一种疲劳睡眠分析方法及装置制造方法及图纸

本发明专利技术公开一种疲劳睡眠分析方法，包括以下步骤：步骤1，采集用户的BCG信号；步骤2，对原始BCG信号进行第一滤波；步骤3，对原始BCG信号进行第二滤波；步骤4，对特征峰进行异常值剔除；步骤4，利用Lomb

【技术实现步骤摘要】
一种疲劳睡眠分析方法及装置


[0001]本申请涉及疲劳即睡眠监测领域，具体而言，涉及一种疲劳睡眠分析方法及装置。

技术介绍

[0002]心冲击信号(Ballistocardiography，BCG)是一种非接触式的生命体征监测方法，BCG信号和心电图一样具有周期性，反应了人体心脏周期性射血时对支撑物产生的微弱作用力变化，包括呼吸时的胸腔起伏、心跳、体动等人体活动。BCG信号的采集方式包括立式、坐式、平躺式和可穿戴式。对于平躺式的BCG采集采集装置而言，当人平躺在床垫上时，呼吸作用及心脏射血会对人身体以下的床垫产生反作用力。因此，可以基于BCG信号的非接触式睡眠监测。当人坐在坐垫上时，呼吸及心跳活动同样会对臀部以下的坐垫产生反作用力，从而可以进行基于BCG信号的非接触式精神疲劳度监测。
[0003]随着生活节奏的加快以及工作和生活压力的增大，越来越多人存在睡眠障碍方面的问题。研究表明，睡眠质量的好坏对人体健康有着重要的影响，人们对睡眠质量的关注日益增加。同时，不少潜在的疾病会在不同的睡眠阶段中呈现出来。所以，对睡眠分期作一些基础性研究能为睡眠质量的判断提供理论依据，进而为睡眠障碍等病患的医治提供必要的帮助。
[0004]专利技术人经研究发现，目前多导睡眠(PSG)监测系统的睡眠分期仍然是研究睡眠分期的最重要的标准方法。但是，该系统电极繁多连接复杂，用户体验较差，不适合用于人的长期的睡眠监测。
[0005]同时，精神疲劳也是现代社会一个不容小觑的问题，当人处于精神疲劳状态时，会引发困倦、反应迟钝和效率降低，甚至引起事故的发生。比如驾驶员、医生、危险仪器操作员等特殊人群由于疲劳而引起的事故后果往往异常严重。精神疲劳监测的研究由来已久，但是大多需要配备复杂的检测设备，因此，提供无扰、便携、非接触的高准确度精神疲劳监测方法，是非常有必要的。
[0006]如何专利技术一种疲劳睡眠分析方法及装置来改善这些问题，成为了本领域技术人员亟待解决的问题。

