基于毫米波雷达的睡眠监测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于毫米波雷达的睡眠监测方法、装置、设备及存储介质。所述方法包括：获取毫米波雷达中频率调制连续波扫描模式下的第一扫描信号，及连续波扫描模式下的第二扫描信号；根据所述第二扫描信号及第一扫描信号，构建修正扫描信号；利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像；利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合。本发明专利技术可以非接触式高精准地对目标对象进行睡眠监测。式高精准地对目标对象进行睡眠监测。式高精准地对目标对象进行睡眠监测。

【技术实现步骤摘要】
基于毫米波雷达的睡眠监测方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于毫米波雷达的睡眠监测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着科学技术的发展，人工智能具有全天性、多人同时看护等优点，逐渐取代人工看护，成为临床动作监控领域的重要工具。
[0003]其中，睡眠监测是临床动作监控领域中的重要方面，对神经系统调节、呼吸道疾病、身体健康调养方面具有重要作用。然而受限于睡眠动作幅度小、可识别特征不明显，且接触式数据采集设备成本较高，导致睡眠监控的效率及准确率一直不高。

技术实现思路

[0004]本专利技术提供一种基于毫米波雷达的睡眠监测方法、装置、设备及存储介质，其主要目的在于非接触式高精准地对目标对象进行睡眠监测。
[0005]为实现上述目的，本专利技术提供的一种基于毫米波雷达的睡眠监测方法，包括：获取毫米波雷达中频率调制连续波扫描模式下的第一扫描信号，及连续波扫描模式下的第二扫描信号；根据所述第二扫描信号及第一扫描信号，构建修正扫描信号；利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像；利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合。
[0006]可选的，所述根据所述第二扫描信号及第一扫描信号，构建修正扫描信号，包括：获取所述第一扫描信号的持续周期、起始频率及带宽，及获取所述第二扫描信号的额定频率；选取预设时间段内的第二扫描信号为第一周期，及选取所述持续周期内的第一扫描信号为第二周期，并根据所述第一周期的额定频率修改所述第二周期的起始频率，得到修正后的第二周期；对所述第一周期及所述修正后的第二周期进行拼接，得到修正扫描信号。
[0007]可选的，所述利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像，包括：利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到毫米波反弹信号，并根据所述修正扫描信号中的第一周期及第二周期将所述毫米波反弹信号分段为第一反弹信号及第二反弹信号；对所述第一反弹信号进行曲线分解，得到第一反弹曲线集合，并利用多普勒算法，根据所述额定频率，识别所述第一反弹曲线集合中各个第一反弹曲线对应的睡眠指标类型及睡眠指标强度；
利用混频器对所述第二反弹信号与所述修正扫描信号的第二周期信号进行相乘，得到差频信号，并利用傅里叶变换对所述差频信号进行频谱分析，得到频谱结果；根据所述频谱结果，识别所述目标对象的位置信息，并对所述位置信息、各个所述睡眠指标类型及各个所述睡眠指标强度进行可视化构建人体扫描图像。
[0008]可选的，所述利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合，包括：对所述人体扫描图像进行高斯滤波处理，得到降噪图像；利用预训练的睡眠监测模型对所述降噪图像进行卷积操作，得到卷积矩阵集合；对所述卷积矩阵集合中各个卷积矩阵进行平均池化操作，并将平均池化结果进行扁平化拼接操作，得到特征序列集合；对所述特征序列集合中的各个特诊序列进行全连接分类识别，得到睡眠监测结果集合。
[0009]可选的，所述利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别之前，所述方法还包括：预构建睡眠监测模型及获取修正毫米波扫描样本集合；从所述修正毫米波扫描样本集合中依次提取一个目标样本，并利用所述睡眠监测模型对所述目标样本进行睡眠监测，得到预测睡眠监测结果；利用交叉熵损失算法，计算所述预测睡眠监测结果与所述目标样本对应的真实标签之间的损失值，得到模型损失；最小化所述模型损失，得到所述模型损失最小时的网络模型参数，并对所述网络模型参数进行网络逆向更新操作，得到更新睡眠监测模型；判断所述模型损失的收敛性；当所述模型损失未收敛时，返回上述从所述修正毫米波扫描样本集合中依次提取一个目标样本的步骤，重新提取样本对所述更新睡眠监测模型进行迭代训练；当所述模型损失收敛时，获取预构建的测试样本集，并利用所述测试样本集对所述更新睡眠监测模型进行测试，得到测试准确率；判断所述测试准确率是否大于预设的合格阈值；当所述测试准确率小于或等于所述合格阈值时，返回上述获取修正毫米波扫描样本集合的步骤，重新获取修正毫米波扫描样本集合进行训练；当所述测试准确率大于所述合格阈值时，得到训练完成的睡眠监测模型。
