[發明專利]基于生物微波雷達的非接觸式睡眠狀態監測方法和系統

在審

• 申請號: 202110078118.6
• 申請日: 2021-01-20
• 公開（公告）號: CN112716474A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 周濤;夏朝陽;王海鵬;徐豐
• 申請（專利權）人: 復旦大學
• 主分類號: A61B5/0507
• 分類號: A61B5/0507;A61B5/00
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 林君如

1.一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，包括以下步驟：

S1：微波雷達傳感器向待測個體發送微波信號，接收雷達回波信號并進行預處理后，得到雷達原始數據；

S2：對雷達原始數據進行雷達信號處理，得到睡眠體動特征數據集和包括生理體征數據的睡眠狀態分類數據集；

S3：基于大數據和人工智能算法，結合睡眠體動特征數據集和睡眠狀態分類數據集，得到待測個體的睡眠狀態結果，完成睡眠狀態監測。

2.根據權利要求1所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的步驟S3具體包括：

S31：構建并訓練體動分類模型和睡眠狀態分類模型；

S32：將睡眠體動數據集輸入訓練完成的體動分類模型，對待測個體的睡眠動作進行識別和分類，篩選出影響生理體征的動作；

S33：將篩選出的動作反饋至步驟S2；

S34：將睡眠狀態分類數據集輸入訓練完成的睡眠狀態分類模型，得到待測個體的睡眠狀態分類結果；

S35：將睡眠動作進行識別結果和睡眠狀態分類結果經過大數據分析，得到待測個體的睡眠狀態結果，完成睡眠狀態監測。

3.根據權利要求2所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的步驟S2具體包括：

S21：將原始雷達數據進行距離FFT后進行ROI提??；

S22：利用ROI提取的數據，得到待測個體的生理體征數據；

S23：對ROI提取后的數據進行再處理，得到體動數據，并形成體動特征數據集；

S24：剔除步驟S33中反饋動作在生理體征數據中引起的噪聲信號，將生理體征數據進行特征處理，得到睡眠狀態分類數據集。

4.根據權利要求2所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的生理體征數據包括呼吸率和心率，所述的影響生理體征的動作具體為導致呼吸率和心率跳變的動作。

5.根據權利要求3所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的S22具體包括：

S221：將ROI提取的數據通過相位抽取和相位展開，得到相位差；

S222：經過不同適用帶寬的帶通濾波，得到呼吸率和心率的頻譜估計；

S223：計算出包括呼吸率和心率的生理體征數據；

所述的步驟S23具體包括：

S231：對ROI提取后的數據進行多普勒FFT；

S232：進行通道平均，得到距離多普勒譜；

S233：利用CFAR檢測單目標點，獲得包括距離、速度、方位角和仰角的體動數據；

S234：將體動數據依次進行提取、選擇和多通道特征融合，得到體動特征數據集。

6.根據權利要求3所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的睡眠狀態分類數據集包括睡眠階段分類數據集和OSAHS分類數據集，所述的睡眠狀態分類模型包括睡眠階段分類模型和OSAHS分類模型，所述的步驟S24中的特征處理具體包括：

根據時間范圍，分段對生理體征數據的進行特征提取，形成睡眠階段分類數據集；分別提取生理體征數據中呼吸暫停相關的特征和非呼吸暫停相關的特征，形成OSAHS分類數據集。

7.根據權利要求1所述的一種基于生物微波雷達的非接觸式睡眠狀態監測方法，其特征在于，所述的步驟S1中的預處理具體包括：對雷達回波信號進行混頻和濾波得到中頻信號，然后對中頻信號進行模數轉換采樣后，得到雷達原始數據。