睡眠狀態分析方法、系統及電子設備與流程

本發明涉及通信，尤其涉及一種睡眠狀態分析方法、系統及電子設備。

背景技術：

1、目前，基于毫米波技術監測睡眠并分析睡眠狀態，主要使用以下兩種方法：

2、第一類基于人體數據特征實現，主要對人體的姿態進行建模與監測，利用毫米波雷達掃描身體和頭部的姿態變化，識別出人員的身體姿態和頭部位置，進而判斷人員是否在睡覺。當人體進入睡眠狀態時，姿態變化會變得比較緩慢或者幾乎不變，因此可以通過檢測人體姿態的變化來判斷人員是否在睡覺。

3、第二類基于數據統計、特征監測實現，主要對人體的動作和生命體征(包括呼吸和心率)進行監測，監測目標的活動狀態、距離和信號強度，根據目標檢測信息對目標的動作特征進行分類和記錄，從時間維度上對長時間的動作特征信息進行統計，對睡眠狀態進行分析。

4、因此，現有的使用毫米波進行監測睡眠并分析睡眠狀態的方案中，主要針對用戶的體動信息、心率信息和呼吸信息進行在時間維度上進行統計，并根據實際監測到的數據設計檢測方法。然而，該類方法受數據波動影響較大，不足以提供充分的信息來完成對睡眠狀態的準確監測，從而影響睡眠狀態分析的準確度。

技術實現思路

1、本發明提供一種睡眠狀態分析方法、系統及電子設備，用以解決現有技術中受數據波動影響較大，不足以提供充分的信息來完成對睡眠狀態的準確監測的缺陷，基于矩陣特征分析方法進行睡眠特征與睡眠狀態的對應匹配分析，提高睡眠狀態分析的準確度。

2、本發明提供一種睡眠狀態分析方法，應用于云端服務器，所述方法包括：

3、接收毫米波雷達設備上傳的各個時刻的檢測目標特征數據；

4、對所述檢測目標特征數據進行自適應濾波，得到濾波后的各個時段的檢測目標特征矩陣；

5、提取各個時段的檢測目標特征矩陣中的睡眠統計特征值，構建各個時段的睡眠特征矩陣；

6、計算第一矩陣的范數；所述第一矩陣為將相鄰時段的睡眠特征矩陣相減得到的矩陣；

7、根據所述第一矩陣的范數，分析所述檢測目標的睡眠狀態。

8、根據本發明提供的一種睡眠狀態分析方法，所述檢測目標特征數據包括心率數據、呼吸數據和相位數據；所述對所述檢測目標特征數據進行自適應濾波，得到濾波后的各個時段的檢測目標特征矩陣，包括：