[0010]可选的，所述得到睡眠检测结果集合之后，所述方法还包括：根据预设的睡眠监控策略，对所述睡眠监测结果集合中的各个睡眠监测结果进行指标合格性判断；当根据所述睡眠监控策略判定所述睡眠监测结果中出现异常监测结果时，根据所述睡眠监控策略中的报警规则，对所述异常指标进行适应性报警操作。
[0011]可选的，所述第一反弹信号及第二反弹信号与所述修正扫描信号中的第一周期及第二周期相对应。
[0012]为了解决上述问题，本专利技术还提供一种基于毫米波雷达的睡眠监测装置，所述装置包括：
信号获取模块，用于获取毫米波雷达中频率调制连续波扫描模式下的第一扫描信号，及连续波扫描模式下的第二扫描信号；信号修正模块，用于根据所述第二扫描信号及第一扫描信号，构建修正扫描信号；信号扫描模块，用于利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像；睡眠监测模块，用于利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合。
[0013]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于毫米波雷达的睡眠监测方法。
[0014]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于毫米波雷达的睡眠监测方法。
[0015]本专利技术实施例首先分别获取毫米波雷达中频率调制连续波扫描模式及连续波扫描模式的扫描信号，得到第一扫描信号及第二扫描信号，其中，连续波扫描模式的第二扫描信号频率恒定没有周期，可以通过胸腔、血管震动等区域的起伏测量目标对象的呼吸、心跳等睡眠特征，而频率调制连续波扫描模式的第一扫描信号具有周期性变化，可以通过随时间变化的频率特征测量目标对象的呼吸、心跳等睡眠特征；进一步地，第二扫描信号通过多普勒效应测量心跳呼吸频率准确率较高，但几乎没有距离精准度，而所述第一扫描信号通过频谱分析，识别结果距离精准度较高，但频率测量准确度一般，本专利技术实施例通过构建修正扫描信号的方式，利用第二扫描信号对第一扫描信号进行补正，得到距离位置与频率测量都比较优秀的信号，从而得到能够捕捉更多更准确信息的人体扫描图像，进而训练出准确率更加精准的睡眠监测模型，以帮助用户进行睡眠监测，得到监测结果。因此，本专利技术实施例提供的一种基于毫米波雷达的睡眠监测方法、装置、设备及存储介质，能够在于非接触式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的睡眠监测方法，其特征在于，所述方法包括：获取毫米波雷达中频率调制连续波扫描模式下的第一扫描信号，及连续波扫描模式下的第二扫描信号；根据所述第二扫描信号及第一扫描信号，构建修正扫描信号；利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像；利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合。2.如权利要求1所述的基于毫米波雷达的睡眠监测方法，其特征在于，所述根据所述第二扫描信号及第一扫描信号，构建修正扫描信号，包括：获取所述第一扫描信号的持续周期、起始频率及带宽，及获取所述第二扫描信号的额定频率；选取预设时间段内的第二扫描信号为第一周期，及选取所述持续周期内的第一扫描信号为第二周期，并根据所述第一周期的额定频率修改所述第二周期的起始频率，得到修正后的第二周期；对所述第一周期及所述修正后的第二周期进行拼接，得到修正扫描信号。3.如权利要求2所述的基于毫米波雷达的睡眠监测方法，其特征在于，所述利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到人体扫描图像，包括：利用所述修正扫描信号对目标区域中的目标对象进行扫描，得到毫米波反弹信号，并根据所述修正扫描信号中的第一周期及第二周期将所述毫米波反弹信号分段为第一反弹信号及第二反弹信号；对所述第一反弹信号进行曲线分解，得到第一反弹曲线集合，并利用多普勒算法，根据所述额定频率，识别所述第一反弹曲线集合中各个第一反弹曲线对应的睡眠指标类型及睡眠指标强度；利用混频器对所述第二反弹信号与所述修正扫描信号的第二周期信号进行相乘，得到差频信号，并利用傅里叶变换对所述差频信号进行频谱分析，得到频谱结果；根据所述频谱结果，识别所述目标对象的位置信息，并对所述位置信息、各个所述睡眠指标类型及各个所述睡眠指标强度进行可视化构建人体扫描图像。4.如权利要求1所述的基于毫米波雷达的睡眠监测方法，其特征在于，所述利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别，得到睡眠检测结果集合，包括：对所述人体扫描图像进行高斯滤波处理，得到降噪图像；利用预训练的睡眠监测模型对所述降噪图像进行卷积操作，得到卷积矩阵集合；对所述卷积矩阵集合中各个卷积矩阵进行平均池化操作，并将平均池化结果进行扁平化拼接操作，得到特征序列集合；对所述特征序列集合中的各个特诊序列进行全连接分类识别，得到睡眠监测结果集合。5.如权利要求4所述的基于毫米波雷达的睡眠监测方法，其特征在于，所述利用预训练的睡眠监测模型对所述人体扫描图像进行睡眠信息识别之前，所述方法还包括：预构建睡眠监测模型及获取修正毫米波扫描样本集合；从所述修正毫米...

【专利技术属性】
技术研发人员：谢俊，
申请(专利权)人：亿慧云智能科技深圳股份有限公司，
类型：发明
国别省市：