[发明专利]基于多传感器数据决策级融合的睡眠分期方法

说明书

本发明公开了一种基于多传感器数据决策级融合的睡眠分期方法，该方法首先使用雷达传感器和音频传感器采集整夜的雷达和音频数据，提取雷达和音频信号特征；根据特征数将其进行数据分类，根据数据分类建立雷达剩余片段模型和雷达+音频片段模型；接着用分类器对雷达剩余片段模型里的雷达特征进行识别分类，得到模型预测结果1，用分类器对雷达+音频片段模型里的雷达和音频特征进行识别分类，得到模型预测结果A和B；然后用朴素贝叶斯模型对模型预测结果A和B进行决策，得到模型预测结果2；最后将模型预测结果1和模型预测结果2进行时序拼接，得到整夜睡眠分期结果。该方法简单易行，准确率高，与实际情况相吻合。

技术领域

本发明属于生命体征监测技术领域，是一种非接触式睡眠分期方法。

背景技术

在睡眠过程中，人的脑电图、心电图等多种生理信号发生变化，而这些信号变化随着入睡的深浅度有一定的相关性变化。医学上根据脑电波、心电、眼电等生理表现人为的将睡眠划分为几个阶段，实际上各个睡眠阶段之间并没有很明确的界限，而是周期之间逐渐转变且有承接性的，整夜的睡眠阶段也是呈现周期性的，有一定的规律。

目前睡眠监测产品多采用接触式监测，需要在受试者身体的多个部位贴数个电极，佩戴口鼻气流管和腹部绑带。接触式的监测在很大程度上影响了受试者的生理和心理情况，且测试环境复杂，需要专业医护人员操作，价格相对昂贵。多传感器数据融合的方法进行睡眠分期是一种非接触式分期方法，相比单一传感器数据具有以下优点：多样性、实时性、鲁棒性和高效性。为了最大程度地利用多个传感器的数据获得更为全面多元化的信息，需要对数据进行融合理。对多个用于监测睡眠的传感器进行数据融合，可以提高整个睡眠分期系统的可靠性、实时性和利用率，能获得更为全面的睡眠分期结果，这将使全面睡眠分期研究更具意义。但是现有技术中尚无相关描述。

发明内容

本发明的目的在于提出供一种基于多传感器决策层融合的睡眠分期方法。

实现本发明目的的技术解决方案为：一种基于多传感器数据决策级融合的睡眠分期方法，包括以下步骤：

步骤1、测试者平躺在测试床上，将雷达传感器设置于人体的正上方，用于采集雷达回波信号；将音频传感器设置于朝向人脸的方向，用于采集呼吸和鼾声信号；

步骤2、开启雷达传感器和音频传感器采集信号，获得雷达回波信号X(t)及音频信号Y(t)，之后对雷达回波信号X(t)进行滤波，获得呼吸信号和心跳信号，对雷达回波信号X(t)用幅值门限检测法作为预判的条件，检测出体动信号，对音频信号Y(t)进行降噪和事件检测获得呼吸信号Y₁(t)和鼾声信号Y₂(t)；

步骤3、对步骤2获得的雷达回波信号X(t)进行特征参数提取，根据呼吸信号得到每分钟呼吸次数N_bre、每分钟呼吸次数的方差S_bre²、每分钟呼吸信号幅度的差值积累Ada_bre、呼吸信号中的体动信号参数move_b，根据心跳信号得到每分钟心跳次数N_hrt、每分钟心跳次数的方差S_hrt²、每分钟心跳信号幅度的差值积累Ada_hrt、心跳信号中的体动信号参数move_h，睡眠分期相关特征REM期参数REM、DEEP期参数DEEP、样本熵SampEn、时序特征a_t；

所述提取11个雷达回波信号特征以及1个时序特征对睡眠阶段进行划分，12个特征具体如下：

(1)每分钟的呼吸次数N_bre：由相邻峰值点即波峰或波谷的差值计算每次呼吸时长，从而计算每分钟的呼吸次数N_bre；

(2)每分钟呼吸次数的方差S_bre²：

其中，N_bre(g)为第g分钟呼吸的次数，为整夜信号中每分钟呼吸次数的平均值，l_b为计算每分钟呼吸次数的方差的窗长；