一種睡眠監(jiān)測方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種睡眠監(jiān)測系統(tǒng)及系統(tǒng)，該系統(tǒng)是一種可穿戴、使用簡單的基于加速度傳感器的老年人睡眠監(jiān)測與反饋系統(tǒng)，該系統(tǒng)有利于老年人的睡眠質(zhì)量得到量化，很好地提高了老年人的生活質(zhì)量。該系統(tǒng)包括加速度傳感器、控制模塊、語音播放模塊、數(shù)據(jù)存儲模塊、后臺服務器模塊和查詢模塊。本發(fā)明有利于提高老年人的生活質(zhì)量，實現(xiàn)了老年人的睡眠質(zhì)量能及時反饋給老年人的家人，有利于老年人的家人及時發(fā)現(xiàn)老年人的問題。本發(fā)明架構(gòu)清晰、簡單，易于實現(xiàn)。
【專利說明】
一種睡眠監(jiān)測方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及睡眠監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種睡眠監(jiān)測方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著人們生活水平的提高，越來越多的人都注重生活質(zhì)量。睡眠作為生活質(zhì)量的 一部分，已受到大家普遍的關(guān)注。睡眠質(zhì)量的下降不僅會影響人們的生活質(zhì)量，也對人體的 身心健康產(chǎn)生消極的影響。研究指出由于睡眠質(zhì)量較差，人們?nèi)臻g極易產(chǎn)生疲勞感，嚴重的 會傷害人體的一些功能，比如注意力和記憶力會下降，工作效率低下，更嚴重的會產(chǎn)生身體 疾病、交通事故，更易產(chǎn)生抑郁、焦慮等情緒問題。
[0003] 據(jù)科學統(tǒng)計，一方面，我國31.2%的中國人存在著嚴重的睡眠問題，有失眠經(jīng)歷的 高達16.8%，且上升趨勢明顯，每100個中國人中有22個過了 24點還不睡覺。另一方面，我國 每晚睡眠不足4小時的成年人，死亡率要高180%，睡眠不足的人群衰老速度是正常人的 2.5-3倍，經(jīng)常睡眠的人發(fā)生抑郁的幾率是正常人的5倍。
[0004] 目前市場上很多醫(yī)療設備使用腦電波信號作為人體睡眠監(jiān)測的依據(jù)。但是，腦電 波信號極其微弱，對設備的精準性要求極高，所以，目前市場上的醫(yī)用睡眠監(jiān)測產(chǎn)品成本 高，設計比較復雜，體積過大，檢測不方便。使用目前市場上的這些醫(yī)療設備嚴重影響用戶 的正常生活。這些醫(yī)療設備只能在一些醫(yī)院、診所等健康服務機構(gòu)使用，不適合個人家庭使 用。而本發(fā)明能夠很好地解決上面的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的在于針對上述現(xiàn)有技術(shù)的不足，提出了一種睡眠監(jiān)測系統(tǒng)，該系統(tǒng)是 一種可穿戴、使用簡單的基于加速度傳感器的老年人睡眠監(jiān)測與反饋系統(tǒng)，該系統(tǒng)有利于 老年人的睡眠質(zhì)量得到量化，很好地提高了老年人的生活質(zhì)量。
[0006] 本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是:一種睡眠監(jiān)測系統(tǒng)，該系統(tǒng)包括加 速度傳感器、控制模塊、語音播放模塊、數(shù)據(jù)存儲模塊、后臺服務器模塊和查詢模塊。
[0007] 加速度傳感器:是一種能夠測量加速力的電子設備，本發(fā)明用它判斷人的運動情 況?？墒褂眉铀俣葌鞲衅鰽DXL345,該傳感器功耗較低，其測量值以二進制補碼的形式輸出， 接口為I 2C總線?？刂颇K通過經(jīng)過I2C串行總線接口訪問加速度傳感器的數(shù)據(jù)，對數(shù)據(jù)進行 處理，就可以得到精度較高的載體運動方向的加速度值。
