号相比具有更高的频率和更强的能量，而复杂环境信号又具有相对更低的频率和更小的能量，使用高通滤波将高频的体动成分信号去除，使用低通滤波将低频的复杂环境信号去除；
具体地，所述S2.2中所述信号提取策略具体步骤如下：
S2.2.1：计算分离出的心跳信号的一阶差分和二阶差分，将一阶差分和二阶差分对应位置累加，得到心跳周期片段信号；
S2.2.2：根据心跳周期片段信号建立特征向量，对特征向量做希尔伯特变换计算出心跳周期片段信号的包络，根据傅里叶变换计算心跳周期片段信号包络的包络谱；
S2.2.3：选取心跳周期片段信号包络谱的最大峰值点和次大峰值点作为一个心跳周期，根据两个峰值点之间的频谱计算心率；
S2.2.4：对分离出的呼吸信号进行归一化处理，设定时间间隔，对呼吸信号按照时间间隔进行分割，计算每一段的最大值和均值，根据每一段的最大值和均值计算动态呼吸量动态呼吸量的计算公式为：
其中，Drv表示动态呼吸量，i表示单个呼吸信号，n表示呼吸信号的总信号数，fi表示单个呼吸信号的频率，maxi表示单个呼吸信号的最大值，maxavg表示呼吸信息最大值的平均值，avg表示呼吸信号的平均值，η表示大于零的常数；
S2.2.5：将每一段的最大值与动态呼吸量对比，如果大于等于动态呼吸量，将该段呼吸信号作为呼吸波峰，如果小于动态呼吸量，将该段呼吸信号的峰值点删除，得到呼吸信号的波峰定位；
S2.2.6：根据呼吸信号的波峰定位计算平均波峰时间间隔作为呼吸周期，根据呼吸周期计算呼吸率；
具体地，所述睡眠状态包括清醒期、浅睡期、深睡期和打鼾状态；
具体地，所述S3具体步骤如下：
S3.1：光纤传感器采集老年人的睡眠状态心冲击信号，设定体动幅度检测时间间隔，按体动幅度检测时间间隔对老年人的睡眠状态心冲击信号进行检测；
S3.2：当检测到老年人的睡眠状态心冲击信号出现大于体动阈值的幅值数据，统计该体动幅度检测时间间隔内的体动次数，如果体动次数大于清醒阈值，将该体动幅度检测时间间隔判定为清醒期，将清醒期的信号删除，得到老年人的完全睡眠状态心冲击信号；
S3.3：根据信号分离策略将完全睡眠状态心冲击信号分离出睡眠呼吸信号和睡眠心跳信号；
S3.4：根据睡眠呼吸信号和睡眠心跳信号计算睡眠特征参数，将睡眠特征参数所处的信号序列和睡眠特征参数作为睡眠状态分类模型的输入参数，判断老年人的当前睡眠状态，睡眠特征参数的计算公式为：
其中，Scp表示睡眠特征参数，m表示一个周期内单个睡眠呼吸信号，M表示一个周期内睡眠呼吸信号总数，fbm表示睡眠呼吸信号频率，bm表示睡眠呼吸信号，o1表示睡眠呼吸信号离散特征，z表示一个周期内单个睡眠心跳信号，Z表示一个周期内睡眠心跳信号总数，fhz表示睡眠心跳信号频率，hz表示睡眠心跳信号，o2表示睡眠心态信号离散特征，o3表示双变量联合离散特征；
具体地，所述控制指令包括当老年人处于深睡期且处于打鼾状态将背部床板抬起15°和深睡且背部床板不处于水平状态将背部床板放平。
实施例2：
请参阅图3，本发明提供一种实施例：一种带有体征监测的居家护理床，所述居家护理床包括日常监测模块、身体异常警报模块和睡眠监测模块；
所述日常监测模块，用于通过光纤传感器获取老年人的日常体征数据，对老年人的身体状况进行识别；
所述身体异常警报模块，用于根据老年人的日常体征数据，判断身体是否出现异常，如果出现异常情况，触发警报；
所述睡眠监测模块，用于通过光纤传感器获取老年人的睡眠体征数据，获取老年人的睡眠状态，根据睡眠状态控制居家护理床活动；
具体地，所述日常监测模块包括：
日常体征数据获取单元，用于测量老年人的日常体征数据；
心冲击信号分离单元，用于根据光纤传感器采集到的老人的心冲击信号，根据信号分离策略将心冲击信号分离出呼吸和心跳信号；
呼吸、心跳信号提取单元，用于根据信号提取策略，提取分离出的呼吸和心跳信号，计算对应的呼吸率和心率；
具体地，所述身体异常警报模块包括：
心率警报单元，用于判断心率是否处于正常心率范围，如果不处于正常心率范围，发出警报；
呼吸率警报单元，用于判断呼吸率是否处于正常呼吸率范围，如果不处于正常呼吸率范围，发出警报；
具体地，所述睡眠监测模块包括：
睡眠体征数据获取单元，用于测量老年人的睡眠体征数据；
睡眠体动信号检测单元，用于对老年人的睡眠状态心冲击信号进行检测，统计该体动幅度检测时间间隔内的体动次数，得到老年人的完全睡眠状态心冲击信号；
睡眠状态分类单元，用于根据睡眠呼吸信号和睡眠心跳信号计算睡眠特征参数，判断老年人的睡眠状态；
命令控制单元，用于根据老年人睡眠状态，控制居家护理床进行与指令对应的功能。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种带有体征监测的居家护理床监控方法，其特征在于，包括以下步骤；
S1：通过居家护理床的光纤传感器获取老年人的日常体征数据和睡眠特征数据；
S2：根据老年人的日常体征数据，对老年人的身体状况进行识别，如果出现异常状况，触发警报；
S3：当老年人处于睡眠状态时，根据老年人的睡眠体征数据，对老年人的睡眠状态进行分类；
