一种基于智能手表的睡眠监测系统及方法与流程

本发明涉及智能可穿戴设备，尤其涉及一种基于智能手表的睡眠监测系统及方法。

背景技术：

1、随着可穿戴设备和生理信号采集技术的发展，基于智能手表的睡眠监测技术逐渐应用于日常健康管理领域。现有智能手表通常集成光电容积脉搏波（ppg）传感器、加速度传感器、麦克风等多种传感器，通过采集用户睡眠过程中的脉搏波信号、体动信号以及环境声音信号，对心率、睡眠活动状态、呼吸相关信息等进行分析，并结合信号处理算法对睡眠过程中的不同状态进行识别。随着多源生理信息融合技术的发展，部分睡眠监测方案进一步结合心率变化、体动变化、呼吸特征以及自主神经活动特征，对睡眠阶段划分和睡眠状态评估进行综合分析。

2、现有的睡眠监测大都仅通过血氧饱和度下降检测呼吸暂停，由于缺乏对呼吸与心率变异性耦合关系的分析，从而造成无法在气道阻塞发生前主动发现风险的问题。

技术实现思路

1、为了弥补以上不足，本发明提供了一种基于智能手表的睡眠监测系统及方法，旨在改善现有的睡眠监测大都仅通过血氧饱和度下降检测呼吸暂停，由容易造成无法在气道阻塞发生前主动发现风险的问题。

2、本发明提供了如下技术方案，一种基于智能手表的睡眠监测系统，包括：

3、采集评估模块，控制ppg传感器、加速度传感器及经低功耗语音活动检测单元触发的麦克风采集数据；从脉搏波信号提取心搏间期和心率，从加速度信号提取体动强度，对音频信号滤波提取呼吸音包络后丢弃原始音频数据，并计算ppg信号质量指数、体动信号质量指数和音频信号质量指数；

4、相位分析模块，从心搏间期提取呼吸性窦性心律不齐波形，计算该波形与所述呼吸音包络之间的相位同步特征；

5、前兆识别模块，当所述相位同步特征持续处于失耦状态，且同步满足呼吸音包络幅度衰减、根据心搏间期提取的低频高频能量比超出动态自主神经调节阈值、体动强度低于动态体动阈值时，生成上气道塌陷前兆标识；

6、级联推理模块，基于信号质量指数与所述相位同步特征生成融合置信度，并构建第一睡眠特征集和第二睡眠特征集；以体动强度与心率对照动态觉醒阈值执行一级觉醒判定；非觉醒时以所述融合置信度与所述第一睡眠特征集执行二级二分类睡眠分期；二级置信度不足时以所述第二睡眠特征集与所述上气道塌陷前兆标识执行三级五分类睡眠分期；

7、滑动自适应模块，根据历史睡眠监测数据更新所述动态自主神经调节阈值、所述动态体动阈值及所述动态觉醒阈值，并根据所述上气道塌陷前兆标识的累计结果触发健康预警。

8、采用上述技术方案，通过提取呼吸音包络与呼吸性窦性心律不齐波形的相位同步特征，并在该特征持续失耦时结合呼吸音包络衰减、低频高频能量比和体动强度生成上气道塌陷前兆标识，进而实现早期预警，从而改善了现有的睡眠监测大都仅通过血氧饱和度下降检测呼吸暂停，由于缺乏对呼吸与心率变异性耦合关系的分析，从而造成无法在气道阻塞发生前主动发现风险的问题。

9、进一步地，所述控制ppg传感器、加速度传感器及经低功耗语音活动检测单元触发的麦克风采集数据包括：

10、传感采集单元，控制ppg传感器和加速度传感器分别进行信号采集，输出脉搏波信号和加速度信号；

11、语音检测单元，对环境声音进行能量检测，并输出语音触发信号；

12、音频采集单元，接收所述语音触发信号，控制麦克风采集音频信号；

13、时间同步单元，接收所述脉搏波信号、所述加速度信号和所述音频信号，对三者进行时间对齐，生成同步采集数据。

14、进一步地，所述对音频信号滤波提取呼吸音包络后丢弃原始音频数据，并计算ppg信号质量指数、体动信号质量指数和音频信号质量指数包括：

15、音频处理单元，对麦克风采集的音频信号进行滤波处理并提取呼吸音包络，提取完成后丢弃原始音频数据；

16、质量计算单元，根据脉搏波信号、加速度信号和所述呼吸音包络，分别计算ppg信号质量指数、体动信号质量指数和音频信号质量指数，并输出所述ppg信号质量指数、所述体动信号质量指数和所述音频信号质量指数。

17、进一步地，所述计算该波形与所述呼吸音包络之间的相位同步特征包括：

18、瞬时相位提取单元，分别提取所述呼吸性窦性心律不齐波形和所述呼吸音包络对应的瞬时相位序列；

19、相位差计算单元，计算两个瞬时相位序列之间的相位差数据；

20、同步特征生成单元，对所述相位差数据进行窗口统计处理，生成相位同步特征。

21、进一步地，所述基于信号质量指数与所述相位同步特征生成融合置信度，并构建第一睡眠特征集和第二睡眠特征集包括：

22、信号归一化单元，对所述ppg信号质量指数、所述体动信号质量指数、所述音频信号质量指数和所述相位同步特征进行量化处理，生成信号可靠性参数；

23、置信度计算单元，根据各信号可靠性参数之间的比例关系生成融合权重，进行加权融合计算后生成融合置信度；

24、第一特征构建单元，由所述心搏间期、所述心率、所述体动强度和所述呼吸音包络构成第一睡眠特征集；

25、第二特征构建单元，由所述心搏间期、所述体动强度、所述呼吸音包络、所述相位同步特征和所述上气道塌陷前兆标识组合生成第二睡眠特征集。

26、进一步地，所述以体动强度与心率对照动态觉醒阈值执行一级觉醒判定；非觉醒时以所述融合置信度与所述第一睡眠特征集执行二级二分类睡眠分期；二级置信度不足时以所述第二睡眠特征集与所述上气道塌陷前兆标识执行三级五分类睡眠分期包括：

27、一级判定单元，将所述体动强度和所述心率分别与所述动态觉醒阈值进行比较，生成觉醒判定结果；

28、二级分类单元，在所述觉醒判定结果为非觉醒状态时，利用所述融合置信度和所述第一睡眠特征集进行二分类睡眠分期，生成二分类睡眠状态结果；

29、三级分类单元，在所述二分类睡眠分期的置信度不足时，利用所述第二睡眠特征集和所述上气道塌陷前兆标识进行五分类睡眠分期，生成五分类睡眠状态结果；

30、时序平滑单元，对相邻时间片的睡眠状态类别进行平滑处理，输出睡眠分期数据。

31、进一步地，所述根据历史睡眠监测数据更新所述动态自主神经调节阈值、所述动态体动阈值及所述动态觉醒阈值包括：

32、历史数据处理单元，对历史睡眠监测数据进行筛选，剔除其中缺少心搏间期特征、体动强度特征或睡眠状态特征的数据周期，提取心搏间期特征、体动强度特征和睡眠状态特征，生成历史睡眠特征数据；

33、滑动基线计算单元，根据所述历史睡眠特征数据建立时间滑动窗口，对窗口内的特征进行统计计算，生成自主神经调节基线参数、体动基线参数和觉醒状态基线参数；

34、阈值更新单元，根据所述自主神经调节基线参数、所述体动基线参数和所述觉醒状态基线参数，分别更新所述动态自主神经调节阈值、所述动态体动阈值和所述动态觉醒阈值，并输出至所述前兆识别模块和所述级联推理模块。

35、第二方面，本发明提供了如下技术方案，一种基于智能手表的睡眠监测方法，所述方法包括以下步骤：

36、采集脉搏波信号、加速度信号，并对环境声音进行低功耗能量检测，当环境声音能量超过唤醒阈值时启动麦克风采集音频信号；

37、从所述脉搏波信号提取心搏间期和心率，从所述加速度信号提取体动强度，对所述音频信号滤波提取呼吸音包络后丢弃原始音频数据，并计算ppg信号质量指数、体动信号质量指数和音频信号质量指数；

38、从心搏间期提取呼吸性窦性心律不齐波形，计算该波形与所述呼吸音包络之间的相位同步特征；

39、当所述相位同步特征持续处于失耦状态，且同步满足呼吸音包络幅度衰减、根据心搏间期提取的低频高频能量比超出动态自主神经调节阈值、体动强度低于动态体动阈值时，生成上气道塌陷前兆标识；

40、基于信号质量指数与所述相位同步特征生成融合置信度，并构建第一睡眠特征集和第二睡眠特征集；以体动强度与心率对照动态觉醒阈值执行一级觉醒判定；非觉醒时以所述融合置信度与所述第一睡眠特征集执行二级二分类睡眠分期；二级置信度不足时以所述第二睡眠特征集与所述上气道塌陷前兆标识执行三级五分类睡眠分期；

41、根据历史睡眠监测数据更新所述动态自主神经调节阈值、所述动态体动阈值及所述动态觉醒阈值，并根据所述上气道塌陷前兆标识的累计结果触发健康预警。

42、本发明具有如下有益效果：

43、1、本发明中，通过提取呼吸音包络与呼吸性窦性心律不齐波形的相位同步特征，并在该特征持续失耦时结合呼吸音包络衰减、低频高频能量比和体动强度生成上气道塌陷前兆标识，进而实现早期预警，从而改善了现有的睡眠监测大都仅通过血氧饱和度下降检测呼吸暂停，由于缺乏对呼吸与心率变异性耦合关系的分析，从而造成无法在气道阻塞发生前主动发现风险的问题。

44、2、本发明中，通过基于信号质量指数与相位同步特征生成融合置信度并构建差异化睡眠特征集，进而以体动强度与心率对照动态觉醒阈值执行觉醒判定，并按置信度级联进行二分类和五分类睡眠分期，从而改善了现有的可穿戴睡眠监测大都采用固定阈值和全时段复杂模型，由于无法适应实时信号质量波动，从而造成整夜运算功耗高的问题。

45、3、本发明中，通过由低功耗语音活动检测单元触发麦克风采集音频，并在提取呼吸音包络后丢弃原始音频数据，进而为后续分析提供去除原始音频的呼吸音波形，从而改善了现有的智能手表睡眠监测大都采用麦克风持续录音，由于原始音频数据在端侧存储，从而造成用户隐私泄露风险高的问题。