基于翻转检测的睡眠质量检测方法与流程

本发明涉及睡眠监测技术，尤其涉及一种基于翻转检测的睡眠质量检测方法。

背景技术：

睡眠作为人类必不可少的一项基本生理需求，在现代社会生活中显得越来越重要。好的睡眠质量更是对人们意义重大，只有在高质量的睡眠保证下才能把学习和工作做好。此外，睡眠质量的好坏与人的身体健康程度密切相关，睡眠质量差以及缺乏睡眠都会影响人的健康状态。如果睡眠质量差，起初会变得非常烦躁，对一切外界的人和事物充满了排斥感。随着睡眠状况的进一步恶化，导致心情抑郁，更有甚者可能会造成其它严重的不良后果。失眠容易导致内分泌失调，影响记忆力，甚至影响神经系统而导致心血管疾病的发生，使人患高血压、中风、糖尿病等疾病的几率明显增加，是严重威胁着人们身体健康的一大隐忧。根据有关调查发现，随着人们生活节奏的加快，目前失眠已经成为常见疾病，严重影响了人们的正常工作和生活。

目前，现有的睡眠质量评价方法只能简单告知用户睡眠时长，没有对睡眠质量做量化评估；因此不能实质性的改善睡眠状况。

技术实现要素：

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了一种基于翻转检测的睡眠质量检测方法，以至少解决目前现有的睡眠质量检测技术只能简单告知用户睡眠时长、而没有对睡眠质量做量化评估的问题。

根据本发明的一个方面，提供了一种基于翻转检测的睡眠质量检测方法，所述睡眠质量检测方法包括：预先将可穿戴采集装置佩戴于用户上臂，其中，所述可穿戴采集装置包括用于佩戴在用户上臂的可穿戴部分以及加速度采集设备；确定所述可穿戴采集装置用于采集翻转的三个轴向方向；通过所述加速度采集设备采集用户睡眠过程中的所述三个轴向方向的加速度变化数据；利用采集到的所述三个轴向方向的加速度变化数据进行翻转检测判定，以识别用户睡眠过程中的翻转；根据所识别的用户睡眠过程中的翻转，确定用户各睡眠阶段的深浅睡眠时长；基于所确定的用户各睡眠阶段的深浅睡眠时长，确定用户的睡眠质量。

进一步地，所述加速度采集设备为六轴加速度陀螺仪；所述三个轴向方向分别为横滚轴、偏航轴和俯仰轴。

进一步地，所述利用采集到的所述三个轴向方向的加速度变化数据进行翻转检测判定的步骤包括：根据下式计算t时刻到t+1时刻的时间段内的姿势差异D_t+1，D_t+1＝(A_Rt+1-A_Rt)²+(A_Yt+1-A_Yt)²+(A_Pt+1-A_Pt)²，其中，D_t+1表示t时刻到t+1时刻的时间段内的姿势差异，单位为[G²]；A_Rt+1、A_Rt分别表示t+1时刻和t时刻横滚轴方向的平均加速度，单位为[G]；A_Yt+1、A_Yt分别表示t+1时刻和t时刻偏航轴方向的平均加速度，单位为[G]；A_Pt+1、A_Pt分别表示t+1时刻和t时刻俯仰轴方向的平均加速度，单位为[G]；t+1和t表示时间，单位为[min]表示横滚轴方向的平均加速度，单位为；判定预设条件是否成立，并在所述预设条件成立的情况下判定睡眠过程中发生了一次翻转，其中，所述预设条件为：所述姿势差异D_t+1大于第一预定阈值，所述横滚轴方向的加速度平均绝对差大于第二预定阈值，所述偏航轴方向的加速度平均绝对差大于第三预定阈值，以及所述俯仰轴方向的加速度平均绝对差大于第四预定阈值。

进一步地，所述确定用户各睡眠阶段的深浅睡眠时长的步骤包括：针对用户在每个睡眠阶段中的每相邻两次翻转过程中，判定该相邻两次翻转之间的时间间隔是否小于预设间隔阈值：若该相邻两次翻转之间的时间间隔小于所述预设间隔阈值，判定该相邻两次翻转之间对应的时间段为浅度睡眠；若该相邻两次翻转之间的时间间隔大于或等于所述预设间隔阈值，判定该相邻两次翻转之间对应的时间段为深度睡眠。