S4：根据老年人的睡眠状态，生成睡眠报告，并根据老年人的睡眠状态对居家护理床执行控制指令；
所述S2具体步骤如下：
S2.1：光纤传感器采集老年人的日常状态心冲击信号，根据信号分离策略将日常状态心冲击信号分离出呼吸和心跳信号；
S2.2：根据信号提取策略，提取分离出的呼吸和心跳信号，计算对应的呼吸率和心率；
S2.3：判断呼吸率是否处于正常呼吸率范围，如果不处于正常呼吸率范围，发出警报，判断心率是否处于正常心率范围，如果不处于正常心率范围，发出警报；
所述S2.1中所述信号分离策略具体步骤如下：
S2.1.1：对心冲击信号进行预处理，所述预处理包括心冲击信号归一化和心冲击信号去噪，通过对预处理后的心冲击信号进行傅里叶变换，得到心冲击信号的傅里叶谱，所述心冲击信号去噪包括人体体动信号噪声去噪和环境信号噪声去噪；
S2.1.2：根据尺度空间变换对心冲击信号的傅里叶谱进行频域边界的划分，将心冲击信号的傅里叶谱分为不同中心频率的频段，每一个频段对应一个本征模态函数uk；
S2.1.3：对每一个本征模态函数进行迭代，计算满足各模态分量的带宽总和最小情况下的最优解，各模态分量最优解的计算公式为：
其中，B(ub,ωb)表示各模态分量最优解，argmin(·)表示最小化条件约束函数，α表示拉格朗日惩罚因子，K表示本征模态函数的数量，k表示单个本征模态函数，δ(t)表示狄拉克函数，*表示卷积运算，e表示自然指数，j表示虚数单位，ωk表示中心频率，t表示横轴坐标，cos(·)表示余弦函数，β表示尺度变换惩罚因子，表示经验小波变换的近似系数，表示经验小波变换的细节系数，sin(·)表示正弦函数；
S2.1.4：根据各模态分量的最优解计算功率谱，选取其中功率谱中能量最大的分量作为呼吸信号，功率谱中能量第二大的分量作为心跳信号；
所述S2.2中所述信号提取策略具体步骤如下：
S2.2.1：计算分离出的心跳信号的一阶差分和二阶差分，将一阶差分和二阶差分对应位置累加，得到心跳周期片段信号；
S2.2.2：根据心跳周期片段信号建立特征向量，对特征向量做希尔伯特变换计算出心跳周期片段信号的包络，根据傅里叶变换计算心跳周期片段信号包络的包络谱；
S2.2.3：选取心跳周期片段信号包络谱的最大峰值点和次大峰值点作为一个心跳周期，根据两个峰值点之间的频谱计算心率；
S2.2.4：对分离出的呼吸信号进行归一化处理，设定时间间隔，对呼吸信号按照时间间隔进行分割，计算每一段的最大值和均值，根据每一段的最大值和均值计算动态呼吸量，动态呼吸量的计算公式为：
其中，Drv表示动态呼吸量，i表示单个呼吸信号，n表示呼吸信号的总信号数，fi表示单个呼吸信号的频率，maxi表示单个呼吸信号的最大值，maxavg表示呼吸信息最大值的平均值，avg表示呼吸信号的平均值，η表示大于零的常数；
S2.2.5：将每一段的最大值与动态呼吸量对比，如果大于等于动态呼吸量，将该段呼吸信号作为呼吸波峰，如果小于动态呼吸量，将该段呼吸信号的峰值点删除，得到呼吸信号的波峰定位；
S2.2.6：根据呼吸信号的波峰定位计算平均波峰时间间隔作为呼吸周期，根据呼吸周期计算呼吸率；
所述睡眠状态包括清醒期、浅睡期、深睡期和打鼾状态；
所述S3具体步骤如下：
S3.1：光纤传感器采集老年人的睡眠状态心冲击信号，设定体动幅度检测时间间隔，按体动幅度检测时间间隔对老年人的睡眠状态心冲击信号进行检测；
S3.2：当检测到老年人的睡眠状态心冲击信号出现大于体动阈值的幅值数据，统计该体动幅度检测时间间隔内的体动次数，如果体动次数大于清醒阈值，将该体动幅度检测时间间隔判定为清醒期，将清醒期的信号删除，得到老年人的完全睡眠状态心冲击信号；
S3.3：根据信号分离策略将完全睡眠状态心冲击信号分离出睡眠呼吸信号和睡眠心跳信号；
S3.4：根据睡眠呼吸信号和睡眠心跳信号计算睡眠特征参数，将睡眠特征参数所处的信号序列和睡眠特征参数作为睡眠状态分类模型的输入参数，判断老年人的当前睡眠状态，睡眠特征参数的计算公式为：
其中，Scp表示睡眠特征参数，m表示一个周期内单个睡眠呼吸信号，M表示一个周期内睡眠呼吸信号总数，fbm表示睡眠呼吸信号频率，bm表示睡眠呼吸信号，o1表示睡眠呼吸信号离散特征，z表示一个周期内单个睡眠心跳信号，Z表示一个周期内睡眠心跳信号总数，fhz表示睡眠心跳信号频率，hz表示睡眠心跳信号，o2表示睡眠心态信号离散特征，o3表示双变量联合离散特征。
2.根据权利要求1所述一种带有体征监测的居家护理床监控方法，其特征在于，所述控制指令包括当老年人处于深睡期且处于打鼾状态将背部床板抬起15°和深睡且背部床板不处于水平状态将背部床板放平。
3.一种带有体征监测的居家护理床，基于如权利要求1-2任一项所述的一种带有体征监测的居家护理床监控方法实现，其特征在于，所述居家护理床包括日常监测模块、身体异常警报模块和睡眠监测模块；
所述日常监测模块，用于通过光纤传感器获取老年人的日常体征数据，对老年人的身体状况进行识别；
所述身体异常警报模块，用于根据老年人的日常体征数据，判断身体是否出现异常，如果出现异常情况，触发警报；
