一种ble联网睡眠监测方法及装置的制造方法
一种ble联网睡眠监测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及睡眠监测装置领域，尤其是指一种BLE联网睡眠监测方法及装置。
【背景技术】
[0002] 现代社会，运动健康逐步受到人们的重视，智能可穿戴设备正是因此诞生，其中智 能手环是覆盖面最广，群众接受程度最高的产品。睡眠监测作为智能穿戴产品的主要健康 管理类功能，其主要侧重与监测使用者的睡眠质量，通常包括睡眠的时长和用户处于不同 睡眠阶段的时间，包括在浅睡、深睡和动态睡眠的时间。但是目前，用户最为关注的就是其 记录的数据的准确性，以便得出更为准确的睡眠质量分析报告，而现有的产品对睡眠数据 的监测方法并不具备明确的针对性，监测精度不高，从而得出的结果并不理想。
【发明内容】
[0003] 针对现有技术的不足，本发明的目的旨在于提供一种监测精度更高的BLE联网睡 眠监测方法。
[0004] 为实现上述目的，本发明采用如下技术方案
[0005] 一种BLE联网睡眠监测方法，其应用于睡眠监测系统，包括如下步骤：
[0006] (1)将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数 据，并根据样本数据计算身体波动因素M的值；
[0007] (2)若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状 态，若否，则判定用户为清醒状态；
[0008] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0009] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0010] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg;
[0011] 优选的，所述步骤2后还包括以下步骤，
[0012] (3)三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯 片内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所 记录的样本数据上传到云服务器；
[0013] (4)将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分 析，并对身体波动因数M的阈值进行误差修正，再返回步骤（1)。
[0014] 优选的，在判断条件1中的连续N分钟之内以及N分钟之后，还包括以下步骤，
[0015] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于B的样本 数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠状 O
[0016] 优选的，若在用户入睡初期，当大于B的样本数据的数量跟总样本数据的数量的 比值大于15%时，且大于B+15mg的样本数据的数量跟总样本数据的数量的比值小于8%， 则判定用户状态为静态睡眠状态；若在用户入睡后期，当大于B的样本数据的数量跟总样 本数据的数量的比值大于15%，则判定用户状态为清醒状态。
[0017] 优选的，在判断条件2中的连续N分钟之内以及N分钟之后，还包括以下步骤，
[0018] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于D的样本 数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运动睡眠状 态，若否，则判定用户状态为清醒状态。
[0019] 本发明还包括一种BLE联网睡眠监测装置，其应用于睡眠监测系统，包括如下模 块，
[0020] 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作 为样本数据，并根据样本数据计算身体波动因素M的值；
[0021] 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状 态为相应的睡眠状态，若否，则判定用户为清醒状态；
[0022] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0023] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0024] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。
[0025] 优选的，所述判断模块后还包括以下模块，
[0026] 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监 测系统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通 信，并通过移动终端将所记录的样本数据上传到云服务器；
[0027] 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数 据进行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。
[0028] 优选的，在判断条件1中的连续N分钟之内以及N分钟之后，还包括以下模块，
[0029] 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数 据，若大于B的样本数据的数量跟总样本数据的数量的比值小于或等于15 %，则判定用户 状态为静态睡眠状态。
[0030] 优选的，还包括第三判断模块，用于判断若在用户入睡初期，当大于B的样本数据 的数量跟总样本数据的数量的比值大于15%时，且大于B+15mg的样本数据的数量跟总样 本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户入睡后期，当大 于B的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户状态为清醒状 O
[0031] 优选的，在判断条件2中的连续N分钟之内以及N分钟之后，还包括以下模块， [0032] 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于D的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态 为运动睡眠状态，若否，则判定用户状态为清醒状态。
[0033] 本发明的有益效果如下：
[0034] 本发明中的一种BLE联网睡眠监测方法可使得用户的睡眠监测精度更高，有利于 做出最真实的睡眠质量评估，使得睡眠质量数据更加可信，更具参考价值。同时本发明还包 括一种BLE联网睡眠监测装置，该装置能快速准确的获取数据，并进行相应的处理，从而使 得睡眠监测的精度更为可靠。
