本發明專利技術提供了一種基于脈搏波信號的睡眠質量監控方法及裝置，該方法包括以下步驟：獲取脈搏波信號；對所述脈搏波信號數字化；將數據集中的波形信號進行HHT變換，生成Hilbert時頻特征能量譜；將所述Hilbert時頻特征能量譜輸入卷積神經網絡進行卷積和池化后，輸入到全連接層輸出睡眠狀態。采用本發明專利技術的方法可以對睡眠狀態進行持續監控，精準分析不同時間段的睡眠情況，給用戶提供可靠的睡眠質量信息。給用戶提供可靠的睡眠質量信息。給用戶提供可靠的睡眠質量信息。
【技術實現步驟摘要】
基于脈搏波信號的睡眠質量監控方法及裝置
[0001]本專利技術涉及生命體征檢測領域，特別涉及一種基于脈搏波信號的睡眠質量監控方法，同時本專利技術還涉及采用上述方法的裝置。
技術介紹
[0002]現代社會生活節奏快，壓力大，各個年齡段的人群都不同程度地受到睡眠問題的困擾，各種睡眠問題會不同程度地影響人們的工作和生活。
[0003]對睡眠質量進行監測可以有效的為人體健康和生活模式提供關鍵的信息反饋。目前對人體睡眠質量的監測主要是對監測對象的心率、血氧等數據進行采集，再由專業人員根據經驗大致判斷被監測者的睡眠狀態，該監測方式的數據獲取對專業要求較高，實際應用中不方便使用。
技術實現思路
[0004]有鑒于此，本專利技術提出了一種基于脈搏波信號的睡眠質量監控方法，以提高對睡眠質量定性準確率。
[0005]為達上述目的，本專利技術的技術方案是這樣實現的：
[0006]一種基于脈搏波信號的睡眠質量監控方法，該方法包括以下步驟：
[0007]獲取脈搏波信號；對所述脈搏波信號數字化；將數據集中的波形信號進行HHT變換，生成Hilbert時頻特征能量譜；將所述Hilbert時頻特征能量譜輸入卷積神經網絡進行卷積和池化后，輸入到全連接層輸出睡眠狀態。
[0008]進一步的，所述睡眠狀態包括覺醒期、淺度睡眠、深度睡眠及快速眼動期。
[0009]進一步的，將標注的脈搏波信號進行等時長分割時，時長是10s。
[0010]進一步的，所述通過HHT變換將所述數據集生成Hilbert時頻特征能量譜時具體包括以下的步驟：將所述數據集進行經驗模態分解，得到IMF分量；將所述IMF分量進行Hilbert變換,得到信號的時頻屬性，生成Hilbert時頻特征能量譜。
[0011]進一步的，所述經驗模態分解的方法包括以下步驟:
[0012]找到脈搏波信號數據集x(t)的極大值和極小值，通過三次樣條擬合得到上包絡線和下包絡線，計算上包絡線和下包絡線的均值得到m1(t)；
[0013]獲得第一個模態分量h1(t)＝x(t)
?
m1(t)，并檢查是否滿足以下條件：h1(t)的極大值點與過0點數量相差不超過1個，且h1(t)的上包絡線和下包絡線均值恒為0；
[0014]如不滿足上述條件，用h1(t)代替x(t)重復以上步驟，直至得到滿足條件的模態分量，記作c1(t)；
[0015]將所述脈搏波信號數據集x(t)減去滿足條件的模態分量c1(t)，得到r1(t)，對r1(t)重復執行減模態分量的操作，直至篩選條件小于預設值時，經驗模態分解結束，此時，所述脈搏波信號數據集x(t)分成若干IMF分量c
i
和一個殘余信號r
n
(t)，x(t)表示為
[0016]進一步的，所述Hilbert變換的方法包括以下步驟：
[0017]對每個IMF分量c
i
求Hilbert變換:根據和求得IMF的瞬時頻率和瞬時幅值，將脈搏波信號數據集x(t)表示成在經過n次經驗模態分解后，殘余信號r
n
(t)為常數或單調函數，對信號提取沒有實質影響，舍去；
[0018]此時x(t)表示成時間、瞬時頻率、幅值的三維譜圖
[0019]進一步的，所述卷積神經網絡包括3個不同的卷積核。
[0020]本專利技術還提出了一種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，實現上述的基于脈搏波信號的睡眠質量監控方法。
[0021]本專利技術進一步提出了一種睡眠質量檢測設備，包括壓力傳感器、腕帶、主機、顯示器、數據線及電源，所述睡眠質量檢測設備可以為實現執行程序時實現上述的基于脈搏波信號的睡眠質量監控方法提供數據采集、程序存儲、程序運行的功能。
[0022]本專利技術的基于脈搏波信號的睡眠質量監控方法通過傳感器對橈動脈施加應用壓力，采集脈搏壓力信號；將脈搏波信號轉換成數字信號，脈搏波信號進行等時長分割，得到數據集；通過HHT變換將所述數據集，轉換生成Hilbert時頻特征能量譜；將所述Hilbert時頻特征能量譜輸入卷積神經網絡進行卷積和池化后，輸入到全連接層以判別睡眠狀態。本專利技術的方法可以對睡眠狀態進行持續監控，精準分析不同時間段的睡眠情況，給用戶提供可靠的睡眠質量信息。