[0008]控制模塊:使用Arduino開發(fā)板作為控制單元，加速度傳感器，語音播放模塊作為 設備連接在I2C總線上，該模塊對采集的加速度值進行預處理并使用SVM分類預測出老年人 的睡眠狀態(tài)。
[0009]語音播放模塊:采用YT07語音播放模塊，該模塊可將任意格式的音頻文件轉(zhuǎn)換成 本發(fā)明所需的播放語言，這里本發(fā)明主要是播放提醒語言，用于提示老年人睡眠情況，并且 可以播放催眠音樂促進老年人的睡眠。
[0010]數(shù)據(jù)存儲模塊:使用MC9S12UF32數(shù)據(jù)存儲模塊，該模塊通過串行通信接口 SCI接收 數(shù)據(jù)，并將其以FAT文件的形式存儲在SD卡中?？梢院啽愕貙D卡中的任意文件進行讀寫， 實現(xiàn)存儲數(shù)據(jù)。使用該模塊主要是為了存儲老年人的睡眠狀態(tài)，睡眠時間等數(shù)據(jù)，方便后期 分析處理。
[0011 ]后臺服務器模塊:建立一個老年人睡眠質(zhì)量跟蹤體系，該模塊采用B/S和C/S混合 結(jié)構(gòu)，對存儲的數(shù)據(jù)機進行加工處理，通過PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢將老年人的 睡眠質(zhì)量信息直觀地反饋給老年人以及親屬。
[0012] 查詢模塊:PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢。
[0013]本發(fā)明的系統(tǒng)包括：1)被檢測對象：老年人。2)加速度傳感器ADXL345。3)控制模 塊:Arduino開發(fā)板。4)YT07語音播放模塊。5)MC9S12UF32數(shù)據(jù)存儲模塊。6)采用B/S和C/S混 合結(jié)構(gòu)的后臺服務器模塊。7)采用PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢的查詢終端。
[0014] 本發(fā)明還提供了一種睡眠監(jiān)測方法，該方法包括如下步驟：
[0015] 步驟1:數(shù)據(jù)的采集。使用加速度傳感器ADXL345獲取老年人手臂上的加速度數(shù)據(jù)， 該加速度傳感器主要采集X，Y，Z軸三個方向上的原始加速度值。
[0016] 步驟2:數(shù)據(jù)的預處理。由于加速度傳感器在測量過程中存在誤差，本發(fā)明要多加 速度傳感器的數(shù)據(jù)進行誤差校正，濾波，去除重力加速度影響等預處理。為了保留測量的加 速度數(shù)據(jù)中的有用信息，去除其中的噪聲，本發(fā)明采用頻域濾波的方式。為了數(shù)據(jù)的準確 性，必須去除重力的影響。為此，本發(fā)明采用三維坐標變換法，將三維空間中的X，Y，Z軸坐標 系投影到水平坐標系中，得到水平坐標系上的加速度值，再去除Ζ軸的起始加速度值g，便得 到加速度傳感器ADXL345在水平面運動的加速度。
[0017]步驟3:特征提取。采用經(jīng)驗模態(tài)分解(EMD)算法提取特征。由于MF分量和解析信 號的幅度和頻率與數(shù)據(jù)特征有密切關(guān)系，所以IMF分量和解析信號可以作為分類的特征。對 X，Y，Z軸三個方向上的加速度值進行基于經(jīng)驗模態(tài)分解的特征提取。
[0018] 步驟4:建立訓練樣本。輸入的向量集為Xt=[X(l)，X(2)，. . .，X(n)]為連續(xù)5分鐘 的加速度傳感器在X，Y，Z軸上變化時序，采樣周期為60s。輸出Y(k+1)是k+Ι時刻的預測值， 其中〇代表清醒，1代表睡眠。多次采集數(shù)據(jù)，構(gòu)建訓練樣本集。
[0019] 步驟5:構(gòu)建SVM分類預測模型。
[0020] 步驟6:將特征向量放入構(gòu)建的SVM分類預測模型，得到老年人一天中的睡眠狀態(tài)， 并根據(jù)預測模型得到老年人的睡眠狀態(tài)得到老年人的作息時間表。
[0021] 有益效果：
