CN117860208A - 睡眠数据处理方法、装置、电子设备及介质 - Google Patents

睡眠数据处理方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN117860208A
CN117860208A CN202410282943.1A CN202410282943A CN117860208A CN 117860208 A CN117860208 A CN 117860208A CN 202410282943 A CN202410282943 A CN 202410282943A CN 117860208 A CN117860208 A CN 117860208A
Authority
CN
China
Prior art keywords
target user
sleep
data sequence
sampling
target
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.)
Granted
Application number
CN202410282943.1A
Other languages
English (en)
Other versions
CN117860208B (zh
Inventor
罗安
周聪俊
史鹏翔
徐�明
何进
师改梅
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.)
Sichuan Junyi Fudun Technology Co ltd
Original Assignee
Sichuan Junyi Fudun 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 Sichuan Junyi Fudun Technology Co ltd filed Critical Sichuan Junyi Fudun Technology Co ltd
Priority to CN202410282943.1A priority Critical patent/CN117860208B/zh
Publication of CN117860208A publication Critical patent/CN117860208A/zh
Application granted granted Critical
Publication of CN117860208B publication Critical patent/CN117860208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Pulmonology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种睡眠数据处理方法、装置、电子设备及介质，可以应用于数据分析技术领域。该方法包括：响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到目标用户的睡眠数据序列；根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息；根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户在多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段；根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定目标用户的在床总时长、清醒总时长、浅睡总时长和深睡总时长。

Description

睡眠数据处理方法、装置、电子设备及介质
技术领域
本发明涉及数据分析技术领域，尤其涉及一种睡眠数据处理方法、装置、电子设备及介质。
背景技术
随着社会的快速发展，人们面临的压力和负担加重，导致许多人的睡眠质量下降，进而影响他们的身心健康。可以通过分析睡眠数据，得到目标用户的各睡眠阶段的睡眠时长，从而得到目标用户的睡眠质量情况。
在实现本发明构思的过程中，发明人发现相关技术中，通过对目标用户的睡眠数据的进行处理，得到的目标用户的各睡眠阶段的睡眠时长的准确性较低，从而导致根据各睡眠阶段的睡眠时长进行的睡眠质量分析的准确性较低。
发明内容
有鉴于此，本发明提供了一种睡眠数据处理方法、装置、电子设备及介质。
本发明的一个方面提供了一种睡眠数据处理方法，包括：响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到上述目标用户的睡眠数据序列，其中，上述目标时段包括多个采样时刻。根据上述目标用户的睡眠数据序列，确定上述目标用户在上述多个采样时刻各自的状态信息。根据上述目标用户的睡眠数据序列和上述目标用户在上述多个采样时刻各自的状态信息，确定上述目标用户在上述多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，上述多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段。根据上述目标用户在上述多个采样时刻各自所处的目标睡眠阶段，确定上述目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
根据本发明的实施例，上述根据上述目标用户在上述多个采样时刻各自所处的目标睡眠阶段，确定上述目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长，包括：根据上述目标用户的睡眠数据序列和上述目标用户在上述多个采样时刻各自的状态信息，确定上述目标用户的上床时刻和离床时刻。根据上述目标用户的上床时刻和离床时刻，确定上述目标用户的在床总时长。根据上述目标用户在上述多个采样时刻各自所处的目标睡眠阶段，确定与上述多个睡眠阶段各自相关的采样时刻的数量。基于与上述多个睡眠阶段各自相关的采样时刻的数量和上述多个采样时刻各自之间的采样间隔，得到上述多个睡眠阶段各自的总时长。根据上述多个睡眠阶段各自的总时长，确定上述目标用户的清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
根据本发明的实施例，上述状态信息包括在床状态和离床状态；其中，上述根据上述目标用户的睡眠数据序列和上述目标用户在上述多个采样时刻各自的状态信息，确定上述目标用户的上床时刻和离床时刻，包括：在上述目标用户在当前采样时刻的状态信息为在床状态且当前采样时刻的之前时刻各自的状态信息为离床状态的情况下，确定当前采样时刻为上述目标用户的上床时刻。在上述目标用户在当前采样时刻的状态信息为离床状态且当前采样睡眠时长大于预设阈值的情况下，确定当前采样时刻为上述目标用户的离床时刻，其中，当前睡眠时长表示当前采样时刻前目标用户的睡眠持续时长。
根据本发明的实施例，上述采集设备为智能手环，上述睡眠数据序列包括心率数据序列、呼吸频率数据序列和体动数据序列；其中，上述响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到上述目标用户的睡眠数据序列，包括：响应于上述数据采集请求，利用智能手环在上述目标时段对上述目标用户进行信息采集，得到上述目标用户的光电容积脉搏波信号和加速度信号。根据采样频率、光电容积脉搏波信号的峰值间隔和加速度信号，得到上述目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，其中，采样频率为采集设备的采样速度。其中，上述根据采样频率、光电容积脉搏波信号的峰值间隔和加速度信号，得到上述目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，包括：根据上述采样频率和上述光电容积脉搏波信号的峰值间隔，得到上述目标用户的心率数据序列。对上述光电容积脉搏波信号进行傅里叶变换，得到目标光电容积脉搏波信号。根据上述目标光电容积脉搏波信号的极值，得到上述目标用户的呼吸频率数据序列。根据上述加速度信号在直角坐标系的x轴和y轴的平均加速度，得到上述目标用户的体动数据序列。
根据本发明的实施例，上述采集设备为智能床垫，上述睡眠数据序列包括心率数据序列、呼吸频率数据序列和体动数据序列。其中，上述响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到上述目标用户的睡眠数据序列，包括：响应于上述数据采集请求，利用智能床垫在上述目标时段对上述目标用户进行信息采集，得到目标用户对床垫作用的压电信号和压阻信号。根据对上述压阻信号进行处理，得到当前采样时刻的自相关函数曲线。根据上述自相关函数曲线的极值，得到上述目标用户的心率数据序列和上述呼吸频率数据序列。根据上述压电信号和上述压阻信号，得到上述目标用户的体动数据序列。
