一种监测睡眠的方法及系统与流程

本发明涉及睡眠监测领域，尤其涉及一种监测睡眠的方法及系统。

背景技术：

睡眠对人的身体健康和工作、学习效率起到不可估量的作用，一个人每天的睡眠时间大概占一天时间的四分之一到三分之一，而一个人的睡眠情况和睡眠时间可以直接影响其的第二天的精神状态,因此在人的生活中担当相当重要的角色。因此，能够准确监测用户的睡眠情况显得尤为重要。

目前检测用户睡眠情况通常通过手环、手表等智能终端设备实现，其睡眠监测功能主要依靠传感器检测佩戴者的运动来实现，传感器通过加速度大小反应用户的动作大小，通过传感器采样数据量的大小可以反应用户的动作时间，然后对动作大小和时间进行不同的分析，获取用户的睡眠分析结果。

例如公开号为cn102551664a的专利提供的一种睡眠分析方法包括：通过一多轴加速度传感器感测一使用者的动作而产生一感测讯号；处理所述感测讯号而得到一平均活动密度；以及比较所述平均活动密度与一一般门限值而决定使用一大分析窗口或一小分析窗口来处理所述感测讯号，以得知所述感测讯号的至少一目标区间所对应的时间是清醒时间或睡眠时间，其中所述大分析窗口对应至一较长时间，所述小分析窗口对应至一较短时间。通过两种不同大小的分析窗口提升睡眠分析的精准度，进而反应使用者真实的睡眠质量供参考。以及公开号为cn105030199a的专利提供的一种睡眠监测方法，该方法包括以下步骤：获取用户肢体相关的加速度数据，并根据所述加速度数据计算得到预设时段相关的体动强度；将计算得到的体动强度进行三角加权平滑滤波；根据滤波后的体动强度确定用户的睡眠状态，能够有效减少深睡或者浅睡过程中出现清醒状态的错误判断，提高了睡眠监测的准确性。但是，这两项发明的缺点在于，要需要获取的数据量过大，同时不能对多阶段的入睡和醒来进行准确分析。

技术实现要素：

本发明的目的是针对现有技术的缺陷，提供一种检测睡眠的方法及系统，可以大幅度的减小获取用户的活动数据量，同时多阶段的入睡和醒来判断与时间片长度的筛选，可以有效地提高睡眠监测的准确性。

为了实现以上目的，本发明采用以下技术方案：

一种监测睡眠的方法，包括步骤：

s1.获取第一预设时间段内用户的记步数据；

s2.判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

s3.判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回步骤s2；

s4.若否，则获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

进一步的，步骤s2具体包括：

判断所述记步数据是否为零，若是，则通过重力传感器获取第二预设时间段内的加速度数据。

进一步的，还包括步骤：

sa.若判断为睡眠状态，则获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值，若是，则重复执行该步骤并保存当前的活动量数据。

进一步的，还包括步骤：

sb.若所述活动量大于第三阈值，则获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值，若是，则判断为清醒状态；

sc.若所述活动量小于第四阈值，则返回步骤sb。

进一步的，还包括步骤：

获取从判断为睡眠状态到清醒状态的时间并返回步骤s1。

相应的，还提供一种监测睡眠的系统，包括：

获取记步模块，用于获取第一预设时间段内用户的记步数据；

第一判断获取模块，用于判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

判断返回模块，用于判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回第一判断获取模块；

判断睡眠模块，用于获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

进一步的，所述第一判断获取模块包括：

判断单元，用于判断所述记步数据是否为零；

获取单元，通过重力传感器获取第二预设时间段内的加速度数据。

进一步的，还包括：

第二判断获取模块，用于当判断为睡眠状态时获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值；

重复执行模块，用于重复执行该步骤并保存当前的活动量数据。

进一步的，还包括：

第三判断获取模块，用于当所述活动量大于第三阈值时获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值；

判断清醒模块，用于判断为清醒状态。

进一步，还包括：

获取睡眠时间模块，用于获取从判断为睡眠状态到清醒状态的时间。

与现有技术相比，本发明通过判断用户是否进入停止走动状态过滤掉大量清醒时间片段的活动量数据，仅需要获取并分析用户入睡前和醒来前的活动量数据并基于阈值判断用户的睡眠情况和睡眠时间，大幅度减小用户活动量数据的计算，同时多阶段的入睡和醒来判断与时间片长度的筛选，可以有效地提高睡眠监测的准确性。

