基于可穿戴设备的睡眠特征数据评估处理方法及系统与流程

基于可穿戴设备的睡眠特征数据评估处理方法及系统
1.技术领域
2.本发明涉及电数字数据处理技术领域，具体涉及一种基于可穿戴设备的睡眠特征数据评估处理方法及系统。


背景技术：

3.可穿戴检测设备在生理指标测量准确度上存在不足的问题，基于此问题，现有技术利用自带传感器测得多项睡眠生理指标对睡眠质量进行评估，或利用客观事实逻辑对传感器获得的多项数据进行相互验证，正确判断出睡眠状态或睡眠周期，然后基于普遍睡眠分期理论对睡眠质量进行评估。该方式虽然基于多种数据提高了睡眠状态或睡眠周期判断的准确度，但是该方式中可穿戴检测设备的数据必须通过依赖接触的方式获取，具体当人在睡眠过程中常常由于体动或者不规范佩戴而导致可穿戴检测设备不能很好的接触人体，出现人体各项生理指标异常，甚至某项生理指标直接无法检测到或缺失，从而使得睡眠状态或睡眠周期出现判断错误，导致睡眠特征数据产生大的误差。


技术实现要素：

4.为了克服上述现有技术的缺点，本发明的目的是提供一种具有抗干扰性强和准确度高的基于可穿戴设备的睡眠特征数据评估处理方法及系统，基于缺失数据与时序关系构建数据补全机制，利用该机制进行缺失数据补全，提高睡眠质量评估的准确度。
5.为达到上述目的，本发明采用以下技术方案，一种基于可穿戴设备的睡眠特征数据评估处理方法，具体包括以下步骤：获取人睡眠状态下的心率缺失数据，所述心率缺失数据包括若干个心率数据缺失片段；每个所述心率数据缺失片段均对应一段采集到的腕动数据；根据该段腕动数据获得该段腕动数据相对应的呼吸数据段；将每段呼吸数据段进行时序上的窗口滑动采样，获取每次采样时窗口内连续的呼吸数据段组成的时序序列段，计算出每次采样时窗口内时序序列段对应的平均呼吸比和呼吸周期变化紊乱度；将时序序列段对应的平均呼吸比和呼吸周期变化紊乱度作为坐标点，将该坐标点对应的时序序列段标记在二维坐标系中；对二维坐标系中的坐标点进行模糊聚类，获取模糊聚类中心，利用医学睡眠先验规则分析模糊聚类中心处于的睡眠阶段类别，将模糊聚类中心以外的坐标点利用隶属度分析出睡眠过渡段的坐标点；将属于睡眠过渡段的坐标点对应的时序序列段在时间上进行时序排列，根据时序排列结果计算出窗口采样效果，根据窗口采样效果判断出最优窗口长度；
根据最优窗口长度获取属于睡眠过渡段的坐标点对应的时序序列段在时序上的排列，根据排列结果确定睡眠阶段分段信息；利用确定出的睡眠阶段分段信息在历史睡眠心率参考数据获取与该睡眠阶段分段信息对应的历史心率数据段，将历史心率数据段补入到缺失段心率数据段中，根据补全的心率数据段对睡眠质量进行评估；当历史睡眠心率参考数据不存在时，则根据获得的睡眠过渡段信息以及各过渡段中心位置进行睡眠阶段的分割，计算出各睡眠阶段的时长，根据各睡眠阶段的时长直接进行睡眠质量评估。
6.进一步地，所述窗口滑动采样的具体步骤如下：将l个相邻呼吸数据段对应的时序序列段的长度作为为窗口长度l，l为无单位的自然数，且取值范围为大于一个呼吸数据段对应的时序序列段，小于整个时序序列段的一半；将窗口在时序上移动的长度为s个相邻呼吸数据段对应的时序序列段的长度作为窗口移动步长s，s为无单位的自然数；获取连续窗口的采样后数据。
7.进一步地，所述时序序列段对应的平均呼吸比具体获取步骤如下：所述心率缺失数据相对应的呼吸数据段时序序列的表达式为：式中：为从第一个缺失时刻开始，到最后一个缺失时刻结束这中间整个心率缺失数据相对应呼吸数据段的时序序列；为缺失时间段，即每一次呼吸的时间间隔；其中表示从起始缺失时间段开始的各个缺失小时间段的次序；根据得到呼吸比的表达式，该表达式为：式中：为呼吸比，为吸气时长，即手环正向加速度的持续时长，；通过获得窗口内时序序列段对应的平均呼吸比，其表达式为：=式中：为中的某一个次序数，为常数。