[0022] (1)本發(fā)明系統(tǒng)提出了一種量化老年人睡眠質(zhì)量的方式，有利于提高老年人的生 活質(zhì)量。
[0023] (2)本發(fā)明實現(xiàn)了老年人的睡眠質(zhì)量能及時反饋給老年人的家人，有利于老年人 的家人及時發(fā)現(xiàn)老年人的問題。
[0024] (3)本發(fā)明架構(gòu)清晰、簡單，易于實現(xiàn)。
【附圖說明】
[0025]圖1系統(tǒng)的結(jié)構(gòu)示意圖。
[0026] 標識說明：1-被檢測對象:老年人;2-加速度傳感器ADXL345;3-控制模塊:Arduino 開發(fā)板;4-YT07語音播放模塊;5-MC9S12UF32數(shù)據(jù)存儲模塊;6-采用B/S和C/S混合結(jié)構(gòu)的后 臺服務器模塊;7-采用PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢的查詢終端。
[0027]圖2為本發(fā)明采用支持向量機(SVM)進行模型訓練的具體方法流程圖。
[0028]圖3為本發(fā)明采用支持向量機(SVM)匹配分析老年人睡眠狀態(tài)的具體方法流程圖。 [0029]具體的實施方式：
[0030]下面結(jié)合說明書附圖對本發(fā)明的技術(shù)方案作進一步的詳細描述。
[0031]如圖1所示，本發(fā)明的所提出的老年人睡眠監(jiān)測與管理技術(shù)系統(tǒng)，該系統(tǒng)包括：1、 被檢測對象:老年人。2、加速度傳感器ADXL345。3、控制模塊:Arduino開發(fā)板。4、YT07語音播 放模塊。5、MC9S12UF32數(shù)據(jù)存儲模塊。6、采用B/S和C/S混合結(jié)構(gòu)的后臺服務器模塊。7、采用 PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢的查詢終端。
[0032]本發(fā)明睡眠監(jiān)測方法的實現(xiàn)具體流程包括：
[0033] (1)數(shù)據(jù)的采集。選用Arduino開發(fā)板作為主處理器，加速度傳感器ADXL345將測量 的數(shù)據(jù)以二進制補碼的形式輸出，通過接口總線傳輸給處理器。使用加速度傳感器ADXL345 獲取老年人手臂上的加速度數(shù)據(jù)，該加速度傳感器主要采集X，Y，Z軸三個方向上的原始加 速度值。
[0034] (2)數(shù)據(jù)的預處理。由于加速度傳感器在測量過程中存在誤差，本發(fā)明要多加速度 傳感器的數(shù)據(jù)進行誤差校正，濾波，去除重力加速度影響等預處理。
[0035]在理想狀態(tài)下，加速度傳感器ADXL345在靜止狀態(tài)時，其X，Υ，Ζ軸三個方向上的理 想值應該為:ax = 0，aY = 0，az = g，其中重力加速度g = 9.8m/s2。由于加速度傳感器ADXL345 靜止時有細微的震動，所以會采集到該傳感器的加速度值圍繞著某個值細微變化的數(shù)據(jù)。 為了保留測量的加速度數(shù)據(jù)中的有用信息，去除其中的噪聲，本發(fā)明采用頻域濾波的方式。 數(shù)字濾波表達式為：
[0037]帶通濾波器的頻響函數(shù)表達式為：
[0039] 其中Af是頻率分辨率，匕與&分別代表下限截止頻率和上限截止頻率，X(k)是X (r)的傅里葉變換。由于本發(fā)明使用加速度傳感器ADXL345采集加速度值的過程中，Z軸的起 始加速度值便是g，為了數(shù)據(jù)的準確性，必須去除重力的影響。為此，本發(fā)明采用三維坐標變 換法，將三維空間中的X，Y，Z軸坐標系投影到水平坐標系中，得到水平坐標系上的加速度 值，再去除Ζ軸的起始加速度值g，便得到加速度傳感器ADXL345在水平面運動的加速度。
[0040] (3)特征提取。采用經(jīng)驗模態(tài)分解(EMD)算法提取特征。其步驟為：
[0041] 1)計算原始信號的極大值點，采用三次樣條插值法確定信號的上包絡線；
[0042] 2)計算原始信號的極小值點，采用三次樣條插值法確定信號的下包絡線；