附图说明

图1是实施例1监测睡眠的方法流程图。

图2是实施例1监测睡眠的系统框图。

图3是实施例2监测睡眠的方法流程图。

图4是实施例2监测睡眠的系统框图。

图5是实施例3监测睡眠的方法流程图。

图6是实施例3监测睡眠的系统框图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

本实施例提供一种监测睡眠的方法，如图1所示，包括步骤：

s101.获取第一预设时间段内用户的记步数据；

s102.判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

s103.判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回步骤s102；

s104.若否，则获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

具体的，步骤s102包括：

判断所述记步数据是否为零，若是，则通过重力传感器获取第二预设时间段内的加速度数据。

现有的基于重力传感器(gsensor)的睡眠监测算法都会对运动量数据进行分析统计或者滤波等处理，这些运算放在智能终端上来做会持续消耗主芯片的功耗，同时只能对已有数据进行相关处理，无法基于整体的睡眠情况进行睡眠时间的分析。若是将这些数据传输到手机app端进行分析，又会造成传输数据量过大，带来同步时间长功耗大的问题。

本实施例将入睡和醒来这两个较为明显的短时特征(较短的时间就可以区分是在睡眠或者清醒状态)放在手环等设备终端进行判断，因此过滤掉大量清醒时间片段的运动量数据，只需要传输睡眠状态的运动量数据到app端进行睡眠情况分析。同时将入睡和醒来放在设备终端来判断，除了重力传感器(gsensor)作为主要判断依据，还可以利用其它的一些信息辅助判断，如计步信息，佩戴信息等，可以有效辅助提高判断的准确性。

具体步骤为，s101智能终端获取第一预设时间段内用户的记步数据，移动智能终端可以是方便用户携带的智能手环，记步数据包括用户的走动步数，第一预设时间根据用户的入睡时间可做相应调整，人的入睡过程大致会持续十五分钟左右，本实施例第一预设时间设定为十分钟，即入睡阶段判断的起始条件以十分钟为周期。

s102判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据，即十分钟内用户没有大的走动开始统计第二预设时间用户的活动量数据，活动量数据包括是用户的心率数据、肢体动作数据等，在本实施例中，通过重力传感器(gsensor)获取用户的加速度数据获取用户的肢体动作大小以此判断用户的睡眠状态，通常用户在十分钟之内没有走动，一分钟后进入睡眠状态的可能性较大，因此本实施例将第二预设时间设为一分钟。

s103智能手环接收重力传感器获取的用户一分钟内的加速度数据并判断该数据是否超过第一阈值，若超过第一阈值，则返回步骤s102继续判断后一分钟之内的加速度数据是否超过第一阈值，直到一分钟之内的加速度数据小于第一阈值进入s104；

s104获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态，第三预设时间段可以是第一预设时间段后的三分钟，为了更加准确的分析用户是否进入睡眠状态，该步骤通过统计三分钟之内的加速度数据并判断是否低于第二阈值，如果低于第二阈值判断用户为睡眠状态，如果高于第二阈值则需要返回步骤102继续进行判断。

相应的，还提供一种监测睡眠的系统，如图2所示，包括：

获取记步模块101，用于获取第一预设时间段内用户的记步数据；

第一判断获取模块102，用于判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

判断返回模块103，用于判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回步骤s2；

判断睡眠模块104，用于统计第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

具体的，所述第一判断获取模块包括：

判断单元，用于判断所述记步数据是否为零；

获取单元，通过重力传感器获取第二预设时间段内的加速度数据。

实施例二

本实施例提供一种监测睡眠的方法，如图3所示，包括步骤：

s101.获取第一预设时间段内用户的记步数据；

s202.判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

s203.判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回步骤s2；

s204.若否，则获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

s205.若判断为睡眠状态，则获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值，若是，则重复执行该步骤并保存当前的活动量数据。

s206.若所述活动量大于第三阈值，则获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值，若是，则判断为清醒状态；

s207.若所述活动量小于第四阈值，则返回步骤s206。

进一步的，步骤s202具体包括：

判断所述记步数据是否为零，若是，则通过重力传感器获取第二预设时间段内的加速度数据。

与实施例一不同的是，还包括步骤s205、步骤s206和步骤s207。

人的醒来过程相对较快，因此醒来阶段的判断周期较短。在睡眠阶段，会固定每分钟采集用户的运动量，当活动量大于第三设定阈值时，认为用户有醒来的可能性，开始三分钟的运动量检测，若小于阈值，则继续回到睡眠阶段监测每分钟的活动量。

