CN117958746A - 一种睡眠监测方法及电子设备 - Google Patents
一种睡眠监测方法及电子设备 Download PDFInfo
- Publication number
- CN117958746A CN117958746A CN202211321498.2A CN202211321498A CN117958746A CN 117958746 A CN117958746 A CN 117958746A CN 202211321498 A CN202211321498 A CN 202211321498A CN 117958746 A CN117958746 A CN 117958746A
- Authority
- CN
- China
- Prior art keywords
- time point
- time
- getting
- user
- sleep
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 167
- 238000012544 monitoring process Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000033001 locomotion Effects 0.000 claims abstract description 209
- 230000001133 acceleration Effects 0.000 claims abstract description 152
- 230000000694 effects Effects 0.000 claims abstract description 103
- 230000036578 sleeping time Effects 0.000 claims description 41
- 230000009471 action Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 37
- 230000004620 sleep latency Effects 0.000 claims description 33
- 230000005484 gravity Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 19
- 238000012790 confirmation Methods 0.000 claims description 15
- 230000006872 improvement Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 18
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 16
- 206010022437 insomnia Diseases 0.000 description 16
- 238000007726 management method Methods 0.000 description 15
- 238000010295 mobile communication Methods 0.000 description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 9
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 9
- 239000001301 oxygen Substances 0.000 description 9
- 230000036544 posture Effects 0.000 description 9
- 230000005236 sound signal Effects 0.000 description 9
- 230000003860 sleep quality Effects 0.000 description 8
- 238000003066 decision tree Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 208000019116 sleep disease Diseases 0.000 description 5
- 210000000707 wrist Anatomy 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000020685 sleep-wake disease Diseases 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000009225 cognitive behavioral therapy Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本申请提供了一种睡眠监测方法及电子设备,涉及终端技术领域。具体方案包括:电子设备获取监测时段内第一电子设备的加速度数据。电子设备根据加速度数据确定使用第一电子设备的用户的运动数据,其中,运动数据包括:活动量数据、步数以及手臂动作中的至少一项。电子设备根据运动数据确定至少两个第一时间点,第一时间点为用户的疑似上下床时间点。进一步的,电子设备根据至少两个第一时间点确定用户的上床时间点和下床时间点,并可根据上床时间点和下床时间点,对用户的睡眠进行监测。这样,电子设备可以准确、快速地确定用户的上床时间点和下床时间点,进而提高睡眠监测的准确性。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种睡眠监测方法及电子设备。
背景技术
随着现代社会日益激烈的工作步伐和生活节奏,使得越来越多高压生活之下的人们出现失眠等睡眠障碍问题。失眠是一种不容易自然地进入睡眠状态的症状,例如,不易入睡(或称为难以入睡),或是很难维持较长时间的深度睡眠(或称为难以维持睡眠)。严重且持续的失眠问题不仅对人体的身体产生慢性且长期的生理后果,另一方面会使得人体心理极易产生焦虑、抑郁等负面情绪,使得生理和心理产生严重的疾病负荷。因此,需要及时地对失眠问题进行诊断和治疗。
在失眠问题的诊断和治疗过程中,为了分析用户的睡眠质量,通常会将睡眠效率作为参考指标。睡眠效率为用户实际的总睡眠时间与总卧床时间的比值,其中,总卧床时间即为用户下床时间点和上床时间点之差。然而,目前电子设备无法准确、便捷的识别出用户真实地上下床动作,从而无法准确确定出用户的上床时间点和下床时间点。由此可能造成高估或低估用户实际的睡眠效率,从而不能准确地对用户进行睡眠监测,精确地分析用户睡眠质量。
发明内容
本申请实施例提供一种睡眠监测方法及电子设备,能够准确地确定用户的上床时间点和下床时间点,进而提高睡眠监测的准确性。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种睡眠监测方法,该方法包括:电子设备获取监测时段内第一电子设备的加速度数据。电子设备根据加速度数据确定使用第一电子设备的用户的运动数据,其中,运动数据包括:活动量数据、步数以及手臂动作中的至少一项,活动量数据用于表征用户的运动强度。电子设备根据运动数据确定至少两个第一时间点,第一时间点为用户的疑似上下床时间点。进一步的,电子设备根据至少两个第一时间点确定用户的上床时间点和下床时间点。电子设备根据上床时间点和下床时间点,对用户的睡眠进行监测。
该方法中,电子设备能够基于加速度数据,确定出用户的活动量数据,步数及手臂动作中的一种或多种运动数据。电子设备可以根据运动数据识别出用户的上下床动作,确定用户的疑似上下床时间点。进一步的,电子设备根据疑似上下床时间点确定用户的上床时间点和下床时间点。这样,电子设备可以准确、快速地确定用户的上床时间点和下床时间点,进而提高睡眠监测的准确性。
在第一方面的一种可实现方式中,上述监测时段包括多个监测时间点,运动数据包括多个监测时间点的运动数据。电子设备根据运动数据确定至少两个第一时间点,包括:针对多个监测时间点中的每个监测时间点,电子设备确定监测时间点前预设时间内运动数据的变化数据。若变化数据满足预设条件,则电子设备确定监测时间点为第一时间点。在本实现方式中,由于运动数据用于表征使用该电子设备的用户的运动情况,用户在运动的过程中运动数据会产生变化。因此,电子设备可以根据运动数据的变化数据,准确地识别用户的上下床动作,并确定用户的疑似上下床时间点(即第一时间点),以用于进一步的确定用户的上床时间点和下床时间点。
在第一方面的一种可实现方式中,在运动数据包括活动量数据的情况下,预设条件包括:在监测时间点前的第一预设时段内,活动量数据的变化数据大于第一阈值。在运动数据包括步数的情况下,预设条件包括:在监测时间点前的第二预设时段内,所述步数的变化数据大于第二阈值。在运动数据包括手臂动作的情况下,预设条件包括:在监测时间点前的第三预设时段内,手臂动作满足预设动作的次数大于第三阈值;预设动作包括:手臂摆动动作和手臂竖直向下动作。在本实现方式中,电子设备通过活动量数据、步数和手臂动作分别对应的预设条件,可以准确地识别出用户的上下床动作,以便于进一步确定用户的疑似上下床时间点。
在第一方面的一种可实现方式中,监测时段包括多个监测时间点,运动数据包括多个监测时间点的运动数据。电子设备根据运动数据确定至少两个第一时间点的方法包括:电子设备将多个监测时间点的运动数据输入预设的检测模型,以获得至少两个第一时间点。在本实现方式中,电子设备根据运动数据通过检测模型可以快速地确定用户的疑似上下床时间点,提高了电子设备确定用户疑似上下床时间点的效率。
在第一方面的一种可实现方式中,上述检测模型采用以下方法构建:电子设备获取样本集合,样本集合包括多个时间点的运动数据,以及多个上下床时间点。电子设备采用样本集合对检测模型的初始模型进行训练,以构建检测模型。这样,通过样本集合对检测模型的初始模型进行训练,可以提高构建的检测模型的检测精度,进而提高电子设备确定用户疑似上下床时间点的准确性。
在第一方面的一种可实现方式中,加速度数据包括:方向两两垂直的第一加速度、第二加速度和第三加速度。在运动数据包括活动量数据的情况下,电子设备根据加速度数据确定活动量数据,包括:采用如下公式(1),确定活动量数据:
其中,A为活动量数据,a1为第一加速度,a2为第二加速度,a3为第三加速度。
在本实现方式中,电子设备通过方向两两垂直的第一加速度、第二加速度和第三加速度确定活动量数据,可以使活动量数据更真实地反映出用户的运动强度,进而提高电子设备根据活动量数据确定用户疑似上下床时间点的准确性。
在第一方面的一种可实现方式中,加速度数据包括:方向两两垂直的第一加速度、第二加速度和第三加速度。在运动数据包括活动量数据的情况下,活动量数据为加速度数据中的第一加速度,第一加速度为方向与平举的手臂处于同一水平面,并垂直于手臂方向的加速度。在本实现方式中,电子设备根据实际应用场景,将用户存在显著动作的方向的加速度用于表征活动量数据。这样,电子设备确定的活动量数据不仅可以真实地反映出用户的运动强度,而且可以提高电子设备根据加速度数据确定活动量数据的效率。