根据本发明的实施例，上述根据上述目标用户的睡眠数据序列，确定上述目标用户在上述多个采样时刻各自的状态信息，包括：根据上述睡眠数据序列，得到上述目标用户的体动数据序列。根据上述目标用户的体动数据序列，确定上述目标用户在上述多个采样时刻各自的状态信息。
根据本发明的实施例，上述根据上述目标用户的睡眠数据序列，确定上述目标用户在上述多个采样时刻各自的状态信息，还包括：根据上述压阻信号，得到上述目标用户在上述多个采样时刻下各自的电压值。根据上述目标用户在上述多个采样时刻下各自的电压值，确定上述目标用户在上述多个采样时刻各自的状态信息。
本发明的另一个方面提供了一种睡眠数据处理装置，包括：得到模块、第一确定模块、第二确定模块和第三确定模块。
得到模块，用于响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到上述目标用户的睡眠数据序列，其中，上述目标时段包括多个采样时刻。
第一确定模块，用于根据上述目标用户的睡眠数据序列，确定上述目标用户在上述多个采样时刻各自的状态信息。
第二确定模块，用于根据上述目标用户的睡眠数据序列和上述目标用户在上述多个采样时刻各自的状态信息，确定上述目标用户在上述多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，上述多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段。
第三确定模块，用于根据上述目标用户在上述多个采样时刻各自所处的目标睡眠阶段，确定上述目标用户的在床总时长、清醒总时长、浅睡总时长和深睡总时长。
本发明的另一方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当上述一个或多个指令被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的方法。
本发明的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
本发明的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
根据本发明的提供的睡眠数据处理方法、装置、电子设备及介质，通过根据采集到的目标用户的睡眠特征信息，获取目标用户在多个采样时刻的睡眠特征序列，根据目标用户在多个采样时刻的睡眠特征序列，可以确定目标用户在多个采样时刻各自的状态信息，进而可以确定目标用户在多个采样时刻各自在多个采样时刻所处的目标睡眠阶段，通过累计各个睡眠阶段的睡眠时长，确定目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长，提高了得到的目标用户的在床总时长和各睡眠阶段睡眠总时长的准确性，进而提高了根据各睡眠阶段的睡眠总时长进行的睡眠质量分析的准确性。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示出了根据本发明实施例的睡眠数据处理方法的应用场景图；
图2示出了根据本发明实施例的睡眠数据处理方法的流程图；
图3示出了根据本发明实施例的确定目标用户各睡眠阶段的总时长的流程图；
图4示出了根据本发明实施例的在采集设备为智能手环的情况下得到目标用户的睡眠数据序列的流程图；
图5示出了根据本发明实施例的光电容积脉搏波信号的波形示意图；
图6示出了根据本发明实施例的在采集设备为智能床垫的情况下得到目标用户的睡眠数据序列的流程图；
图7示出了根据本发明实施例的睡眠质量分析的框架图；
图8示出了根据本发明实施例的睡眠质量分析的流程图；
图9示出了根据本发明实施例的睡眠数据处理装置的结构框图；以及，
图10示出了根据本发明实施例的适于实现睡眠数据处理方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
在实现本发明的过程中发现，心电图（Electrocardiogram，简称ECG）是一种容易获得的生理信号且幅值较大、受干扰因素少，具有较好的实际应用价值。相关技术中，利用ECG信号进行的睡眠分阶段研究，从ECG信号中提取心律变异性信号(Heart RateVariability，简称HRV)，根据HRV信号在不同睡眠阶段的差异从而进行睡眠划分阶段，由于根据这种方法得到各睡眠阶段的睡眠总时长的准确性不高，从而导致根据各睡眠阶段的睡眠总时长进行目标用户的睡眠质量分析的准确性也不高。
有鉴于此，本发明的实施例提供了一种睡眠数据处理方法，包括：响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到目标用户的睡眠数据序列，其中，目标时段包括多个采样时刻；根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息；根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户在多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段；根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定目标用户的在床总时长、清醒总时长、浅睡总时长和深睡总时长。
在本发明的技术方案中，所涉及的用户信息（包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。
图1示出了根据本发明实施例的睡眠数据处理方法的应用场景图。
如图1所示，根据该实施例的应用场景可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等（仅为示例）。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器（仅为示例）。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果（例如根据用户请求获取或生成的网页、信息、或数据等）反馈给终端设备。
需要说明的是，本发明实施例所提供的睡眠数据处理方法一般可以由服务器105执行。相应地，本发明实施例所提供的睡眠数据处理装置一般可以设置于服务器105中。本发明实施例所提供的睡眠数据处理方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本发明实施例所提供的睡眠数据处理装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。或者，本发明实施例所提供的睡眠数据处理方法也可以由第一终端设备101、第二终端设备102、或第三终端设备103执行，或者也可以由不同于第一终端设备101、第二终端设备102、或第三终端设备103的其他终端设备执行。相应地，本发明实施例所提供的睡眠数据处理装置也可以设置于第一终端设备101、第二终端设备102、或第三终端设备103中，或设置于不同于第一终端设备101、第二终端设备102、或第三终端设备103的其他终端设备中。
例如，待处理图像可以原本存储在第一终端设备101、第二终端设备102、或第三终端设备103中的任意一个（例如，第一终端设备101，但不限于此）之中，或者存储在外部存储设备上并可以导入到第一终端设备101中。然后，第一终端设备101可以在本地执行本发明实施例所提供的图像处理方法，或者将待处理图像发送到其他终端设备、服务器、或服务器集群，并由接收该待处理图像的其他终端设备、服务器、或服务器集群来执行本发明实施例所提供的图像处理方法。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景，通过图2~图8对发明实施例的睡眠数据处理方法进行详细描述。
图2示出了根据本发明实施例的睡眠数据处理方法的流程图。
如图2所示，该方法包括操作S210~操作S240。
在操作S210，响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到目标用户的睡眠数据序列。
在操作S220，根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息。
在操作S230，根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户在多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段。
在操作S240，根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
根据本发明的实施例，目标用户可以表征可以利用采集设备对睡眠特征信息进行采集的用户。
根据本发明的实施例，目标时段可以是目标用户可能睡眠的时间段。目标时段可以包括多个采样时刻。可以根据采样频率确定目标时段的采样数量。
根据本发明的实施例，睡眠特征信息可以表征目标用户睡眠期间的生理信息。例如，睡眠特征信息可以包括目标用户的睡眠期间的心电图信息、加速度信息、压力信息等。
根据本发明的实施例，目标用户的睡眠数据序列可以表征目标时段内目标用户的呼吸频率信息、心率信息、体动信息等。
