一种基于穿戴设备的科学睡眠监测的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穿戴设备的科学睡眠监测的方法及装置，该方法包括：穿戴设备获取心率传感器发送的

【技术实现步骤摘要】
一种基于穿戴设备的科学睡眠监测的方法及装置


[0001]本专利技术实施例涉及智能设备
，尤其涉及一种基于穿戴设备的科学睡眠监测的方法及装置
。

技术介绍

[0002]近几年来，穿戴设备非常的受欢迎，可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备
。
可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互
、
云端交互来实现强大的功能，可穿戴设备将会对我们的生活
、
感知带来很大的转变
。
[0003]目前，穿戴设备基本都采用了心率传感器对用户的心率进行监测，以确定用户的心率大小，但大部分穿戴设备对睡眠是没有监测管理的，而睡眠对人的身体健康有着至关重要的作用，通过穿戴设备实现对用户睡眠进行管理是亟需解决的问题
。

技术实现思路

[0004]本专利技术实施例提供一种基于穿戴设备的科学睡眠监测的方法及装置，可以实现对用户睡眠的监测，提高监测效率和监测结果的准确率，提升用户的体验
。
[0005]第一方面，本专利技术实施例提供的一种基于穿戴设备的科学睡眠监测的方法，包括：
[0006]穿戴设备获取心率传感器发送的
PPG
信号，并确定出
RR
间期数据，以及提取
HRV
特征值；
[0007]所述穿戴设备依据所述
HRV
特征值和预设的
TCN
神经网络模型进行分类，确定出用户的睡眠状态；
[0008]所述穿戴设备根据所述用户的睡眠状态，确定出所述用户的睡眠结果；
[0009]所述穿戴设备对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分
。
[0010]可选地，所述
HRV
特征值包括每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根；
[0011]所述穿戴设备依据所述
HRV
特征值和预设的
TCN
神经网络模型进行分类，确定出用户的睡眠状态，包括：
[0012]所述穿戴设备将所述每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根输入到所述预设的
TCN
神经网络模型中，得到所述用户的睡眠状态及其对应的时间；
[0013]所述预设的
TCN
神经网络模型是使用初始的
TCN
神经网络模型对心率传感器的历史数据进行学习后得到的
。
[0014]可选地，所述穿戴设备根据所述用户的睡眠状态，确定出所述用户的睡眠结果，包括：
[0015]所述穿戴设备利用预设的最短睡眠时长对所述用户的睡眠状态进行分析，确定出所述用户的睡眠状态对应的出睡点和入睡点；
[0016]所述穿戴设备对所述用户的睡眠状态对应的出睡点和入睡点及其对应的时间进行统计，确定出所述用户的睡眠结果
。
[0017]可选地，所述穿戴设备对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分，包括：
[0018]所述穿戴设备根据公式
(1)
确定出所述用户的睡眠质量评分；
[0019]所述公式
(1)
为：
[0020]Sleep_score
＝
a1*sleep_duration+a2*rem_ratio+a3*lightsleep_ratio+a4*deepsl eep_ratio+a5*wake_time
；
[0021]其中，
Sleep_score
为睡眠质量评分；
sleep_duration
为睡眠总时长；
rem_ratio
为
REM
睡眠时长占比；
lightsleep_ratio
为浅睡眠时长占比；
deepsleep_ratio
为深睡眠时长占比；
wake_time
为睡眠中清醒次数；
a1
，
a2
，
a3
，
a4
，
a5
为预设参数
。
[0022]可选地，所述还包括：
[0023]所述穿戴设备依据预设监测周期对所述用户进行睡眠监测，得到所述用户的睡眠结果；或
[0024]所述穿戴设备在接收到用户睡眠结果查看请求时，确定出所述用户的睡眠结果，并继续对所述用户进行睡眠监测；或
[0025]所述穿戴设备在确定所述用户操作所述穿戴设备的频率超过预设频率时，确定出所述用户的睡眠结果，并继续对所述用户进行睡眠监测
