基于数据编码的睡眠监测数据智能管理方法和系统技术方案

本发明专利技术公开了一种基于数据编码的睡眠监测数据智能管理方法和系统，所述方法包括：采集当前用户的多组睡眠数据，对多组所述睡眠数据进行预处理；对预处理后的多组所述睡眠数据进行特征分析，获得所述睡眠数据之间的相关性，对所述睡眠数据之间的相关性进行融合，获得睡眠监测综合评定数据；其中，所述睡眠监测综合评定数据用于反映睡眠质量情况；对融合后的所述睡眠监测综合评定数据进行编码传输，并在终端进行分析；获得所述当前用户的睡眠质量评价。根据本发明专利技术的方法，通过分析多种数据的特点，对多种数据进行融合，获得睡眠监测综合评定数据，然后再对该数据进行编码传输，从而具有节省存储空间、提高数据的传输速度的优势。势。势。

【技术实现步骤摘要】
基于数据编码的睡眠监测数据智能管理方法和系统


[0001]本专利技术涉及数据处理
，尤其是涉及一种基于数据编码的睡眠监测数据智能管理方法和系统。

技术介绍

[0002]在现有技术中，对睡眠监测数据进行储存的过程中，主要是根据每个数据的特点对每一种睡眠数据进行压缩传输，传输到移动用户端进行睡眠质量的分析，但是因为监测的数据类型种类较多，数据量较大，在进行数据传输的过程中，会占用较多的存储空间，并且传输速度慢；因此，上述技术存在改进空间。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术的一个目的在于提出一种基于数据编码的睡眠监测数据智能管理方法，根据本专利技术的方法，通过分析多种数据的特点，对多种数据进行融合，获得睡眠监测综合评定数据，然后再对该数据进行编码传输，从而具有节省存储空间、提高数据的传输速度的优势。
[0004]本专利技术第二方面还提出了一种基于数据编码的睡眠监测数据智能管理系统。
[0005]根据本专利技术实施例的基于数据编码的睡眠监测数据智能管理方法，包括：采集当前用户的多组睡眠数据，对多组所述睡眠数据进行预处理；对预处理后的多组所述睡眠数据进行特征分析，获得所述睡眠数据之间的相关性，对所述睡眠数据之间的相关性进行融合，获得睡眠监测综合评定数据；其中，所述睡眠监测综合评定数据用于反映睡眠质量情况；对融合后的所述睡眠监测综合评定数据进行编码传输，并在终端进行分析；获得所述当前用户的睡眠质量评价。
[0006]根据本专利技术的基于数据编码的睡眠监测数据智能管理方法，通过分析多种数据的特点，对多种数据进行融合，获得睡眠监测综合评定数据，然后再对该数据进行编码传输，从而具有节省存储空间、提高数据的传输速度的优势。
[0007]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法，通过睡眠数据采集仪器采集多组所述睡眠数据，并通过小波变换的方式对多组所述睡眠数据进行去噪处理；其中，多组所述睡眠数据包括：脑电信号数据、心率数据、血氧饱和度数据和睡眠时间。
[0008]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法，通过决策级融合的方式对多组所述睡眠数据进行融合，根据多组所述睡眠数据在时间上的变化获得所述睡眠数据之间的相关性；其中，所述脑电信号数据为主影响因素。
[0009]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法，通过EMD算法对所述脑电信号数据进行分解，获得不同频率的IMF分量信号，计算所述IMF分量信号中的数据信息，公式如下：
式（1）中，表示第条脑电波信号的第条分量数据的波动程度，表示第条脑电波信号的第条分量数据中第个数据点的幅值，表示第条脑电波信号的第条分量数据幅值的均值，表示包含的数据点的数量；为方差公式；式（2）中，表示第条脑电波信号的第条分量数据的变化程度，表示第条脑电波信号的第条分量数据中极值点的个数，表示第条脑电波信号的第条分量数据中的最大值幅值点，表示第条脑电波信号的第条分量数据中最小幅值点，表示该分量数据中最大幅值点与最小幅值点之间的差值；式（3）中，表示第条脑电波信号所表示的脑部活跃程度，表示第条脑电波信号包含的分量信号的数量，、表示在第条脑电波信号中第条IMF分量数据的权重， 表示根据第脑电波数据的变化获得的数据波动程度与变化程度进行加权。
[0010]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法， 将计算得到的所述脑电信号数据进行数据的叠加，其中，以脑部活跃度最小的脑电波信号作为基底信号，然后依次根据数据的活跃程度，从小到大的进行数据的叠加，叠加后的脑电波数据为。
[0011]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法， 将所述
脑电波数据与所述心率数据进行关联计算，公式如下：公式如下：公式如下：式（4）中，表示脑电波信号数据的波动特征值，表示脑电波信号中第个极大值点的幅值，表示脑电波信号中第个极小值点的幅值，表示极值点的个数；式（5）中，表示心率信号数据的波动特征值，表示心率信号中第个极大值点的幅值，表示心率信号中第个极小值点的幅值，表示极值点的个数；式（6）中，表示脑电波信号与心率信号之间的相关性，表示脑电波信号中第个数据点的幅值，表示心率信号中第个数据点的幅值，表示时序数据中数据点的个数，表示脑电波信号与心率信号的波动特征值之比，表示归一化函数，其归一化的范围为。
