本申请涉及一种睡眠质量分析方法、装置、计算机设备、可读存储介质和计算机程序产品。所述方法包括：获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；将睡眠音频信号输入至预设训练模型，得到睡眠音频信号的分类结果，睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠；根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果。通过音频识别算法检测出睡眠环境噪音，并通过加速度传感器来识别用户睡眠深浅度，进而多维度的通过睡眠环境音源及睡眠深浅识别判断睡眠质量。判断睡眠质量。判断睡眠质量。
【技术实现步骤摘要】
睡眠质量分析方法、装置、计算机设备和存储介质
[0001]本申请涉及数据分析
，特别是涉及一种睡眠质量分析方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着生活水平的提高，在满足基本的温饱需求后，人们越来越重视自身的健康状况。而睡眠对于人体来说起着至关重要的作用，人的一生中大约有1/3的时间都在睡眠中度过，睡眠健康出现问题会导致许多不良后果，如头痛、焦虑、免疫力下降等。
[0003]目前睡眠分析识别主要通过获取用户的睡眠时长、入睡时间及睡眠中环境噪音监测，来作为睡眠质量分析，大部分采用的是通过用户手动录入睡眠数据来判定睡眠质量，容易出现误判。且现有技术中的睡眠监测设备，从睡眠床垫到智能手环，虽然可以利用各种感应器对睡眠过程进行监测，但是都需要配套的监测设备，在使用时有诸多不便。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够灵活有效地分析睡眠质量的方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种睡眠分期方法。方法包括：
[0006]获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；
[0007]将睡眠音频信号输入至预设训练模型，得到睡眠音频信号的分类结果，睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；
[0008]基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠；
[0009]根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果。
[0010]在其中一个实施例中，将睡眠音频信号输入至预设训练模型，包括：
[0011]基于预设间隔对睡眠音频信号进行划分，确定睡眠音频信号的每一划分信号；
[0012]提取每一划分信号的梅尔频率倒谱系数，将每一划分信号的梅尔频率倒谱系数输入至预设训练模型。
[0013]在其中一个实施例中，基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠，包括：
[0014]根据人体睡眠动作信号，获取一次完整睡眠中发生的翻转次数和每次翻转对应的时刻；
[0015]确定每相邻两次翻转之间的间隔时间段，将所有间隔时间段中时长大于预设时长的间隔时间段对应的睡眠深度的划分结果为深度睡眠，将所有间隔时间段中时长不大于预设时长的间隔时间段对应的睡眠深度的划分结果为浅度睡眠。
[0016]在其中一个实施例中，根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果，包括：
[0017]统计所有时长大于预设时长的间隔时间段的时长总和，将统计结果作为一次完整睡眠中的深度睡眠时长；
[0018]获取一次完整睡眠对应的睡眠总时长，根据深度睡眠时长和睡眠总时长，确定睡眠质量分值；
[0019]若睡眠质量分值大于睡眠质量阈值，则一次完整睡眠的睡眠质量判定结果为良好，若睡眠质量分值不大于睡眠质量阈值，则一次完整睡眠过程的睡眠质量判定结果为较差；
[0020]基于睡眠音频信号的分类结果和完整睡眠过程的睡眠质量判定结果，确定睡眠质量的分析结果。
[0021]在其中一个实施例中，基于睡眠音频信号的分类结果和完整睡眠过程的睡眠质量判定结果，确定睡眠质量的分析结果之后，还包括：
[0022]若睡眠音频信号的分类结果为鼾声且鼾声时长大于第一预设阈值，则获取鼾声时长对应的时间段内的生理相关数据，生理相关数据包括心率和血氧数据；
[0023]根据生理相关数据对睡眠质量的分析结果进行验证更新。
[0024]在其中一个实施例中，人体睡眠动作信号包括第一轴数据和第二轴数据，第一轴数据和第二轴数据是通过非穿戴设备的加速度传感器获取到的；相应地，一次完整睡眠中的翻转判断过程，包括：
[0025]将一次完整睡眠对应的睡眠时段划分为多个子时段；
[0026]根据每一子时段中每一采样时刻的第一轴数据，计算每一子时段的第一轴数据平均值，根据每一子时段中每一采样时刻的第二轴数据，计算每一子时段的第二轴数据平均值；
[0027]根据每一子时段中每一采样时刻的第一轴数据和每一子时段的第一轴数据平均值，计算每一子时段的第一轴加速度平均绝对差，根据每一子时段中每一采样时刻的第二轴数据和每一子时段的第二轴数据平均值，计算每一子时段的第二轴加速度平均绝对差；
[0028]根据每一子时段的第一轴数据平均值和第二轴数据平均值，以及每一子时段的前一子时段的第一轴数据平均值和第二轴数据平均值，计算每一子时段的姿态差异值；
