[发明专利]基于机器学习的睡眠质量检测方法及装置

权利要求书

1.一种基于机器学习的睡眠质量检测方法，其特征在于，所述方法包括：

获取睡眠期间的脉搏波信号和血氧信号；

对所述脉搏波信号和血氧信号进行通道脱落检测，获得检测后的脉搏波信号和血氧信号；

对所述检测后的脉搏波信号进行识别，获得脉搏波信号的特征波，根据所述脉搏波信号的特征波测算脉率数据；

对所述检测后的血氧信号进行识别，获得氧降事件数据；

将脉率数据和氧降事件数据作为自动睡眠质量检测模型的输入信号，经机器学习后输出睡眠质量检测结果。

2.如权利要求1所述的基于机器学习的睡眠质量检测方法，其特征在于，对所述脉搏波信号和血氧信号进行通道脱落检测，包括：

对脉搏波信号和血氧信号进行预处理；

使用滑动窗口法对预处理后的脉搏波信号和血氧信号进行通道脱落检测。

3.根据权利要求2所述的基于机器学习的睡眠质量检测方法，其特征在于，对脉搏波信号和血氧信号进行预处理，包括：

对脉搏波信号进行去噪滤波处理，获得去噪滤波后的脉搏波信号；

对去噪滤波后的脉搏波信号进行归一化处理，获得去噪滤波归一化后的脉搏波信号；

对血氧信号进行去噪滤波处理。

4.如权利要求2所述的基于机器学习的睡眠质量检测方法，其特征在于，使用滑动窗口法对预处理后的脉搏波信号进行通道脱落检测，包括：

设置滑动窗口、滑动步长、滑动窗口前后两个参考窗口的长度和最短脱落窗口的参考时长；

基于预处理后的脉搏波信号，测算两个参考窗口内的幅度参考值；

根据所述幅度参考值确定滑动窗口内的幅度下降阈值；

基于预处理后的脉搏波信号，将滑动窗口内平均幅度低于幅度下降阈值的窗口标记为通道信号脱落窗口；

对有交叠的通道信号脱落窗口进行合并，获得合并后的通道信号脱落窗口；

确定合并后的通道信号脱落窗口的总时长；

将合并后的通道信号脱落窗口的总时长低于参考时长的窗口进行删减，获得检测后的脉搏波信号。

5.如权利要求3所述的基于机器学习的睡眠质量检测方法，其特征在于，对所述检测后的脉搏波信号进行识别，获得脉搏波信号的特征波，根据所述脉搏波信号的特征波测算脉率数据，包括：

对去噪滤波归一化后的脉搏波信号进行特征波滤波处理，获得脉搏波信号的特征波；

对所述脉搏波信号的特征波进行峰值检测，将检测到的峰值标记为脉搏波信号的特征点；

根据所述脉搏波信号的特征点测算脉率。

6.如权利要求2所述的基于机器学习的睡眠质量检测方法，其特征在于，使用滑动窗口法对预处理后的血氧信号进行通道脱落检测，对所述检测后的血氧信号进行识别，获得氧降事件数据，包括：

设置滑动窗口、滑动步长和滑动窗口前一个参考窗口的参考长度；

基于预处理后的血氧信号，测算前一个参考窗口内的血氧浓度参考值；

根据所述血氧浓度参考值设置滑动窗口内血氧浓度下降阈值；

基于预处理后的血氧信号，若滑动窗口中存在满足血氧浓度下降阈值的血氧信号点，则标记该血氧信号点为氧降事件结束点，前一个参考窗口中存在的满足血氧浓度下降阈值的血氧信号点为氧降事件起始点；

对有交叠的氧降事件进行合并。