一种基于IR-UWB雷达的非接触式睡眠呼吸监测方法及装置制造方法及图纸

本发明专利技术公开了一种基于IR

【技术实现步骤摘要】
一种基于IR
‑
UWB雷达的非接触式睡眠呼吸监测方法及装置


[0001]本专利技术涉及非接触式感知领域和人工智能的深度学习领域，具体涉及一种基于IR
‑
UWB雷达的非接触式睡眠呼吸监测方法及装置。

技术介绍

[0002]睡眠是衡量人体健康的重要指标之一，它能够反映一些疾病的发展进程和身体异常情况的出现。高质量的睡眠对人体的生理和心理健康都大有裨益。而整夜睡眠中的呼吸情况(如是否发生睡眠障碍等)是睡眠质量的重要监测指标。严重的睡眠障碍疾病如睡眠呼吸暂停低通气综合征(SAHS)，则可能引发猝死。其中，睡眠呼吸暂停指的是人体在一段时间内(一般为10s以上)发生呼吸停滞的现象。在整夜的睡眠中，当睡眠呼吸暂停事件的发生频率达到一定程度后，人体就可能患上SAHS。同时，睡眠呼吸暂停和许多疾病都有一定的关联，如糖尿病、高血压、心脏病、抑郁症和肥胖症等。因此，对人体整夜的睡眠呼吸进行居家监测与识别，不仅可以实现相关睡眠疾病的初筛和预警，还可以用于患者随访，观察睡眠障碍治疗的效果。
[0003]医学上使用多导睡眠仪(PSG)对人体整夜睡眠中的呼吸情况进行监测，包括呼吸率、呼吸事件等，医生依此对被测对象的相关睡眠呼吸疾病患病的严重程度进行诊断。然而，这一过程需要被测对象长时间佩戴专用设备，由专业人员进行操作，并且价格昂贵。因此，PSG目前局限于医疗诊断领域，不适用于居家环境中的初筛或长期的随访监测，不利于病情的长期管理。
[0004]当前，适用于居家环境下呼吸健康监测的解决方案主要分为接触式感知方案与非接触式感知方案。接触式感知方案通过人体佩戴的商用设备(如手环、胸带、腹带)实现对人体呼吸的监测。而基于非接触式感知的方案则采用多种无线信号(包括Wi
‑
Fi、RFID、声波)来以非接触方式监控人体的呼吸率或呼吸事件。与前者相比，非接触式感知技术具有非侵扰、易部署的特点，它可以避免长期佩戴设备的不适感，也可以避免设备佩戴不规范带来的数据可用性问题。
[0005]然而，已有的非接触式睡眠呼吸监测工作都存在一定的缺陷。首先，已有大多数工作是在受控场景下进行，其性能对所处环境的变化十分敏感。其次，已有工作或采用正常人的数据，或采用模拟数据(例如通过刻意屏住呼吸来模拟呼吸暂停)。这些数据与真实患者的数据存在一定差距，真实的呼吸暂停综合征患者在整夜睡眠过程中，可能出现不同类型、不同时长的呼吸暂停事件，不同类型的暂停事件因各自生理特征的差异导致不同的呼吸波形表现。另外，虽然近期部分工作采用了真实患者的数据，但识别精度、准确率不高。因此，进行准确的整夜睡眠呼吸监测依旧是目前亟待解决的问题。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供一种基于IR
‑
UWB雷达的非接触式睡眠呼吸监测方法及装置，将目前已商用的IR
‑
UWB雷达包装成简单便携、随插随用的小型设备，利用其
进行无接触、无干扰的人体整夜睡眠呼吸监测，可以在居家环境中进行快捷的部署与使用，提高了整夜呼吸频率计算的精度，以及能够获得更为准确的睡眠呼吸暂停低通气指数AHI数据。
[0007]本专利技术技术解决方案为：
[0008]一种基于IR
‑
UWB雷达的非接触式睡眠呼吸监测方法，包括：
[0009]1)在床边部署IR
‑
UWB雷达设备，通过该IR
‑
UWB雷达设备发射电磁脉冲信号，并收集环境中物体的反射信号；
[0010]2)将反射信号经过频率下转换得到复数矩阵R，其行维度为快时间轴，列维度为慢时间轴；再将该复数矩阵R分成多个子矩阵R
m
，m＝1,2,
…
，消除静态物体的反射噪声，得到R
′
m
；抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
，并对r
m
进行滤波预处理得到r
′
m
，根据r
′
m
判断被测对象是否处在规律呼吸状态；根据处于规律呼吸状态下的人体位置识别床范围，抽取出床范围内信号强度最大的位置上的信号数据作为被测对象真正的生命体征数据；
[0011]3)根据被测对象是否在床与其胸部位移情况，将人体在整夜睡眠过程中所处的状态分为五类状态I
‑
V，根据步骤2)得到的床范围和被测对象的生命体征数据，识别被测对象处于哪一类状态；
[0012]4)基于人体在睡眠与非睡眠时刻的体动情况差异，根据被测对象在监测过程中的人体状态转换情况，识别出被测对象的睡眠时段；
[0013]5)对睡眠时段内的且处于状态IV的所有r
′
m
的振幅与相位信息，利用自相关函数选择两者中频率在人体正常呼吸率范围内且周期性更强的波形，并基于所选波形进一步计算得到在睡眠时段内的呼吸频率变化情况；
[0014]6)利用基于多头自注意力机制的深度学习方法对被测对象睡眠时段内每秒的睡眠状态进行分类，找出非正常呼吸的状态，将连续的非正常呼吸的状态聚合成完整的睡眠呼吸事件；根据被测对象整夜的体动情况计算出其总睡眠时长，然后根据被测对象睡眠中出现的睡眠呼吸事件数量和所述总睡眠时长计算被测对象睡眠时的睡眠呼吸暂停低通气指数AHI。
[0015]优选地，步骤1)中所述IR
‑
UWB雷达设备朝向被测对象的胸口区域，其距被测对象的距离在雷达最大探测范围内。
[0016]优选地，步骤2)中抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
的方法为：计算每个矩阵R
′
m
对应的信号振幅，并沿着慢时间轴进行求和，取振幅强度最大的一列数据对应的快时间轴索引，该索引对应被测对象所在位置，根据该索引得到被测对象的生命体征数据r
m
。
[0017]优选地，步骤2)中抽取出床范围内信号强度最大的位置上的信号数据作为被测对象真正的生命体征数据的方法与抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
的方法相同，不同处在于将监测范围限制在了床的范围内。
[0018]优选地，步骤2)中滤波预处理的方法为：对被测对象的生命体征数据r
m
使用SG滤波器(Savitzky
‑
Golay Filter)去除信号中的高频噪声，并对去噪后的信号进行去趋势操作，消除信号的偏移，得到预处理后的人体生命体征信号r
′
m
。
[0019]优选地，步骤2)中判断被测对象是否处在规律呼吸状态的步骤包括：
[0020]对人体胸部在一个窗口内的位移情况进行建模，根据预处理后的人体生命体征信号r
′
m
...