[0043] 3)求出上下包絡線的均值m(t);
[0044] 4)在原始信號x(t)中去除包絡線的均值nu(t)，得到hKt)，若hKt)滿足以下兩個 結(jié)束條件：1)在整個數(shù)據(jù)段中，信號的極值點和過零點的數(shù)目相等或最多相差一個;2)由極 大值點形成的上包絡線和極小值點形成的下包絡線確定的均值為零，那么視hKt)為固態(tài) 函數(shù)(MF)分量。否則，將hKt)作為原始信號重復上述操作，直到滿足結(jié)束條件為止，此時， 得到第一個固態(tài)函數(shù)(mf)分量，記為C1
[0045] 5)將〇從原始信號中分離出來得到
[0046] ri = x(t)-ci
[0047] 將^作為原始信號重復上述操作得到第二個固態(tài)函數(shù)(MF)分量，記為C2。
[0048]循環(huán)η次，得到原始信號x(t)的η個固態(tài)函數(shù)（IMF)。故原始噪信號可以表示為：
[0049] 式中η為分解級數(shù)，rn為剩余信號項。
[0050] 6)將分解的進行Hilbert變換，構(gòu)造 MF分量的解析信號，再得到原始信號x(t)的 Hilbert 譜：
[0052] 7)由于IMF分量和解析信號的幅度和頻率與數(shù)據(jù)特征有密切關(guān)系，所以IMF分量和 解析信號可以作為分類的特征。
[0053] 8)對X，Y，Z軸三個方向上的加速度值進行基于經(jīng)驗模態(tài)分解的特征提取。
[0054] (4)建立訓練樣本。輸入的向量集為乂*=[乂(1)，乂(2)，...，乂(11)]為連續(xù)5分鐘的加 速度傳感器在Χ，Υ，Ζ軸上變化時序，采樣周期為60s。輸出Y(k+1)是k+Ι時刻的預測值，其中0 代表清醒，1代表睡眠。多次采集數(shù)據(jù)，構(gòu)建訓練樣本集。
[0055] (5)構(gòu)建SVM分類預測模型。訓練樣本中的核函數(shù)選用常見的徑向基函數(shù)，該核函 數(shù)中重要的一個參數(shù)就是。使用SVM訓練樣本前，采用交叉驗證選擇的最佳罰函數(shù)參數(shù)和核 函數(shù)參數(shù)。這樣做的目的主要是將訓練集等分為N折，再將其中的N-1折作為訓練集，剩下的 作為測試集。在這個過程中，每一個訓練的樣本都會被用來當成測試樣本進行驗證，所以， 采用交叉驗證可以確保整個訓練樣本集被正確分類。該模型中最優(yōu)分割面的法向量w和分 割閾值b由下面兩個公式計算得到：
[0057] Yi(w · Φ (Xi)+b) = 1-ξ?
[0058] 其中，ai是拉格朗日算子；Φ (Χ〇是訓練樣本Xi的非線性映射。該分類預測流程如 圖2所示。
[0059] (6)使用SVM分類預測模型得出老年人的睡眠狀態(tài)。為了得到老年人的作息時間規(guī) 律，前期全天候使用該裝置采集老年人的加速度時序變化信號，對采集的原始信號預處理， 基于經(jīng)驗模態(tài)分解進行特征提取，再將特征向量放入上述構(gòu)建的SVM分類預測模型，得到老 年人一天中的睡眠狀態(tài)。
[0060] (7)根據(jù)預測模型得到老年人的睡眠狀態(tài)得到老年人的作息時間表。
[0061] (8)老年人睡眠監(jiān)測。當老年人的作息時間出現(xiàn)明顯的差異時，比如晚上晚睡了， 系統(tǒng)會自動根據(jù)老年人的日常作息表判別出此時老年人占用了休息時間，語音播放會自動 播放語音提示。若老年人因為失眠而睡不著，可根據(jù)實際需要將語音播放手動切換為催眠 音樂。
[0062] (9)老年人睡眠管理。老年人的狀態(tài)數(shù)據(jù)通過藍牙將數(shù)據(jù)傳輸?shù)胶笈_服務器分析 處理，再通過無線網(wǎng)絡方式將分析結(jié)果傳給移動電話、筆記本電腦等終端設備。老人以及親 屬可以隨時查看作息時間表，還可以看到一段時間內(nèi)的睡眠總時間以及老年人未能及時進 入睡眠狀態(tài)的時間。
【主權(quán)項】
