本發(fā)明涉及通信，尤其涉及一種睡眠狀態(tài)分析方法、系統(tǒng)及電子設(shè)備。

背景技術(shù)：

1、目前，基于毫米波技術(shù)監(jiān)測睡眠并分析睡眠狀態(tài)，主要使用以下兩種方法：

2、第一類基于人體數(shù)據(jù)特征實現(xiàn)，主要對人體的姿態(tài)進(jìn)行建模與監(jiān)測，利用毫米波雷達(dá)掃描身體和頭部的姿態(tài)變化，識別出人員的身體姿態(tài)和頭部位置，進(jìn)而判斷人員是否在睡覺。當(dāng)人體進(jìn)入睡眠狀態(tài)時，姿態(tài)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(tài)的變化來判斷人員是否在睡覺。

3、第二類基于數(shù)據(jù)統(tǒng)計、特征監(jiān)測實現(xiàn)，主要對人體的動作和生命體征(包括呼吸和心率)進(jìn)行監(jiān)測，監(jiān)測目標(biāo)的活動狀態(tài)、距離和信號強度，根據(jù)目標(biāo)檢測信息對目標(biāo)的動作特征進(jìn)行分類和記錄，從時間維度上對長時間的動作特征信息進(jìn)行統(tǒng)計，對睡眠狀態(tài)進(jìn)行分析。

4、因此，現(xiàn)有的使用毫米波進(jìn)行監(jiān)測睡眠并分析睡眠狀態(tài)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(jìn)行在時間維度上進(jìn)行統(tǒng)計，并根據(jù)實際監(jiān)測到的數(shù)據(jù)設(shè)計檢測方法。然而，該類方法受數(shù)據(jù)波動影響較大，不足以提供充分的信息來完成對睡眠狀態(tài)的準(zhǔn)確監(jiān)測，從而影響睡眠狀態(tài)分析的準(zhǔn)確度。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種睡眠狀態(tài)分析方法、系統(tǒng)及電子設(shè)備，用以解決現(xiàn)有技術(shù)中受數(shù)據(jù)波動影響較大，不足以提供充分的信息來完成對睡眠狀態(tài)的準(zhǔn)確監(jiān)測的缺陷，基于矩陣特征分析方法進(jìn)行睡眠特征與睡眠狀態(tài)的對應(yīng)匹配分析，提高睡眠狀態(tài)分析的準(zhǔn)確度。

2、本發(fā)明提供一種睡眠狀態(tài)分析方法，應(yīng)用于云端服務(wù)器，所述方法包括：

3、接收毫米波雷達(dá)設(shè)備上傳的各個時刻的檢測目標(biāo)特征數(shù)據(jù)；

4、對所述檢測目標(biāo)特征數(shù)據(jù)進(jìn)行自適應(yīng)濾波，得到濾波后的各個時段的檢測目標(biāo)特征矩陣；

5、提取各個時段的檢測目標(biāo)特征矩陣中的睡眠統(tǒng)計特征值，構(gòu)建各個時段的睡眠特征矩陣；

6、計算第一矩陣的范數(shù)；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(jù)所述第一矩陣的范數(shù)，分析所述檢測目標(biāo)的睡眠狀態(tài)。

8、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述檢測目標(biāo)特征數(shù)據(jù)包括心率數(shù)據(jù)、呼吸數(shù)據(jù)和相位數(shù)據(jù)；所述對所述檢測目標(biāo)特征數(shù)據(jù)進(jìn)行自適應(yīng)濾波，得到濾波后的各個時段的檢測目標(biāo)特征矩陣，包括：

9、針對各個時段，選取當(dāng)前時段的心率數(shù)據(jù)、呼吸數(shù)據(jù)和相位數(shù)據(jù)，分別構(gòu)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(gòu)建輸入矩陣；

11、獲取預(yù)置矩陣和預(yù)置濾波參數(shù)；

12、基于所述輸入矩陣，迭代計算濾波參數(shù)，直至滿足預(yù)置迭代終止條件；

13、根據(jù)迭代終止結(jié)果，更新所述預(yù)置矩陣和所述預(yù)置濾波參數(shù)，確定濾波后的當(dāng)前時段的檢測目標(biāo)特征矩陣。

14、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述基于所述輸入矩陣，迭代計算濾波參數(shù)，直至滿足預(yù)置迭代終止條件，包括：

15、獲取初始化濾波參數(shù)；

16、將所述初始化濾波參數(shù)與所述輸入矩陣進(jìn)行點乘運算，得到第二矩陣；

17、計算所述預(yù)置矩陣與所述第二矩陣之間的差值，得到第三矩陣；

18、設(shè)定步長參數(shù)；

19、根據(jù)所述初始化濾波參數(shù)、所述步長參數(shù)、所述第三矩陣和所述輸入矩陣，迭代計算濾波參數(shù)，直至所述第三矩陣的均方誤差小于預(yù)設(shè)誤差。

20、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述根據(jù)迭代終止結(jié)果，更新所述預(yù)置矩陣和所述預(yù)置濾波參數(shù)，確定濾波后的當(dāng)前時段的檢測目標(biāo)特征矩陣，包括：

21、在迭代終止后，獲取均方誤差小于預(yù)設(shè)誤差的目標(biāo)第三矩陣；

22、確定與所述目標(biāo)第三矩陣對應(yīng)的目標(biāo)第二矩陣和目標(biāo)濾波參數(shù)；

23、將所述目標(biāo)第二矩陣作為更新后的預(yù)置矩陣，將所述目標(biāo)濾波參數(shù)作為更新后的預(yù)置濾波參數(shù)，并保存所述更新后的預(yù)置矩陣和所述更新后的預(yù)置濾波參數(shù)；