技术实现思路

[0007]为了弥补以上不足，本申请提供了一种疲劳睡眠分析方法及装置，用于对精神疲劳度以及睡眠状态的分析，旨在改善上述
技术介绍
中存在的问题。
[0008]第一方面，本申请实施例提供了一种疲劳睡眠分析方法，包括以下步骤：
[0009]步骤1：采集用户的BCG信号；
[0010]步骤2：对原始BCG信号进行第一滤波，得到呼吸信号波形；
[0011]步骤3：对原始BCG信号进行第二滤波，并进行特征峰提取；
[0012]步骤4：对特征峰进行异常值剔除，得到心率变异性信号；
[0013]步骤5：利用Lomb
‑
Scargle算法分别对呼吸信号和心率变异性信号进行功率谱计
算，得到两者的功率谱密度；
[0014]步骤6：对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱；
[0015]步骤7：采用机器学习中的分类器模型对心肺耦合强度进行分类，并进行疲劳与睡眠状态的分析结果。
[0016]在一种具体的实施方案中，所述步骤1中的BCG信号的采集通过以下装置之一获得：马赫
‑
曾德干涉仪、迈克尔逊干涉仪或模间干涉仪。
[0017]在一种具体的实施方案中，所述步骤1中的BCG信号的采集通过智能坐垫或者智能床垫获得。
[0018]在一种具体的实施方案中，所述第一滤波和所述第二滤波的类型包括小波变换或巴特沃斯滤波。
[0019]在一种具体的实施方案中，所述步骤3中的特征峰提取具体为：提取每次心跳的J峰，进而得到相邻两次心跳之间的距离；所述步骤4中的对特征峰进行异常值剔除具体为：利用连续的J
‑
J间期序列构成心率变异性信号；对特征峰提取后得到的J
‑
J间期序列进行中值滤波，中值滤波窗的宽度大于30秒，若中值滤波后的J
‑
J间期与原始的J
‑
J间期之差大于预设的阈值，那么该原始的J
‑
J间期为异常值，并将其剔除。
[0020]在一种具体的实施方案中，Lomb
‑
Scargle算法计算功率谱密度的公式为：
[0021][0022]其中，P(ω)为频率ω的周期信号功率，y(t
i
)为离散实验数据，t
i
为离散实验数据的时间，n为实验数据的统计量，t1为实验数据的起始时间，t
n
为实验数据的终止时间。
[0023]在一种具体的实施方案中，所述步骤6中的对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱，其中的心肺耦合强度的计算公式如下：
[0024]cross＝P
RR
(ω)
·
P
HRV*
(ω)
[0025][0026]CPC＝|mean(P
RR
(ω))|2·
coherence
[0027]其中，mean表示求平均值，P
RR
(ω)和P
HRV
(ω)分别为呼吸信号和心率变异性信号的功率谱密度，cross为P
RR
(ω)和P
HRV
(ω)的互功率谱，coherence为P
RR
(ω)和P
HRV
(ω)的相干性，CPC为心肺耦合强度。
[0028]在一种具体的实施方案中，所述机器学习中的分类器模型包括支持向量机分类器或深度神经网络。
[0029]第二方面，本申请实施例提供了一种电子设备，包括一个或多个处理器以及存储装置，用于存储一个或多个程序；所述存储装置存储有计算机程序，所述计算机程序被所述
处理器执行时，使得所述处理器执行如下步骤：
[0030]步骤1：采集用户的BCG信号；
[0031]步骤2：对原始BCG信号进行第一滤波，得到呼吸信号波形；
[0032]步骤3：对原始BCG信号进行第二滤波，并进行特征峰提取；
[0033]步骤4：对特征峰进行异常值剔除，得到心率变异性信号；
[0034]步骤5：利用Lomb
‑
Scargle算法分别对呼吸信号和心率变异性信号进行功率谱计算，得到两者的功率谱密度；
[0035]步骤6：对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱；
[0036]步骤7：采用机器学习中的分类器模型对心肺耦合强度进行分类，进行疲劳与睡眠状态的分析结果。
[0037]第三方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0038]步骤1：采集用户的BCG信号；
[0039]步骤2：对原始BCG信号进行第一滤波，得到呼吸信号波形；
[0040]步骤3：对原始BCG信号进行第二滤波，并进行特征峰提取；...

【技术保护点】

【技术特征摘要】
1.一种疲劳睡眠分析方法，其特征在于，包括以下步骤：步骤1：采集用户的BCG信号；步骤2：对原始BCG信号进行第一滤波，得到呼吸信号波形；步骤3：对原始BCG信号进行第二滤波，并进行特征峰提取；步骤4：对特征峰进行异常值剔除，得到心率变异性信号；步骤5：利用Lomb
‑
Scargle算法分别对呼吸信号和心率变异性信号进行功率谱计算，得到两者的功率谱密度；步骤6：对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱；步骤7：采用机器学习中的分类器模型对心肺耦合强度进行分类，并进行疲劳与睡眠状态的分析结果。2.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述步骤1中的BCG信号的采集通过以下装置之一获得：马赫
‑
曾德干涉仪、迈克尔逊干涉仪或模间干涉仪。3.根据权利要求2所述的一种疲劳睡眠分析方法，其特征在于，所述步骤1中的BCG信号的采集通过智能坐垫或者智能床垫获得。4.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述第一滤波和所述第二滤波的类型包括小波变换或巴特沃斯滤波。5.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述步骤3中的特征峰提取具体为：提取每次心跳的J峰，进而得到相邻两次心跳之间的距离；所述步骤4中的对特征峰进行异常值剔除具体为：利用连续的J
‑
J间期序列构成心率变异性信号；对特征峰提取后得到的J
‑
J间期序列进行中值滤波，中值滤波窗的宽度大于30秒，若中值滤波后的J
‑
J间期与原始的J
‑
J间期之差大于预设的阈值，那么该原始的J
‑
J间期为异常值，并将其剔除。6.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，Lomb
‑
...

【专利技术属性】
技术研发人员：何颖，冯逸飞，刘李娜，王杨凯，刘光盛，
申请(专利权)人：中国人民解放军海军特色医学中心，
类型：发明
国别省市：