在三分钟阶段，若用户运动量小于设定阈值，则认为用户只是夜间的翻身等动作，继续进入睡眠阶段。若大于设定阈值，则认为用户已经醒来，停止且保存睡眠数据，并将这个时间作为用户醒来的时间点。

相应的，还提供一种监测睡眠的系统，如图4所示，包括：

获取记步模块201，用于获取第一预设时间段内用户的记步数据；

第一判断获取模块202，用于判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

判断返回模块203，用于判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回第一判断获取模块；

判断睡眠模块204，用于获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

第二判断获取模块205，用于当判断为睡眠状态时获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值；

重复执行模块206，用于重复执行该步骤并保存当前的活动量数据。

第三判断获取模块207，用于当所述活动量大于第三阈值时获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值；

判断清醒模块208，用于判断为清醒状态；

与实施例一不同的是，还包括第二判断获取模块205、重复执行模块206、第三判断获取模块207黑判断清醒模块208。

具体的，所述第一判断获取模块包括：

判断单元，用于判断所述记步数据是否为零；

获取单元，通过重力传感器获取第二预设时间段内的加速度数据。

实施例三

本实施里提供一种监测睡眠的方法，如图5所示，包括步骤：

s301.获取第一预设时间段内用户的记步数据；

s302.判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

s303.判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回步骤s2；

s304.若否，则获取第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

s205.若判断为睡眠状态，则获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值，若是，则重复执行该步骤并保存当前的活动量数据。

s206.若所述活动量大于第三阈值，则获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值，若是，则判断为清醒状态；

s207.若所述活动量小于第四阈值，则返回步骤s206。

s208.获取从判断为睡眠状态到清醒状态的时间并返回步骤s1。

与实施例二不同的是，还包括步骤s208。

当判断用户为清醒状态后，获取用户从睡眠状态到清醒状态的持续时间，以此记录、监测用户的睡眠周期。

具体的，步骤s202具体包括：

判断所述记步数据是否为零，若是，则通过重力传感器获取第二预设时间段内的加速度数据。

活动量基于原始的重力传感器(gsensor)，xyz三轴的加速度数据进行计算，gsensor采样率为1hz，为了减小后续处理的数据量，对原始数据进行阈值处理。

阈值处理以一组基准数据，x_base,y_base,z_base位基准，通过采样数据与基准数据比较，当任意轴上的数据与基准值之差大于阈值时，则认为该采样数据动作大小过大，当做一个运动量。

abs(x_sample–x_base)>x_threshold||

abs(y_sample–y_base)>y_threshold||

abs(z_sample–z_base)>z_threshold

同时将当前的采样值作为新的基准值。这样基准值是随着动作的变化而不断变化的，更新后的基准值可以更准确的反应采样值的动作大小。通过这样一层阈值过滤，当用户长时间不动作时，保存的数据量会很小，可以大幅度的减少保存和传输的数据量。同时，数据量的大小又直接可以表示运动量。

相应的，还提供一种监测睡眠的系统，如图6所示，包括：

获取记步模块301，用于获取第一预设时间段内用户的记步数据；

第一判断获取模块302，用于判断所述记步数据是否为零，若是，则获取第二预设时间段内用户的活动量数据；

判断返回模块303，用于判断第二预设时间段内的活动量数据是否大于第一阈值，若是，则返回第一判断获取模块；

判断睡眠模块304，用于统计第三预设时间段内的活动量数据并判断所述活动量数据是否低于第二阈值，若是，判断为睡眠状态。

第二判断获取模块305，用于当判断为睡眠状态时获取第四预设时间段内的活动量数据并判断所述活动量是否小于第三阈值；

重复执行模块306，用于重复执行该步骤并保存当前的活动量数据；

第三判断获取模块307，用于当所述活动量大于第三阈值时获取第五预设时间段内的活动量数据并判断所述活动量数据是否大于第四阈值；

判断清醒模块308，用于判断为清醒状态。

获取睡眠时间模块309，用于获取从判断为睡眠状态到清醒状态的时间。

与实施例二不同的是，还包括步骤309。

具体的，所述第一判断获取模块包括：

判断单元，用于判断所述记步数据是否为零；

获取单元，通过重力传感器获取第二预设时间段内的加速度数据。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。