所述睡眠监测模块，用于通过光纤传感器获取老年人的睡眠体征数据，获取老年人的睡眠状态，根据睡眠状态控制居家护理床活动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414276.XA CN117205018B (zh) | 2023-10-30 | 2023-10-30 | 一种带有体征监测的居家护理床及其监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414276.XA CN117205018B (zh) | 2023-10-30 | 2023-10-30 | 一种带有体征监测的居家护理床及其监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117205018A CN117205018A (zh) | 2023-12-12 |
| CN117205018B true CN117205018B (zh) | 2024-03-01 |
Family
ID=89048386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311414276.XA Active CN117205018B (zh) | 2023-10-30 | 2023-10-30 | 一种带有体征监测的居家护理床及其监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117205018B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104188638A (zh) * | 2014-09-09 | 2014-12-10 | 喜临门家具股份有限公司 | 一种睡眠保障系统及其控制方法 |
| CN105105949A (zh) * | 2015-09-29 | 2015-12-02 | 上海伟赛智能科技有限公司 | 一种智能护理床及其应用方法 |
| CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
| CN106725391A (zh) * | 2017-01-19 | 2017-05-31 | 李鹏 | 一种智能床垫 |
| CN111759294A (zh) * | 2020-07-28 | 2020-10-13 | 上海点艺信息技术有限公司 | 一种用于机构或居家老年人的生命体征监测设备 |
| CN112190419A (zh) * | 2020-09-11 | 2021-01-08 | 深圳数联天下智能科技有限公司 | 一种睡眠管理的方法及装置 |
| US11382534B1 (en) * | 2018-10-15 | 2022-07-12 | Dp Technologies, Inc. | Sleep detection and analysis system |
| CN217987891U (zh) * | 2022-08-16 | 2022-12-09 | 江苏永发医用设备科技股份有限公司 | 一种辅助起身护理床 |
| CN115487016A (zh) * | 2022-10-09 | 2022-12-20 | 绵竹市精神病医院 | 一种具有监测功能的病床 |
| CN115662060A (zh) * | 2022-09-29 | 2023-01-31 | 成都云鹊物联科技有限公司 | 一种通过毫米波雷达传感器监测老年人活动状况的方法 |
| CN116327131A (zh) * | 2023-04-23 | 2023-06-27 | 重庆清智健医人工智能科技研究院有限公司 | 一种人体体征睡眠监测预警设备 |
| CN116401598A (zh) * | 2023-03-16 | 2023-07-07 | 华南师范大学 | 基于生理信号的睡眠呼吸暂停检测方法以及装置 |
| CN116849630A (zh) * | 2023-06-30 | 2023-10-10 | 慕思健康睡眠股份有限公司 | 一种体征监测及调节方法、装置、设备和存储介质 |
-
2023
- 2023-10-30 CN CN202311414276.XA patent/CN117205018B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104188638A (zh) * | 2014-09-09 | 2014-12-10 | 喜临门家具股份有限公司 | 一种睡眠保障系统及其控制方法 |
| CN105105949A (zh) * | 2015-09-29 | 2015-12-02 | 上海伟赛智能科技有限公司 | 一种智能护理床及其应用方法 |
| CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
