[發(fā)明專利]一種睡眠監(jiān)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711274455.2
• 申請(qǐng)日: 2017-12-06
• 公開（公告）號(hào): CN107890340A
• 公開（公告）日: 2018-04-10
• 發(fā)明（設(shè)計(jì)）人: 裴冬
• 申請(qǐng)（專利權(quán)）人: 上海斐訊數(shù)據(jù)通信技術(shù)有限公司
• 主分類號(hào): A61B5/00
• 分類號(hào): A61B5/00;A61B5/0205;A61B5/11
• 代理公司: 杭州奧創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司33272
• 代理人: 石湘波

技術(shù)領(lǐng)域

本發(fā)明屬于穿戴設(shè)備技術(shù)領(lǐng)域，特別涉及睡眠監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)

可穿戴智能設(shè)備成為了當(dāng)前時(shí)代的一種潮流。各種智能穿戴設(shè)備由于功能不同，其側(cè)重點(diǎn)也是不一樣的，有的側(cè)重于運(yùn)動(dòng)計(jì)步，有的側(cè)重于心率監(jiān)測(cè)，也有的側(cè)重于睡眠監(jiān)測(cè)。

現(xiàn)有技術(shù)中，睡眠監(jiān)測(cè)算法的一般流程如下：分段采集用于檢測(cè)睡眠的特征數(shù)據(jù)，所采集的特征數(shù)據(jù)包括手臂從靜止到擺動(dòng)的次數(shù)、手臂處于靜止?fàn)顟B(tài)的次數(shù)、手臂連續(xù)活動(dòng)的時(shí)間、各階段內(nèi)手臂活動(dòng)的總時(shí)間；通過(guò)讀取加速度傳感器中寄存器的三軸數(shù)據(jù)，得到用于識(shí)別手臂姿勢(shì)的判據(jù)；通過(guò)獲取心率值，來(lái)進(jìn)一步判斷睡眠的開始和結(jié)束；經(jīng)過(guò)對(duì)采樣數(shù)據(jù)進(jìn)行分析，設(shè)定滿足入睡條件的經(jīng)驗(yàn)值，若在連續(xù)的半個(gè)小時(shí)內(nèi)，均滿足入睡條件，或者調(diào)用此時(shí)一個(gè)時(shí)間段內(nèi)心率值的平均值，若滿足睡眠條件，則判定為入睡狀態(tài)；通過(guò)測(cè)試數(shù)據(jù)設(shè)定經(jīng)驗(yàn)值，然后依據(jù)設(shè)定的經(jīng)驗(yàn)值來(lái)區(qū)分睡眠狀態(tài)；同上述入睡檢測(cè)，通過(guò)經(jīng)驗(yàn)值判斷睡眠已結(jié)束且心率值有明顯上升，或者檢測(cè)到開始走路狀態(tài)，則判斷睡眠結(jié)束；當(dāng)睡眠結(jié)束，通過(guò)顯示屏可以顯示出睡眠的總時(shí)長(zhǎng)或者當(dāng)手表連接手機(jī)APP，通過(guò)手機(jī)APP可以顯示睡眠的詳細(xì)信息，包括睡眠開始時(shí)間、結(jié)束時(shí)間、深睡時(shí)長(zhǎng)、淺睡時(shí)長(zhǎng)、清醒時(shí)長(zhǎng)、總時(shí)長(zhǎng)。

現(xiàn)有技術(shù)中的睡眠監(jiān)測(cè)方法，通過(guò)離線測(cè)試獲取大部分場(chǎng)景下算法模型參數(shù)，然后用固定參數(shù)監(jiān)測(cè)所有情況，會(huì)出現(xiàn)手環(huán)靜置一晚仍有睡眠分析數(shù)據(jù)等異常情況，對(duì)個(gè)性化睡眠數(shù)據(jù)的分析也不夠精確。由于模型的特征僅包括三個(gè)加速度及心率共四個(gè)特征參數(shù)，所以這種算法沒有進(jìn)行足夠的特征工程，對(duì)睡眠狀態(tài)的分析也不精確，這樣是當(dāng)前睡眠監(jiān)控算法的不足之處。

因此，如何解決上述技術(shù)問(wèn)題，更精確地監(jiān)測(cè)用戶睡眠狀態(tài)，成為亟待解決的問(wèn)題。

發(fā)明內(nèi)容

鑒于此，本發(fā)明的目的在于提供一種睡眠監(jiān)測(cè)方法及系統(tǒng)，能夠更準(zhǔn)確地監(jiān)測(cè)用戶睡眠狀態(tài)，并且能夠判定智能穿戴設(shè)備出現(xiàn)異常的情況。