进一步地，所述确定用户各睡眠阶段的深浅睡眠时间的步骤包括：针对每个睡眠阶段，创建该睡眠阶段的数组a[N]，其中，N表示该睡眠阶段内的检测次数，a[i]＝1表示发生翻转，a[i]＝0表示未发生翻转，且该睡眠阶段内的翻转检测是以每30s检测一次的频率进行的，在完成该睡眠阶段的翻转检测后，将数组a[N]中各元素值“0”或“1”按照对应次序存入记录数组b[N]，

将所述记录数组b[N]中元素值为“1”的元素作为节点元素，并获得每两个相邻节点元素之间的零元素个数，

针对每两个相邻节点元素，当该两个相邻节点元素之间的零元素个数小于M₀时判定该两个相邻节点元素对应的时间段内为浅度睡眠，而当该两个相邻节点元素之间的零元素个数大于或等于M₀时判定该两个相邻节点元素对应的时间段内为深度睡眠，其中，M₀为预设正整数。

进一步地，M₀＝40。

进一步地，所述确定用户的睡眠质量的步骤包括：根据下式计算用户的睡眠质量：睡眠质量＝深度睡眠时长/总睡眠时长；其中，所述深度睡眠时长为用户各个睡眠阶段内深度睡眠时长的和。

相比于现有技术，本发明的基于翻转检测的睡眠质量检测方法依据睡眠状况翻转检测法，选取佩戴于上臂的六轴加速度陀螺仪对用户睡眠过程中的加速度变化数据进行采集，通过基于翻转检测的睡眠状况评价算法对睡眠质量进行综合评价分析来实现睡眠质量检测，最终在用户终端上显示睡眠质量评价结果。采用此种睡眠质量检测方法，不仅可以较准确的对睡眠状况进行实质性的评估，而且最大限度的减少了对用户的舒适性造成的影响，减轻用户的心理负担。

通过以下结合附图对本发明的最佳实施例的详细说明，本发明的这些以及其他优点将更加明显。

附图说明

本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：

图1是示意性地示出本发明的基于翻转检测的睡眠质量检测方法的一个示例的流程图；

图2是可穿戴采集装置采集数据轴向的示意图；

图3是示出睡眠过程各阶段划分情况的示意图；

图4是示出深度睡眠和浅度睡眠的一个判断示例的流程图。

本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本发明实施例的理解。

具体实施方式

在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。

在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

本发明的实施例提供了一种基于翻转检测的睡眠质量检测方法，该睡眠质量检测方法包括：预先将可穿戴采集装置佩戴于用户上臂，其中，所述可穿戴采集装置包括用于佩戴在用户上臂的可穿戴部分以及加速度采集设备；确定所述可穿戴采集装置用于采集翻转的三个轴向方向；通过所述加速度采集设备采集用户睡眠过程中的所述三个轴向方向的加速度变化数据；利用采集到的所述三个轴向方向的加速度变化数据进行翻转检测判定，以识别用户睡眠过程中的翻转；根据所识别的用户睡眠过程中的翻转，确定用户各睡眠阶段的深浅睡眠时长；基于所确定的用户各睡眠阶段的深浅睡眠时长，确定用户的睡眠质量。

图1给出了本发明的基于翻转检测的睡眠质量检测方法的流程图。

如图1所示，在步骤S110中，预先将可穿戴采集装置佩戴于用户上臂，其中，可穿戴采集装置包括用于佩戴在用户上臂的可穿戴部分以及加速度采集设备。其中，可穿戴部分可套在用户上臂上，而加速度采集设备则固定在可穿戴部分上。然后，执行步骤S120。

其中，加速度采集设备例如为六轴加速度陀螺仪。

在步骤S120中，确定可穿戴采集装置用于采集翻转的三个轴向方向。然后，执行步骤S130。

其中，可穿戴采集装置采集数据轴向示意如图2所示，三个轴向方向分别为横滚轴(roll)、偏航轴(yaw)和俯仰轴(pitch)。其中，图2中的“可穿戴装置”即上述可穿戴采集装置。

在步骤S130中，通过加速度采集设备采集用户睡眠过程中的三个轴向方向的加速度变化数据。然后，执行步骤S140。

在步骤S140中，利用采集到的三个轴向方向的加速度变化数据进行翻转检测判定，以识别用户睡眠过程中的翻转。然后，执行步骤S150。

翻转通常被错误理解为是在睡眠过程中无意识的动作，如转动身体发生状态变化的动作。翻转的定义应是在睡眠过程中一系列的使躯干从静止状态通过翻转运动再回到静止状态的动作。如果只是四肢的运动状态发生变化则不认为是发生了一次翻转。

