【技术实现步骤摘要】
本专利技术涉及睡眠呼吸检测评价及辅助调节领域，特别涉及一种睡眠呼吸趋势检测及辅助调节方法、系统和装置。
技术介绍
1、呼吸是人类维持正常的生理功能的最基本需要。人类呼吸行为是节律性的，是个吸进氧气、呼出二氧化碳的周期性过程。在不同强度运动、不同静息态、不同睡眠时期等多种状态下，人呼吸的深浅强度、呼吸模式都不一样，深浅强度基线和趋势也不一样。在运动、静息等清醒状态下，较强的自主神经调控能力和人的自主意识行为，能够很好的调节呼吸行为；而人在睡眠中，缺乏自主意识能力，整个呼吸行为调节能力都严重依赖于生理器官的基本功能状态能力，同时也受到睡眠体位、睡眠环境等影响；睡眠呼吸深浅强度基线或趋势，是呼吸相关生理器官的基本的、长期的功能状态能力的一个重要衡量指标。
2、目前，睡眠呼吸行为检测评估的技术方案主要集中在呼吸事件检测和统计分析，缺乏对睡眠呼吸深浅强度基线、睡眠呼吸趋势规律行为、趋势强度和趋势行为发展做出明确定义或量化。此外，现有睡眠呼吸调控设备通常与睡眠呼吸检测设备独立分离，大多睡眠呼吸调控设备能够联网反馈调控参数但仍使用离线的预设程序控制完成设备反馈调控，无法根据用户实时呼吸状态来完成用户睡眠呼吸趋势规律、个性化精准的动态辅助调节。
3、现有技术方案cn117338250a公开了一种基于毫米波雷达的体征检测方法及其睡眠监测方法，本专利技术提出的体征检测和睡眠监测系统基于毫米波雷达进行信息传感，能够通过放置于被测对象身侧、斜上、正上方等位置的毫米波雷达，对采集的雷达信号进行相关处理，完成对被测对象的呼吸、心跳、
4、由上可知，如何对睡眠呼吸动力学过程和基本趋势方向、睡眠呼吸趋势行为和趋势强度进行科学全面地检测分析和量化评价，并进一步优化睡眠呼吸调控设备的运行控制，以实现完成用户睡眠呼吸趋势的个性化、精准动态的辅助调节，提高用户睡眠质量，目前国内外产品技术方案和实际应用场景中需要进一步解决的问题。
技术实现思路
1、针对现有方法的以上缺陷及改进需求，本专利技术的目的在于提供一种睡眠呼吸趋势检测及辅助调节方法，采集获取睡眠呼吸动力学信号并根据用户睡眠体位信息进行幅值调整，进一步信号分解得到睡眠呼吸动力学趋势信号，提取睡眠呼吸动力学趋势特征和趋势强度；对用户睡眠状态和睡眠呼吸趋势行为进行预测分析，生成睡眠呼吸趋势辅助调节策略并发送给睡眠呼吸调控设备，以实现对用户睡眠呼吸的动态辅助调节。本专利技术还提供了一种睡眠呼吸趋势检测及辅助调节系统，用于实现上述方法。本专利技术还提供了一种睡眠呼吸趋势检测及辅助调节装置，用于实现上述系统。
2、根据本专利技术的目的，本专利技术提出了一种睡眠呼吸趋势检测及辅助调节方法，包括以下步骤：
3、采集获取用户的睡眠呼吸行为和睡眠体位信息，得到第一睡眠呼吸信号；
4、根据睡眠体位信号，对所述第一睡眠呼吸信号进行信号处理和幅值调整，得到第二睡眠呼吸信号；
5、对所述第二睡眠呼吸信号进行时序信号分解和/或时频分析，得到睡眠呼吸动力学趋势信号并经信号特征分析得到睡眠呼吸动力学趋势特征；
6、对用户睡眠体位、所述睡眠呼吸动力学趋势信号和所述睡眠呼吸动力学趋势特征进行预测分析，结合睡眠呼吸知识库，生成睡眠呼吸趋势辅助调节策略并推送至睡眠呼吸调节设备；
7、按照预设报告周期，生成并输出睡眠呼吸趋势检测及辅助调节报告。
8、更优地，所述采集获取用户睡眠过程的睡眠呼吸行为信号和睡眠体位信息，得到第一睡眠呼吸信号的具体步骤还包括：
9、对用户的睡眠呼吸生理行为进行监测采集，得到睡眠呼吸生理信号；
10、对用户睡眠体位信息进行监测采集，得到睡眠体位信号；
11、对所述睡眠呼吸生理信号和所述睡眠体位信号进行归集，得到所述第一睡眠呼吸信号。
12、更优地，所述第一睡眠呼吸信号至少包括所述睡眠呼吸生理信号和所述睡眠体位信号；其中，所述睡眠呼吸生理信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻co2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，所述睡眠体位信号至少包括睡姿方向信号、睡姿角度信号。
13、更优地，所述根据睡眠体位信号，对所述第一睡眠呼吸信号进行信号处理和幅值调整，得到第二睡眠呼吸信号的具体步骤还包括：
14、对所述第一睡眠呼吸信号进行信号处理，得到睡眠呼吸动力学信号；
15、根据所述睡眠体位信号，对所述睡眠呼吸动力学信号进行幅值调整，得到所述第二睡眠呼吸信号。
16、更优地，所述信号处理至少包括模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、低通滤波、高通滤波、带通滤波、均值滤波、平滑处理和信号时窗分割；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时窗分割。
17、更优地，所述睡眠呼吸动力学信号具体为描述睡眠呼吸连续强弱变化的动力学曲线，至少包括口鼻温度动力学信号、鼻压力动力学信号、口鼻co2动力学信号、胸腹呼吸运动动力学信号、心电衍生呼吸动力学信号、咽喉肌电动力学信号的任一项。
18、更优地，所述幅值调整具体为根据预设调整策略，结合用户的睡姿方向和睡姿角度，来调整所述睡眠呼吸动力学信号的幅本文档来自技高网...