24、輸出所述目標(biāo)第二矩陣作為濾波后的當(dāng)前時段的檢測目標(biāo)特征矩陣。

25、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述提取各個時段的檢測目標(biāo)特征矩陣中的睡眠統(tǒng)計特征值，構(gòu)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(biāo)特征矩陣，選取所述檢測目標(biāo)特征矩陣每行特征數(shù)據(jù)中的中位數(shù)、最大值和最小值；

27、計算每行特征數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差；

28、根據(jù)每行特征數(shù)據(jù)的中位數(shù)、平均值、標(biāo)準(zhǔn)差、最大值和最小值，構(gòu)建睡眠特征矩陣。

29、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述根據(jù)所述第一矩陣的范數(shù)，分析所述檢測目標(biāo)的睡眠狀態(tài)，包括：

30、若所述第一矩陣的范數(shù)處于第一預(yù)設(shè)范圍內(nèi)，確定所述檢測目標(biāo)處于深睡眠狀態(tài)；

31、若所述第一矩陣的范數(shù)處于第二預(yù)設(shè)范圍內(nèi)，確定所述檢測目標(biāo)處于淺睡眠狀態(tài)；

32、若所述第一矩陣的范數(shù)處于第三預(yù)設(shè)范圍內(nèi)，確定所述檢測目標(biāo)處于清醒狀態(tài)；

33、若所述第一矩陣的范數(shù)大于預(yù)設(shè)閾值，確定所述特征數(shù)據(jù)異常。

34、本發(fā)明還提供一種睡眠狀態(tài)分析方法，應(yīng)用于毫米波雷達(dá)設(shè)備，所述方法包括：

35、獲取各個時刻的檢測目標(biāo)特征數(shù)據(jù)；

36、將各個時刻的檢測目標(biāo)特征數(shù)據(jù)上傳至云端服務(wù)器，以使所述云端服務(wù)器對所述檢測目標(biāo)特征數(shù)據(jù)進(jìn)行自適應(yīng)濾波，得到濾波后的各個時段的檢測目標(biāo)特征矩陣；提取各個時段的檢測目標(biāo)特征矩陣中的睡眠統(tǒng)計特征值，構(gòu)建各個時段的睡眠特征矩陣；計算第一矩陣的范數(shù)；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(jù)所述第一矩陣的范數(shù)，分析所述檢測目標(biāo)的睡眠狀態(tài)。

37、根據(jù)本發(fā)明提供的一種睡眠狀態(tài)分析方法，所述獲取各個時刻的檢測目標(biāo)特征數(shù)據(jù)，包括：

38、通過帶通濾波器獲取針對檢測目標(biāo)的初始特征數(shù)據(jù)；

39、計算在兩個工頻干擾周期內(nèi)的初始特征數(shù)據(jù)的平均值，得到當(dāng)前時刻的檢測目標(biāo)特征數(shù)據(jù)。

40、本發(fā)明還提供一種睡眠狀態(tài)分析系統(tǒng)，所述系統(tǒng)包括毫米波雷達(dá)設(shè)備和云端服務(wù)器，所述毫米波雷達(dá)設(shè)備和所述云端服務(wù)器基于websocket通信連接；

41、所述毫米波雷達(dá)設(shè)備，用于獲取各個時刻的檢測目標(biāo)特征數(shù)據(jù)；將各個時刻的檢測目標(biāo)特征數(shù)據(jù)上傳至云端服務(wù)器；

42、所述云端服務(wù)器，用于接收所述檢測目標(biāo)特征數(shù)據(jù)；對所述檢測目標(biāo)特征數(shù)據(jù)進(jìn)行自適應(yīng)濾波，得到濾波后的各個時段的檢測目標(biāo)特征矩陣；提取各個時段的檢測目標(biāo)特征矩陣中的睡眠統(tǒng)計特征值，構(gòu)建各個時段的睡眠特征矩陣；計算第一矩陣的范數(shù)；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(jù)所述第一矩陣的范數(shù)，分析所述檢測目標(biāo)的睡眠狀態(tài)。

43、本發(fā)明還提供一種電子設(shè)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(zhí)行所述程序時實現(xiàn)如上述任一項所述的睡眠狀態(tài)分析方法的步驟。

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

45、本發(fā)明提供的睡眠狀態(tài)分析方法、系統(tǒng)及電子設(shè)備，通過由云端服務(wù)器基于檢測目標(biāo)特征數(shù)據(jù)進(jìn)行數(shù)據(jù)計算，實現(xiàn)睡眠狀態(tài)分析，可以有效降低毫米波雷達(dá)設(shè)備側(cè)的資源消耗，降低設(shè)備成本，提高數(shù)據(jù)安全性；通過對人體特征數(shù)據(jù)進(jìn)行自適應(yīng)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(huán)境實現(xiàn)環(huán)境噪聲個性化干擾去除，避免因人員動作、環(huán)境誤差對人體特征數(shù)據(jù)造成的影響，提高睡眠狀態(tài)分析的準(zhǔn)確度；通過提取檢測目標(biāo)特征矩陣中的睡眠統(tǒng)計特征值構(gòu)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(shù)，從而基于范數(shù)分析檢測目標(biāo)的睡眠狀態(tài)，矩陣特征數(shù)據(jù)更準(zhǔn)確、更穩(wěn)定，基于矩陣特征分析方法進(jìn)行睡眠特征與睡眠狀態(tài)的對應(yīng)匹配分析，可以提高睡眠狀態(tài)分析的準(zhǔn)確度。