附圖說明
[0023]構成專利技術的一部分的附圖用來提供對本專利技術的進一步理解，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：
[0024]圖1為本專利技術實施例一的基于脈搏波信號的睡眠質量監控方法的流程示意圖；
[0025]圖2為本專利技術實施例一基于扁平張力法對橈動脈脈搏波信號進行采集的示意圖；
[0026]圖3為本專利技術實施例一的基于脈搏波信號的睡眠質量監控方法的算法過程示意圖；
[0027]圖4為本專利技術實施例一將數據集進行經驗模態分解的IMF分量；
[0028]圖5為本專利技術實施例一生成的Hilbert時頻特征能量譜；
[0029]圖6為本專利技術實施例一的卷積神經網絡結構圖。
具體實施方式
[0030]應當理解，此處所描述的具體實施例僅用以解釋本專利技術，并不用于限定本專利技術。需要說明的是，在不沖突的情況下，本專利技術中的實施例及實施例中的特征可以相互組合。
[0031]本
技術人員可以理解，除非特意聲明，這里使用的單數形式“一”、“一
個”、“所述”和“該”也可包括復數形式。應該進一步理解的是，本專利技術的說明書中使用的措辭“包括”是指存在所述特征、整數、步驟、操作、元件和/或組件，但是并不排除存在或添加一個或多個其他特征、整數、步驟、操作、元件、組件和/或它們的組。應該理解，當我們稱元件被“連接”到另一元件時，它可以直接連接到其他元件，或者也可以存在中間元件。此外，這里使用的“連接”可以包括無線連接。這里使用的措辭“和/或”包括一個或更多個相關聯的列出項的全部或任一單元和全部組合。
[0032]本
技術人員可以理解，除非另外定義，這里使用的所有術語(包括技術術語和科學術語)，具有與本專利技術所屬領域中的普通技術人員的一般理解相同的意義。還應該理解的是，諸如通用字典中定義的那些術語，應該被理解為具有與現有技術的上下文中的意義一致的意義，并且除非像這里一樣被特定定義，否則不會用理想化或過于正式的含義來解釋。
[0033]實施例一
[0034]一種基于脈搏波信號的睡眠質量監控方法，如圖1所示，該方法包括以下步驟：
[0035]獲取脈搏波信號；對所述脈搏波信號數字化，并對不同時段的睡眠狀態進行標注，將標注的脈搏波信號進行等時長分割，得到數據集；通過HHT變換將所述數據集生成Hilbert時頻特征能量譜；將所述Hilbert時頻特征能量譜輸入前期訓練好的卷積神經網絡進行卷積和池化后，輸入到全連接層以判別睡眠狀態。
[0036]基于以上設計的思想，本實施例可基于扁平張力法對橈動脈脈搏波信本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于脈搏波信號的睡眠質量監控方法，其特征在于，該方法包括以下步驟：獲取脈搏波信號；對所述脈搏波信號數字化；將數據集中的波形信號進行HHT變換，生成Hilbert時頻特征能量譜；將所述Hilbert時頻特征能量譜輸入卷積神經網絡進行卷積和池化后，輸入到全連接層輸出睡眠狀態。2.根據權利要求1所述的基于脈搏波信號的睡眠質量監控方法，其特征在于：所述睡眠狀態包括覺醒期、淺度睡眠、深度睡眠及快速眼動期。3.根據權利要求1所述的基于脈搏波信號的睡眠質量監控方法，其特征在于：將標注的脈搏波信號進行等時長分割時，等時長是10s。4.根據權利要求1所述的基于脈搏波信號的睡眠質量監控方法，其特征在于：通過HHT變換將所述數據集生成Hilbert時頻特征能量譜時具體包括以下的步驟：將所述數據集進行經驗模態分解，得到IMF分量；將所述IMF分量進行Hilbert變換,得到信號的時頻屬性，生成Hilbert時頻特征能量譜。5.根據權利要求4所述的基于脈搏波信號的睡眠質量監控方法，其特征在于：所述經驗模態分解的方法包括以下步驟:找到脈搏波信號數據集x(t)的極大值和極小值，通過三次樣條擬合得到上包絡線和下包絡線，計算上包絡線和下包絡線的均值得到m1(t)；獲得第一個模態分量h1(t)＝x(t)
?
m1(t)，并檢查是否滿足以下條件：h1(t)的極大值點與過0點數量相差不超過1個，且h1(t)的上包絡線和下包絡線均值恒為0；如不滿足上述條件，用h1(t)代替x(t)重復以上步驟，直至得到滿足條件的模態分量，記...
【專利技術屬性】
技術研發人員：楊延強，殷騰超，霍焱，劉江彩，胡玲玲，李羅臣，
申請(專利權)人：河北地質大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。