[发明专利]基于脉搏波睡眠分期的方法

说明书

本发明公开了一种基于脉搏波睡眠分期的方法，使用光电式脉搏波探测设备，探测出人体脉搏波信号，并通过算法进行生理信号和噪声信号的分离，得到去噪后的脉搏波波形。然后，从得到的脉搏波波形中，结合人体生理特点，通过各种生理信息解调算法，得到了人体的各个生理特征量值。接着，通过数据降维和无监督机器学习聚类方法得到了跟实际睡眠过程相符合的睡眠分期模型。最后，通过多组数据综合分析，得到了最适睡眠模型。本发明在睡眠分期上仅需要脉搏波，这一单维度的信息，相较于多导睡眠仪睡眠分期，对人的睡眠影响小得多，在现代人对睡眠质量要求的提升和睡眠监测等方面具有重大的实际意义。

技术领域

本发明属于多学科交叉技术领域，涉及光电检测、生物医学、大数据和机器学习等技术领域，具体涉及一种基于脉搏波特性进行睡眠分期的方法。

背景技术

睡眠对于机体的恢复、成长具有重要的意义。睡眠不足、睡眠质量差将直接影响人的心理和生理健康。现代人由于生活压力大，睡眠质量越来越差。

但是，由于现行的睡眠评价标准需要采用复杂的睡眠研究设备进行睡眠检测，这就限制了更广泛的睡眠研究与普通人对于睡眠质量分析的可能性。而现有的手环睡眠分析技术，只能粗略地使用体动信息，这种信息很不准确，很容易产生误判，也不能对睡眠进行定量的描述。

基于上述背景，本发明提出了一种新型的睡眠分期方法，该方法只需要使用指夹式光电脉搏波探测设备就能对睡眠进行定量分析，以最少的睡眠干扰达到最佳的睡眠分期检测效果。

发明内容

本发明为了解决睡眠检测中睡眠分期问题，提供了一种基于脉搏波进行睡眠分期的新方法。本发明可以进行实时的睡眠检测，并且可以在对人体影响尽量小的情况下进行定量的睡眠分期，从而通过这种睡眠分期结果，可以进行后续的科研、医学研究和记录睡眠状态等。

本发明通过以下技术方案来解决技术问题：

本发明提出的一种基于脉搏波睡眠分期的方法，包括以下步骤：

步骤1、采集到人体睡眠时期由于脉搏搏动而产生的透射光强弱的变化信息，并转换为电信号；

步骤2、建立手指血液流动数学模型，根据朗伯比尔定律与血液流动模型进行综合分析，得到生理信号噪声源，并对步骤1中所述的原始电信号进行滤波分析，得到去噪后的脉搏波波形信息；

步骤3、根据人的生理特性，对步骤2所述的去噪后的脉搏波波形信息进行生理信息提取；

步骤4、将步骤3所述的多个维度的生理信息组成一组多维向量，并通过PCA主成份分析方法进行主成份分析，得到低维的主成份分析正交矩阵；

步骤5、对步骤4所述主成份分析正交矩阵使用K-means无监督机器学习算法进行聚类分析，其中K根据经典睡眠理论选择为3或者4得到聚类模型；

步骤6、对多组人的睡眠数据重复步骤1-步骤5这五个步骤，分别得到一组聚类模型数据，对所有聚类模型数据取加权平均得到最终的睡眠分期模型。

更进一步，所述的采集脉搏搏动而产生的透射光强弱的变化信息的设备采用指夹透射式光电脉搏波采集设备。

更进一步，所述的步骤2对原始信号的滤波分析，采用基于人体信号特点分析的低通截止频率滤波器，采用傅里叶变换先进行时域频域转换，在频域进行滤波，然后通过逆傅里叶变换，将滤波之后的信号转化到时域，得到去掉高频噪声的脉搏波波形图。

更进一步，还通过基频截止滤波器进行基频滤波去除人体运动以及系统整体性漂移带来的伪迹漂移，得到基频脉搏波波形图。

更进一步，还通过极低频率的去除可以很好地去除运动伪迹以及系统整体性漂移信息，最终可以得到稳定的以0基准线为均值分布的波形图。