[0012]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法， 将所述脑电波数据与所述血氧饱和度数据进行关联计算，公式如下：公式如下：
式（7）中，表示脑电波信号数据的波动特征值，表示脑电波信号中第个极大值点的幅值，表示脑电波信号中第个极小值点的幅值，表示极值点的个数；式（8）中，C表示血氧饱和度数据的波动特征值，表示血氧饱和度信号中第个极大值点的幅值，表示血氧饱和度信号中第个极小值点的幅值，表示极值点的个数；式（9）中，式（9）中，表示脑电波信号与血氧饱和度信号之间的相关性，表示脑电波信号中第个数据点的幅值，表示血氧饱和度信号中第个数据点的幅值，表示时序数据中数据点的个数，表示脑电波信号与心率信号的波动特征值之比，表示归一化函数，其归一化的范围为。
[0013]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法，获得所述睡眠监测综合评定数据，计算公式如下：式（10）中，表示叠加后的睡眠监测综合评定数据，表示心率数据的变化特征值，表示叠加后的第个脑电波数据，表示第个心率数据，表示血氧饱和度数据的变化特征值，表示第个血氧饱和度数据，表示脑电波数据与心率数据在幅值上的差异， 表示将脑电波数据调节与心率数据变化范围相同的区间，表示脑电波数据与血氧饱和度数据在幅值上的差异，表示将脑电波数据调节与血氧饱和度数据变化范围相同的区间，表示判断条件，0.93表示设置的阈值。
[0014]根据本专利技术一个实施例的基于数据编码的睡眠监测数据智能管理方法， 使用霍夫曼编码算法对获得的所述睡眠监测综合评定数据进行编码，通过蓝牙传输到所述终端进
行分析，得到所述当前用户的睡眠质量评价。
[0015]综上所述，根据本专利技术的第一方面的方法，通过分析多种数据的特点，对多种数据进行融合，获得睡眠监测综合评定数据，然后再对该数据进行编码传输，从而具有节省存储空间、提高数据的传输速度的优势。
[0016]根据本专利技术的第二方面的基于数据编码的睡眠监测数据智能管理系统，包括：第一模块，所述第一模块用于采集当前用户的多组睡眠数据，对多组所述睡眠数据进行预处理；第二模块，所述第二模块用于对预处理后的多组所述睡眠数据进行特征分析，获得所述睡眠数据之间的相关性，对所述睡眠数据之间的相关性进行融合，获得睡眠监测综合评定数据；其中，所述睡眠监测综合评定数据用于反映睡眠质量情况；第三模块，所述第三模块用于对融合后的所述睡眠监测综合评定数据进行编码传输，并在终端进行分析；获得所述当前用户的睡眠质量评价。
[0017]根据本专利技术的第二方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据编码的睡眠监测数据智能管理方法，其特征在于，包括：采集当前用户的多组睡眠数据，对多组所述睡眠数据进行预处理；对预处理后的多组所述睡眠数据进行特征分析，获得所述睡眠数据之间的相关性，对所述睡眠数据之间的相关性进行融合，获得睡眠监测综合评定数据；其中，所述睡眠监测综合评定数据用于反映睡眠质量情况；对融合后的所述睡眠监测综合评定数据进行编码传输，并在终端进行分析；获得所述当前用户的睡眠质量评价。2.根据权利要求1所述的基于数据编码的睡眠监测数据智能管理方法，其特征在于， 通过睡眠数据采集仪器采集多组所述睡眠数据，并通过小波变换的方式对多组所述睡眠数据进行去噪处理；其中，多组所述睡眠数据包括：脑电信号数据、心率数据、血氧饱和度数据和睡眠时间。3.根据权利要求2所述的基于数据编码的睡眠监测数据智能管理方法，其特征在于，通过决策级融合的方式对多组所述睡眠数据进行融合，根据多组所述睡眠数据在时间上的变化获得所述睡眠数据之间的相关性；其中，所述脑电信号数据为主影响因素。4.根据权利要求3所述的基于数据编码的睡眠监测数据智能管理方法，其特征在于，通过EMD算法对所述脑电信号数据进行分解，获得不同频率的IMF分量信号，计算所述IMF分量信号中的数据信息，公式如下：公式如下：公式如下：式（1）中，表示第条脑电波信号的第条分量数据的波动程度，表示第条脑电波信号的第条分量数据中第个数据点的幅值，表示第条脑电波信号的第条分量数据幅值的均值，表示包含的数据点的数量；为方差公式；式（2）中，表示第条脑电波信号的第条分量数据的变化程度，表示第条脑电波信号的第条分量数据中极值点的个数，表示第条脑电波信号的第条分量数据中的最大值幅值点，表示第条脑电波
信号的第条分量数据中最小幅值点，表示该分量数据中最大幅值点与最小幅值点之间的差值；式（3）中，表示第条脑电波信号所表示的脑部活跃程度，表示第条脑电波信号包含的分量信号的数量，、表示在第条脑电波信号中第条IMF分量数据的权重， 表示根据第脑电波数据的变化获得的数据波动程度与变化程度进行加权。5.根据权利要求4所述的基于数据编码的睡眠监测数据智能管理方法，其特征在于， 将计算得到的所述脑电信号数据进行数据的叠加，其中，以脑部活跃度最小的脑电波信号作为基底信号，然后依次根据数据的活跃程度，从小到大的进行数据的叠加，叠加后的脑电波数据为。6.根据权利要求5所述的基于数据编码的睡眠监测数据智能管理方法，其特征在于， 将所述脑电波数据与所述心率数据进行关联计算，公式如下：公式如下：公式如下：式（4）中，表示脑电波信号数据的波动特征值，表示脑电波信号中第个极大值点的幅值，表示脑电波信号中第个极小值点的幅值，表示极值点的个数；...

【专利技术属性】
技术研发人员：李云强，陈冬雪，黎明全，李玉娟，李威，朱晓婷，张鹏起，王杰，王琦，张馨月，李淑丽，
申请(专利权)人：长春中医药大学，
类型：发明
国别省市：