| CN106725391A (zh) * | 2017-01-19 | 2017-05-31 | 李鹏 | 一种智能床垫 |
| US11382534B1 (en) * | 2018-10-15 | 2022-07-12 | Dp Technologies, Inc. | Sleep detection and analysis system |
| CN111759294A (zh) * | 2020-07-28 | 2020-10-13 | 上海点艺信息技术有限公司 | 一种用于机构或居家老年人的生命体征监测设备 |
| CN112190419A (zh) * | 2020-09-11 | 2021-01-08 | 深圳数联天下智能科技有限公司 | 一种睡眠管理的方法及装置 |
| CN217987891U (zh) * | 2022-08-16 | 2022-12-09 | 江苏永发医用设备科技股份有限公司 | 一种辅助起身护理床 |
| CN115662060A (zh) * | 2022-09-29 | 2023-01-31 | 成都云鹊物联科技有限公司 | 一种通过毫米波雷达传感器监测老年人活动状况的方法 |
| CN115487016A (zh) * | 2022-10-09 | 2022-12-20 | 绵竹市精神病医院 | 一种具有监测功能的病床 |
| CN116401598A (zh) * | 2023-03-16 | 2023-07-07 | 华南师范大学 | 基于生理信号的睡眠呼吸暂停检测方法以及装置 |
| CN116327131A (zh) * | 2023-04-23 | 2023-06-27 | 重庆清智健医人工智能科技研究院有限公司 | 一种人体体征睡眠监测预警设备 |
| CN116849630A (zh) * | 2023-06-30 | 2023-10-10 | 慕思健康睡眠股份有限公司 | 一种体征监测及调节方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117205018A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108042108B (zh) | 一种基于体震信号的睡眠质量监测方法与系统 | |
| CN110703626B (zh) | 一种睡眠质量监测系统 | |
| CN111938584B (zh) | 一种睡眠监测方法与设备 | |
| CN106937808B (zh) | 一种智能床垫的数据采集系统 | |
| CN208876492U (zh) | 一种生理信息监测垫及床垫 | |
| CN104545844B (zh) | 一种基于4g移动通讯技术的多参数睡眠监测与智能诊断系统及其使用方法 | |
| JP5155856B2 (ja) | 臨床症状の予測および監視技術 | |
| US20120302842A1 (en) | System for Sleep Stage Determination Using Frontal Electrodes | |
| CN106846735A (zh) | 一种智能床垫报警系统 | |
| CN109222961B (zh) | 一种便携式睡眠监测系统及相关睡眠监测方法 | |
| CN109259952A (zh) | 睡眠监控系统及基于该睡眠监控系统的睡眠监控方法 | |
| CN109620176A (zh) | 一种智能睡眠监护方法及装置 | |
| JP2007289660A (ja) | 睡眠判定装置 | |
| CN104970772A (zh) | 人在静卧状态时生理参数的采集、呼吸暂停唤醒的方法及装置 | |
| CN102708288A (zh) | 一种基于脑-机接口的医患交互方法 | |
| WO2021121235A1 (zh) | 基于人体多模信号的睡眠监测调控方法及装置 | |
| CN111481207A (zh) | 基于心冲击信号的睡眠姿势识别装置及方法 | |
| CN114306879A (zh) | 一种基于光纤传感的生理参数监测助睡方法 | |
| CN113907742A (zh) | 睡眠呼吸数据的监测方法及装置 | |
| CN114145755B (zh) | 一种居家癫痫发作交互式智能监护系统及方法 | |
| KR101578729B1 (ko) | 생체신호를 가지고 수면 단계를 파악하여 잠을 깨우는 장치 및 그 방법 | |
| CN113633277A (zh) | 一种具有健康监护功能的智能床垫 | |
| CN117205018B (zh) | 一种带有体征监测的居家护理床及其监控方法 | |
| CN113545752A (zh) | 智能床的睡眠质量监测方法及系统 | |
| CN209966365U (zh) | 一种便携式睡眠监测系统 |
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 |