【技术保护点】
1.一种睡眠呼吸趋势检测及辅助调节方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述采集获取用户睡眠过程的睡眠呼吸行为信号和睡眠体位信息，得到第一睡眠呼吸信号的具体步骤还包括：
3.如权利要求2所述的方法，其特征在于, 所述第一睡眠呼吸信号至少包括所述睡眠呼吸生理信号和所述睡眠体位信号；其中，所述睡眠呼吸生理信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻CO2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，所述睡眠体位信号至少包括睡姿方向信号、睡姿角度信号。
4.如权利要求1或2所述的方法，其特征在于, 所述根据睡眠体位信号，对所述第一睡眠呼吸信号进行信号处理和幅值调整，得到第二睡眠呼吸信号的具体步骤还包括：
5.如权利要求4所述的方法，其特征在于, 所述信号处理至少包括模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、低通滤波、高通滤波、带通滤波、均值滤波、平滑处理和信号时窗分割任一项；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时
6.如权利要求4所述的方法，其特征在于，所述睡眠呼吸动力学信号具体为描述睡眠呼吸连续强弱变化的动力学曲线，至少包括口鼻温度动力学信号、鼻压力动力学信号、口鼻CO2动力学信号、胸腹呼吸运动动力学信号、心电衍生呼吸动力学信号、咽喉肌电动力学信号的任一项。
7.如权利要求4所述的方法，其特征在于，所述幅值调整具体为根据预设调整策略，结合用户的睡姿方向和睡姿角度，来调整所述睡眠呼吸动力学信号的幅值，从而实现对不同睡眠体位的睡眠呼吸行为的统一观察分析；其中，所述预设调整策略至少包括常数系数修正、线性系数修正、非线性系数修正的任一项。
8.如权利要求1所述的方法，其特征在于，所述对所述第二睡眠呼吸信号进行时序信号分解和/或时频分析，得到睡眠呼吸动力学趋势信号并经信号特征分析得到睡眠呼吸动力学趋势特征的具体步骤还包括：
9.如权利要求8所述的方法，其特征在于，所述时序信号分解的方法至少包括时间序列分解、经验模态分解、变分模态分解、局域均值分解、小波变换、小波包变换、时频变换、去趋势分析、主成分分析、独立成分分析、波形分析和数值拟合，及他们的进化变种方法中的任一项；所述时频分析的方法至少包括时频变换、时域滤波和频域滤波中的任一项。
10.如权利要求8所述的方法，其特征在于，所述信号特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析中任一项；其中，所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度中任一项，所述非线性特征至少包括熵特征、分形特征和复杂度特征中任一项。
11.如权利要求8所述的方法，其特征在于，所述睡眠呼吸动力学趋势特征具体为描述睡眠呼吸动力学信号或睡眠呼吸生理行为的信号基线水平或变化趋势方向；所述睡眠呼吸动力学趋势特征至少包括所述第二睡眠呼吸信号和所述睡眠呼吸动力学趋势信号的信号特征、睡眠呼吸频率及曲线、睡眠呼吸趋势强度、睡眠呼吸趋势强度曲线中一项或多项。
12.如权利要求8或11所述的方法，其特征在于，所述睡眠呼吸趋势强度和所述睡眠呼吸趋势强度曲线的提取方法包括：
13.如权利要求12所述的方法，其特征在于，所述睡眠呼吸趋势强度曲线具体为按时序将连续时窗下的所述睡眠呼吸趋势强度组成，描述用户睡眠呼吸行为趋势状态/强度的连续变化。
14.如权利要求1或2所述的方法，其特征在于，所述对用户睡眠体位、所述睡眠呼吸动力学趋势信号和所述睡眠呼吸动力学趋势特征进行预测分析，结合睡眠呼吸知识库，生成睡眠呼吸趋势辅助调节策略并推送至睡眠呼吸调节设备的具体步骤还包括：
15.如权利要求14所述的方法，其特征在于，所述预测分析至少包括指数平滑法、Holt-Winters法、AR、MA、ARMA、ARIMA、SARIMA、SARIMAX、VAR、VARMA、VARMAX、机器学习中的任一项。
16.如权利要求14所述的方法，其特征在于，所述用户睡眠呼吸历史数据库具体为用户个性化的睡眠呼吸数据库，用于持续记录和优化用户个体的睡眠呼吸行为和特征变化，至少包括用户基本生理健康信息、检测量化过程方法、所述第一睡眠呼吸信号、所述第二睡眠呼吸信号、所述睡眠呼吸动力学趋势信号、所述睡眠呼吸动力学趋势特征、所述睡眠呼吸状态描述预测信号、策略生成过程方法、所述睡眠呼吸趋势辅助调节策略；所述睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸规律、常见睡眠呼吸事...