在第一方面的一种可实现方式中,在手臂动作的第一优势特征大于第四阈值的频次满足第一预设频次时,电子设备确定手臂动作满足手臂摆动动作。其中,第一优势特征用于表征与平举的手臂处于同一水平面内并垂直于手臂方向的动作强度。具体的,第一优势特征采用如下公式(2)确定:
其中,B1为第一优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于手臂方向基于重力引发的加速度,ag,Z为与平举的手臂处于同一竖直面内,并垂直于手臂方向基于重力引发的加速度。这样,电子设备根据第一优势特征可以判断手臂的动作,以准确地确定手臂动作满足手臂摆动动作。
在第一方面的一种可实现方式中,在手臂动作的第二优势特征大于第五阈值的频次满足第二预设频次时,电子设备确定手臂动作满足手臂竖直向下动作。其中,第二优势特征用于表征沿手臂方向的动作强度。具体的,第二优势特征采用如下公式(3)确定:
其中,B2为第二优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于手臂方向基于重力引发的加速度,ag,Z为与平举的手臂处于同一竖直面内,并垂直于手臂方向基于重力引发的加速度。这样,电子设备根据第二优势特征可以判断手臂的动作,以准确地确定手臂动作满足手臂竖直向下动作。
在第一方面的一种可实现方式中,电子设备根据至少两个第一时间点确定用户的上床时间点和下床时间点的方法包括:电子设备获取用户的入睡时间点和出睡时间点。电子设备将至少两个第一时间点中,在入睡时间点之前,并且与入睡时间点时间差最小的第一时间点,确定为上床时间点;电子设备将至少两个第一时间点中,在出睡时间点之后,并且与出睡时间点时间差最小的第一时间点,确定为下床时间点。在本实现方式中,电子设备将入睡时间点之前最接近的用户疑似上下床时间点确定为上床时间点,将出睡时间点之后最接近的用户疑似上下床时间点确定为下床时间点。这样,可以真实地反映出用户的上下床时间,提高电子设备确定上床时间点和下床时间点的准确性。
在第一方面的一种可实现方式中,电子设备根据至少两个第一时间点确定用户的上床时间点和下床时间点的方法包括:电子设备接收来自第二电子设备的疑似上床时间点和疑似下床时间点。电子设备根据至少两个第一时间点、疑似上床时间点和疑似下床时间点,确定上床时间点和下床时间点。这样,电子设备可以结合第二电子设备的疑似上床时间点和疑似下床时间点,确定上床时间点和下床时间点,可以提高电子设备确定上床时间点和下床时间点的准确性。
在第一方面的一种可实现方式中,电子设备根据至少两个第一时间点、疑似上床时间点和疑似下床时间点,确定上床时间点和下床时间点的方法包括:若至少两个第一时间点中存在与疑似上床时间点的时间差小于第六阈值的第一时间点,则电子设备将疑似上床时间点确定为上床时间点。若至少两个第一时间点中存在与疑似下床时间点的时间差小于第七阈值的第一时间点,则电子设备将疑似下床时间点确定为下床时间点。这样,电子设备结合第二电子设备提供的疑似上床时间点和疑似下床时间点,可以排除其他用户的干扰,准确地确定使用第一电子设备的用户的上床时间点和下床时间点。
在第一方面的一种可实现方式中,电子设备根据至少两个第一时间点确定用户的上床时间点和下床时间点的方法包括:电子设备显示至少两个第一时间点。电子设备接收用户对至少两个第一时间点中的第二时间点和第三时间点的选择操作。电子设备根据选择操作,将第二时间点和第三时间点确定为上床时间点和下床时间点。在本实现方式中,电子设备根据用户的选择操作,确定上床时间点和下床时间点。即由用户根据至少两个疑似上下床时间点确定上床时间点和下床时间点,这样,可以提高用户的使用体验。
在第一方面的一种可实现方式中,该方法还包括:电子设备获取用户的入睡时间点和出睡时间点。电子设备显示至少两个第一时间点中,入睡时间点之前的第一时间点,和出睡时间点之后的第一时间点。电子设备接收用户对至少两个第一时间点中的第二时间点和第三时间点的选择操作。电子设备根据选择操作,将第二时间点和第三时间点确定为上床时间点和下床时间点。在本实现方式中,电子设备根据入睡时间点和出睡时间点去除了会造成干扰的疑似上下床时间点。电子设备仅向用户显示入睡时间点之前的用户疑似上下床时间点,和出睡时间点之后的用户疑似上下床时间点,便于用户快速确定上床时间点和下床时间点,进一步提高了用户的使用体验。
在第一方面的一种可实现方式中,该方法还包括:电子设备根据加速度数据,确定第一时间点之后的累计活动量数据。若活动量累计数据小于第八阈值的时间满足预设时间,电子设备获取入睡参数,入睡参数用于表征用户的入睡情况。若入睡参数不满足第九阈值,电子设备则显示第一提示信息,第一提示信息用于用户确认是否开启睡眠模式。电子设备接收用户的开启睡眠模式的确认操作。电子设备响应确认操作,开启睡眠模式。在本实现方式中,电子设备确定用户的疑似上下床时间点之后,可以根据活动量累计数据和入睡参数,判断用户是否卧床较长时间没有进入睡眠状态。若用户卧床较长时间没有进入睡眠状态,则电子设备向用户显示第一提示信息,以用于用户确认是否开启睡眠模式。如果电子设备接收用户的开启睡眠模式的确认操作,则开启睡眠模式,帮助用户快速进入睡眠状态,提高了用户的使用体验。
在第一方面的一种可实现方式中,电子设备在接收用户的开启睡眠模式的确认操作之后,该方法还包括:电子设备响应确认操作,向第三电子设备发送开启睡眠模式指令,开启睡眠模式指令用于触发第三电子设备开启睡眠模式。在本实现方式中,电子设备响应确认操作,可以向第三电子设备发送开启睡眠模式指令,以使第三电子设备也开启睡眠模式,共同帮助用户快速进入睡眠状态,进一步提高了用户的使用体验。
在第一方面的一种可实现方式中,电子设备根据上床时间点和下床时间点,对用户的睡眠进行监测的方法包括:电子设备根据上床时间点和下床时间点,确定睡眠潜伏时长和卧床时长,睡眠潜伏时长为上床时间点与入睡时间点的差值,卧床时长为上床时间点和下床时间点的差值。电子设备根据睡眠潜伏时长和卧床时长显示用户的睡眠分析结果。在本实现方式中,电子设备根据上床时间点和下床时间点,可以确定睡眠潜伏时长和卧床时长,以进一步的确定并显示用户的睡眠分析结果,便于用户及时发现睡眠问题,提高了用户的使用体验。
在第一方面的一种可实现方式中,在睡眠潜伏时长大于第十阈值的情况下,睡眠分析结果包括:睡眠潜伏时长、卧床时长及第二提示信息,第二提示信息用于提醒用户卧床时间过长。这样,电子设备通过显示第二提示信息,可以使用户及时发现存在卧床时间过长的问题,提高了用户的使用体验。
在第一方面的一种可实现方式中,在睡眠潜伏时长大于第十阈值的天数大于天数阈值的情况下,睡眠分析结果包括:第三提示信息,第三提示信息用于展示导致睡眠潜伏时长大于第十阈值的因素,和/或展示睡眠改善建议和睡眠改善任务。在本实现方式中,电子设备通过显示第三提示信息,可以使用户及时发现睡眠问题,并可以根据睡眠改善建议和睡眠改善任务及时调整睡眠习惯,提高睡眠质量。这样,进一步提高了用户的使用体验。
第二方面,提供了一种电子设备,包括:获取模块和处理模块。获取模块用于获取监测时段内第一电子设备的加速度数据。处理模块用于根据加速度数据确定使用第一电子设备的用户的运动数据,运动数据包括:活动量数据、步数以及手臂动作中的至少一项,活动量数据用于表征用户的运动强度。处理模块还用于根据运动数据确定至少两个第一时间点,第一时间点为用户的疑似上下床时间点。处理模块还于根据至少两个第一时间点确定用户的上床时间点和下床时间点。处理模块还于根据上床时间点和下床时间点,对用户的睡眠进行监测。
第三方面,提供了一种电子设备,包括:存储器、一个或多个处理器;存储器与处理器耦合;其中,存储器中存储有计算机程序代码,计算机程序代码包括计算机指令,当计算机指令被处理器执行时,使得电子设备执行上述第一方面任一项所述的方法。
第四方面,提供了一种计算机可读存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述第一方面任一项所述的方法。
第五方面,提供了一种计算机程序产品,当计算机程序产品在计算机上运行时,使得电子设备执行上述第一方面任一项所述的方法。
可以理解地,上述第三方面的电子设备,第四方面的计算机可读存储介质,第五方面的计算机程序产品所能达到的有益效果,可参考第一方面及其任一种可能的设计方式中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例示出的一种电子设备的结构示意图;
图2为本申请实施例示出的一种电子设备的硬件结构示意图;
图3为本申请实施例示出的一种睡眠监测方法的流程示意图;
图4为本申请实施例示出的活动量数据统计图;
图5为本申请实施例示出的步数统计图;
图6(a)为本申请实施例示出的加速度波形图一;
图6(b)为本申请实施例示出的加速度波形图二;
图6(c)为本申请实施例示出的加速度波形图三;
图7为本申请实施例示出的一种智能手表确定第一时间点的方法流程示意图一;
图8为本申请实施例示出的一种智能手表确定第一时间点的方法流程示意图二;
图9为本申请实施例示出的一种智能手表确定第一时间点的方法流程示意图三;
图10为本申请实施例示出的一种智能手表确定第一时间点的方法流程示意图四;
图11为本申请实施例示出的睡眠监测方法的应用场景示意图一;
图12为本申请实施例示出的智能手表确定上床时间点和下床时间点的方法流程示意图一;
图13为本申请实施例示出的智能手表确定上床时间点和下床时间点的原理示意图;
图14为本申请实施例示出的智能手表确定上床时间点和下床时间点的方法流程示意图二;
图15为本申请实施例示出的显示第一时间点的示意图一;
图16为本申请实施例示出的显示第一时间点的示意图二;
图17为本申请实施例示出的智能手表确定上床时间点和下床时间点的方法流程示意图三;
图18为本申请实施例示出的智能手表确定上床时间点和下床时间点的方法流程示意图四;
图19为本申请实施例示出的睡眠监测方法的应用场景示意图二;
图20为本申请实施例示出的睡眠监测方法的应用场景示意图三;
图21为本申请实施例示出的睡眠监测方法的应用场景示意图四;
图22为本申请实施例示出的智能手表进行睡眠监测的方法流程示意图一;
图23为本申请实施例示出的睡眠监测方法的应用场景示意图五;
图24为本申请实施例示出的智能手表进行睡眠监测的方法流程示意图二;
图25为本申请实施例示出的睡眠监测方法的应用场景示意图六;
图26为本申请实施例示出的睡眠监测方法的应用场景示意图七;
图27为本申请实施例示出的智能手表进行睡眠监测的方法流程示意图三;
图28为本申请实施例示出的睡眠监测方法的应用场景示意图八;
图29为本申请实施例示出的睡眠监测方法的应用场景示意图九;
图30为本申请实施例示出的一种电子设备的组成示意图;
图31为本申请实施例示出的一种芯片系统的组成示意图。
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,在本申请的描述中,除非另有说明,“/”表示前后关联的对象是一种“或”的关系,例如,A/B可以表示A或B;本申请中的“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,其中A,B可以是单数或者复数。并且,在本申请的描述中,除非另有说明,“多个”是指两个或多于两个。“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。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