【附图说明】
[0035] 图1为本发明一种BLE联网睡眠监测方法的较佳实施方式的流程图。
【具体实施方式】
[0036] 下面将结合附图以及【具体实施方式】，对本发明做进一步描述：
[0037] 请参见图1，本发明涉及一种BLE联网睡眠监测方法，其应用于睡眠监测系统，同 时其也是通过分析符合人体生物学原理的真实睡眠数据模型，结合LIS3DSH三轴重力加速 度传感器而得到的具有高准确度的睡眠监测方法。此外，还通过BLE联网使得移动终端在 获取睡眠监测系统的样本数据后访问云服务器，并将所得到的样本数据与云服务器中的睡 眠数据进行分析比较后，做出最真实的睡眠质量评估，使得反应睡眠质量的睡眠数据更加 可信，更具参考价值。其中，睡眠监测系统包括具有BLE功能的主控芯片以及三轴重力加速 度传感器。
[0038] 本发明的较佳实施方式包括如下步骤：
[0039]S1、将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数 据，并根据样本数据计算身体波动因素M的值。
[0040] 具体的，三轴重力加速度传感器负责采集三个方向的实时加速度值，并通过读取 这三个加速度值建立波形模型。
[0041] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和。通过查找医疗 机构的数据，一般人体静止时的身体波动因数M的取值范围为15mg到30mg。正常人深度睡 眠状态等同于静止，故限定身体波动因数M的值，使用者额状态则可以被分类，即睡眠监测 系统可以根据身体波动因数M的值的区间来定义人体状态。一般当身体波动因数M的取值 范 围为15mg到30mg时为完全静止，为30mg到150mg时为静止，为150mg到300mg时为轻 微运动状态，为300mg以上时为运动状态。
[0042] S2、若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状 态，若否，则判定用户为清醒状态。
[0043] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间。
[0044] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg_3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间。
[0045] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为290-310mg。最为优选的，N的取值可以为30分钟，A的取值可 以为15mg，B的取值可以为170mg，C的取值范围为170mg，D的取值范围为300mg。
[0046] 本发明中三轴重力加速度传感器的采集频率为800hz。实际情况中，采集到的三轴 数据值即三个方向的加速度值作为样本数据，会首先存储到三轴重力加速度传感器自带的 FIFO存储器中，当FIFO存储器中的样本数据存满IOs后，再将样本数据发送至主控芯片中 进行转化处理成身体波动因数M。但是在很多情况下，人体表现出类似于睡眠的静止状态， 并且大多数情况时大过IOs的时间的。故本实施例中选择了一个首次进入睡眠模式的时长 判断，即在判断条件1中必须要有连续30分钟的15mg<M< 170mg的信号才会判定用户 为静态睡眠状态，从而开启与静态睡眠状态相对应的第一睡眠监测模式，并在开启之后对 这30分钟的睡眠时间进行补偿，即将这30分钟计入睡眠时段。
[0047] 其中，针对某些特殊情况或者某些用户可能无法满足正常睡眠状态的情况，此时 若无法满足普通睡眠条件，但可以满足动态睡眠条件（例如在交通工具或者人体处于一些 特定的不稳定震动环境，如表1所示数据为汽车行驶时的动态数据，即为汽车在不同状态 下的三个方向的重力加速度的值，其中Y代表水平位面前后方向的加速度，X代表水平位面 左右方向，Z代表垂直方向），即睡眠监测系统也可根据一定的身体波动因数M的取值范围 而判定用户进入睡眠状态并开始计时。在设计动态睡眠条件的时候，水平前后方向的加速 度值Y被单独提取出来作为主要的参考基准。优选的，当本实施例中用户的当前身体波动 因数M超过170mg且低于300mg的情况，如果前后方向的加速度值Y在Ig到3g的范围内， 用户的状态会被判定为处于动态睡眠状态。
[0048] 表 1
[0049]
[0050] S3、三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯 片内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所 记录的样本数据上传到云服务器。该样本数据能够反映用户的睡眠时间和质量。
[0051] S4、将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分 析，并对身体波动因数M的阈值进行误差修正，再返回步骤Sl。
[0052] 其中，可使用基于卡尔曼滤波的算法，通过对比，计算出数据之间的各个权值，并 将权值作为系数分别乘以云服务器中的标准睡眠数据和实时采集到的样本数据，通过结合 这两个数据得出最符合用户情况的睡眠质量报告。在后续的比较中，如果云服务器中的数 据更接近最终的质量报告，云服务的数据将在后续的计算中获得更高的权值，反之，实时采 集到的当日数据将获得更高的权值，以便于在后续的睡眠质量报告中更接近实际值的数据 占更多的比重。
[0053] 即具体的，在样本数据上传云服务器后，通过比较云服务器中的大数据（标准睡 眠数据）与每日上传数据（样本数据）的差异，调整其各自的权值，再根据权值调整两者在 最终睡眠报告中所占的比重，并且会根据当前权值的调整重新判定睡眠状态的人体波动因 素M的阈值，并将调整后的阈值替换原来云服务器中的记录的阈值。预设m为睡眠监测系 统获得的人体波动因素M的获得阈值，n为存储于云服务器中人体波动因素M的设定阈值：
[0054] 则：m' = (m+n)/2，
[0055] 上述公式为首次调整后的身体波动因数M的阈值计算公式，其中m'为首次调整 后的身体波动因数M的阈值，m为初始获得阈值，n为初始设定阈值；由上述公式可知，首次 调整人体波动因素M的阈值过程中，初始获得阈值和云服务其中的初始设定阈值各占0. 5 的权值；
[0056]又p(m) =Im_nI/m，
[0057] 这个公式使用首次调整之后的m与n的权值的计算公式，其中p(m)为m的权值， I-P(m)即为n的权值；由这个公式可以看出，如果n和m的值相差越大，则系统更偏向于信 任睡眠监测系统获得的人体波动因素M的获得阈值m;
[0058]故，m' =m*p(m) +n* [I-p(m)]，
[0059] 这个公式为计算调整后的身体波动因素M的阈值的计算公式，适用于首次调整之 后的调整；