【技术特征摘要】
1.一种睡眠呼吸趋势检测及辅助调节方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述采集获取用户睡眠过程的睡眠呼吸行为信号和睡眠体位信息，得到第一睡眠呼吸信号的具体步骤还包括：
3.如权利要求2所述的方法，其特征在于, 所述第一睡眠呼吸信号至少包括所述睡眠呼吸生理信号和所述睡眠体位信号；其中，所述睡眠呼吸生理信号至少包括口鼻温度监测信号、鼻压力监测信号、口鼻co2监测信号、胸腹呼吸运动信号、心电衍生呼吸信号、咽喉肌电信号的任一项，所述睡眠体位信号至少包括睡姿方向信号、睡姿角度信号。
4.如权利要求1或2所述的方法，其特征在于, 所述根据睡眠体位信号，对所述第一睡眠呼吸信号进行信号处理和幅值调整，得到第二睡眠呼吸信号的具体步骤还包括：
5.如权利要求4所述的方法，其特征在于, 所述信号处理至少包括模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、低通滤波、高通滤波、带通滤波、均值滤波、平滑处理和信号时窗分割任一项；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时窗分割。
6.如权利要求4所述的方法，其特征在于，所述睡眠呼吸动力学信号具体为描述睡眠呼吸连续强弱变化的动力学曲线，至少包括口鼻温度动力学信号、鼻压力动力学信号、口鼻co2动力学信号、胸腹呼吸运动动力学信号、心电衍生呼吸动力学信号、咽喉肌电动力学信号的任一项。
7.如权利要求4所述的方法，其特征在于，所述幅值调整具体为根据预设调整策略，结合用户的睡姿方向和睡姿角度，来调整所述睡眠呼吸动力学信号的幅值，从而实现对不同睡眠体位的睡眠呼吸行为的统一观察分析；其中，所述预设调整策略至少包括常数系数修正、线性系数修正、非线性系数修正的任一项。
8.如权利要求1所述的方法，其特征在于，所述对所述第二睡眠呼吸信号进行时序信号分解和/或时频分析，得到睡眠呼吸动力学趋势信号并经信号特征分析得到睡眠呼吸动力学趋势特征的具体步骤还包括：
9.如权利要求8所述的方法，其特征在于，所述时序信号分解的方法至少包括时间序列分解、经验模态分解、变分模态分解、局域均值分解、小波变换、小波包变换、时频变换、去趋势分析、主成分分析、独立成分分析、波形分析和数值拟合，及他们的进化变种方法中的任一项；所述时频分析的方法至少包括时频变换、时域滤波和频域滤波中的任一项。
10.如权利要求8所述的方法，其特征在于，所述信号特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析中任一项；其中，所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度中任一项，所述非线性特征至少包括熵特征、分形特征和复杂度特征中任一项。
11.如权利要求8所述的方法，其特征在于，所述睡眠呼吸动力学趋势特征具体为描述睡眠呼吸动力学信号或睡眠呼吸生理行为的信号基线水平或变化趋势方向；所述睡眠呼吸动力学趋势特征至少包括所述第二睡眠呼吸信号和所述睡眠呼吸动力学趋势信号的信号特征、睡眠呼吸频率及曲线、睡眠呼吸趋势强度、睡眠呼吸趋势强度曲线中一项或多项。
12.如权利要求8或...
【专利技术属性】
技术研发人员：何将，董璐，李临安，谢友，
申请(专利权)人：安徽星辰智跃科技有限责任公司，
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。