根据本发明的实施例，目标用户在多个采样时刻各自的状态信息可以表征目标用户在多个采样时刻的状态，目标用户在多个采样时刻各自的状态信息可以包括在床状态和离床状态。例如，在第一个采样时刻，目标用户的状态信息可以为在床状态。在第50个采样时刻，目标用户的状态信息可以为离床状态。
根据本发明的实施例，多个睡眠阶段可以包括清醒阶段、浅睡阶段、深睡阶段和动眼阶段。目标睡眠阶段可以包括清醒阶段、浅睡阶段、深睡阶段和动眼阶段。
根据本发明的实施例，可以将目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息输入线性回归模型，来确定目标用户在多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段。其中，线性回归模型可以包括朴素贝叶斯模型、决策树模型、逻辑回归模型、支持向量机模型等。线性回归模型在对目标用户的睡眠数据序列处理过程中需要将睡眠数据序列进行数据平衡，数据平衡的方法可以包括简单上采样、简单下采样、SMOTE算法、训练生成式对抗网络生成样本等方法。
根据本发明的实施例，通过线性回归模型可以对目标用户的睡眠数据序列进行睡眠阶段划分，在确定睡眠阶段的情况下，可以根据睡眠时长确定目标用户的入睡时刻和清醒时刻。
根据本发明的实施例，在当前采样时刻为浅睡阶段、深睡阶段和动眼阶段的情况下，睡眠标志置为1。在当前采样时刻为清醒阶段，睡眠标志置为0。
根据本发明的实施例，在睡眠标志置为0，睡眠阶段为浅睡阶段、深睡阶段和动眼阶段的情况下，当前睡眠时长累计加1，在当前睡眠时长大于8的情况下，当前分钟为目标用户的睡眠时刻，睡眠时长置为0重新开始累计，睡眠标志置为2。
根据本发明的实施例，在睡眠标志为2，清醒标志为1的情况下，睡眠阶段为清醒阶段，清醒时长累加1，在清醒时长超过10分钟的情况下，清醒时刻为当前时刻，清醒标志置为2，清醒时长置为0重新开始累计。
根据本发明的实施例，可以根据目标用户在多个采样时刻各自所处的目标睡眠阶段，通过累计相同睡眠阶段的睡眠时长，确定目标用户的在床总时长、清醒总时长、浅睡总时长和深睡总时长。
根据本发明的实施例，通过根据采集到的目标用户的睡眠特征信息，获取目标用户在多个采样时刻的睡眠特征序列，根据目标用户在多个采样时刻的睡眠特征序列，可以确定目标用户在多个采样时刻各自的状态信息，进而可以确定目标用户在锁哥采样时刻各自在多个采样时刻所处的目标睡眠阶段，通过累计各个睡眠阶段的睡眠时长，确定目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长，提高了得到的目标用户的在床总时长和各睡眠阶段睡眠总时长的准确性，进而提高了根据各睡眠阶段的睡眠时长进行的睡眠质量分析的准确性。
图3示出了根据本发明实施例的确定目标用户各睡眠阶段的总时长的流程图。
如图3所示，该流程包括操作S310~操作S340。
在操作S310，根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户的上床时刻和离床时刻。
在操作S320，根据目标用户的上床时刻和离床时刻，确定目标用户的在床总时长。
在操作S330，根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定与多个睡眠阶段各自相关的采样时刻的数量。
在操作S340，基于与多个睡眠阶段各自相关的采样时刻的数量和多个采样时刻各自之间的采样间隔，得到多个睡眠阶段各自的总时长。
根据多个睡眠阶段各自的总时长，确定目标用户的清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
根据本发明的实施例，目标用户的上床时刻可以表征目标用户在目标时段中清醒阶段前的最后一次上床的时刻。目标用户的离床时刻可以表征目标用户在目标时段中清醒阶段后的第一次离床的时刻。
根据本发明的实施例，可以根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，来确定目标用户的上床时刻和离床时刻。
根据本发明的实施例，目标用户的在床总时长可以表征目标用户从上床时刻到离床时刻的时间差。因此，可以将目标用户的离床时刻与目标用户的上床时刻作差，得到目标用户的在床总时长。
根据本发明的实施例，在多个采样时刻各自所处的目标睡眠阶段确定的情况下，可以确定与多个睡眠阶段各自相关的采样时刻的数量。例如，在包括50个采样时刻的情况下，其中，第1~第20个采样时刻的目标睡眠阶段为清醒阶段，第21个~30个采样时刻的目标睡眠阶段为浅睡阶段，第31~45个采样时刻的目标睡眠阶段为深睡阶段，第46~50个采样时刻的目标睡眠阶段为动眼阶段，则可以确定与清醒阶段相关的采样时刻的数量为20个，与浅睡阶段相关的采样时刻为10个，与深睡阶段相关的睡眠阶段的采样数量为15个，与动眼阶段相关的采样时刻的数量为5个。
根据本发明的实施例，多个采样时刻各自之间的采样间隔可以表征各相邻采样时刻之间的间隔时长。
根据本发明的实施例，可以基于与多个睡眠阶段各自相关的采样时刻的数量和多个采样时刻各自之间的采样间隔，得到多个睡眠阶段各自的总时长。例如，与清醒阶段相关的采样时刻的数量为20个，与浅睡阶段相关的采样时刻为10个，与深睡阶段相关的睡眠阶段的采样数量为15个，与动眼阶段相关的采样时刻的数量为5个，且采样间隔为1分钟的情况下，可以得到清醒阶段的清醒总时长为20分钟，浅睡阶段的浅睡总时长为10分钟，深睡阶段的深睡总时长为15分钟，动眼阶段的动眼总时长为5分钟。
根据本发明的实施例，通过根据目标用户在多个采样时刻各自所处的目标睡眠阶段，可以确定与多个睡眠阶段各自相关的采样时刻的数量，基于采样时刻的数量和采样间隔，可以得到多个睡眠阶段各自的总时长，并且可以根据目标用户的上床时刻和离床时刻，确定目标用户的在床总时长，提高了得到的目标用户在床总时长以及各个睡眠阶段的睡眠总时长的准确性，从而提高了睡眠质量分析的准确性。
根据本发明的实施例，根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户的上床时刻和离床时刻，包括：在目标用户在当前采样时刻的状态信息为在床状态且当前采样时刻的之前时刻各自的状态信息为离床状态的情况下，确定当前采样时刻为目标用户的上床时刻；在目标用户在当前采样时刻的状态信息为离床状态且当前采样睡眠时长大于预设阈值的情况下，确定当前采样时刻为目标用户的离床时刻，其中，当前睡眠时长表示当前采样时刻前目标用户的睡眠持续时长。
根据本发明的实施例，状态信息可以包括在床状态和离床状态。
根据本发明的实施例，在目标用户在当前采样时刻所处的目标睡眠阶段为在床状态且上床标志on_bed_flag为0的情况下，可以将当前时刻确定为上床时刻，将上床标志on_bed_flag置为1，并且开始累计在床时长c_s_time。其中，上床标志为0表征当前时刻前没有过在床状态。
根据本发明的实施例，预设阈值可以根据需求自行定制。在目标用户在当前采样时刻所处的目标睡眠阶段为离床状态且当前时刻离床前睡眠时长大于上次离床前睡眠时长的情况下，可以将当前时刻确定为离床时刻off_bed_minute，并且开始累计离床时长off_bed_d。
根据本发明的实施例，通过确定的上床时刻和离床时刻，可以确定目标用户的在床总时长，提高了得到的在床总时长的准确性，进而提高了睡眠质量分析的准确性。
图4示出了根据本发明实施例的在采集设备为智能手环的情况下得到目标用户的睡眠数据序列的流程图。
如图4所示，该流程包括操作S410~操作S450。
在操作S410，响应于数据采集请求，利用智能手环在目标时段对目标用户进行信息采集，得到目标用户的光电容积脉搏波信号和加速度信号。
在操作S420，根据采样频率和光电容积脉搏波信号的峰值间隔，得到目标用户的心率数据序列。
在操作S430，对光电容积脉搏波信号进行傅里叶变换，得到目标光电容积脉搏波信号。
在操作S440，根据目标光电容积脉搏波信号的极值，得到目标用户的呼吸频率数据序列。
在操作S450，根据加速度信号在直角坐标系的x轴和y轴的平均加速度，得到目标用户的体动数据序列。
根据本发明的实施例，采集设备可以为智能手环。在采集设备为智能手环的情况下，睡眠数据序列可以包括心率数据序列、呼吸频率数据序列和体动数据序列。心率数据序列可以包括多个心率数据，呼吸频率数据序列可以包括多个呼吸频率数据，体动数据序列可以包括多个体动数据。
根据本发明的实施例，利用智能手环在目标时段对目标用户进行信息采集，可以得到目标用户的光电容积脉搏波信号和加速度信号。
根据本发明的实施例，目标用户的光电容积脉搏波信号是一种有节奏的脉搏信号，可以由一系列短暂的光电容积峰组成。
图5示出了根据本发明实施例的光电容积脉搏波信号的波形示意图。