9、針對各個時段，選取當前時段的心率數據、呼吸數據和相位數據，分別構建心率向量、呼吸向量和相位向量；

10、基于所述心率向量、所述呼吸向量和所述相位向量，構建輸入矩陣；

11、獲取預置矩陣和預置濾波參數；

12、基于所述輸入矩陣，迭代計算濾波參數，直至滿足預置迭代終止條件；

13、根據迭代終止結果，更新所述預置矩陣和所述預置濾波參數，確定濾波后的當前時段的檢測目標特征矩陣。

14、根據本發明提供的一種睡眠狀態分析方法，所述基于所述輸入矩陣，迭代計算濾波參數，直至滿足預置迭代終止條件，包括：

15、獲取初始化濾波參數；

16、將所述初始化濾波參數與所述輸入矩陣進行點乘運算，得到第二矩陣；

17、計算所述預置矩陣與所述第二矩陣之間的差值，得到第三矩陣；

18、設定步長參數；

19、根據所述初始化濾波參數、所述步長參數、所述第三矩陣和所述輸入矩陣，迭代計算濾波參數，直至所述第三矩陣的均方誤差小于預設誤差。

20、根據本發明提供的一種睡眠狀態分析方法，所述根據迭代終止結果，更新所述預置矩陣和所述預置濾波參數，確定濾波后的當前時段的檢測目標特征矩陣，包括：

21、在迭代終止后，獲取均方誤差小于預設誤差的目標第三矩陣；

22、確定與所述目標第三矩陣對應的目標第二矩陣和目標濾波參數；

23、將所述目標第二矩陣作為更新后的預置矩陣，將所述目標濾波參數作為更新后的預置濾波參數，并保存所述更新后的預置矩陣和所述更新后的預置濾波參數；

24、輸出所述目標第二矩陣作為濾波后的當前時段的檢測目標特征矩陣。

25、根據本發明提供的一種睡眠狀態分析方法，所述提取各個時段的檢測目標特征矩陣中的睡眠統計特征值，構建各個時段的睡眠特征矩陣，包括：

26、針對各個時段的檢測目標特征矩陣，選取所述檢測目標特征矩陣每行特征數據中的中位數、最大值和最小值；

27、計算每行特征數據的平均值和標準差；

28、根據每行特征數據的中位數、平均值、標準差、最大值和最小值，構建睡眠特征矩陣。

29、根據本發明提供的一種睡眠狀態分析方法，所述根據所述第一矩陣的范數，分析所述檢測目標的睡眠狀態，包括：

30、若所述第一矩陣的范數處于第一預設范圍內，確定所述檢測目標處于深睡眠狀態；

31、若所述第一矩陣的范數處于第二預設范圍內，確定所述檢測目標處于淺睡眠狀態；

32、若所述第一矩陣的范數處于第三預設范圍內，確定所述檢測目標處于清醒狀態；

33、若所述第一矩陣的范數大于預設閾值，確定所述特征數據異常。

34、本發明還提供一種睡眠狀態分析方法，應用于毫米波雷達設備，所述方法包括：

35、獲取各個時刻的檢測目標特征數據；

36、將各個時刻的檢測目標特征數據上傳至云端服務器，以使所述云端服務器對所述檢測目標特征數據進行自適應濾波，得到濾波后的各個時段的檢測目標特征矩陣；提取各個時段的檢測目標特征矩陣中的睡眠統計特征值，構建各個時段的睡眠特征矩陣；計算第一矩陣的范數；所述第一矩陣為將相鄰時段的睡眠特征矩陣相減得到的矩陣；根據所述第一矩陣的范數，分析所述檢測目標的睡眠狀態。

37、根據本發明提供的一種睡眠狀態分析方法，所述獲取各個時刻的檢測目標特征數據，包括：

38、通過帶通濾波器獲取針對檢測目標的初始特征數據；

39、計算在兩個工頻干擾周期內的初始特征數據的平均值，得到當前時刻的檢測目標特征數據。

40、本發明還提供一種睡眠狀態分析系統，所述系統包括毫米波雷達設備和云端服務器，所述毫米波雷達設備和所述云端服務器基于websocket通信連接；

41、所述毫米波雷達設備，用于獲取各個時刻的檢測目標特征數據；將各個時刻的檢測目標特征數據上傳至云端服務器；

42、所述云端服務器，用于接收所述檢測目標特征數據；對所述檢測目標特征數據進行自適應濾波，得到濾波后的各個時段的檢測目標特征矩陣；提取各個時段的檢測目標特征矩陣中的睡眠統計特征值，構建各個時段的睡眠特征矩陣；計算第一矩陣的范數；所述第一矩陣為將相鄰時段的睡眠特征矩陣相減得到的矩陣；根據所述第一矩陣的范數，分析所述檢測目標的睡眠狀態。

43、本發明還提供一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一項所述的睡眠狀態分析方法的步驟。

44、本發明還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上述任一項所述的睡眠狀態分析方法的步驟。

45、本發明提供的睡眠狀態分析方法、系統及電子設備，通過由云端服務器基于檢測目標特征數據進行數據計算，實現睡眠狀態分析，可以有效降低毫米波雷達設備側的資源消耗，降低設備成本，提高數據安全性；通過對人體特征數據進行自適應濾波，得到濾波后的人體特征矩陣，可以針對不同用戶所處環境實現環境噪聲個性化干擾去除，避免因人員動作、環境誤差對人體特征數據造成的影響，提高睡眠狀態分析的準確度；通過提取檢測目標特征矩陣中的睡眠統計特征值構建睡眠特征矩陣，計算相鄰時段的睡眠特征矩陣相減得到的第一矩陣的范數，從而基于范數分析檢測目標的睡眠狀態，矩陣特征數據更準確、更穩定，基于矩陣特征分析方法進行睡眠特征與睡眠狀態的對應匹配分析，可以提高睡眠狀態分析的準確度。