目前,人们对失眠等睡眠障碍问题越来越重视。其中,睡眠认知行为(cognitivebehavioral therapy for insomnia,CBTI)疗法是一种常用的治疗失眠的疗法。CBTI疗法主要采用睡眠限制方法,具体的:睡眠限制方法首先通过限制失眠患者的卧床时间,不断提升失眠患者的睡眠效率。然后,在保障睡眠效率的同时,逐渐增加失眠患者的卧床时间,以改善失眠患者的失眠情况。可见,在失眠问题的诊断和治疗过程中,为了分析失眠患者的睡眠质量,通常会将睡眠效率作为参考指标。睡眠效率为失眠患者实际的总睡眠时间与总卧床时间的比值。其中,总卧床时间即为失眠患者的下床时间点和上床时间点之差。
通常,可采用人工手动记录下床时间点和上床时间点的方式获取总卧床时间。具体的,用户每日睡眠完成后,手动记录自身的上床时间点和下床时间点,以进一步根据上床时间点和下床时间点确定总卧床时间。但是,由于需要用户每次睡眠完成后再进行记录,不能及时的获取下床时间点和上床时间点,将影响失眠问题检测和治疗的及时性。并且,人工手动记录的方式,会存在记录误差和记忆偏差,从而导致记录的上床时间点和下床时间点的准确性较低。
在相关技术中,还可以通过电子设备确定用户的总卧床时间。例如,可以根据电子设备的使用时间确定用户的总卧床时间。如果用户在入睡前和出睡后使用电子设备(例如手机),则当用户使用电子设备时,确定该用户处于未卧床状态,否则确定该用户处于卧床状态。但是,由于电子设备使用时间本质上并非用户实际的上床时间点和下床时间点之差,并不能真实地反映出用户实际的卧床时间。因此,根据电子设备使用时间确定用户的总卧床时间的准确性较低。
又例如,还可以通过智能家居(例如智能床垫)确定用户的总卧床时间。具体的,智能床垫可以根据自身的受力变化,检测用户的上床动作和下床动作。示例性的,智能床垫若检测到在一个时间点的受力变大并满足预设条件时,则确定该时间点用户存在上床动作,该时间点即为上床时间点。智能床垫若检测到在一个时间点的受力变小并满足预设条件时,则确定该时间点用户存在下床动作,该时间点即为下床时间点。进而智能床垫可以根据下床时间点和上床时间点,得到总卧床时间。
再例如,还可以通过摄像头和雷达等装置通过图像识别确定用户的总卧床时间。具体的,摄像头和雷达等装置可以通过获取用户的动作信息(例如用户的动作图像),检测用户的上床动作和下床动作,进而确定下床时间点和上床时间点,得到总卧床时间。
但是,上述智能床垫、摄像头和雷达等设备的成本较高,普及性较差。并且,在多用户的应用场景下,无法分别准确地确定出每一个用户的下床时间点和上床时间点,从而导致对于每个用户确定的总卧床时间的准确性较低。
又例如,还可以通过加速度传感器检测用户的姿态以确定用户的总卧床时间。具体的,通过获取佩戴于用户手臂或胸部的加速度传感器的加速度数据,检测用户的躺、站、坐、走等姿态,结合姿态的变化,来识别用户的上床动作和下床动作。但是,通过加速度传感器检测用户的姿态,仅能确定用户的姿态变化,如用户从躺姿转换至站姿、或者站姿转换至躺姿等。并无法确定在躺姿状态下,用户实际是躺在床上睡觉,还是躺在沙发上看电视,从而无法准确地识别出用户的上床动作和下床动作。并且,在实际应用中,由于用户的佩戴、生活习惯不同,不同用户的姿态差异较大。因此,通过加速度传感器的加速度数据进行姿态识别的难度较大,准确性较低。
综上,上述相关技术中,电子设备均无法准确、便捷的识别出用户真实地上下床动作,从而无法准确确定出用户的上床时间点和下床时间点,进而无法确定用户准确地卧床时间。由此可能造成高估或低估用户实际的睡眠效率,不能准确地对用户进行睡眠监测,精确地分析用户睡眠质量。
本申请实施例提供一种睡眠监测方法,该方法可以应用于电子设备。采用本实施例提供的方法,电子设备可以基于电子设备的加速度数据,确定使用该电子设备的用户的运动数据,以识别出用户的上下床动作,并确定用户的疑似上下床时间点。进一步的电子设备可以根据疑似上下床时间点确定用户的上床时间点和下床时间点,以用于对用户的睡眠进行监测。这样,电子设备基于加速度数据可以准确地确定用户的上床时间点和下床时间点,进而提高睡眠监测的准确性。
示例性的,本申请实施例中的电子设备可以为手机、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、上网本,以及蜂窝电话、个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)设备、虚拟现实(virtual reality,VR)设备、人工智能(artificial intelligence,AI)设备、可穿戴设备,可穿戴设备包括但不限于智能手表、智能手环、智能脚环、无线耳机、智能眼镜、智能头盔等。本申请实施例对电子设备的具体类型不作任何限制。
下面以电子设备100为可穿戴设备为例进行说明。
示例性的,图1示出了电子设备100的一种结构示意图,该电子设备100可佩带在用户的手腕上。该电子设备100包括显示屏101以及固定带102,显示屏101用于显示时间以及用户触摸点击以显示其他相关内容,固定带102用于将电子设备100固定于用户手腕。
示例性的,图2示出了电子设备100的一种硬件结构示意图。
电子设备100可以包括处理器110,内部存储器121,通用串行总线(universalserial 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,传感器模块180,按键190,马达191,指示器192,以及显示屏194等。其中传感器模块180可以包括陀螺仪传感器180A,加速度传感器180B,触摸传感器180C,环境光传感器180D等。
可以理解的是,本发明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。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
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。
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 satellite system,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 mobile communications,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),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 augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。在本实施例中,显示屏194可以为图1中所示的显示屏101。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystaldisplay,LCD),有机发光二极管(organic light-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的,AMOLED),柔性发光二极管(flex light-emitting diode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot light emitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
陀螺仪传感器180A可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180A确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180A可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180A检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180A还可以用于导航,体感游戏场景。
加速度传感器180B可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
环境光传感器180D用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180D也可用于拍照时自动调节白平衡。环境光传感器180D还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
触摸传感器180C,也称“触控面板”。触摸传感器180C可以设置于显示屏194,由触摸传感器180C与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180C用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180C也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
在一些实施例中,如果电子设备100为手机,则电子设备100还可以包括:外部存储器接口,耳机接口,摄像头,以及用户标识模块(subscriber identification module,SIM)卡接口。
其中,外部存储器接口可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
耳机接口用于连接有线耳机。耳机接口可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
SIM卡接口用于连接SIM卡。SIM卡可以通过插入SIM卡接口,或从SIM卡接口拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口也可以兼容不同类型的SIM卡。SIM卡接口也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。
以下以电子设备为可穿戴设备为例,具体的,以可穿戴设备为智能手表,该智能手表佩带在用户的手腕上,通过该智能手表对用户进行睡眠监测为例,对本申请实施例提供的睡眠监测方法进行说明。以下实施例中的方法可以在具有图2所示硬件结构的电子设备中实现。图3为本申请实施例示出的睡眠监测方法的流程示意图,如图3所示,该方法可以包括如下S101-S105:
S101、智能手表获取监测时间段内该智能手表的加速度数据。
具体的,在用户想要进行睡眠监测时,可开启智能手表的睡眠监测功能。智能手表响应于该开启操作,启动睡眠监测功能,以对用户进行睡眠监测。在用户想要结束睡眠监测时,可关闭智能手表的睡眠监测功能。智能手表响应于该关闭操作,可关闭睡眠监测功能,以结束对用户睡眠的监测。智能手表从启动睡眠监测功能到关闭睡眠监测功能之间的时间段可以为上述监测时间段。智能手表可以实时获取监测时间段内的加速度数据,以用于进一步确定用户的运动数据。