根据一种实现方式，为获得较高的翻转检测判定准确度，可以通过六轴加速度陀螺仪采集用户在睡眠过程中发生翻转运动时横滚轴(roll)、偏航轴(yaw)和俯仰轴(pitch)三个轴方向加速度变化数据。

翻转检测判定算法具体通过各轴向的平均加速度及表示运动强度指标的加速度平均绝对差来设定。所谓的加速度平均绝对差指的是单个采集的加速度值与加速度算术平均值的差的绝对值的平均。与加速度平均差相比，加速度平均绝对差由于差值被绝对值化，不会出现正负相抵消的情况，所以用加速度平均绝对差来设定翻转检测判定算法更加精准。

睡眠期间平均加速度主要是受到重力加速度的影响，因为相比处于醒着状态时的运动，在睡眠过程中肢体动作明显减少。

因此设定D为三个轴向平均加速度A_R、A_Y和A_P的差异，如公式一所示。D_t+1表示从t到t+1这段时间的姿势变化，定义D_t+1为姿势差异。

根据公式一计算t时刻到t+1时刻的时间段内的姿势差异D_t+1，

公式一：D_t+1＝(A_Rt+1-A_Rt)²+(A_Yt+1-A_Yt)²+(A_Pt+1-A_Pt)²

其中，D_t+1表示t时刻到t+1时刻的时间段内的姿势差异，单位为[G²]；A_Rt+1、A_Rt分别表示t+1时刻和t时刻横滚轴方向的平均加速度，单位为[G]；A_Yt+1、A_Yt分别表示t+1时刻和t时刻偏航轴方向的平均加速度，单位为[G]；A_Pt+1、A_Pt分别表示t+1时刻和t时刻俯仰轴方向的平均加速度，单位为[G]；t+1和t表示时间，单位为[min]。

相比之下，加速度平均绝对差是受运动强度影响而变化。在翻转过程中，加速度平均绝对差的最大值和姿势差异是同步的。翻转时的姿势差异和加速度平均绝对差与公式二中的阈值进行比较。

例如，根据一种实现方式，可以判定预设条件是否成立，并在预设条件成立的情况下判定睡眠过程中发生了一次翻转。

其中，上述预设条件为：姿势差异D_t+1大于第一预定阈值，且横滚轴方向的加速度平均绝对差大于第二预定阈值，且偏航轴方向的加速度平均绝对差大于第三预定阈值，且俯仰轴方向的加速度平均绝对差大于第四预定阈值。

以上预设条件如公式二所示。

公式二：

公式二中D_t+1表示t时刻到t+1时刻的时间段内的姿势差异，单位[G²]；E_Rt+1表示t时刻到t+1时刻的时间段内横滚轴方向的加速度平均绝对差，单位[G]；E_Yt+1表示t时刻到t+1时刻的时间段内偏航轴方向的加速度平均绝对差，单位[G]；E_Pt+1表示t时刻到t+1时刻的时间段内俯仰轴方向的加速度平均绝对差，单位[G]；T_i表示为对应的阈值，可取值1、2、3、4，也即，T₁表示第一预定阈值，T₂表示第二预定阈值，T₃表示第三预定阈值，T₄表示第四预定阈值。

通过以上所提出公式二中当姿势差异、横滚轴方向的加速度平均绝对差、偏航轴方向的加速度平均绝对差及俯仰轴方向的加速度平均绝对差四个条件同时满足大于所设定的对应阈值时，此时可判定为睡眠过程中发生了一次翻转。

在步骤S150中，根据所识别的用户睡眠过程中的翻转，通过相邻两次翻转的时间间隔确定用户各睡眠阶段的深浅睡眠时长。然后，执行步骤S160。

在确立翻转检测判定算法的前提下，进一步对睡眠状况的深浅睡眠划分进行确定。人类睡眠被定义为觉醒期、快速眼动睡眠和非快速眼动睡眠。一般情况下，在进入非快速眼动睡眠之后，非快速眼动睡眠和快速眼动睡眠大约在90分钟的间隔内交替出现。由于快速眼动期的特殊性把它不列为深浅睡眠划分的范围之内，而非快速眼动睡眠正是算法中要讨论的，它被更深入的分为四个阶段，其中非快速眼动睡眠的第一个阶段是最浅的睡眠，随着阶段深入睡眠深度依次增加，第四个阶段是最深的睡眠。具体的睡眠过程各阶段划分情况如图3所示。