如图5所示，一个完整的光电容积脉搏波信号的波形可以包括4个重要特征点以及升支和降支。如图5所示，4个重要特征点分别为A、B、C和D，其中，A表示主波，B表示潮波，C表示重搏波峰，D表示重搏波谷，A’表示主波对应的时刻，B’表示潮波对应的时刻，C’表示重搏波峰对应的时刻，D’表示重搏波谷对应的时刻，OA段表示主波升支，AB段表示降支，BD段表示降支，DC段表示副波升支，CO’段表示降支，OO’表示光电容积脉搏波信号的一个周期。在重要特征点A表示心脏收缩，在O’点表示心脏舒张。在目标采样时段可以包括多个完整的光电容积脉搏波信号。每个光电容积脉搏波信号的重要特征点A之间的时长可以视为一次心脏跳动。
根据本发明的实施例，采样频率为采集设备的采样速度。结合采样频率、光电容积脉搏波信号和加速度信号可以得到目标用户的心率数据序列、呼吸频率数据序列和体动数据序列。
根据本发明的实施例，在采集设备为智能手环的情况下，目标用户的心率数据序列中某一采样时刻的心率数据hr1的计算，如下公式（1）：
（1）
其中，FS表示采样频率，n_peak_interval_sum表示两个相邻的光电容积脉搏波重要特征点A之间的时长。
根据本发明的实施例，在采集6000个数据的情况下，采样频率FS的计算，如下公式（2）：
（2）
其中，T表示采集6000个数据的采样间隔。
根据本发明的实施例，在使用智能手环采集目标用户1分钟的光电容积脉搏波信号的情况下，1分钟的光电容积脉搏波信号可以包括多个重要特征点A，两个相邻的光电容积脉搏波重要特征点A之间的时长n_peak_interval_sum的计算，如下公式（3）：
（3）
其中，PN表示该分钟内最后一个重要特征点A对应的数据编号，P1表示该分钟内第一个重要特征点A对应的数据编号，N表示该分钟内重要特征点A的总个数。
根据本发明的实施例，对光电容积脉搏波信号进行傅里叶变换，可以得到目标光电容积脉搏波信号，在目标光电容积脉搏波信号的频谱中，呼吸频率数据序列对应的极值通常处于0.2赫兹至0.4赫兹之间。因此，可以通过在目标光电容积脉搏波信号的频谱中查找这个范围的极值来确定呼吸频率序列，其中，呼吸频率序列中某一采样时刻的呼吸频率数据br1的计算，如下公式（4）：
（4）
其中，表示目标光电容积脉搏波信号的频谱中0.2赫兹至0.4赫兹范围内的极值。
根据本发明的实施例，可以通过智能手环的加速度计采集目标用户的加速度信号。加速度信号可以包括x轴加速度信号分量和y轴加速度信号分量。
根据本发明的实施例，可以利用加速度平均值差E确定目标用户的体动数据序列，其中，加速度平均值差E的计算，如下公式（5）：
（5）
其中，a1，a2,……,an表示目标时段内n个采样时刻采集的加速度值，av表示n个采样时刻的加速度值的算数平均值。
根据本发明的实施例，可以通过以下公式（6）确定目标用户的体动数据序列：
（6）
其中，E xt 表示t时刻对应的x轴上的加速度平均值差，E yt 表示t时刻对应的y轴上的加速度平均值差，T1表示x轴上的加速度平均值差阈值，T2表示y轴上的加速度平均值差阈值，其中，x轴上的加速度平均值差阈值T1和y轴上的加速度平均值差阈值T2可以根据需求自行设置。
例如，在T1设置为0.2m/s，T2设置为0.2m/s的情况下，当大于0.2m/s，且E yt 大于0.2m/s，可以确定t时刻目标用户进行一次体动。
根据本发明的实施例，可以根据采集频率、光电容积脉搏波信号和加速度信号，得到目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，提高了在采集设备为智能手环的情况下，得到的心率数据序列、呼吸频率数据序列和体动数据序列的准确性。
图6示出了根据本发明实施例的在采集设备为智能床垫的情况下得到目标用户的睡眠数据序列的流程图。
如图6所示，该流程包括S610~操作S640。
在操作S610，响应于数据采集请求，利用智能床垫在目标时段对目标用户进行信息采集，得到目标用户对床垫作用的压电信号和压阻信号。
在操作S620，根据对压阻信号进行处理，得到当前采样时刻的自相关函数曲线。
在操作S630，根据自相关函数曲线的极值，得到目标用户的心率数据序列和呼吸频率数据序列。
在操作S640，根据压电信号和压阻信号，得到目标用户的体动数据序列。
根据本发明的实施例，采集设备可以为智能床垫，可以将智能床垫放置在普通床垫之下，智能床垫中可以包括压电传感器和压阻传感器。压电传感器可以通过数模转换器（Analog to Digtial Converter，简称A/D）将模拟信号转换成数字压电信号D[t]。压阻传感器可以通过数模转换器将模拟信号转换为数字压阻信号V[t]。在采集设备为智能床垫的情况下，睡眠数据序列可以包括心率数据序列、呼吸频率数据序列和体动数据序列。心率数据序列可以包括多个心率数据，呼吸频率数据序列可以包括多个呼吸频率数据，体动数据序列可以包括多个体动数据。
根据本发明的实施例，通过智能床垫可以采集目标用户对床垫作用的压电信号和压阻信号。根据对压阻信号进行处理，可以得到自相关函数曲线。
根据本发明的实施例，自相关函数可以是用于描述信号或者时间序列在不同时间点上的相互依赖性的统计量，在时间序列分析中，自相关函数可以用于检验时间序列数据的内在依赖性和预测性。在本发明的实施例中，与t时刻的自相关函数ρ[t]的计算，如下公式（7）：
（7）
其中，D’[t]表示归一化后压电信号在时刻的取值，μ表示t时刻至t+τ时间段心率数据序列的均值，τ表示时间延迟，E[]表示期望值。可以得到各时间延迟下的自相关系数，自相关系数介于-1和1之间。
根据本发明的实施例，sosfilt滤波压电信号在时刻t的取值D2’[t]可以通过对归一化后的压电信号D’[t]进行sosfilt滤波处理得到，sosfilt滤波处理的滤波数组如下公式（8）：
（8）
其中，f1,1,f1,2,...,f2,6表示滤波数组S的参数，g1,1,g1.2,…,g2,2表示滤波数组Z的参数。
根据本发明的实施例，归一化后的压电信号D’[t]中的第t个时刻的值经过第一行滤波D1’[t]，如下公式（9）：
（9）
根据本发明的实施例，通过第一行滤波前后的压电信号差进行参数更新，如下公式（10）：
（10）
其中，g1,1’表示滤波数组Z的第一行的第一个更新后的参数，g1.2’表示滤波数组Z的第一行的第二个更新后的参数。
根据本发明的实施例，第一行滤波后的压电信号D1’[t]中的第t个时刻的值经过第二行滤波D2’[t]，如下公式（11）：
（11）
根据本发明的实施例，通过第二行滤波前后的压电信号差进行参数更新，如下公式（12）：
（12）
其中，g2,1’ 表示滤波数组Z的第二行的第一个更新后的参数，g2,2’表示滤波数组Z的第二行的第二个更新后的参数。
根据本发明的实施例，D’[t]表示归一化后的压电信号中的第t个时刻的值，D1’[t]表示经过第一行滤波后的压电信号的第t个时刻的值，D2’[t]表示D’[t]经过两行滤波后的压电信号的第t个时刻的值。D2’[t]可以包括与心率相关的经过两行滤波后的压电信号的第t个时刻的值Dhr2’[t]和与呼吸频率相关的经过两行滤波后的压电信号的第t个时刻的值Dbr2’[t]。将目标用户的心率数据代入上述公式（7）~（12）中，可以得到经过两行滤波的压电信号Dhr2’[t]。将目标用户的呼吸频率数据代入上述公式（7）~（12）中，可以得到经过两行滤波的压电信号Dbr2’[t]。
根据本发明的实施例，通过对滤波器的参数进行更新，可以提高滤波器的鲁棒性。
根据本发明的实施例，与目标用户的心率数据相关的滤波数组S_hr可以为：
。
根据本发明的实施例，与目标用户的呼吸频率数据相关的滤波数组S_br可以为：
。
根据本发明的实施例，对压电信号D[t]的归一化处理D’[t]，如下公式（13）：
（13）
其中，range表示采集到的压电信号D[t]的大小范围，minD[t]表示采集到的多个压电信号的最小值。
根据本发明的实施例，采集到的压电信号D[t]的大小范围range的计算，如下公式（14）：
（14）
其中，maxD[t]表示采集到的多个压电信号的最大值。
根据本发明的实施例，在采集设备为智能床垫的情况下，目标用户的心率数据序列中某一采样时刻的心率数据hr2的计算，如下公式（15）：
（15）
其中，s_index1表示自相关函数曲线的极值对应的心率数据序列中心率数据的序号。
根据本发明的实施例，在采集1000个心率数据的情况下，采样频率FS的计算，如下公式（16）：
（16）
根据本发明的实施例，可以设置心率数据最小值min_freq=40，心率数据最大值max_freq=150，在采集1000个心率数据的情况下，可以通过计算1000个心率数据处于最大值和最小值之间心率数据的中值，并在某一时刻的心率数据与中值的差小于心率预设阈值th6的情况下，将中值附近的心率数据的平均值作为该时刻的最终的心率数据hr。其中，附近的心率数据的数量可以根据需求设定。例如，附近的心率数据的数量可以设置为10个。
根据本发明的实施例，在采集设备为智能床垫的情况下，目标用户的呼吸频率数据序列中某一采样时刻的呼吸频率数据br2的计算，如下公式（17）：
（17）
其中，s_index2表示自相关函数曲线的极值对应的呼吸频率数据序列中呼吸频率数据的序号。