在一种实现方式中,智能手表可以通过如图2所示的加速度传感器180B获取加速度数据。加速度传感器180B可以检测智能手表在不同方向上加速度的大小,以用于确定用户的运动数据。例如,智能手表需要检测用户的手臂动作,则可以获取沿手臂方向的加速度、在与平举手臂处于同一水平面并垂直于手臂的方向的加速度以及在与平举手臂处于同一竖直面并垂直于手臂的方向的加速度,这样,以便于准确地识别出用户的手臂动作。
在本申请实施例中,上述加速度数据可以包括三轴(或称为三个方向)的加速度,例如可以包括:方向两两垂直的第一加速度、第二加速度和第三加速度。
S102、智能手表根据加速度数据确定使用该智能手表的用户的运动数据。
在本申请实施例中,运动数据可以用于表征使用该智能手表的用户的运动情况,运动数据可以由智能手表根据加速度数据确定得到。由于用户在运动的过程中,在不同的方向会产生不同的加速度。因此,智能手表可以根据加速度数据,确定用户的运动数据。
在一些实施例中,由于用户在床上和床下的运动情况不同,例如,用户在床上的活动量小于在床下的活动量、用户在上床之后步数会减小、用户在下床之后步数会增加以及用户在床上的手臂摆动动作的次数会小于用户在床下的手臂摆动动作的次数等。示例性的,如图4所示,本申请实施例示出的活动量数据统计图,由图4可见,由于用户的运动情况不同,不同时间用户的活动量不同。如图5所示,本申请实施例示出的步数统计图,由图5可见,由于用户的运动情况不同,不同时间用户的步数也不同。因此,在本实施例中,为了智能手表准确地识别用户的上下床动作,运动数据可以包括:活动量数据、步数以及手臂动作中的至少一项,其中,活动量数据用于表征用户的运动强度。
智能手表可以根据加速度数据分别确定活动量数据、步数以及手臂动作,具体的:
在运动数据包括活动量数据的情况下,在一种实现方式中,智能手表可以根据三个方向两两垂直的加速度,确定活动量数据。示例性的,智能手表获取的加速度数据包括:方向两两垂直的第一加速度、第二加速度和第三加速度。则智能手表可采用如下公式(1),确定活动量数据:
其中,A为活动量数据,a1为第一加速度,a2为第二加速度,a3为第三加速度。
在又一种实现方式中,如果在实际应用中,用户沿一个方向的动作更加显著,则可以使用该方向的加速度表征活动量数据。在本申请实施例的应用场景中,智能手表佩带在用户的手腕上,用户在上下床的过程中,在沿与平举的手臂处于同一水平面并垂直于手臂的方向的动作更加显著,因此智能手表还可以根据该方向的加速度确定活动量数据,如将该方向的加速作为用户的活动量数据。
在运动数据包括步数的情况下,智能手表可以根据加速度数据的周期性变化特征确定步数。具体的,用户在运动时,会在空间的三个方向(例如,沿用户运动的前进方向、在水平面内垂直于用户运动的前进方向的方向以及在竖直面内垂直于用户运动的前进方向的方向)分别产生一个加速度。用户在运动的过程中,三个方向中至少有一个方向的加速度是随着时间变化呈现周期性变化的。例如,用户沿直线向前奔跑时,随着用户双脚的交替抬起和落地,在竖直面内垂直于前进方向的加速度均会呈现周期性变化。周期性变化的加速度随着时间的变化而变化,以周期性变化的加速度的数值为纵轴,以时间为横轴,则该周期性变化的加速度的曲线总体呈现为一个正弦曲线。在用户运动过程中,每一次步伐都会对应一个正弦曲线中的峰值,可以把一次峰值记为一步。这样,智能手表可以实现根据加速度数据确定步数。
在运动数据包括手臂动作的情况下,智能手表获取的加速度数据中可以包括多个方向的加速度,智能手表可以根据多个方向的加速度,确定每个方向的优势特征,以用于确定用户的手臂动作,其中优势特征用于表征用户的动作强度。如果用户的手臂在一个方向上的动作越显著,则在该方向的动作强度越大,即优势特征越大。
由于每个方向的原始加速度中均包括了基于重力引发的加速度和基于肌肉力量产生的加速度两部分。为了智能手表可以准确地判断用户的手臂动作,智能手表需要在每个方向的加速度中去除基于肌肉力量产生的加速度,保留基于重力引发的加速度。例如,智能手表可以通过带通滤波的方法提取原始加速度中基于肌肉力量产生的加速度,原始加速度中剩余部分的加速度即为基于重力引发的加速度。如图6(a)所示的波形图为第一方向的原始加速度波形图。如图6(b)所示的波形图为通过带通滤波提取的第一方向的基于肌肉力量产生的加速度波形图。如图6(c)所示的波形图为第一方向的基于重力引发的加速度波形图。智能手表可将如图6(c)所示的波形图对应的加速度确定为第一方向的基于重力引发的加速度。
在一种实现方式中,智能手表根据不同方向基于重力引发的加速度可以确定每个方向的优势特征。以计算第一方向的优势特征为例,第一方向的优势特征可通过以下公式(2)计算得到:
其中,B为第一方向的优势特征,ag,1为第一方向基于重力引发的加速度,ag,2为第二方向基于重力引发的加速度,ag,3为第三方向基于重力引发的加速度。其中,第一方向、第二方向与第三方向两两垂直。
进一步的,智能手表根据各个方向的优势特征确定用户的手臂动作,优势特征越大的方向,用户的手臂在该方向的动作越显著。例如,如果沿第一方向的优势特征较大,则可确定用户的手臂沿第一方向存在显著动作。这样,智能手表根据不同方向的优势特征准确地确定用户的手臂动作。
S103、智能手表根据运动数据确定至少两个第一时间点,该第一时间点为用户的疑似上下床时间点。
在本申请实施例中,由于运动数据用于表征使用该智能手表的用户的运动情况,因此,智能手表可以根据运动数据,识别用户的上下床动作,从而确定用户的疑似上下床时间点。通常,在一个监测时段内,用户至少存在一个上床动作和一个下床动作。因此,为了提高确定上床时间点和下床时间点的准确性,智能手表可以根据运动数据确定至少两个第一时间点(即疑似上下床时间点),以用于进一步确定用户的上床时间点和下床时间点。
在一些实施例中,智能手表可以根据监测时段内运动数据的变化情况,确定第一时间点。具体的,在本实施例中,监测时段包括多个监测时间点,相邻两个监测时间点的时间间隔可以相同,也可以不相同,本申请对此不做具体限定。以下实施例以监测时段包括多个相同时间间隔的监测时间点为例进行说明,即智能手表在监测时段内以相同时间间隔,例如每隔1秒(s),获取一次智能手表的加速度数据。这样,运动数据中包括多个监测时间点的运动数据。
智能手表针对每一个监测时间点,确定该监测时间点前预设时间内运动数据的变化数据。若智能手表判断该变化数据满足预设条件,则确定该监测时间点为第一时间点。
在一种实现方式中,在运动数据包括活动量数据的情况下,上述预设条件包括:在监测时间点前的第一预设时段内,活动量数据的变化数据大于第一阈值。其中,活动量数据的变化数据以下一种或多种:活动量数据的均值、活动量数据的方差等。第一阈值可以根据实际应用需求进行设置,第一阈值越小,智能手表确定第一时间点的精度越高,本申请对第一阈值不做具体限定。
在一种示例中,以活动量数据的变化数据为活动量数据的均值为例,预设条件可以包括:在监测时间点前30s内,活动量数据的均值大于1米每平方秒(m/s2)。具体的,如图7所示,智能手表根据监测时段内的活动量数据,确定第一时间点的方法包括以下S201-S203:
S201、智能手表根据运动数据中多个监测时间点的活动量数据,确定监测时段内每一个监测时间点前30s内,活动量数据的均值。
S202、智能手表判断每一个监测时间点前30s内的活动量数据的均值是否大于1m/s2。
S203、智能手表如果判断监测时间点前30s内的活动量数据的均值大于1m/s2,则确定该监测时间点为第一时间点。
在又一种示例中,为了更真实地反映出活动量的变化情况,提高智能手表确定用户的疑似上下床时间点的准确性,活动量数据的变化数据还可以为活动量数据的方差。则预设条件可以包括:在监测时间点前60s内,活动量数据的方差大于0.5。具体的,如图8所示,智能手表根据监测时段内的活动量数据,确定第一时间点的方法包括以下S301-S303:
S301、智能手表根据运动数据中多个监测时间点的活动量数据,确定监测时段内每一个监测时间点前60s内,活动量数据的方差。
S302、智能手表判断每一个监测时间点前60s内的活动量数据的方差是否大于0.5。
S303、智能手表如果判断监测时间点前60s内的活动量数据的方差大于0.5,则确定该监测时间点为第一时间点。
在另一种示例中,智能手表还可以分别根据活动量数据的均值和活动量数据的方差,通过上述S201-S203和上述S301-S303确定对应监测时间点是否为第一时间点。如,智能手表可以在监测时间点的活动量数据的均值和活动量数据的方差同时满足各自对应的预设条件(如大于对应阈值)的情况下,确定该监测时间点为第一时间点。这样,可以进一步提高智能手表根据活动量数据,确定用户的疑似上下床时间点的准确性。
在一种实现方式中,在运动数据包括步数的情况下,上述预设条件包括:在监测时间点前的第二预设时段内,步数的变化数据大于第二阈值。其中,步数的变化数据包括以下一种或多种:累计步数、步数的均值、步数的方差等。与第一阈值的设置方式相似,第二阈值可以根据实际应用需求进行设置,第二阈值越小,智能手表确定第一时间点的精度越高,本申请对第二阈值不做具体限定。
在一种示例中,以活动量数据的变化数据为累计步数为例,预设条件可以包括:在监测时间点前15s内,累计步数大于100步。具体的,如图9所示,智能手表根据监测时段内的步数,确定第一时间点的方法包括以下S401-S403:
S401、智能手表根据运动数据中多个监测时间点的步数,确定监测时段内每一个监测时间点前15s内的累计步数。
S402、智能手表判断每一个监测时间点前15s内的累计步数是否大于100步。
S403、智能手表如果判断监测时间点前15s内的累计步数大于100步,则确定该监测时间点为第一时间点。
需要说明的是,智能手表还可以根据累计步数、步数的均值、步数的方差等中的一个或多个数据来确定对应监测时间点是否为第一时间点。如,智能手表可以在监测时间点的累计步数、步数的均值和步数的方差同时满足各自对应的预设条件(如大于对应阈值)的情况下,确定该监测时间点为第一时间点。这样,可以进一步提高智能手表根据步数,确定用户的疑似上下床时间点的准确性。
在一种实现方式中,在运动数据包括手臂动作的情况下,上述预设条件包括:在监测时间点前的第三预设时段内,手臂动作满足预设动作的次数大于第三阈值。其中,预设动作包括以下一种或多种:手臂摆动动作和手臂竖直向下动作。由于,通常用户在床上的手臂摆动动作会少于用户在床下的手臂摆动动作,并且在用户上床时通常会存在手臂竖直向下动作。因此,智能手表可以通过识别手臂摆动动作和/或手臂竖直向下动作,以确定是否存在疑似上下床动作,从而确定用户的疑似上下床时间点。可以理解的是,在一些应用场景中,还可以结合用户的上下床习惯动作,设置不同的预设动作,例如手臂抬起预设角度的动作等。第三阈值可以根据用户的手臂摆动动作和手臂竖直向下动作的习惯进行设置。如果用户日常的手臂摆动动作和手臂竖直向下动作较少,则可以设置较小的第三阈值,以提高智能手表识别手臂摆动动作和手臂竖直向下动作的准确性。本申请对第三阈值不做具体限定。