8.进一步地，所述窗口内时序序列对应的呼吸周期变化紊乱度的表达式为：
式中：为呼吸周期变化紊乱度，为常数，为中的某一个次序数。
9.进一步地，所述二维坐标系的建立具体步骤如下：通过时序序列段对应的平均呼吸比与呼吸周期变化紊乱度之间的无关性，将呼吸周期变化紊乱度作为横轴，平均呼吸比作为纵轴建立二维直角坐标系；将每个不同长度采样窗口获得的时序序列段对应的坐标点在二维坐标系中标记并进行时间戳标记。
10.进一步地，获取所述最优窗口长度的方法是：睡眠阶段类别的判别：对二维坐标系中的坐标点进行模糊聚类，获取模糊聚类中心，利用医学睡眠先验规则判别出聚类中心个数及其每个聚类中心属于的睡眠阶段类别；睡眠阶段分段信息的划分：将聚类好的二维坐标点进行时间戳标记，对每个二维坐标点提取出最大的两个睡眠阶段类别隶属度，将两个睡眠阶段类别隶属度之差小于设定阈值的二维坐标点标记为此两个睡眠阶段类别的疑似边界数据即睡眠过渡段；窗口采样效果的获取：提取上述两个睡眠阶段类别所有疑似边界数据的时间戳，并在时序上进行排序；对于不同睡眠阶段类别间的疑似边界数据进行时间戳时序排序；将排序好的时间戳进行时序分布聚类，获得窗口采样效果，根据窗口采样效果评价出最优窗口长度，该窗口采样效果的表达式为：式中：为窗口采样效果，为每个类的时序聚类中心，为过渡阶段的时序长度，该长度为将每一时序聚类中心作为过渡阶段中心时刻，为时序长度与各相邻类时序中心间距，表示各时序间距的平均长度，代表不同的时序中心。
11.一种基于可穿戴设备的睡眠特征数据评估处理系统，包括心率数据采集模块、睡眠阶段分段信息和睡眠过渡段分析模块以及睡眠质量评估模块；所述心率数据采集模块用于获取人睡眠状态下的心率缺失数据，所述心率缺失数据包括若干个心率数据缺失片段；所述睡眠阶段信息和睡眠过渡段分析模块用于每个所述心率数据缺失片段均对应一段采集到的腕动数据；根据该段腕动数据获得该段腕动数据相对应的呼吸数据段；将每段呼吸数据段进行时序上的窗口滑动采样，获取每次采样时窗口内连续的呼吸数据段组成的时序序列段，计算出每次采样时窗口内的时序序列段对应的平均呼吸比和呼吸周期变化紊乱度；将时序序列段对应的平均呼吸比和呼吸周期变化紊乱度作为坐标点，将该坐标点对应的时序序列段标记在二维坐标系；对二维坐标系中的坐标点进行模糊聚类，获取模糊聚中心，利用医学睡眠先验规则分析模糊聚中心处于的睡眠阶段，将模糊聚中心意外的坐标点利用隶属度分析出货睡眠
过渡段的坐标点；睡眠过渡段为两个相邻睡眠阶段的过渡时间段；将属于睡眠过渡段的坐标点对应的时序序列段在时间上进行时序排列，根据时序排列结果计算出窗口采样效果，根据窗口采样效果判断出最优窗口长度；根据最优窗口长度获取属于睡眠过渡段的坐标点对应的时序序列段在时序上的排列，根据排列结果确定睡眠阶段分段信息；所述睡眠质量评估模块用于利用确定出的确定睡眠阶段信息在历史睡眠心率参考数据获取与该睡眠阶段信息对应的历史心率数据段，将历史心率数据段补入到缺失段心率数据段中，根据补全的心率数据段对睡眠质量评估数据；当历史睡眠心率参考数据不存在时，则根据获得的睡眠过渡段信息以及各过渡段中心位置进行睡眠阶段的分割，计算出各睡眠阶段的时长，根据各睡眠阶段的时长直接获取睡眠质量评估数据。
12.本发明的有益效果是：1.该方法对于因腕动而产生的抗干扰性强，整个睡眠质量评估系统鲁棒性较强；2.该方法将腕动特征数据加入算法，基于多元化的时序数据进行睡眠质量的周期评估，使评估结果更加精确。
附图说明
13.图1是本发明方法的流程框图；图2是本发明方法中缺失的心率时序数据与因呼吸引起的腕动数据时序对比示意图；图3是本发明方法中窗口采样的示意图；图4是本发明方法中睡眠阶段分段信息示意图；图5是本发明系统的结构示意图。
具体实施方式
14.下面结合附图和实施例对本发明进行详细的描述。
15.在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
16.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
17.实施例1本实施例的应用场景为：手环未紧贴手腕佩戴，通过手环采集数据进行睡眠质量评估，此时，当佩戴较松使手环上的光电元件与手腕皮肤贴合性不好时，由于因体颤与呼吸而产生的轻微腕动对手环光电检测元件的检测效果出现误差，造成最终生成的心率数据时序图像存在时断时续的缺失。
18.如图1所示，基于上述问题，本实施例提供一种基于可穿戴设备的睡眠特征数据评
估处理方法，具体包括以下步骤：首先获取腕动数据：手环通过加速度传感器采集到因体颤引起的腕动数据和因呼吸引起的腕动数据。基于先验知识可知手环心率检测数据产生时断时续缺失的原因由体颤和呼吸引起的，此处仅考虑因呼吸引起的腕动数据，因此将由体颤引起的腕动数据进行筛除。具体筛除方法如下：将因体颤引起的腕动数据和因呼吸引起的腕动数据进行去噪处理，由于体颤数据为短时的尖峰，进行去尖峰处理，记录每个体颤的时刻。将体颤对应的心率缺失数据用呼吸引起的腕动数据进行补全。此处的补全指的是无需补全数据具体值，只是补全是否缺失即如果左右有数据但因体颤缺失则填补为有数据。排除缺失段中由体颤腕动引起的缺失只保留因呼吸腕动引起的心率缺失数据。
19.其次，获取心率缺失数据：手环通过反射光电元件测得人睡眠状态下的心率缺失数据，心率缺失数据包括若干个心率数据缺失片段。
20.每个心率数据缺失片段均对应一段采集到的腕动数据；根据该段腕动数据获得该段腕动数据相对应的呼吸数据段。
21.参照图2，获取窗口滑动采样：将每段呼吸数据段进行时序上的窗口滑动采样，窗口滑动采样的具体步骤如下：将l个相邻呼吸数据段对应的时序序列段的长度定义为窗口长度l，l为无单位的自然数，且取值范围为大于一个呼吸数据段对应的时序序列段，小于整个时序序列段的一半，本实施例选择l=4。
22.将窗口在时序上移动的长度为s个相邻呼吸数据段对应的时序序列段的长度定义为窗口移动步长s，s为无单位的自然数；获取连续窗口的采样后数据。
23.根据连续窗口采样，获取每一个窗口内连续的组成的时序序列，计算出每一个窗口内的时序序列段相对应的平均呼吸比和呼吸周期变化紊乱度。
24.参照图3，获取滑动窗口内时序序列段对应的平均呼吸比；具体步骤如下：将测得含有缺失心率时序数据与呼吸引起的腕动数据进行时序对比，获得心率缺失数据相对应的呼吸数据段的时序序列。
25.将图3中从第一个缺失时刻开始，最后一个缺失时刻结束，此中间整个心率缺失数据相对应的呼吸数据段记为；该由若干个小缺失时间段组成，以每一次呼吸的时间间隔定义为小时间段，则的表达式为：；式中：表示从起始缺失时间段开始的各个缺失小时间段的次序。
26.基于先验知识，不同睡眠期人体呼吸的呼吸比不同，具体不同为rem期大于深睡期大于浅睡期。而呼吸周期变化紊乱度为，在浅睡期逐渐降低到深睡眠期，然后降到最低并逐渐平稳，而rem期存在呼吸紊乱是的呼吸周期变化紊乱度出现较大波动。因此本实施例将呼吸比和呼吸周期变化紊乱度作为判别心率数据缺失段睡眠周期从属的指标。
27.呼吸比的定义及获取方法如下：参照图3，将腕动数据在正上方上的加速度持续时长定义为吸气时长，理由是当手
腕被吸气带动产生非自主运动时，运动方向为腹腔或胸腔膨胀方向，此时情况为若产生心率缺失则佩戴手一定在身体上方，因呼吸产生的脉动使其随着呼吸与手环光电模块接触时断时续，因此手环正向即向上靠近光电模块的方向为吸气带动手腕皮肤向上靠拢的加速度方向。
28.因此吸气时长即为手环正向加速度的持续时长，则呼气时长为。由此，定义出呼吸比，其表达式为：。
29.由呼吸比定义出采样窗口内时序序列段对应的平均呼吸比，其表达式为：=；式中，为中的某一个次序数，为常数，该时序序列段中含有个呼吸周期。
30.获取该采样窗口内时序序列段对应的呼吸周期变化紊乱度，其表达式为：；式中：为呼吸周期变化紊乱度，为常数，为中的某一个次序数。
31.对于与缺失心率数据段相邻的未缺失数据段，因为其前后均有腕动影响，未缺失数据的数据准确性不能保证，甚至失真，所以未缺失数据段的作用仅表示数据存在与否即表征手腕与手环光电传感器的接触。
32.因此，表征任意一段长度的缺失数据均可采用上述和的计算公式获得。
33.将获得的每一个窗口内时序序列段对应的平均呼吸比和呼吸周期变化紊乱度在建立好的二维坐标系中标记。二维坐标系的建立具体步骤如下：通过和之间的无关性，将作为横轴，作为纵轴建立二维直角坐标系。
34.由于量纲不同，为0到1的数，而为表示呼吸周期序列紊乱度的一个指标，并不在0到1之间。因此，将进行归一化，对手环历史数据以及其他呼吸数据的周期紊乱度进行统计，确定的分布区间，对进行归一化，获得归一化系数。此步骤为现有技术不再赘述。
35.将每个不同长度的采样窗口获得的和作为坐标点，将该坐标点对应的时序序列段标记在二维坐标系中，并进行时间戳标记，其中时间戳为采样窗口起始与终点对
应的总时序段上的时间序列标号，表现形式为。
36.基于rem睡眠阶段、浅睡眠阶段以及深度睡眠阶段在上述坐标系中分布原则的先验知识，分两步进行睡眠阶段类别的判别，获取最优窗口长度。应遵循的分布原则具体如下：rem睡眠阶段在两个坐标轴方向上均处于最高水平。
37.深度睡眠阶段与浅睡眠阶段在值上相对分布情况应为深度睡眠低水平，浅睡眠高水平。
38.深度睡眠阶段与浅睡眠阶段在值上相对分布情况应为深度睡眠高水平，浅睡眠低水平。
39.rem睡眠阶段在值上与深度睡眠的区别较大，在值上与浅睡眠的区别较大。
40.睡眠阶段类别判别的具体步骤如下：对坐标系中的数据进行模糊聚类。类别数定为3获得聚类的中心。分别对应浅睡，深睡，rem。对该三个聚类中心进行分类程度的评价。
41.对获得的聚类中心进行两个坐标轴方向的顺序的判别：值上的大小顺序。
42.值上的大小顺序。
43.基于以上规则结合睡眠阶段的循环特性来判别聚类中心属于哪一个类别睡眠阶段。
44.由此获得缺失数据时序在两个维度上的第一次聚类结果，基于先验知识将第一聚类结果进行如下操作：将聚类好的二维坐标点进行时序标签统计，同一数据而言，对于三个聚类中心的隶属度仅会对其中之二有较大水平，这是由于睡眠阶段决定的，在睡眠时序上的点在值与值的水平上不会出现对三种睡眠阶段的隶属度平均分布。
45.对每个坐标点提取该坐标点最大的两个隶属度，由于隶属度为归一化的数据，当其两类之差小于10%时，此处的百分数可自行定义，标记为疑似边界数据即为睡眠过渡段。
46.例如：某坐标点对深睡与浅睡期隶属度相差小于10%则认为其为疑似深睡与浅睡的睡眠阶段边界数据即为深睡与浅睡的睡眠过渡段。当其两类之差大于10%时，选择该坐标点隶属度最大的类作为该坐标点类别标签，比如深睡睡眠阶段类别的隶属度大，则直接确定该数据数据为深睡睡眠阶段类别。
47.提取上述两个类别所有疑似边界数据的时间戳，将提取到的时间戳在时序上进行
排序；对于不同类别间的疑似边界数据均通过上述步骤进行时间戳时序排序。即对于深睡与浅睡的边界数据都提取出来在时序上进行排序，以此类推。
