[发明专利]一种疲劳睡眠分析方法及装置

权利要求书

1.一种疲劳睡眠分析方法，其特征在于，包括以下步骤：

步骤1：采集用户的BCG信号；

步骤2：对原始BCG信号进行第一滤波，得到呼吸信号波形；

步骤3：对原始BCG信号进行第二滤波，并进行特征峰提取；

步骤4：对特征峰进行异常值剔除，得到心率变异性信号；

步骤5：利用Lomb-Scargle算法分别对呼吸信号和心率变异性信号进行功率谱计算，得到两者的功率谱密度；

步骤6：对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱；

步骤7：采用机器学习中的分类器模型对心肺耦合强度进行分类，并进行疲劳与睡眠状态的分析结果。

2.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述步骤1中的BCG信号的采集通过以下装置之一获得：马赫-曾德干涉仪、迈克尔逊干涉仪或模间干涉仪。

3.根据权利要求2所述的一种疲劳睡眠分析方法，其特征在于，所述步骤1中的BCG信号的采集通过智能坐垫或者智能床垫获得。

4.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述第一滤波和所述第二滤波的类型包括小波变换或巴特沃斯滤波。

5.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述步骤3中的特征峰提取具体为：提取每次心跳的J峰，进而得到相邻两次心跳之间的距离；所述步骤4中的对特征峰进行异常值剔除具体为：利用连续的J-J间期序列构成心率变异性信号；对特征峰提取后得到的J-J间期序列进行中值滤波，中值滤波窗的宽度大于30秒，若中值滤波后的J-J间期与原始的J-J间期之差大于预设的阈值，那么该原始的J-J间期为异常值，并将其剔除。

6.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，Lomb-Scargle算法计算功率谱密度的公式为：

其中，P(ω)为频率ω的周期信号功率，y(t_i)为离散实验数据，t_i为离散实验数据的时间，n为实验数据的统计量，t₁为实验数据的起始时间，t_n为实验数据的终止时间。

7.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述步骤6中的对呼吸信号和心率变异性信号进行心肺耦合分析，得到用户心肺耦合强度谱，其中的心肺耦合强度的计算公式如下：

cross＝P_RR(ω)·P_HRV^*(ω)

CPC＝|mean(P_RR(ω))|²·coherence

其中，mean表示求平均值，P_RR(ω)和P_HRV(ω)分别为呼吸信号和心率变异性信号的功率谱密度，cross为P_RR(ω)和P_HRV(ω)的互功率谱，coherence为P_RR(ω)和P_HRV(ω)的相干性，CPC为心肺耦合强度。

8.根据权利要求1所述的一种疲劳睡眠分析方法，其特征在于，所述机器学习中的分类器模型包括支持向量机分类器或深度神经网络。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。