在一种示例中,以预设动作包括手臂摆动动作和手臂竖直向下动作为例,预设条件可以包括:在监测时间点前30s内,手臂动作满足手臂摆动动作和手臂竖直向下动作的次数大于10次。具体的,如图10所示,智能手表根据监测时段内的手臂动作,确定第一时间点的方法包括以下S501-S503:
S501、智能手表根据运动数据中多个监测时间点的手臂动作,确定监测时段内每一个监测时间点前30s内的手臂动作满足手臂摆动动作和手臂竖直向下动作的次数。
S502、智能手表判断每一个监测时间点前30s内的次数是否大于10次。
S503、智能手表如果判断监测时间点前30s内的次数大于10次,则确定该监测时间点为第一时间点。
在一些实施例中,由于用户的手臂在进行摆动动作时,手臂会沿与平举的手臂处于同一水平面内并垂直于手臂的方向运动,在该方向上会具有较大的加速度,则该方向上的优势特征也更大。因此,在上述S501中,智能手表可以通过计算沿与平举的手臂处于同一水平面内并垂直于手臂方向的优势特征,以确定用户的手臂动作是否满足手臂摆动动作。
具体的,智能手表可以通过采用如下公式(3)确定监测时间点的第一优势特征:
其中,B1为第一优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于手臂方向基于重力引发的加速度,ag,Z为与平举的手臂处于同一竖直面内,并垂直于手臂方向基于重力引发的加速度。
如果在监测时间点前,第一优势特征大于第四阈值的频次满足第一预设频次时,则智能手表确定在该监测时间点手臂动作满足手臂摆动动作。其中,第四阈值和第一预设频次的设置方式可参阅上述第一阈值的设置方式,在此不做赘述。示例性的,如果在监测时间点前,第一优势特征大于1.47的频次满足2次/5s时,则智能手表确定在该监测时间点手臂动作满足手臂摆动动作。
在一些实施例中,由于用户的手臂在进行竖直向下动作时,在沿手臂的方向上会具有较大的加速度,在该方向上的优势特征也更大。因此,在上述S501中,智能手表可以通过计算沿手臂方向的优势特征,以确定用户的手臂动作是否满足手臂竖直向下动作。
具体的,智能手表可以通过采用如下公式(4)确定监测时间点的第二优势特征:
其中,B2为第二优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于手臂方向基于重力引发的加速度,ag,z为与平举的手臂处于同一竖直面内,并垂直于手臂方向基于重力引发的加速度。
如果在监测时间点前,第二优势特征大于第五阈值的频次满足第二预设频次时,则智能手表确定在该监测时间点手臂动作满足手臂竖直向下动作。其中,第五阈值和第二预设频次的设置方式可参阅上述第一阈值的设置方式,在此不做赘述。示例性的,如果在监测时间点前,第二优势特征大于1.49的频次满足2次/5s时,则智能手表确定在该监测时间点手臂动作满足手臂竖直向下动作。
在一些实施例中,为进一步提高智能手表根据运动数据确定用户的疑似上下床时间点的准确性,运动数据可以包括:活动量数据、步数以及手臂动作中的至少两项,智能手表根据对应的上述S201-S203、S301-S303、S401-S403和S501-S503,综合确定用户的疑似上下床时间点,即确定上述第一时间。例如,运动数据包括:活动量数据、步数以及手臂动作。智能手表可分别通过上述S201-S203、S301-S303、S401-S403和S501-S503,判断监测时间点的活动量变化数据、步数变化数据以及手臂动作满足预设动作的次数是否均满足对应的预设条件,如果均满足对应的预设条件,则确定该监测时间点为第一时间点。
另外,需要说明的是,上述示例中对于各个阈值(如第一阈值,第二阈值及第三阈值)及各个预设时段(如,第一预设时段,第二预设时段及第三预设时段)的举例,仅仅是一种示例,本实施例中对各阈值及各预设时段的取值并不限于上述举例,其实际取值可根据实际需求预先设置。
在一些实施例中,智能手表可以根据监测时段内运动数据,通过预设的检测模型确定第一时间点。具体的,在本实施例中,监测时段包括多个监测时间点。运动数据中包括多个监测时间点的运动数据。智能手表可以将多个监测时间点的运动数据输入预设的检测模型,以获得至少两个第一时间点。该检测模型可以判断监测时间点的运动数据的变化数据是否满足预设条件,如果满足预设条件,则输出该监测时间点作为第一时间点的结果,其中,运动数据的变化数据和预设条件,请参阅上文的相关描述,在此不做赘述。
在一些实施例中,智能手表还可以获取样本集合,样本集合中包括多个上下床时间点,以及每个上下床时间点的运动数据的变化数据。智能手表使用样本集合对检测模型的初始模型进行训练,以构建所述检测模型。
示例性的,智能手表使用样本集合通过随机森林(random forest)的训练方式对检测模型的初始模型进行训练,检测模型可以由多个决策树组成,例如由100个决策树组成。以运动数据的变化数据包括:活动量数据的均值、活动量数据的方差、累计步数以及手臂动作满足手臂摆动动作和手臂竖直向下动作的次数为例,预设条件包括:(1)在监测时间点前30s内,活动量数据的均值大于1m/s2,(2)在监测时间点前60s内,活动量数据的方差大于0.5,(3)在监测时间点前15s内,累计步数大于100步,(4)在监测时间点前30s内,手臂动作满足手臂摆动动作和手臂竖直向下动作的次数大于10次。则检测模型中的每个决策树都是一个5层的二叉树,每个决策树的分支节点和根节点均为上述变化数据,在分支节点和根节点对该变化数据是否满足对应的预设条件进行判断。若变化数据不满足预设条件,则在下一层进入左子树,否则进入右子树。决策树中每一个路径上最终的叶子结点数值即为监测时间点是第一时间点的概率值。检测模型中的每个决策树均会得到一个监测时间点是第一时间点的概率值。最后,检测模型中的多个决策树通过投票(如统计概率值大于概率阈值的数量是否满足阈值条件),确定该监测时间点是否是第一时间点,如果该监测时间点是第一时间点,则输出该监测时间点。
在一些实施例中,图11为本申请实施例示出的睡眠监测方法的应用场景示意图一,如图11所示,智能手表确定至少两个第一时间点后,智能手表还可以响应于用户发起的查看操作,通过显示屏向用户显示确定的至少两个第一时间点(疑似上下床时间点),以便于用户及时的查看第一时间点,提高了用户的使用体验。
在一些实施例中,智能手表还可以通过显示屏向用户显示第一时间点对应的活动量数据和/或步数。具体的,继续参见图11,用户可以选择其中一个第一时间点,例如“22:08”,通过点击“22:08”的区域向智能手表发送查看活动量数据和/或步数的查看操作,智能手表接收并响应于用户的查看操作,通过显示屏显示“22:08”时的活动量数据和/或步数,这样可以便于用户获取在第一时间点的活动量数据、步数等运动数据,进一步提高了用户的使用体验。
S104、智能手表根据至少两个第一时间点确定用户的上床时间点和下床时间点。
在本申请实施例中,上述S103中,智能手表确定的至少两个第一时间为疑似上下床时间,还需要根据至少两个第一时间点,进一步的确定得到用户准确地上床时间点和下床时间点。
在一些实施例中,如图12所示,智能手表可以根据至少两个第一时间点,结合用户的入睡时间点和出睡时间点,确定用户的上床时间点和下床时间点。具体的,包括以下S601-S602:
S601、智能手表获取用户的入睡时间点和出睡时间点,其中入睡时间点为用户由清醒状态进入睡眠状态的时间点,出睡时间点为用户由睡眠状态进入清醒状态的时间点。
由于用户在睡眠状态和清醒状态下,表现出的生理特征是存在区别的。例如在睡眠状态时,脉搏跳动速度将减缓、呼吸频率将减缓、血氧降低。而当用户从睡眠状态中醒来时,在清醒状态下,上述生理特征也将出现变化。因此,通过检测用户的生理特征,可以判断用户是处于睡眠状态和清醒状态。
示例性的,智能手表可以通过光电传感器,例如光电容积脉搏波描记技术(photoplethysmo graphy,PPG)传感器,获取用户的心率、血氧等数据。具体的,PPG传感器通过向用户皮肤发射一定波长的光束(通常测心率用绿光,测血氧用红光),随后PPG传感器再接收透射或反射的光束,将这一过程中检测到的由于血液循环产生的周期性光强度变化进行处理,得到用户的心率数据。PPG传感器还可以获取用户的血氧数据,由于含氧量不同的血液反射率不同,同样可以通过PPG传感器检测其变化,再通过算法进行处理和估算,血氧数据。智能手表可以根据心率数据监测用户的血氧、心率、心率变异性(heart ratevariability,HRV)等变化趋势和绝对数值,以判断用户的清醒状态和睡眠状态,并进一步确定用户的入睡时间点和出睡时间点。
S602、智能手表将至少两个第一时间点中,在入睡时间点之前,并且与入睡时间点时间差最小的第一时间点,确定为上床时间点。将至少两个第一时间点中,在出睡时间点之后,并且与出睡时间点时间差最小的第一时间点,确定为下床时间点。
由于通常用户上床之后会进入睡眠状态,用户由睡眠状态进入清醒状态后会下床。因此,智能手表可以将在入睡时间点之前最接近的第一时间点确定为上床时间点,将出睡时间点之后最接近的第一时间点确定为下床时间点。
图13为本申请实施例示出的一种智能手表确定上床时间点和下床时间点的原理示意图,如图13所示,智能手表确定有:第一时间点a、第一时间点b、第一时间点c、第一时间点d、第一时间点e、第一时间点f、第一时间点g和第一时间点h,共8个第一时间点。其中,第一时间点a、第一时间点b和第一时间点c在入睡时间点之前,但第一时间点c与入睡时间点时间差最小。因此,将第一时间点c确定为上床时间点。第一时间点f、第一时间点g和第一时间点h在出睡时间点之前,但第一时间点f与出睡时间点时间差最小,因此,将第一时间点f确定为下床时间点。
在一些实施例中,智能手表还可以根据至少两个第一时间点和用户的选择操作,确定用户的上床时间点和下床时间点。具体的,如图14所示,智能手表可以根据至少两个第一时间,通过以下S701-S703确定用户的上床时间点和下床时间点:
S701、智能手表显示至少两个第一时间点。
在一种实现方式中,如图15所示,智能手表可以通过显示屏101显示至少两个第一时间点,在显示屏101中显示有多个第一时间点(即疑似上下床时间点),以供用户查看第一时间点。
在另一种实现方式中,如图16所示,智能手表还可以将至少两个第一时间点发送至第四电子设备,第四电子设备例如可以为手机、平板电脑等大屏电子设备,由第四电子设备(手机)通过显示屏显示至少两个第一时间点。这样,在智能手表在S103中确定了较多的第一时间点的情况下,可以一次性向用户展示更多第一时间点,使用户可以快速浏览第一时间点,提高用户的使用体验。
S702、智能手表接收用户的选择操作。
在一些实施例中,用户根据显示的至少两个第一时间点,对至少两个第一时间点中的第二时间点和第三时间点执行选择操作。其中,第二时间点为在至少两个第一时间点中用户确定的上床时间点,第三时间点为在至少两个第一时间点中用户确定的下床时间点。
示例性的,如图15和图16所示,用户可以通过点击显示的第一时间点的显示区域选中该时间点,或者点击第一时间点对应的选中控件选中该时间点。之后,用户可通过点击确认控件,以确认对对应时间点的操作。可以理解的是,选中控件、确认控件为示例性命名。本申请实施例对选中控件、确认控件的命名不做限定,还可以替换成其他具备相同或相似功能的名称。