根据本发明的实施例，可以设置呼吸频率数据最小值min_freq=10，呼吸频率数据最大值max_freq=30，通过计算呼吸频率数据序列中处于最大值和最小值之间的呼吸频率数据的中值，在采样时刻的呼吸频率数据与中值的差小于呼吸频率预设阈值th7的情况下，将中值附近的平均值作为该采样时刻的最终的呼吸频率数据br。其中，附近的呼吸频率数据的数量可以根据需求设定。例如，附近的呼吸频率数据的数量可以设置为5个。
根据本发明的实施例，可以通过心率数据与呼吸频率数据的比值，确定心率数据与呼吸频率数据的比值ratio，如下公式（18）：
（18）
其中，hr表示心率数据，br表示呼吸频率数据。
根据本发明的实施例，心率数据可以为hr1，也可以为hr2。呼吸频率数据可以为br1，也可以为br2。
根据本发明的实施例，在当前采样时刻minute的状态信息为在床状态，且当前采样时刻前有过离床，即离床标志off_bed_flag为1，在零点以前离床且零点以前上床或者零点以后离床且零点以后上床的情况下，离床时长off_bed_d超过30分钟，离床30分钟的标志off_bed_30_flag置为1，离床计算标志off_bed_c_flag置为1，睡眠时长c_s_time减1；离床时长off_bed_d没有超过30分钟，判断当前分钟是否为最后一个数据，在当前采样时刻的数据为最后一个数据的情况下，off_bed_c_flag置为1，睡眠时长c_s_time减1，在当前数据不为最后一个数据的情况下，off_bed_c_flag置为0，睡眠时长c_s_time等于当前采样时刻减去离床时刻。
根据本发明的实施例，在当前采样时刻minute的状态信息为在床状态，且当前采样时刻前有过离床，即离床标志off_bed_flag为1，在零点以前离床且零点以后上床的情况下，离床时长off_bed_d为minute+1440-off_bed_minute。在离床时长off_bed_d超过30分钟，离床30分钟的标志off_bed_30_flag置为1，离床计算标志off_bed_c_flag置为1，睡眠时长c_s_time减1；在离床时长off_bed_d小于30分钟，判断当前采样时刻的数据是否为最后一个数据，在当前数据为最后一个数据的情况下，off_bed_c_flag置为1，睡眠时长c_s_time减1，在当前数据不为最后一个数据的情况下，off_bed_c_flag置为0，睡眠时长c_s_time等于当前采样时刻减去离床时刻。
根据本发明的实施例，在当前采样时刻为离床状态，且当前采样时刻前有过离床，即离床标志off_bed_flag为1，在零点以前离床且零点以前上床或者零点以后离床且零点以后上床的情况下，离床时长off_bed_d超过30分钟，将off_bed_30_flag置为1。在零点以前离床且零点以后上床的情况下，离床时长off_bed_d超过30分钟，将off_bed_30_flag置为1。
根据本发明的实施例，可以根据目标用户对智能床垫作用的压阻信号和压电信号，得到目标用户的当前采样时刻的自相关函数，进而得到目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，提高了在采集设备为智能床垫的情况下，得到的目标用户的心率数据序列、呼吸频率数据序列和体动数据序列的准确性。
根据本发明的实施例，根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息，包括：
根据睡眠数据序列，得到目标用户的体动数据序列；
根据目标用户的体动数据序列，确定目标用户在多个采样时刻各自的状态信息。
根据本发明的实施例，在采集设备为智能手环的情况下，可以根据目标用户的睡眠数据序列，得到目标用户的体动数据序列，然后又可以根据目标用户的体动数据序列，来确定目标用户在多个采样时刻各自的状态信息。
例如，在目标用户当前采样时刻前1分钟内的体动数据序列中的体动数据的数量大于预定阈值的情况下，可以确定目标用户在当前采样时刻的状态信息为离床状态。在目标用户当前采样时刻前1分钟内的体动数据序列中的体动数据的数量小于预定阈值的情况下，可以确定目标用户在当前采样时刻的状态信息为离床状态。其中，预定阈值可以设置为5。
根据本发明的实施例，在采样设备为智能手环的情况下，通过目标用户的睡眠数据序列，得到目标用户的体动数据序列，根据体动数据序列来确定目标用户在多个采样时刻各自的状态信息，提高了确定的目标用户在多个采样时刻各自状态信息的准确性。
根据本发明的实施例，根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息，还包括：
根据压阻信号，得到目标用户在多个采样时刻下各自的电压值；
根据目标用户在多个采样时刻下各自的电压值，确定目标用户在多个采样时刻各自的状态信息。
根据本发明的实施例，在采样设备为智能床垫的情况下，可以将目标用户的压阻信号V[t]转换为电压值P[t]，如下公式（19）
（19）
根据本发明的实施例，在采样时刻的电压值大于离床电压阈值th1的情况下，确定采样时刻目标用户的状态信息为离床状态。在采样时刻的电压值小于离床电压阈值th1的情况下，确定采样时刻目标用户的状态信息为在床状态。
例如，离床电压阈值设置为2000，在采样时刻的电压值大于2000的情况下，可以确定采样时刻目标用户的状态信息为离床状态；在采样时刻的电压值小于2000的情况下，可以确定采样时刻目标用户的状态信息为在床状态。
根据本发明的实施例，可以根据采集到的压电信号D[t]的个数，统计饱和值的个数、非正常值的个数以及正常值的个数。
例如，在采集到的压电信号D[t]的个数DATA_length为1000个，饱和阈值为2400，正常阈值为500的情况下，大于2400的压电信号为饱和压电信号，大于500小于2400的为非正常压电信号，小于500的为正常压电信号。
根据本发明的实施例，饱和压电信号的占比s_r的计算，如下公式（20）：
（20）
其中，sat_count表示饱和压电信号的个数，DATA_length表示采集到的压电信号的总个数。
根据本发明的实施例，正常压电信号的占比n_r的计算，如下公式（21）：
（21）
其中，norm_count表示正常电压信号的个数。
根据本发明的实施例，非正常压电信号的占比u_r的计算，如下公式（22）
（22）
其中，unnorm_rate表示非正常电压信号的个数。
根据本发明的实施例，在采样设备为智能床垫的情况下，通过目标用户对智能床垫作用的压阻信号，得到目标用户的电压值，根据目标用户的电压值来确定目标用户在多个采样时刻各自的状态信息，提高了确定的目标用户在多个采样时刻各自状态信息的准确性。
根据本发明的实施例，在床状态可以包括坐下、翻身和躺平。在电压值小于坐下电压阈值th3，可以确定目标用户为在床状态中的坐下。在电压值大于翻身电压阈值th5且非正常占比大于非正常阈值th4的情况下，可以确定目标用户为在床状态中的翻身。在电压值不大于翻身电压阈值th5或非正常占比不大于非正常阈值th4的情况下，目标用户的为在床状态中的躺平。
图7示出了根据本发明实施例的睡眠质量分析的框架图。
如图7所示，该框架图包括信号采集单元710、信号提取单元720、数据容错处理单元730、上离床分析单元740、睡眠分析单元750和睡眠质量分析单元760。
根据本发明的实施例，信号采集单元710可以采用信号采集设备对目标用户进行睡眠特征信息采集。信号提取单元720可以对信号采集单元710采集到的睡眠特征信息进行提取，获得心率数据序列，呼吸频率数据序列和体动数据序列。数据容错单元730可以通过数据容错处理，可以避免数据错误导致数据处理中断。上离床分析单元740可以通过分析，确定离床时刻和确定上床时刻。睡眠分析单元750可以根据睡眠数据序列进行划分睡眠阶段，进而确定入睡时刻和确定清醒时刻。睡眠质量分析单元760可以根据各睡眠阶段的总时长进行睡眠质量统计分析。
图8示出了根据本发明实施例的睡眠质量分析的流程图。
如图8所示，该流程包括操作S810~操作S850。
判断场景是否为单人场景。
在确定为单人场景的情况下，执行操作S820；在确定场景不为单人场景的情况下，即多人场景，执行操作S810。
在操作S810，使用智能手环采集目标用户睡眠数据序列。
在操作S820，使用智能床垫采集目标用户的睡眠数据序列。
在操作S830，确定上床时刻和离床时刻。
在操作S840，划分睡眠阶段。
在操作S850，确定入睡时刻和清醒时刻。
进行睡眠质量分析。
根据本发明的实施例，通过判断场景为单人场景还是多人场景，可以选择对应的采集设备对目标用户进行睡眠特征信息进行采集，然后获得睡眠数据序列，根据睡眠数据序列确定目标用户的上床时刻和离床时刻，进而确定睡眠阶段，在确定睡眠阶段的情况下，确定目标用户的入睡时刻和清醒时刻，从而统计目标用户的各睡眠阶段的睡眠总时长，进行睡眠质量分析，提高了目标用户睡眠数据的准确性，通过前端应用显示目标用户的在床总时长和各睡眠阶段的睡眠总时长，提高了目标用户的用户体验。
基于上述睡眠数据处理方法，本发明还提供了一种睡眠数据处理装置。以下将结合图9对该装置进行详细描述。
图9示出了根据本发明实施例的睡眠数据处理装置的结构框图。
如图9所示，该实施例的睡眠数据处理装置900包括得到模块910、第一确定模块920、第二确定模块930、第三确定模块940。
得到模块910，用于响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到目标用户的睡眠数据序列，其中，目标时段包括多个采样时刻。在一实施例中，得到模块910可以用于执行前文描述的操作S210，在此不再赘述。
第一确定模块920，用于根据目标用户的睡眠数据序列，确定目标用户在多个采样时刻各自的状态信息。在一实施例中，第一确定模块920可以用于执行前文描述的操作S220，在此不再赘述。
第二确定模块930，用于根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户在多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段。在一实施例中，第二确定模块930可以用于执行前文描述的操作S230，在此不再赘述。
第三确定模块940，用于根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长。在一实施例中，第三确定模块940可以用于执行前文描述的操作S240，在此不再赘述。
根据本发明的实施例，第三确定模块940，包括：
第一确定子模块，用于根据目标用户的睡眠数据序列和目标用户在多个采样时刻各自的状态信息，确定目标用户的上床时刻和离床时刻；
第二确定子模块，用于根据目标用户的上床时刻和离床时刻，确定目标用户的在床总时长；
第三确定子模块，用于根据目标用户在多个采样时刻各自所处的目标睡眠阶段，确定与多个睡眠阶段各自相关的采样时刻的数量；
第四确定子模块，用于基于与多个睡眠阶段各自相关的采样时刻的数量和多个采样时刻各自之间的采样间隔，得到多个睡眠阶段各自的总时长；
第五确定子模块，用于根据多个睡眠阶段各自的总时长，确定目标用户的清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
根据本发明的实施例，状态信息包括在床状态和离床状态，第一确定子模块，包括：
第一确定单元，用于在目标用户在当前采样时刻的状态信息为在床状态且当前采样时刻的之前时刻各自的状态信息为离床状态的情况下，确定当前采样时刻为目标用户的上床时刻；
第二确定单元，用于在目标用户在当前采样时刻的状态信息为离床状态且当前采样睡眠时长大于预设阈值的情况下，确定当前采样时刻为目标用户的离床时刻，其中，当前睡眠时长表示当前采样时刻前目标用户的睡眠持续时长。
根据本发明的实施例，采集设备为智能手环，睡眠数据序列包括心率数据序列、呼吸频率数据序列和体动数据序列，得到模块910，包括：
第一得到子模块，用于响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到目标用户的睡眠数据序列，包括：
第二得到子模块，用于响应于数据采集请求，利用智能手环在目标时段对目标用户进行信息采集，得到目标用户的光电容积脉搏波信号和加速度信号；
第三得到子模块，用于根据采样频率、光电容积脉搏波信号的峰值间隔和加速度信号，得到目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，其中，采样频率为采集设备的采样速度；
其中，第三得到子模块，包括：
第一得到单元，用于根据采样频率和光电容积脉搏波信号的峰值间隔，得到目标用户的心率数据序列；
第二得到单元，用于对光电容积脉搏波信号进行傅里叶变换，得到目标光电容积脉搏波信号；
第三得到单元，用于根据目标光电容积脉搏波信号的极值，得到目标用户的呼吸频率数据序列；
第四得到单元，用于根据加速度信号在直角坐标系的x轴和y轴的平均加速度，得到目标用户的体动数据序列。
根据本发明的实施例，采集设备为智能床垫，得到模块910，包括：
第四得到子模块，用于响应于数据采集请求，利用智能床垫在目标时段对目标用户进行信息采集，得到目标用户对床垫作用的压电信号和压阻信号；
第五得到子模块，用于根据对压阻信号进行处理，得到当前采样时刻的自相关函数曲线；
第六得到子模块，用于根据自相关函数曲线的极值，得到目标用户的心率数据序列和呼吸频率数据序列；
第七得到子模块，用于根据压电信号和压阻信号，得到目标用户的体动数据序列。
根据本发明的实施例，第一确定模块920，包括：
第六确定子模块，用于根据睡眠数据序列，得到目标用户的体动数据序列；
第七确定子模块，用于根据目标用户的体动数据序列，确定目标用户在多个采样时刻各自的状态信息。
根据本发明的实施例，第一确定模块920，还包括：
第八确定子模块，用于根据压阻信号，得到目标用户在多个采样时刻下各自的电压值；
第九确定子模块，用于根据目标用户在多个采样时刻下各自的电压值，确定目标用户在多个采样时刻各自的状态信息。
根据本发明的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本发明实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，得到模块910、第一确定模块920、第二确定模块930、第三确定模块940中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本发明的实施例，得到模块910、第一确定模块920、第二确定模块930、第三确定模块940中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，得到模块910、第一确定模块920、第二确定模块930、第三确定模块940中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本发明的实施例中睡眠数据处理装置部分与本发明的实施例中睡眠数据处理方法部分是相对应的，睡眠数据处理装置部分的描述具体参考睡眠数据处理方法部分，在此不再赘述。
图10示出了根据本发明实施例的适于实现睡眠数据处理方法的电子设备的方框图。
如图10所示，根据本发明实施例的计算机电子设备1000包括处理器1001，其可以根据存储在ROM1002中的程序或者从存储部分1008加载到RAM1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC）），等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM1003中，存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM1003通过总线1004彼此相连。处理器1001通过执行ROM1002和/或RAM1003中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM1002和RAM1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备1000还可以包括I/O接口1005，I/O接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本发明的实施例，根据本发明实施例的方法流程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器RAM、只读存储器ROM、可擦式可编程只读存储器EPROM或闪存、便携式紧凑磁盘只读存储器CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM1002和/或RAM1003和/或ROM1002和RAM1003以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本发明实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本发明实施例所提供的方法。
在该计算机程序被处理器1001执行时，执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。

Claims (10)

1.一种睡眠数据处理方法，其特征在于，包括：
响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到所述目标用户的睡眠数据序列，其中，所述目标时段包括多个采样时刻；
根据所述目标用户的睡眠数据序列，确定所述目标用户在所述多个采样时刻各自的状态信息；
根据所述目标用户的睡眠数据序列和所述目标用户在所述多个采样时刻各自的状态信息，确定所述目标用户在所述多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，所述多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段；以及，
根据所述目标用户在所述多个采样时刻各自所处的目标睡眠阶段，确定所述目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户在所述多个采样时刻各自所处的目标睡眠阶段，确定所述目标用户的在床总时长、清醒总时长、浅睡总时长、动眼总时长和深睡总时长，包括：