[0029]根据每一子时段的第一轴加速度平均绝对差、第二轴加速度平均绝对差和姿态差异值，判断每一子时段内是否发生翻转。
[0030]第二方面，本申请还提供了一种睡眠分期装置。装置包括：
[0031]数据获取模块，用于获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；
[0032]第一确定模块，用于将睡眠音频信号输入至预设训练模型，得到睡眠音频信号的分类结果，睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；
[0033]第二确定模块，用于基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠；
[0034]第三确定模块，用于根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果。
[0035]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器及处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0036]获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；
[0037]将睡眠音频信号输入至预设训练模型，得到睡眠音频信号的分类结果，睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；
[0038]基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠；
[0039]根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果。
[0040]第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0041]获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；
[0042]将睡眠音频信号输入至预设训练模型，得到睡眠音频信号的分类结果，睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；
[0043]基于人体睡眠动作信号，确定睡眠深度的划分结果，睡眠深度的划分结果包括深度睡眠或浅度睡眠；
[0044]根据睡眠音频信号的分类结果和睡眠深度的划分结果，确定睡眠质量的分析结果。
[0045]第五方面，本申请本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种睡眠质量分析方法，其特征在于，所述方法包括：获取非穿戴设备采集到一次完整睡眠的睡眠相关信号，所述睡眠相关信号包括睡眠音频信号和人体睡眠动作信号；将所述睡眠音频信号输入至预设训练模型，得到所述睡眠音频信号的分类结果，所述睡眠音频信号的分类结果包括鼾声、梦话或睡眠环境噪音；基于所述人体睡眠动作信号，确定睡眠深度的划分结果，所述睡眠深度的划分结果包括深度睡眠或浅度睡眠；根据所述睡眠音频信号的分类结果和所述睡眠深度的划分结果，确定睡眠质量的分析结果。2.根据权利要求1所述的方法，其特征在于，所述将所述睡眠音频信号输入至预设训练模型，包括：基于预设间隔对所述睡眠音频信号进行划分，确定所述睡眠音频信号的每一划分信号；提取每一划分信号的梅尔频率倒谱系数，将每一划分信号的梅尔频率倒谱系数输入至所述预设训练模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述人体睡眠动作信号，确定睡眠深度的划分结果，所述睡眠深度的划分结果包括深度睡眠或浅度睡眠，包括：根据所述人体睡眠动作信号，获取所述一次完整睡眠中发生的翻转次数和每次翻转对应的时刻；确定每相邻两次翻转之间的间隔时间段，将所有间隔时间段中时长大于预设时长的间隔时间段对应的睡眠深度的划分结果为深度睡眠，将所有间隔时间段中时长不大于所述预设时长的间隔时间段对应的睡眠深度的划分结果为浅度睡眠。4.根据权利要求3所述的方法，其特征在于，所述根据所述睡眠音频信号的分类结果和所述睡眠深度的划分结果，确定睡眠质量的分析结果，包括：统计所有时长大于所述预设时长的间隔时间段的时长总和，将统计结果作为所述一次完整睡眠中的深度睡眠时长；获取所述一次完整睡眠对应的睡眠总时长，根据所述深度睡眠时长和睡眠总时长，确定睡眠质量分值；若所述睡眠质量分值大于睡眠质量阈值，则所述一次完整睡眠的睡眠质量判定结果为良好，若所述睡眠质量分值不大于所述睡眠质量阈值，则所述一次完整睡眠过程的睡眠质量判定结果为较差；基于所述睡眠音频信号的分类结果和所述完整睡眠过程的睡眠质量判定结果，确定睡眠质量的分析结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述睡眠音频信号的分类结果和所述完整睡眠过程的睡眠质量判定结果，确定睡眠质量的分析结果之后，还包括：若所述睡眠音频信号的分类结果为鼾声且鼾声时长大于第一预设阈值，则获取所述鼾声时长对应...
【专利技术属性】
技术研发人员：张俊逸，
申请(专利权)人：深圳市伟晴大健康科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。