S703、智能手表根据该选择操作,将第二时间点和第三时间点分别确定为上床时间点和下床时间点。
在一些实施例中,为了便于用户快速地进行选择,从而提高智能手表确定上床时间点和下床时间点效率。智能手表还可以根据用户的入睡时间点和出睡时间点,去除一些误判的第一时间点,例如,去除入睡时间点和出睡时间点之间的第一时间点。这样,可以降低对用户的干扰,使用户快速选择出上下床时间点。具体的,如图17所示,智能手表根据至少两个第一时间,还可以通过以下S801-S804确定用户的上床时间点和下床时间点:
S801、智能手表获取用户的入睡时间点和出睡时间点。
其中,入睡时间点和出睡时间点用于去除误判的第一时间点。
S802、智能手表显示至少两个第一时间点中,在入睡时间点之前的第一时间点,和在出睡时间点之后的第一时间点。
在一种实现方式中,S802与上述S701中描述的实现方式相似,智能手表可以将入睡时间点之前的第一时间点,和出睡时间点之后的第一时间点发送至第四电子设备,由第四电子设备通过显示屏显示至少两个第一时间点,也可以在智能手表中显示,在此不做赘述。
S803、智能手表接收用户的选择操作。
在一些实施例中,用户根据显示的至少两个第一时间点,向智能手表发起对至少两个第一时间点中的第二时间点和第三时间点的选择操作。其中,第二时间点为在至少两个第一时间点中用户确定的上床时间点,第三时间点为在至少两个第一时间点中用户确定的下床时间点。
S804、智能手表根据该选择操作,将第二时间点和第三时间点分别确定为上床时间点和下床时间点。
这样,智能手表通过上述S701-S703和S801-S804均可以实现,根据至少两个第一时间点和用户的操作,确定用户的上床时间点和下床时间点。
在一些多用户的应用场景中,如果在一个床上有多个用户存在上下床动作,那么现有的相关技术无法准确地确定每一个用户的上床时间点和下床时间点。例如,通过智能床垫确定用户的上床时间点和下床时间点。智能床垫根据其受力情况,可以判断出存在上床动作和下床动作,但无法确定是多用户中的哪一个用户存在上床动作和下床动作,从而导致无法准确地获取每一个用户的上床时间点和下床时间点。
为了解决上述问题,在一些实施例中,第二电子设备(如智能床垫)可以将确定的多用户(多个)的疑似上床时间点和疑似下床时间点发送给智能手表。智能手表可以根据至少两个第一时间点,分别判断是否存在与疑似上床时间点和疑似下床时间点接近的第一时间点。如果不存在接近的第一时间点,则说明第二电子设备发送的疑似上床时间点和疑似下床时间点不属于使用该智能手表的用户,可能属于其他用户。如果存在接近的第一时间点,则说明第二电子设备发送的疑似上床时间点和疑似下床时间点属于使用该智能手表的用户。进一步的,智能手表可以根据至少两个第一时间点和第二电子设备的疑似上床时间点和疑似下床时间点,确定该用户的上床时间点和下床时间点。
具体的,如图18所示,在一些实现方式中,智能手表根据至少两个第一时间点确定用户的上床时间点和下床时间点的方法包括:
S901、智能手表接收来自第二电子设备的疑似上床时间点和疑似下床时间点。
S902、若至少两个第一时间点中存在与疑似上床时间点的时间差小于第六阈值的第一时间点,则智能手表将疑似上床时间点确定为上床时间点;若至少两个第一时间点中存在与疑似下床时间点的时间差小于第七阈值的第一时间点,则智能手表将疑似下床时间点确定为下床时间点。
其中,第六阈值和第七阈值可以相同,也可以不相同。第六阈值和第七阈值可以根据实际应用需求进行设置,第六阈值和第七阈值越小,智能手表确定上床时间点和下床时间点的精度越高,本申请对第六阈值和第七阈值不做具体限定。
在另一种实现方式中,智能手表根据至少两个第一时间点确定所述用户的上床时间点和下床时间点的方法包括:智能手表接收来自第二电子设备的疑似上床时间点和疑似下床时间点。若至少两个第一时间点中存在与疑似上床时间点的时间差小于第六阈值的第一时间点,则智能手表将该第一时间点确定为上床时间点;若至少两个第一时间点中存在与疑似下床时间点的时间差小于第七阈值的第一时间点,则智能手表将该第一时间点确定为下床时间点。
在又一种实现方式中,在智能手表确定至少两个第一时间点中存在与疑似上床时间点的时间差小于第六阈值的第一时间点,以及至少两个第一时间点中存在与疑似下床时间点的时间差小于第七阈值的第一时间点之后,可以向用户显示:疑似上床时间点、疑似下床时间点、与疑似上床时间点的时间差小于第六阈值的第一时间点、以及与疑似下床时间点的时间差小于第七阈值的第一时间点。智能手表接收用户对上述显示的时间点选择的上床时间点和下床时间点的选择操作。智能手表响应于该选择操作,确定该用户的上床时间点和下床时间点。
在一些实施例中,图19为本申请实施例示出的睡眠监测方法的应用场景示意图二,如图19所示,智能手表确定上床时间点和下床时间点后,智能手表还可以响应于用户的查看操作,通过显示屏向用户显示确定的上床时间点和下床时间点,以便于用户及时的查看上床时间点和下床时间点,提高了用户的使用体验。
S105、智能手表根据上床时间点和下床时间点,对用户的睡眠进行监测。
具体的,智能手表可以根据上床时间点和下床时间点,确定用户的卧床时长、睡眠潜伏时长、睡眠效率等睡眠数据,并根据睡眠数据对用户的睡眠进行监测,以分析用户的睡眠质量。
在一些实施例中,智能手表可以根据上床时间点和下床时间点,确定睡眠潜伏时长和卧床时长。其中,睡眠潜伏时长为用户上床之后到进入睡眠状态之间的时长,睡眠潜伏时长可以通过计算上床时间点与入睡时间点的差值得到。卧床时长为用户从上床到下床之间的时长,卧床时长可以通过计算上床时间点和下床时间点的差值得到。智能手表可以根据睡眠潜伏时长和卧床时长对用户的睡眠进行分析,并显示用户的睡眠分析结果。示例性的,如图20所示,智能手表可以通过显示屏显示用户的睡眠效率、卧床时长和睡眠潜伏期,以便于用户直观的了解其睡眠情况。
在一些实施例中,智能手表可以根据上床时间点和下床时间点结合睡眠参数,得到用户的睡眠结构图。如图21所示,智能手表可以通过显示屏显示用户的睡眠结构图。该睡眠结构图可以直观的反映出用户在监测时段内的睡眠质量情况,并可以包括用户的上床时间点、下床时间点等数据。
在一些实施例中,智能手表可以根据睡眠潜伏时长判断用户当天的睡前卧床时间是否过长,并向用户发出提示。如图22所示,具体包括以下S1001-S1003:
S1001、智能手表根据上床时间点和入睡时间点,确定睡眠潜伏时长。
S1002、智能手表判断睡眠潜伏时长是否大于第十阈值,第十阈值为睡眠潜伏期阈值,第十阈值可根据实际应用情况进行设置,例如可以设置为30分钟(min)。
S1003、若睡眠潜伏时长大于第十阈值,则智能手表可以通过显示屏显示第二提示信息,第二提示信息用于提醒用户卧床时间过长。为了使用户更详细的了解睡眠情况,在显示第二提示信息的同时,显示用户的睡眠潜伏时长和卧床时长。
在一种实现方式中,使用户可以清晰完整的浏览睡眠潜伏时长、卧床时长及第二提示信息,提高用户的使用体验。智能手表还可以将睡眠潜伏时长、卧床时长及第二提示信息发送至第四电子设备,第四电子设备例如可以为手机、平板电脑等大屏电子设备,由第四电子设备通过显示屏显示睡眠潜伏时长、卧床时长及第二提示信息。以第四电子设备为手机为例,如图23所示,在手机显示屏的显示界面中显示有睡眠潜伏时长、卧床时长及第二提示信息,第二提示信息可以包括:检测到您卧床时间过长,较长的卧床时间可能是影响睡眠质量的原因之一。第二提示信息还可以包括:避免卧床时间过长。卧床时间过长,会削弱床和睡眠的直接联系,使得入睡变得困难,影响睡眠质量,建议离开床,待感到困意时上床入睡。
在一些实施例中,智能手表还可以根据用户在一定周期内(例如30天内)的睡眠潜伏时长,对用户在该周期内的睡眠进行分析,并生成针对该周期的睡眠分析结果。如图24所示,具体包括以下S1101-S1103:
S1101、智能手表确定在预设周期内,睡眠潜伏时长大于第十阈值的天数。
S1102、智能手表判断睡眠潜伏时长大于第十阈值的天数是否大于天数阈值,天数阈值例如可以为20天。天数阈值可根据实际需求进行设置,本申请对此不做具体限定。
S1103、智能手表若判断睡眠潜伏时长大于第十阈值的天数大于天数阈值,则显示第三提示信息,第三提示信息用于展示导致睡眠潜伏时长大于第十阈值的因素,和/或展示睡眠改善建议和睡眠改善任务。
示例性的,导致睡眠潜伏时长大于第十阈值的因素例如可以包括以下一种或多种:睡前剧烈运动、日间小睡时间过长、睡前6小时内小睡、睡前玩手机、卧床时间过长、环境噪声等。其中,智能手表可以根据活动量判断用户是否存在睡前剧烈运动,智能手表可以根据上床时间点、下床时间点、入睡时间点、出睡时间点等,确定用户是否存在日间小睡时间过长、睡前6小时内小睡、卧床时间过长等问题。智能手表可以根据用户使用手机的时间确定用户是否睡前玩手机。智能手表通过检测环境声音的分贝确定是否存在环境噪声。睡眠改善建议例如包括以下一种或多种:规律用户的起床时间、限制用户小睡等。睡眠改善包括以下一种或多种:通过正念呼吸舒展压力、播放助眠音乐等。
在一种实现方式中,使用户可以清晰完整的浏览第三提示信息,提高用户的使用体验。智能手表还可以将第三提示信息发送至第四电子设备,第四电子设备例如可以为手机、平板电脑等大屏电子设备,由第四电子设备通过显示屏显示第三提示信息。示例性的,以第四电子设备为手机为例,如图25所示,在手机显示屏的显示界面中显示第三提示信息,第三提示信息中包括影响睡眠的因素;如图26所示,在手机显示屏的显示界面中显示第三提示信息,第三提示信息中包括改善建议。可以理解的是,图25和图26中的显示内容仅为示例性说明,第三提示信息的具体内容可根据实际需求进行设置。图25和图26中的显示内容可以整合在同一页显示界面中,同时向用户显示。还可以分成多页显示界面,分页向用户进行显示,本申请对此不做具体限定。
在一些实施例中,智能手表在确定第一时间点后,还可以判断用户是否进入睡眠状态。如果用户没有进入睡眠状态,则提示用户是否开启睡眠模式。具体的,如图27所示,在S103、智能手表根据运动数据确定第一时间点的过程中,当智能手表确定一个第一时间点之后还可以包括S1201-S1205:
S1201、智能手表根据加速度数据确定该第一时间点之后的累计活动量数据。
S1202、智能手表判断累计活动量数据小于第八阈值的时间是否满足预设时间,以判断用户是否保持在床上的状态。
S1203、若累计活动量数据小于第八阈值的时间满足预设时间,则智能手表获取入睡参数,该入睡参数用于表征用户的入睡情况,该入睡参数例如可以包括:心率数据、血氧数据等。
S1204、智能手表判断入睡参数是否满足第九阈值。
S1205、若入睡参数不满足第九阈值,则确定用户没有进入睡眠状态。智能手表可以通过显示屏显示第一提示信息,以用于确定用户是否开启睡眠模式。示例性的,如图28所示,智能手表的显示屏显示有第一提示信息,第一提示信息的内容包括“是否进入睡眠模式”,该第一提示信息的内容为示例性说明,第一提示信息的具体内容可根据实际需求进行设置,本申请不做具体限定。
在用户想要开启睡眠模式时,可通过点击智能手表的显示屏中用于确认的控件,例如,图28中的“是”控件。智能手表接收用户对该控件的操作,并响应该操作,开启睡眠模式。可以理解的是,“是”控件为示例性命名。本申请实施例对“是”控件的命名不做限定,还可以替换成确认控件等具备相同或相似功能的名称。