根据所述目标用户的睡眠数据序列和所述目标用户在所述多个采样时刻各自的状态信息，确定所述目标用户的上床时刻和离床时刻；
根据所述目标用户的上床时刻和离床时刻，确定所述目标用户的在床总时长；
根据所述目标用户在所述多个采样时刻各自所处的目标睡眠阶段，确定与所述多个睡眠阶段各自相关的采样时刻的数量；
基于与所述多个睡眠阶段各自相关的采样时刻的数量和所述多个采样时刻各自之间的采样间隔，得到所述多个睡眠阶段各自的总时长；以及，
根据所述多个睡眠阶段各自的总时长，确定所述目标用户的清醒总时长、浅睡总时长、动眼总时长和深睡总时长。
3.根据权利要求2所述的方法，其特征在于，所述状态信息包括在床状态和离床状态；其中，
所述根据所述目标用户的睡眠数据序列和所述目标用户在所述多个采样时刻各自的状态信息，确定所述目标用户的上床时刻和离床时刻，包括：
在所述目标用户在当前采样时刻的状态信息为在床状态且当前采样时刻的之前时刻各自的状态信息为离床状态的情况下，确定当前采样时刻为所述目标用户的上床时刻；以及，
在所述目标用户在当前采样时刻的状态信息为离床状态且当前采样睡眠时长大于预设阈值的情况下，确定当前采样时刻为所述目标用户的离床时刻，其中，当前睡眠时长表示当前采样时刻前目标用户的睡眠持续时长。
4.根据权利要求1所述的方法，其特征在于，所述采集设备为智能手环，所述睡眠数据序列包括心率数据序列、呼吸频率数据序列和体动数据序列；其中，
所述响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到所述目标用户的睡眠数据序列，包括：
响应于所述数据采集请求，利用智能手环在所述目标时段对所述目标用户进行信息采集，得到所述目标用户的光电容积脉搏波信号和加速度信号；以及，
根据采样频率、光电容积脉搏波信号的峰值间隔和加速度信号，得到所述目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，其中，采样频率为采集设备的采样速度；
其中，所述根据采样频率、光电容积脉搏波信号的峰值间隔和加速度信号，得到所述目标用户的心率数据序列、呼吸频率数据序列和体动数据序列，包括：
根据所述采样频率和所述光电容积脉搏波信号的峰值间隔，得到所述目标用户的心率数据序列；
对所述光电容积脉搏波信号进行傅里叶变换，得到目标光电容积脉搏波信号；
根据所述目标光电容积脉搏波信号的极值，得到所述目标用户的呼吸频率数据序列；
根据所述加速度信号在直角坐标系的x轴和y轴的平均加速度，得到所述目标用户的体动数据序列。
5.根据权利要求1所述的方法，其特征在于，所述采集设备为智能床垫，所述睡眠数据序列包括心率数据序列、呼吸频率数据序列和体动数据序列；其中，
所述响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到所述目标用户的睡眠数据序列，包括：
响应于所述数据采集请求，利用智能床垫在所述目标时段对所述目标用户进行信息采集，得到目标用户对床垫作用的压电信号和压阻信号；
根据对所述压阻信号进行处理，得到当前采样时刻的自相关函数曲线；
根据所述自相关函数曲线的极值，得到所述目标用户的心率数据序列和所述呼吸频率数据序列；以及，
根据所述压电信号和所述压阻信号，得到所述目标用户的体动数据序列。
6.根据权利要求4所述的方法，其特征在于，所述根据所述目标用户的睡眠数据序列，确定所述目标用户在所述多个采样时刻各自的状态信息，包括：
根据所述睡眠数据序列，得到所述目标用户的体动数据序列；
根据所述目标用户的体动数据序列，确定所述目标用户在所述多个采样时刻各自的状态信息。
7.根据权利要求5所述的方法，其特征在于，所述根据所述目标用户的睡眠数据序列，确定所述目标用户在所述多个采样时刻各自的状态信息，还包括：
根据所述压阻信号，得到所述目标用户在所述多个采样时刻下各自的电压值；
根据所述目标用户在所述多个采样时刻下各自的电压值，确定所述目标用户在所述多个采样时刻各自的状态信息。
8.一种睡眠数据处理装置，其特征在于，包括：
得到模块，用于响应于数据采集请求，基于利用采集设备在目标时段采集得到的目标用户的睡眠特征信息，得到所述目标用户的睡眠数据序列，其中，所述目标时段包括多个采样时刻；
第一确定模块，用于根据所述目标用户的睡眠数据序列，确定所述目标用户在所述多个采样时刻各自的状态信息；
第二确定模块，用于根据所述目标用户的睡眠数据序列和所述目标用户在所述多个采样时刻各自的状态信息，确定所述目标用户在所述多个采样时刻各自在多个睡眠阶段中所处的目标睡眠阶段，其中，所述多个睡眠阶段包括：清醒阶段、浅睡阶段、深睡阶段和动眼阶段；
第三确定模块，用于根据所述目标用户在所述多个采样时刻各自所处的目标睡眠阶段，确定所述目标用户的在床总时长、清醒总时长、浅睡总时长和深睡总时长。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有可执行指令，其特征在于，该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
CN202410282943.1A 2024-03-13 2024-03-13 睡眠数据处理方法、装置、电子设备及介质 Active CN117860208B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410282943.1A CN117860208B (zh) 2024-03-13 2024-03-13 睡眠数据处理方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410282943.1A CN117860208B (zh) 2024-03-13 2024-03-13 睡眠数据处理方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN117860208A true CN117860208A (zh) 2024-04-12
CN117860208B CN117860208B (zh) 2024-09-03

Family

ID=90585101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410282943.1A Active CN117860208B (zh) 2024-03-13 2024-03-13 睡眠数据处理方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN117860208B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0415038A (ja) * 1990-05-10 1992-01-20 Matsushita Electric Ind Co Ltd 生体モニタ装置
JP2004121837A (ja) * 2002-09-11 2004-04-22 Sanyo Electric Co Ltd 可動ベッド
CN106618526A (zh) * 2016-11-17 2017-05-10 杭州伯仲信息科技有限公司 一种睡眠监测方法及系统
CN107065719A (zh) * 2017-04-12 2017-08-18 佛山市量脑科技有限公司 一种智能床垫的数据分析系统
JP2017158761A (ja) * 2016-03-09 2017-09-14 公立大学法人奈良県立医科大学 血圧測定装置及び血圧測定方法並びに睡眠状態測定装置及び睡眠状態測定方法
US20170312515A1 (en) * 2011-11-15 2017-11-02 Neurometrix, Inc. Dynamic control of transcutaneous electrical nerve stimulation therapy using continuous sleep detection
CN111685731A (zh) * 2020-05-19 2020-09-22 珠海格力电器股份有限公司 睡眠数据处理方法、装置、设备及存储介质
CN112988613A (zh) * 2019-12-18 2021-06-18 杭州海康存储科技有限公司 确定闪存的物理状态的方法、装置及设备
CN113506626A (zh) * 2021-09-03 2021-10-15 南通嘉蒂体育用品有限公司 基于可穿戴设备的睡眠特征数据评估处理方法及系统
CN113576465A (zh) * 2021-08-03 2021-11-02 山东海天智能工程有限公司 一种睡眠状态监测系统及睡眠体动参数确定方法
CN113854969A (zh) * 2021-10-29 2021-12-31 海信视像科技股份有限公司 一种智能终端及睡眠监测方法
JP2022008947A (ja) * 2016-04-28 2022-01-14 株式会社タニタ 離床判定装置、離床判定システム、及び離床判定プログラム