48.参照图4，获取窗口采样效果：将排序好的同类疑似边界数据进行时序分布聚类，得到每个类的时序聚类中心，将每一时序聚类中心作为过渡阶段中心时刻，对所有的聚类中心持续时长即其在时序上最早的类内点与最晚的类内点之间的时间长度作为此过渡阶段的时序长度。以时序长度与各相邻类时序中心间距，来评价窗口采样效果，其中，i1,i2代表不同的时序中心。
49.该窗口采样效果的表达式为：；式中：为窗口采样效果，表示各时序间距的平均长度。
50.对所有的窗口长度l进行从小到大的遍历，进行上述操作，以最终的来评价最优窗口长度，越大越l越优。
51.确定出睡眠阶段分段信息：根据最优窗口长度获取属于睡眠过渡段的坐标点对应的时序序列段在时序上的排列，根据排列结果确定睡眠阶段分段信息。
52.利用确定出的确定睡眠阶段信息在历史睡眠心率参考数据获取与该睡眠阶段信息对应的历史心率数据段，将历史心率数据段补入到缺失段心率数据段中，根据补全的心率数据段对睡眠质量评估数据。
53.当历史睡眠心率参考数据不存在时，则根据获得的睡眠过渡段信息以及各过渡段中心位置进行睡眠阶段的分割，计算出各睡眠阶段的时长，根据各睡眠阶段的时长直接获取睡眠质量评估数据。
54.综上所述，通过本实施例具有对于因腕动而产生的抗干扰性强，使整个睡眠质量评估系统鲁棒性较强；同时将腕动特征数据加入算法，基于多元化的时序数据进行睡眠质量的周期评估，使评估结果更加精确。
55.实施例2如图5所示，一种基于可穿戴设备的睡眠特征数据评估处理系统，包括心率数据采集模块、睡眠阶段分段信息和睡眠过渡段分析模块以及睡眠质量评估模块；心率数据采集模块用于获取人睡眠状态下的心率缺失数据，所述心率缺失数据包括若干个心率数据缺失片段。
56.睡眠阶段分段信息和睡眠过渡段分析模块呼吸数据段分析单元、窗口滑动采样单元、坐标点标记单元、睡眠过渡段数据提取单元、最优窗口长度判断单元以及睡眠阶段分段信息确定单元。
57.呼吸数据段分析单元用于每个心率数据缺失片段均对应一段采集到的腕动数据；根据该段腕动数据分析出该段腕动数据相对应的呼吸数据段。
58.窗口滑动采样单元用于将每段呼吸数据段进行时序上的窗口滑动采样，获取每次采样时窗口内连续的呼吸数据段组成的时序序列段，计算出每次采样时窗口内的时序序列段对应的平均呼吸比和呼吸周期变化紊乱度。
59.坐标点标记单元用于将获得每次采样时窗口内的时序序列段对应的平均呼吸比和呼吸周期变化紊乱度作为坐标点，将该坐标点对应的时序序列段在建立好的二维坐标系中进行标记。
60.睡眠过渡段数据提取单元用于对二维坐标系中的坐标点进行模糊聚类，获取模糊聚类中心，利用医学睡眠先验规则分析模糊聚类中心处于的睡眠阶段类别，将模糊聚类中心以外的坐标点利用隶属度分析出睡眠过渡段的坐标点。
61.最优窗口长度判断单元将属于睡眠过渡段的坐标点对应的时序序列段在时间上进行时序排列，根据时序排列结果计算出窗口采样效果，根据窗口采样效果判断出最优窗口长度。
62.睡眠阶段分段信息确定单元用于根据最优窗口长度获取属于睡眠过渡段的坐标点对应的时序序列段在时序上的排列，根据排列结果确定睡眠阶段分段信息。
63.睡眠质量评估模块包括历史数据库判断单元、数据补全单元以及睡眠质量评估单元。
64.历史数据库判断单元用于判断历史睡眠心率参考数据是否存在。
65.当历史睡眠心率参考数据存在时，通过数据补全单元利用确定出的睡眠阶段分段信息在历史睡眠心率参考数据获取与该睡眠阶段分段信息对应的历史心率数据段，将历史心率数据段补入到缺失段心率数据段中，根据补全的心率数据段对睡眠质量进行评估。
66.当历史睡眠心率参考数据不存在时，则通过睡眠评估单元则根据获得的睡眠过渡段信息以及各过渡段中心位置进行睡眠阶段的分割，计算出各睡眠阶段的时长，根据各睡眠阶段的时长直接进行睡眠质量评估。
67.以上实施例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。