1. 一種睡眠監(jiān)測系統(tǒng)，其特征在于:所述系統(tǒng)包括加速度傳感器、控制模塊、語音播放 模塊、數(shù)據(jù)存儲模塊、后臺服務器模塊和查詢模塊； 加速度傳感器能夠測量加速力的電子設備，用于判斷人的運動情況，其測量值以二進 制補碼的形式輸出，接口為I2c總線，控制模塊通過經(jīng)過I2C串行總線接口訪問加速度傳感器 的數(shù)據(jù)，對數(shù)據(jù)進行處理，得到載體運動方向的加速度值； 控制模塊:使用Arduino開發(fā)板作為控制單元，加速度傳感器，語音播放模塊作為設備 連接在I2C總線上，所述模塊對采集的加速度值進行預處理并使用SVM分類預測出老年人的 睡眠狀態(tài)； 語音播放模塊:采用YT07語音播放模塊，所述模塊將任意格式的音頻文件轉(zhuǎn)換成所需 的播放語言，用于提示老年人睡眠情況，并且播放催眠音樂促進老年人的睡眠； 數(shù)據(jù)存儲模塊:通過串行通信接口 SCI接收數(shù)據(jù)，并將其以FAT文件的形式存儲在SD卡 中，將SD卡中的任意文件進行讀寫，實現(xiàn)存儲數(shù)據(jù)； 后臺服務器模塊:建立一個老年人睡眠質(zhì)量跟蹤體系，所述模塊采用B/S和C/S混合結(jié) 構(gòu)，對存儲的數(shù)據(jù)機進行加工處理，通過PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢將老年人的睡 眠質(zhì)量信息直觀地反饋給老年人以及親屬； 查詢模塊:PC登陸互聯(lián)網(wǎng)查詢以及手機APP查詢。2. 根據(jù)權(quán)利要求1所述的一種睡眠監(jiān)測系統(tǒng)，其特征在于:所述系統(tǒng)包括：1)被檢測對 象:老年人;2)加速度傳感器ADXL345; 3)控制模塊:Arduino開發(fā)板;4) YT07語音播放模塊； 5)MC9S12UF32數(shù)據(jù)存儲模塊;6)采用B/S和C/S混合結(jié)構(gòu)的后臺服務器模塊;7)采用PC登陸 互聯(lián)網(wǎng)查詢以及手機APP查詢的查詢終端。3. -種睡眠監(jiān)測系統(tǒng)的實現(xiàn)方法，其特征在于:所述方法包括如下步驟： 步驟1:數(shù)據(jù)的采集； 使用加速度傳感器ADXL345獲取老年人手臂上的加速度數(shù)據(jù)，該加速度傳感器主要采 集X，Y，Z軸三個方向上的原始加速度值； 步驟2:數(shù)據(jù)的預處理； 多加速度傳感器的數(shù)據(jù)進行誤差校正，濾波，去除重力加速度影響等預處理;為了保留 測量的加速度數(shù)據(jù)中的有用信息，去除其中的噪聲，采用頻域濾波的方式；去除重力的影 響，采用三維坐標變換法，將三維空間中的Χ，Υ，Ζ軸坐標系投影到水平坐標系中，得到水平 坐標系上的加速度值，再去除Ζ軸的起始加速度值g，便得到加速度傳感器ADXL345在水平面 運動的加速度； 步驟3:特征提??； 采用經(jīng)驗模態(tài)分解算法提取特征；由于IMF分量和解析信號的幅度和頻率與數(shù)據(jù)特征 有密切關(guān)系，所以MF分量和解析信號可以作為分類的特征，對X，Y，Z軸三個方向上的加速 度值進行基于經(jīng)驗模態(tài)分解的特征提取； 步驟4:建立訓練樣本； 輸入的向量集為Xt=[X(l)，X(2)，...，Χ(η)]為連續(xù)5分鐘的加速度傳感器在Χ，Υ，Ζ軸上 變化時序，采樣周期為60s，輸出Y(k+1)是k+Ι時刻的預測值，其中0代表清醒，1代表睡眠；多 次采集數(shù)據(jù)，構(gòu)建訓練樣本集； 步驟5:構(gòu)建SVM分類預測模型； 步驟6:將特征向量放入構(gòu)建的SVM分類預測模型，得到老年人一天中的睡眠狀態(tài)，并根 據(jù)預測模型得到老年人的睡眠狀態(tài)得到老年人的作息時間表。
【文檔編號】A61B5/00GK105832303SQ201610309821
【公開日】2016年8月10日
【申請日】2016年5月11日
【發(fā)明人】葉寧, 李才隆, 王忠勤, 丁楠, 趙立科, 胡小三, 王汝傳
【申請人】南京郵電大學