CN114176521A (zh) * 2021-12-09 2022-03-15 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
CN115089135A (zh) * 2022-04-25 2022-09-23 无锡博奥玛雅医学科技有限公司 一种基于毫米波雷达老人健康状态检测方法及系统
CN115474901A (zh) * 2022-09-29 2022-12-16 北京健安感知科技有限公司 基于无线射频信号的非接触式起居状态监测方法及系统
CN117426755A (zh) * 2022-07-07 2024-01-23 海尔(深圳)研发有限责任公司 睡眠监测方法、装置及智能设备

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0415038A (ja) * 1990-05-10 1992-01-20 Matsushita Electric Ind Co Ltd 生体モニタ装置
JP2004121837A (ja) * 2002-09-11 2004-04-22 Sanyo Electric Co Ltd 可動ベッド
US20170312515A1 (en) * 2011-11-15 2017-11-02 Neurometrix, Inc. Dynamic control of transcutaneous electrical nerve stimulation therapy using continuous sleep detection
JP2017158761A (ja) * 2016-03-09 2017-09-14 公立大学法人奈良県立医科大学 血圧測定装置及び血圧測定方法並びに睡眠状態測定装置及び睡眠状態測定方法
JP2022008947A (ja) * 2016-04-28 2022-01-14 株式会社タニタ 離床判定装置、離床判定システム、及び離床判定プログラム
CN106618526A (zh) * 2016-11-17 2017-05-10 杭州伯仲信息科技有限公司 一种睡眠监测方法及系统
CN107065719A (zh) * 2017-04-12 2017-08-18 佛山市量脑科技有限公司 一种智能床垫的数据分析系统
CN112988613A (zh) * 2019-12-18 2021-06-18 杭州海康存储科技有限公司 确定闪存的物理状态的方法、装置及设备
CN111685731A (zh) * 2020-05-19 2020-09-22 珠海格力电器股份有限公司 睡眠数据处理方法、装置、设备及存储介质
CN113576465A (zh) * 2021-08-03 2021-11-02 山东海天智能工程有限公司 一种睡眠状态监测系统及睡眠体动参数确定方法
CN113506626A (zh) * 2021-09-03 2021-10-15 南通嘉蒂体育用品有限公司 基于可穿戴设备的睡眠特征数据评估处理方法及系统
CN113854969A (zh) * 2021-10-29 2021-12-31 海信视像科技股份有限公司 一种智能终端及睡眠监测方法
CN114176521A (zh) * 2021-12-09 2022-03-15 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
CN115089135A (zh) * 2022-04-25 2022-09-23 无锡博奥玛雅医学科技有限公司 一种基于毫米波雷达老人健康状态检测方法及系统
CN117426755A (zh) * 2022-07-07 2024-01-23 海尔(深圳)研发有限责任公司 睡眠监测方法、装置及智能设备
CN115474901A (zh) * 2022-09-29 2022-12-16 北京健安感知科技有限公司 基于无线射频信号的非接触式起居状态监测方法及系统

Also Published As

Publication number Publication date
CN117860208B (zh) 2024-09-03

Similar Documents

Publication Publication Date Title
US20220125322A1 (en) Methods and Systems for Determining Abnormal Cardiac Activity
Bashar et al. Developing a novel noise artifact detection algorithm for smartphone PPG signals: Preliminary results
US10709354B2 (en) Generating a breathing alert
US9746833B2 (en) Electronic device and smart method for controlling alarm
US20150245787A1 (en) Real-time video processing for respiratory function analysis
US20230389808A1 (en) Video data-based system for blood pressure prediction
CN114283494A (zh) 一种用户跌倒预警方法、装置、设备和存储介质
US20160352848A1 (en) Method for Evaluating Usage of an Application by a User
CN117860208B (zh) 睡眠数据处理方法、装置、电子设备及介质
Ye et al. Human identification based on ECG signals from wearable health monitoring devices
WO2017103616A1 (en) A method, information processing apparatus and server for determining a physiological parameter of an individual
Pathan et al. A machine learning based human activity recognition during physical exercise using wavelet packet transform of ppg and inertial sensors data
EP4066736A1 (en) Heart rate estimation method and apparatus, and electronic device applying same
Ukil et al. Cardiac condition monitoring through photoplethysmogram signal denoising using wearables: can we detect coronary artery disease with higher performance efficacy?
CN108334200A (zh) 电子设备控制方法及相关产品
US20210117782A1 (en) Interpretable neural networks for cuffless blood pressure estimation
Sabor et al. BHI-Net: Brain-heart interaction-based deep architectures for epileptic seizures and firing location detection
Zhang et al. Sleep/wake classification via remote PPG signals
Datta et al. Novel statistical post processing to improve blood pressure estimation from smartphone photoplethysmogram
CN115721283A (zh) 一种心率健康预警方法、系统、计算机设备及介质
CN114692686A (zh) 心率监测降噪方法、装置、电子设备及可读存储介质
EP3056142A1 (en) Physiological signal processing circuit
CN115886741B (zh) 睡眠状态监测方法、电子设备和存储介质
KR102567684B1 (ko) 디지털 표현형 특징을 이용한 사회 불안장애 분석방법 및 장치
CN117711565B (zh) 一种运动恢复时间确定方法及电子设备

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