如在一个实现方式中，可以通过如下方式实现步骤S150的处理：针对用户在每个睡眠阶段中的每相邻两次翻转，判定该相邻两次翻转之间的时间间隔是否小于预设间隔阈值：若该相邻两次翻转之间的时间间隔小于预设间隔阈值，判定该相邻两次翻转之间对应的时间段为浅度睡眠；若该相邻两次翻转之间的时间间隔大于或等于预设间隔阈值，判定该相邻两次翻转之间对应的时间段为深度睡眠。

也就是说，根据相邻两次翻转的时间间隔与阈值进行比较可界定深度睡眠和浅度睡眠，相邻两次翻转的时间间隔小于阈值时判定为浅度睡眠，大于或等于阈值时判定为深度睡眠，具体如公式三(浅睡眠)和公式四(深睡眠)所示。

公式三：R_Ti+1-R_Ti<T₅

公式四：R_Ti+1-R_Ti≥T₅

其中，R_Ti表示发生第i次翻转的对应时间点，而R_Ti+1表示第i+1次翻转的对应时间点；T₅表示预设间隔阈值，单位[min]。

根据一种实现方式，针对每个睡眠阶段，可按照如下方式判断该睡眠阶段中的深度睡眠时间段和浅度睡眠时间段：1)创建该睡眠阶段的数组a[N]，其中，N表示该睡眠阶段内的检测次数，a[i]＝1表示发生翻转，a[i]＝0表示未发生翻转，且该睡眠阶段内的翻转检测是以每30s检测一次的频率进行的；2)在完成该睡眠阶段的翻转检测后，将数组a[N]中各元素值“0”或“1”按照对应次序存入记录数组b[N]；3)将记录数组b[N]中元素值为“1”的元素作为节点元素，并获得每两个相邻节点元素之间的零元素个数，零元素为元素值为“0”的元素：4)针对每两个相邻节点元素，当该两个相邻节点元素之间的零元素个数小于M₀时判定该两个相邻节点元素对应的时间段内为浅度睡眠，而当该两个相邻节点元素之间的零元素个数大于或等于M₀时判定该两个相邻节点元素对应的时间段内为深度睡眠，其中，M₀为预设正整数。

如在一个例子中，M₀＝40，该例子的处理流程可参考图4所示的流程图。在非快速眼动期的睡眠过程中的各阶段翻转的频率是不同的，基于相邻两次翻转的时间间隔长短可以把睡眠分为深度睡眠和浅度睡眠。如图4所示，创建一个检测翻转的数组a[N]，在时间t分钟内(对应某个睡眠阶段)进行检测，每30s检测一次，a[i]＝1表示发生翻转，a[i]＝0则相反。检测完成后，将a[N]中各元素值‘0’或‘1’按照次序存入记录数组b[N]。通过对数组b[N]的元素计算分析即可界定睡眠深度：计算数组b[N]中相邻两元素值‘1’之间‘0’的个数，如果小于40个判定为浅度睡眠；如果大于或等于40个则判定在这段时间内为深度睡眠。

这样，在步骤S160中，可基于所确定的用户各睡眠阶段的深浅睡眠时长，确定用户的睡眠质量。

深度睡眠持续时长直接反映睡眠质量的好坏。每天的深度睡眠时长与每天总睡眠时长的比定义为睡眠质量。每天的深度睡眠时长通过深浅睡眠划分算法中对深度睡眠有效判定时长进行累加获得。用户终端显示的睡眠质量评价分析结果是以睡眠质量的形式体现。当用户终端发出实时数据同步的指令时，可穿戴采集装置一次性将翻转信息传输到用户终端，用户终端通过基于翻转检测的睡眠状况评价算法对数据进行分析计算得出睡眠质量评价结果。

根据一种实现方式，可以根据下式计算用户的睡眠质量：

睡眠质量＝深度睡眠时长/总睡眠时长。

其中，该公式中的“深度睡眠时长”为用户各个睡眠阶段内深度睡眠时长的和。

本发明的基于翻转检测的睡眠质量检测方法，采用翻转检测法作为睡眠质量评价的检测方法，通过佩戴于上臂的加速度陀螺仪来采集佩戴者睡眠过程中的翻转信息，根据基于翻转检测的睡眠状况评价算法对睡眠质量进行综合评价分析，并在用户终端上显示用户的睡眠质量评价结果。该方法可对人体睡眠过程进行实时的监测。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。