。
[0026]可选地，在所述穿戴设备对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分之后，还包括：
[0027]所述穿戴设备将所述用户的睡眠结果和所述用户的睡眠质量评分依据时间顺序排序后提供给所述穿戴设备的应用层
。
[0028]第二方面，本专利技术实施例还提供了一种基于穿戴设备的科学睡眠监测的装置，包括：
[0029]数据预处理模块，用于获取心率传感器发送的
PPG
信号，并确定出
RR
间期数据，以及提取
HRV
特征值；
[0030]睡眠算法处理模块，用于依据所述
HRV
特征值和预设的
TCN
神经网络模型进行分类，确定出用户的睡眠状态；根据所述用户的睡眠状态，确定出所述用户的睡眠结果；
[0031]睡眠质量评分模块，用于对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分
。
[0032]可选地，所述
HRV
特征值包括每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根；
[0033]所述睡眠算法处理模块具体用于：
[0034]将所述每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根输入到所述预设的
TCN
神经网络模型中，得到所述用户的睡眠状态及其对应的时间；
[0035]所述预设的
TCN
神经网络模型是使用初始的
TCN
神经网络模型对心率传感器的历史数据进行学习后得到的
。
[0036]可选地，所述睡眠算法处理模块具体用于：
[0037]利用预设的最短睡眠时长对所述用户的睡眠状态进行分析，确定出所述用户的睡
眠状态对应的出睡点和入睡点；
[0038]对所述用户的睡眠状态对应的出睡点和入睡点及其对应的时间进行统计，确定出所述用户的睡眠结果
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于穿戴设备的科学睡眠监测的方法，其特征在于，包括：穿戴设备获取心率传感器发送的
PPG
信号，并确定出
RR
间期数据，以及提取
HRV
特征值；所述穿戴设备依据所述
HRV
特征值和预设的
TCN
神经网络模型进行分类，确定出用户的睡眠状态；所述穿戴设备根据所述用户的睡眠状态，确定出所述用户的睡眠结果；所述穿戴设备对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分
。2.
如权利要求1所述的方法，其特征在于，所述
HRV
特征值包括每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根；所述穿戴设备依据所述
HRV
特征值和预设的
TCN
神经网络模型进行分类，确定出用户的睡眠状态，包括：所述穿戴设备将所述每分钟
RR
间期数据的均值
、
标准差和相邻
RR
间期差值均方根输入到所述预设的
TCN
神经网络模型中，得到所述用户的睡眠状态及其对应的时间；所述预设的
TCN
神经网络模型是使用初始的
TCN
神经网络模型对心率传感器的历史数据进行学习后得到的
。3.
如权利要求1所述的方法，其特征在于，所述穿戴设备根据所述用户的睡眠状态，确定出所述用户的睡眠结果，包括：所述穿戴设备利用预设的最短睡眠时长对所述用户的睡眠状态进行分析，确定出所述用户的睡眠状态对应的出睡点和入睡点；所述穿戴设备对所述用户的睡眠状态对应的出睡点和入睡点及其对应的时间进行统计，确定出所述用户的睡眠结果
。4.
如权利要求1所述的方法，其特征在于，所述穿戴设备对所述用户的睡眠结果进行评分，确定出所述用户的睡眠质量评分，包括：所述穿戴设备根据公式
(1)
确定出所述用户的睡眠质量评分；所述公式
(1)
为：
Sleep_score
＝
a1*sleep_duration+a2*rem_ratio+a3*lightsleep_ratio+a4*deepsl eep_ratio+a5*wake_time
；其中，
Sleep_score
为睡眠质量评分；
sleep_duration
为睡眠总时长；
rem_ratio
为
REM
睡眠时长占比；
lightsleep_ratio
为浅睡眠时长占比；
deepsleep_ratio...

【专利技术属性】
技术研发人员：牛宇辉，
申请(专利权)人：甄十信息科技上海有限公司，
类型：发明
国别省市：