智能手表开启睡眠模式后,可以通过调整智能手表的设置,以帮助使用该智能手表的用户快速进入睡眠状态。例如,睡眠模式可以包括:智能手表开启静音模式或勿扰模式、智能手表降低显示屏的亮度(蓝光)、智能手表播放助眠音乐(如有风声、雨声、小溪潺潺流水之声)等。
在一些实施例中,在智能手表与其他电子设备联合使用的场景中。例如,智能手表与智能家居设备(例如智能台灯、智能窗帘、智能音响等)联合使用的场景中,为了使用户更快速地进入睡眠状态,提高用户的使用体验,智能手表还可以向智能家居设备发送指令,以触发智能家居设备开启睡眠模式。
具体的,智能手表在接收用户的开启睡眠模式的确认操作之后,还可以响应该确认操作,向第三电子设备发送开启睡眠模式指令,该开启睡眠模式指令用于触发第三电子设备开启睡眠模式。其中,第三电子设备可以包括一个或多个电子设备。示例性的,以智能手表与智能台灯、智能窗帘和智能音响联合使用为例。智能手表响应用户发送的确认操作之后,可以向智能台灯、智能窗帘和智能音响发送开启睡眠模式指令。智能台灯响应于该开启睡眠模式指令,可以降低灯光的亮度。智能窗帘响应于该开启睡眠模式指令,可以关闭窗帘以遮挡窗外的光线。智能音响响应于该开启睡眠模式指令,可以播放助眠音乐。这样,可以有助于用户快速地进入睡眠状态。
在一些实施例中,在上述S1201、智能手表根据加速度数据确定该第一时间点之后的累计活动量数据的过程中,智能手表会同时根据活动量数据确定其他第一时间点。如果智能手表确定出新的第一时间点,则停止执行S1202,重新执行S1201,确定智能手表最新确定出的第一时间点之后的累计活动量数据。这样,在S1201中,智能手表保持确定最新确定的第一时间点之后的累计活动量数据,可以提高智能手表判断是否发送第一提示信息的准确性。
在一些实施例中,智能手表还可以根据用户输入的计划睡眠效率及计划的上床时间点或下床时间点,为用户推荐符合睡眠效率的上床时间点或下床时间点。例如用户输入的计划睡眠效率80%,计划下床时间为7:30,智能手表可以通过计算得到推荐的上床时间点,如图29所示,智能手表可以显示推荐的上床时间点为23:30。
采用本实施例提供的技术方案,智能手表能够基于加速度数据,确定用户的运动数据,该运动数据包括:活动量数据、步数以及手臂动作中的至少一项。智能手表可以根据运动数据识别出用户的上下床动作,确定用户的疑似上下床时间点。进一步的,智能手表根据疑似上下床时间点确定用户的上床时间点和下床时间点。这样,智能手表可以准确、快速地确定用户的上床时间点和下床时间点,进而提高睡眠监测的准确性。
需要说明的是,本申请实施例提供的睡眠监测方法还可以应用于除可穿戴设备以外的电子设备中。以电子设备是手机为例,在手机始终被握持在用户的手中的情况下,可将上述S101-S105的执行主体替换为手机,手机可通过上述S101-S105实现本申请实施例提供的睡眠监测方法。
在无法保证手机始终被握持在用户的手中的情况下,即在手机中的加速度数据无法真实地反应用户的运动情况时,则在手机通过上述S101-S105实现本申请实施例提供的睡眠监测方法时。在S101中,手机可以通过其他电子设备获取加速度数据。例如,手机可以通过佩戴在用户手腕处的可穿戴设备(如智能手表、智能手环等)获取监测时间段内用户的加速度数据。另外,在S104中,手机还可通过其他电子设备(例如可穿戴设备)获取入睡时间点和出睡时间点,以用于确定用户的上床时间点和下床时间点。其余S102、S103和S105可将执行主体替换为手机,这样,手机可以实现对用户的睡眠监测。
可以理解的是,上述电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,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。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。
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分组,例如,可以对应各个功能分组各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的分组是示意性的,仅仅为一种逻辑功能分组,实际实现时可以有另外的分组方式。
在一种实施例中,请参考图30,为本申请实施例提供一种电子设备的组成示意图。如图30所示,该电子设备可以包括:获取模块201和处理模块202。
获取模块201,用于获取监测时段内第一电子设备的加速度数据。
处理模块202,用于根据加速度数据确定使用第一电子设备的用户的运动数据,运动数据包括:活动量数据、步数以及手臂动作中的至少一项,活动量数据用于表征用户的运动强度。
处理模块202,还用于根据运动数据确定至少两个第一时间点,第一时间点为用户的疑似上下床时间点。
处理模块202,还于根据至少两个第一时间点确定用户的上床时间点和下床时间点。
处理模块202,还于根据上床时间点和下床时间点,对用户的睡眠进行监测。
本申请实施例还提供一种睡眠监测装置,该装置可以应用于上述实施例中的电子设备。该装置可以包括:处理器,以及用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令时实现上述方法实施例中智能手表执行的各个功能或者步骤。
本申请实施例还提供一种电子设备,该电子设备可以包括:显示屏、存储器和一个或多个处理器。该显示屏、存储器和处理器耦合。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。当处理器执行计算机指令时,电子设备可执行上述方法实施例中智能手表执行的各个功能或者步骤。当然,该电子设备包括但不限于上述显示屏、存储器和一个或多个处理器。例如,该电子设备的结构可以参考图2所示的电子设备的结构。
本申请实施例还提供一种芯片系统,该芯片系统可以应用于前述实施例中的电子设备。如图31所示,该芯片系统包括至少一个处理器301和至少一个接口电路302。该处理器301可以是上述电子设备中的处理器。处理器301和接口电路302可通过线路互联。该处理器301可以通过接口电路302从上述电子设备的存储器接收并执行计算机指令。当计算机指令被处理器301执行时,可使得电子设备执行上述实施例中智能手表执行的各个步骤。当然,该芯片系统还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请实施例还提供一种计算机可读存储介质,用于存储上述电子设备(如智能手表)运行的计算机指令。
本申请实施例还提供一种计算机程序产品,包括上述电子设备(如智能手表)运行的计算机指令。
通过以上实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
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,所述模块或单元的划分,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装置,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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容,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,任何在本申请揭露的技术范围内的变化或替换,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 (22)
1.一种睡眠监测方法,其特征在于,所述方法包括:
获取监测时段内第一电子设备的加速度数据;
根据所述加速度数据确定使用所述第一电子设备的用户的运动数据,所述运动数据包括:活动量数据、步数以及手臂动作中的至少一项,所述活动量数据用于表征用户的运动强度;
根据所述运动数据确定至少两个第一时间点,所述第一时间点为所述用户的疑似上下床时间点;
根据所述至少两个第一时间点确定所述用户的上床时间点和下床时间点;
根据所述上床时间点和所述下床时间点,对所述用户的睡眠进行监测。
2.根据权利要求1所述的方法,其特征在于,所述监测时段包括多个监测时间点,所述运动数据包括所述多个监测时间点的运动数据;
所述根据所述运动数据确定至少两个第一时间点,包括:
针对所述多个监测时间点中的每个监测时间点,确定所述监测时间点前预设时间内运动数据的变化数据;
若所述变化数据满足预设条件,则确定所述监测时间点为所述第一时间点。
3.根据权利要求2所述的方法,其特征在于,
在所述运动数据包括所述活动量数据的情况下,所述预设条件包括:在所述监测时间点前的第一预设时段内,所述活动量数据的变化数据大于第一阈值;
在所述运动数据包括所述步数的情况下,所述预设条件包括:在所述监测时间点前的第二预设时段内,所述步数的变化数据大于第二阈值;
在所述运动数据包括所述手臂动作的情况下,所述预设条件包括:在所述监测时间点前的第三预设时段内,所述手臂动作满足预设动作的次数大于第三阈值;所述预设动作包括:手臂摆动动作和手臂竖直向下动作。
4.根据权利要求1所述的方法,其特征在于,所述监测时段包括多个监测时间点,所述运动数据包括所述多个监测时间点的运动数据;
所述根据所述运动数据确定至少两个第一时间点,包括:
将所述多个监测时间点的运动数据输入预设的检测模型,以获得所述至少两个第一时间点。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述加速度数据包括:方向两两垂直的第一加速度、第二加速度和第三加速度;
在所述运动数据包括所述活动量数据的情况下,根据所述加速度数据确定所述活动量数据,包括:
采用如下公式(1),确定所述活动量数据:
其中,A为所述活动量数据,a1为所述第一加速度,a2为所述第二加速度,a3为所述第三加速度。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述加速度数据包括:方向两两垂直的第一加速度、第二加速度和第三加速度;
在所述运动数据包括所述活动量数据的情况下,所述活动量数据为所述加速度数据中的所述第一加速度,所述第一加速度为方向与平举的手臂处于同一水平面,并垂直于所述手臂方向的加速度。
7.根据权利要求3所述的方法,其特征在于,在所述手臂动作的第一优势特征大于第四阈值的频次满足第一预设频次时确定所述手臂动作满足所述手臂摆动动作,所述第一优势特征用于表征与平举的手臂处于同一水平面内并垂直于所述手臂方向的动作强度;
所述第一优势特征采用如下公式(2)确定:
其中,B1为所述第一优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于所述手臂方向基于重力引发的加速度,ag,Z为与平举的手臂处于同一竖直面内,并垂直于所述手臂方向基于重力引发的加速度。
8.根据权利要求3所述的方法,其特征在于,在所述手臂动作的第二优势特征大于第五阈值的频次满足第二预设频次时确定所述手臂动作满足所述手臂竖直向下动作,所述第二优势特征用于表征沿手臂方向的动作强度;