根據(jù)上述發(fā)明目的，本發(fā)明提供一種睡眠監(jiān)測(cè)方法，所述方法包括：

S1、根據(jù)獲取的睡眠特征數(shù)據(jù)、加速度數(shù)據(jù)以及心率數(shù)據(jù)運(yùn)行統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ停@取所述統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)應(yīng)的第一預(yù)測(cè)結(jié)果；

S2、根據(jù)所述心率數(shù)據(jù)和加速度數(shù)據(jù)運(yùn)行邏輯斯蒂回歸模型，獲取所述邏輯斯蒂回歸模型對(duì)應(yīng)的第二預(yù)測(cè)結(jié)果；

S3、將所述第一預(yù)測(cè)結(jié)果和第二預(yù)測(cè)結(jié)果進(jìn)行加權(quán)計(jì)算，根據(jù)計(jì)算結(jié)果得到睡眠狀態(tài)。

優(yōu)選地，所述步驟S2具體包括：

將所述加速度數(shù)據(jù)進(jìn)行多項(xiàng)式轉(zhuǎn)換，獲得多維特征數(shù)據(jù)；

根據(jù)所述多維特征數(shù)據(jù)和心率數(shù)據(jù)運(yùn)行邏輯斯蒂回歸模型，獲取所述邏輯斯蒂回歸模型對(duì)應(yīng)的第二預(yù)測(cè)結(jié)果。

優(yōu)選地，所述步驟S2具體還包括：

對(duì)所述加速度數(shù)據(jù)進(jìn)行度為2的多項(xiàng)式轉(zhuǎn)換，該多項(xiàng)式為：

；

其中，x, y, z分別為X軸、Y軸和Z軸三個(gè)方向的加速度數(shù)據(jù)。

優(yōu)選地，所述步驟S2還包括：

采用交叉驗(yàn)證或者梯度下降方式對(duì)所述邏輯斯蒂回歸模型進(jìn)行模型優(yōu)化。

優(yōu)選地，步驟S2具體還包括：

根據(jù)相關(guān)系數(shù)法分析所述心率數(shù)據(jù)和多維特征數(shù)據(jù)與睡眠狀態(tài)的相關(guān)關(guān)系，獲取相關(guān)關(guān)系大的數(shù)據(jù)特征信息，將所述數(shù)據(jù)特征信息輸入到所述邏輯斯蒂回歸模型。

優(yōu)選地，所述步驟S3具體包括：

獲取所述統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)應(yīng)的第一權(quán)值以及所述邏輯斯蒂回歸模型對(duì)應(yīng)的第二權(quán)值；

將所述第一預(yù)測(cè)結(jié)果、第一權(quán)值、第二預(yù)測(cè)結(jié)果和第二權(quán)值進(jìn)行加權(quán)計(jì)算，得到計(jì)算結(jié)果；

若所述計(jì)算結(jié)果大于一預(yù)設(shè)閾值，則判定為睡眠狀態(tài)，否則為醒著狀態(tài)。

根據(jù)上述發(fā)明目的，本發(fā)明還提供一種睡眠監(jiān)測(cè)系統(tǒng)，所述系統(tǒng)包括：

統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ湍K，用于根據(jù)獲取的睡眠特征數(shù)據(jù)、加速度數(shù)據(jù)以及心率數(shù)據(jù)運(yùn)行統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ停@取所述統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)應(yīng)的第一預(yù)測(cè)結(jié)果；

邏輯斯蒂回歸模型模塊，用于根據(jù)所述心率數(shù)據(jù)和加速度數(shù)據(jù)運(yùn)行邏輯斯蒂回歸模型，獲取所述邏輯斯蒂回歸模型對(duì)應(yīng)的第二預(yù)測(cè)結(jié)果；

計(jì)算模塊，用于將所述第一預(yù)測(cè)結(jié)果和第二預(yù)測(cè)結(jié)果進(jìn)行加權(quán)計(jì)算，根據(jù)計(jì)算結(jié)果得到睡眠狀態(tài)。

優(yōu)選地，所述系統(tǒng)還包括采集模塊，用于采集用戶的睡眠特征數(shù)據(jù)、加速度數(shù)據(jù)以及心率數(shù)據(jù)。

優(yōu)選地，所述邏輯斯蒂回歸模型模塊具體包括：

多項(xiàng)式單元，用于將所述加速度數(shù)據(jù)進(jìn)行多項(xiàng)式轉(zhuǎn)換，獲得多維特征數(shù)據(jù)；