【技术保护点】

【技术特征摘要】
1.一种基于IR
‑
UWB雷达的非接触式睡眠呼吸监测方法，其特征在于，包括：1)在床边部署IR
‑
UWB雷达设备，通过该IR
‑
UWB雷达设备发射电磁脉冲信号，并收集环境中物体的反射信号；2)将反射信号经过频率下转换得到复数矩阵R，其行维度为快时间轴，列维度为慢时间轴；再将该复数矩阵R分成多个子矩阵R
m
，m＝1,2,
…
，消除静态物体的反射噪声，得到R
′
m
；抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
，并对r
m
进行滤波预处理得到r
′
m
，根据r
′
m
判断被测对象是否处在规律呼吸状态；根据处于规律呼吸状态下的人体位置识别床范围，抽取出床范围内信号强度最大的位置上的信号数据作为被测对象真正的生命体征数据；3)根据被测对象是否在床与其胸部位移情况，将人体在整夜睡眠过程中所处的状态分为五类状态I
‑
V，根据步骤2)得到的床范围和被测对象的生命体征数据，识别被测对象处于哪一类状态；4)基于人体在睡眠与非睡眠时刻的体动情况差异，根据被测对象在监测过程中的人体状态转换情况，识别出被测对象的睡眠时段；5)对睡眠时段内的且处于状态IV的所有r
′
m
的振幅与相位信息，利用自相关函数选择两者中频率在人体正常呼吸率范围内且周期性更强的波形，并基于所选波形进一步计算得到在睡眠时段内的呼吸频率变化情况；6)利用基于多头自注意力机制的深度学习方法对被测对象睡眠时段内每秒的睡眠状态进行分类，找出非正常呼吸的状态，将连续的非正常呼吸的状态聚合成完整的睡眠呼吸事件；根据被测对象整夜的体动情况计算出其总睡眠时长，然后根据被测对象睡眠中出现的睡眠呼吸事件数量和所述总睡眠时长计算被测对象睡眠时的睡眠呼吸暂停低通气指数AHI。2.如权利要求1所述的方法，其特征在于，步骤2)中抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
的方法为：计算每个矩阵R
′
m
对应的信号振幅，并沿着慢时间轴进行求和，取振幅强度最大的一列数据对应的快时间轴索引，该索引对应被测对象所在位置，根据该索引得到被测对象的生命体征数据r
m
；抽取出床范围内信号强度最大的位置上的信号数据作为被测对象真正的生命体征数据的方法与抽取R
′
m
中信号强度最大的位置上的数据作为被测对象的生命体征数据r
m
的方法相同。3.如权利要求1所述的方法，其特征在于，步骤2)中滤波预处理的方法为：对被测对象的生命体征数据r
m
使用SG滤波器去除信号中的高频噪声，并对去噪后的信号进行去趋势操作，消除信号的偏移，得到预处理后的人体生命体征信号r
′
m
。4.如权利要求1所述的方法，其特征在于，步骤2)中判断被测对象是否处在规律呼吸状态的步骤包括：对人体胸部在一个窗口内的位移情况进行建模，根据预处理后的人体生命体征信号r
′
m
中的最大相位值和最小相位值之差和雷达信号波长，计算胸部位移量Δd，当Δd大于一阈值α1时，判定当前窗口内被测对象处于明显体动状态，否则不处于明显体动状态；若被测对象不处于明显体动状态，则对r
′
m
的振幅和相位波形分别执行自相关函数，取得自相关系数曲线在正常人体呼吸周期对应的区间内的最大相关性峰值p
e
和p
e
对应的滞后
值lag，若振幅或相位波形之一满足p
e
>β，β是一个预先设定的阈值，则判定当前窗口内被测对象处于规律呼吸的状态。5.如权利要求1所述的方法，其特征在于，步骤3)中所述五类状态I
‑
V包括：状态I：目标不在床；状态II：目标在床，且床外有其它干扰影响；状态III：目标在床，并处于体动状态，其中明显体动为状态III
‑
a，中等体动为状态III
‑
b；状态...

【专利技术属性】
技术研发人员：李思恒，金蓓弘，张扶桑，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：