所述第二优势特征采用如下公式(3)确定:
其中,B2为所述第二优势特征,ag,X为沿手臂方向基于重力引发的加速度,ag,Y为与平举的手臂处于同一水平面内,并垂直于所述手臂方向基于重力引发的加速度,ag,Z为与平举的手臂处于同一竖直面内,并垂直于所述手臂方向基于重力引发的加速度。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述根据所述至少两个第一时间点确定所述用户的上床时间点和下床时间点的方法包括:
获取所述用户的入睡时间点和出睡时间点;
根据所述至少两个第一时间点、所述入睡时间点和所述出睡时间点,确定所述上床时间点和所述下床时间点。
10.根据权利要求9所述的方法,其特征在于,所述根据所述至少两个第一时间点、所述入睡时间点和所述出睡时间点,确定所述上床时间点和所述下床时间点所述上床时间点的方法包括:
将所述至少两个第一时间点中,在所述入睡时间点之前,并且与所述入睡时间点时间差最小的所述第一时间点,确定为所述上床时间点;
将所述至少两个第一时间点中,在所述出睡时间点之后,并且与所述出睡时间点时间差最小的所述第一时间点,确定为所述下床时间点。
11.根据权利要求1-8任一项所述的方法,其特征在于,所述根据所述至少两个第一时间点确定所述用户的上床时间点和下床时间点的方法包括:
接收来自第二电子设备的疑似上床时间点和疑似下床时间点;
根据所述至少两个第一时间点、所述疑似上床时间点和所述疑似下床时间点,确定所述上床时间点和所述下床时间点。
12.根据权利要求11所述的方法,其特征在于,所述根据所述至少两个第一时间点、所述疑似上床时间点和所述疑似下床时间点,确定所述上床时间点和所述下床时间点的方法包括:
若所述至少两个第一时间点中存在与所述疑似上床时间点的时间差小于第六阈值的第一时间点,则将所述疑似上床时间点确定为所述上床时间点;
若所述至少两个第一时间点中存在与所述疑似下床时间点的时间差小于第七阈值的第一时间点,则将所述疑似下床时间点确定为所述下床时间点。
13.根据权利要求1-8任一项所述的方法,其特征在于,所述根据所述至少两个第一时间点确定所述用户的上床时间点和下床时间点的方法包括:
显示所述至少两个第一时间点;
接收用户对所述至少两个第一时间点中的第二时间点和第三时间点的选择操作;
根据所述选择操作,将所述第二时间点和所述第三时间点确定为所述上床时间点和所述下床时间点。
14.根据权利要求1-8任一项所述的方法,其特征在于,所述方法还包括:
获取所述用户的入睡时间点和出睡时间点;
显示所述至少两个第一时间点中,所述入睡时间点之前的第一时间点,和所述出睡时间点之后的第一时间点;
接收用户对所述至少两个第一时间点中的第二时间点和第三时间点的选择操作;
根据所述选择操作,将所述第二时间点和所述第三时间点确定为所述上床时间点和所述下床时间点。
15.根据权利要求1-14任一项所述的方法,其特征在于,所述方法还包括:
根据所述加速度数据,确定所述第一时间点之后的累计活动量数据;
若所述累计活动量数据小于第八阈值的时间满足预设时间,获取入睡参数,所述入睡参数用于表征用户的入睡情况;
若所述入睡参数不满足第九阈值,则显示第一提示信息,所述第一提示信息用于用户确认是否开启睡眠模式;
接收用户的开启所述睡眠模式的确认操作;
响应所述确认操作,开启所述睡眠模式。
16.根据权利要求15所述的方法,其特征在于,在所述接收用户的开启所述睡眠模式的确认操作之后,所述方法还包括:
响应所述确认操作,向第三电子设备发送开启睡眠模式指令,所述开启睡眠模式指令用于触发所述第三电子设备开启所述睡眠模式。
17.根据权利要求1-16任一项所述的方法,其特征在于,所述根据所述上床时间点和所述下床时间点,对所述用户的睡眠进行监测的方法包括:
根据所述上床时间点和所述下床时间点,确定睡眠潜伏时长和卧床时长,所述睡眠潜伏时长为所述上床时间点与入睡时间点的差值,所述卧床时长为所述上床时间点和所述下床时间点的差值;
根据所述睡眠潜伏时长和所述卧床时长显示所述用户的睡眠分析结果。
18.根据权利要求17所述的方法,其特征在于,在所述睡眠潜伏时长大于第十阈值的情况下,所述睡眠分析结果包括:
所述睡眠潜伏时长、所述卧床时长及第二提示信息,所述第二提示信息用于提醒用户卧床时间过长。
19.根据权利要求17或18所述的方法,其特征在于,在所述睡眠潜伏时长大于第十阈值的天数大于天数阈值的情况下,所述睡眠分析结果包括:
第三提示信息,所述第三提示信息用于展示导致所述睡眠潜伏时长大于第十阈值的因素,和/或展示睡眠改善建议和睡眠改善任务。
20.一种电子设备,其特征在于,包括:存储器、一个或多个处理器;所述存储器与所述处理器耦合;其中,所述存储器中存储有计算机程序代码,所述计算机程序代码包括计算机指令,当所述计算机指令被所述处理器执行时,使得所述电子设备执行如权利要求1-19任一项所述的方法。
21.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-19任一项所述的方法。
22.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得所述电子设备执行如权利要求1-19任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321498.2A CN117958746A (zh) | 2022-10-26 | 2022-10-26 | 一种睡眠监测方法及电子设备 |
PCT/CN2023/123527 WO2024088049A1 (zh) | 2022-10-26 | 2023-10-09 | 一种睡眠监测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321498.2A CN117958746A (zh) | 2022-10-26 | 2022-10-26 | 一种睡眠监测方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117958746A true CN117958746A (zh) | 2024-05-03 |
Family
ID=90829995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211321498.2A Pending CN117958746A (zh) | 2022-10-26 | 2022-10-26 | 一种睡眠监测方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117958746A (zh) |
WO (1) | WO2024088049A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6781871B2 (ja) * | 2016-03-09 | 2020-11-11 | 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 |
JP6624280B2 (ja) * | 2016-03-28 | 2019-12-25 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN107184217A (zh) * | 2017-07-06 | 2017-09-22 | 深圳市新元素医疗技术开发有限公司 | 一种昼夜节律分析方法 |
JP2019058418A (ja) * | 2017-09-27 | 2019-04-18 | 富士通株式会社 | 睡眠判別プログラム、睡眠判別方法及び睡眠判別システム |
CN108523899A (zh) * | 2018-04-23 | 2018-09-14 | 深圳市友宏科技有限公司 | 睡眠过程中离床状态的监测方法、存储介质及装置 |
CN114027667B (zh) * | 2021-12-01 | 2023-08-15 | 慕思健康睡眠股份有限公司 | 一种在离床状态判定方法、装置、智能床垫及介质 |
-
2022
- 2022-10-26 CN CN202211321498.2A patent/CN117958746A/zh active Pending
-
2023
- 2023-10-09 WO PCT/CN2023/123527 patent/WO2024088049A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024088049A1 (zh) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766043A (zh) | 电子设备的操作方法和电子设备 | |
CN112577611B (zh) | 一种人体温度测量方法、电子设备与计算机可读存储介质 | |
CN110119295A (zh) | 一种显示控制方法及相关装置 | |
CN108633249B (zh) | 一种生理信号质量判断方法及装置 | |
CN113827185B (zh) | 穿戴设备佩戴松紧程度的检测方法、装置及穿戴设备 | |
CN113395382B (zh) | 一种设备间数据交互的方法及相关设备 | |
CN113552937A (zh) | 显示控制方法和可穿戴设备 | |
CN110262877A (zh) | 一种卡片处理方法及设备 | |
CN110012130A (zh) | 一种具有折叠屏的电子设备的控制方法及电子设备 | |
CN110401767A (zh) | 信息处理方法和设备 | |
CN109561213A (zh) | 一种护眼模式控制方法、终端及计算机可读存储介质 | |
CN113691271B (zh) | 数据传输方法及可穿戴设备 | |
CN113744874A (zh) | 风险预警方法、风险行为信息获取方法和电子设备 | |
CN113892920A (zh) | 可穿戴设备的佩戴检测方法、装置及电子设备 | |
WO2022100407A1 (zh) | 智能眼罩、终端设备、健康管理方法与系统 | |
WO2022105830A1 (zh) | 睡眠评估方法、电子设备及存储介质 | |
WO2021249073A1 (zh) | 一种健康数据展示方法和电子设备 | |
CN113069089B (zh) | 电子设备 | |
CN110058729A (zh) | 调节触摸检测的灵敏度的方法和电子设备 | |
CN113996046B (zh) | 热身判断方法、装置及电子设备 | |
CN117958746A (zh) | 一种睡眠监测方法及电子设备 | |
CN113539487A (zh) | 数据处理方法、装置与终端设备 | |
CN115691754A (zh) | 一种运动指导方法及相关装置 | |
CN113509144B (zh) | 提示方法及装置 | |
CN113509145B (zh) | 睡眠风险监测方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |