[发明专利]一种睡眠监测方法及系统

说明书

技术领域

本发明属于穿戴设备技术领域，特别涉及睡眠监测方法及系统。

背景技术

可穿戴智能设备成为了当前时代的一种潮流。各种智能穿戴设备由于功能不同，其侧重点也是不一样的，有的侧重于运动计步，有的侧重于心率监测，也有的侧重于睡眠监测。

现有技术中，睡眠监测算法的一般流程如下：分段采集用于检测睡眠的特征数据，所采集的特征数据包括手臂从静止到摆动的次数、手臂处于静止状态的次数、手臂连续活动的时间、各阶段内手臂活动的总时间；通过读取加速度传感器中寄存器的三轴数据，得到用于识别手臂姿势的判据；通过获取心率值，来进一步判断睡眠的开始和结束；经过对采样数据进行分析，设定满足入睡条件的经验值，若在连续的半个小时内，均满足入睡条件，或者调用此时一个时间段内心率值的平均值，若满足睡眠条件，则判定为入睡状态；通过测试数据设定经验值，然后依据设定的经验值来区分睡眠状态；同上述入睡检测，通过经验值判断睡眠已结束且心率值有明显上升，或者检测到开始走路状态，则判断睡眠结束；当睡眠结束，通过显示屏可以显示出睡眠的总时长或者当手表连接手机APP，通过手机APP可以显示睡眠的详细信息，包括睡眠开始时间、结束时间、深睡时长、浅睡时长、清醒时长、总时长。

现有技术中的睡眠监测方法，通过离线测试获取大部分场景下算法模型参数，然后用固定参数监测所有情况，会出现手环静置一晚仍有睡眠分析数据等异常情况，对个性化睡眠数据的分析也不够精确。由于模型的特征仅包括三个加速度及心率共四个特征参数，所以这种算法没有进行足够的特征工程，对睡眠状态的分析也不精确，这样是当前睡眠监控算法的不足之处。

因此，如何解决上述技术问题，更精确地监测用户睡眠状态，成为亟待解决的问题。

发明内容

鉴于此，本发明的目的在于提供一种睡眠监测方法及系统，能够更准确地监测用户睡眠状态，并且能够判定智能穿戴设备出现异常的情况。

根据上述发明目的，本发明提供一种睡眠监测方法，所述方法包括：

S1、根据获取的睡眠特征数据、加速度数据以及心率数据运行统计经验模型，获取所述统计经验模型对应的第一预测结果；

S2、根据所述心率数据和加速度数据运行逻辑斯蒂回归模型，获取所述逻辑斯蒂回归模型对应的第二预测结果；

S3、将所述第一预测结果和第二预测结果进行加权计算，根据计算结果得到睡眠状态。

优选地，所述步骤S2具体包括：

将所述加速度数据进行多项式转换，获得多维特征数据；

根据所述多维特征数据和心率数据运行逻辑斯蒂回归模型，获取所述逻辑斯蒂回归模型对应的第二预测结果。

优选地，所述步骤S2具体还包括：

对所述加速度数据进行度为2的多项式转换，该多项式为：

；

其中，x, y, z分别为X轴、Y轴和Z轴三个方向的加速度数据。

优选地，所述步骤S2还包括：

采用交叉验证或者梯度下降方式对所述逻辑斯蒂回归模型进行模型优化。

优选地，步骤S2具体还包括：

根据相关系数法分析所述心率数据和多维特征数据与睡眠状态的相关关系，获取相关关系大的数据特征信息，将所述数据特征信息输入到所述逻辑斯蒂回归模型。

优选地，所述步骤S3具体包括：

获取所述统计经验模型对应的第一权值以及所述逻辑斯蒂回归模型对应的第二权值；

将所述第一预测结果、第一权值、第二预测结果和第二权值进行加权计算，得到计算结果；

若所述计算结果大于一预设阈值，则判定为睡眠状态，否则为醒着状态。

根据上述发明目的，本发明还提供一种睡眠监测系统，所述系统包括：

统计经验模型模块，用于根据获取的睡眠特征数据、加速度数据以及心率数据运行统计经验模型，获取所述统计经验模型对应的第一预测结果；

逻辑斯蒂回归模型模块，用于根据所述心率数据和加速度数据运行逻辑斯蒂回归模型，获取所述逻辑斯蒂回归模型对应的第二预测结果；

计算模块，用于将所述第一预测结果和第二预测结果进行加权计算，根据计算结果得到睡眠状态。

优选地，所述系统还包括采集模块，用于采集用户的睡眠特征数据、加速度数据以及心率数据。

优选地，所述逻辑斯蒂回归模型模块具体包括：

多项式单元，用于将所述加速度数据进行多项式转换，获得多维特征数据；