[0060] 另n(k+l) =m' （k)，
[0061] 这个公式为当前状态下调整后的身体波动因数M的阈值将会赋给云服务器，作为 下一次计算的云服务器的阈值，其中m' (k)等同于m'。
[0062] 综上所述，通过上述方法不断与云服务器中的标准睡眠数据进行对比分析，该睡 眠监测系统可以做到自我不断完善数据、调整精度的功能。此外，用户可以对自己的睡眠分 布以及入睡时间报告进行检查评分和修正，使用户获得更佳的用户体验。
[0063] 进一步地，在实际运用中，人体是不可能一直处于静止状态的，所以睡眠监测系统 不可能一旦采集到样本数据超出睡眠状态阈值就直接判断用户脱离睡眠状态，故在判断条 件1中的连续30分钟之内以及30分钟之后，还可以包括以下步骤，
[0064] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于170mg的 样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠 状态。
[0065] 优选的，在用户入睡初期，当大于170mg的样本数据的数量跟总样本数据的数量 的比值大于15 %时，且大于185mg的样本数据的数量跟总样本数据的数量的比值小于8 %， 则判定用户状态为静态睡眠状态；若在用户入睡后期，当大于170mg的样本数据的数量跟 总样本数据的数量的比值大于15%，则判定用户状态为清醒状态。
[0066] 具体的，睡眠监测系统可以通过判断单位时间内（本设计中可以选择为1分钟） 采集到的4800个样本数据中超出睡眠阈值170mg的数据样本数量、未超过睡眠阈值的样本 数量与总样本数量之间的比值来做出判断。其中用户入睡初期可以设定为入睡之后的两个 小时，用户入睡后期则可设定为入睡两个小时之后。
[0067] 进一步地，在判断条件2中的连续30分钟之内以及30分钟之后，还包括以下子步 骤，
[0068] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于300mg的 样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运动睡眠 状态，若否，则判定用户状态为清醒状态。
[0069] 本发明还包括一种BLE联网睡眠监测装置，其应用于睡眠监测系统，包括如下模 块，
[0070] 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作 为样本数据，并根据样本数据计算身体波动因素M的值；
[0071] 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状 态为相应的睡眠状态，若否，则判定用户为清醒状态；
[0072] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0073] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg_3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0074] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范 围为290-310mg。最为优选的，N的取值可以为30分钟，A的取值可 以为15mg，B的取值可以为170mg，C的取值范围为170mg，D的取值范围为300mg。
[0075] 进一步地，判断模块后还包括以下模块，
[0076] 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监 测系统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通 信，并通过移动终端将所记录的样本数据上传到云服务器；
[0077] 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数 据进行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。
[0078] 优选的，在判断条件1中的连续30分钟之内以及30分钟之后，还包括以下模块，
[0079] 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数 据，若大于170mg的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定 用户状态为静态睡眠状态。
[0080] 优选的，还包括第三判断模块，用于判断若在用户入睡初期，当大于170mg的样本 数据的数量跟总样本数据的数量的比值大于15%时，且大于185mg的样本数据的数量跟总 样本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户入睡后期，当 大于170mg的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户状态为清 醒状态。
[0081] 优选的，在判断条件2中的连续30分钟之内以及30分钟之后，还包括以下模块，
[0082] 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于300mg的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户 状态为运动睡眠状态，若否，则判定用户状态为清醒状态。
[0083] 对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各 种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范 围之内。
【主权项】
1. 一种BLE联网睡眠监测方法，其应用于睡眠监测系统中，其特征在于，包括如下步 骤： (1) 将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数据，并 根据样本数据计算身体波动因素M的值； (2) 若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状态，若 否，则判定用户为清醒状态； 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡眠状 态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间； 判断条件2为：当在连续N分钟之内监测到C<M<D时，若水平面前后方向的加速度 值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对应的 第二睡眠监测模式，同时将上述N分钟计入睡眠时间； 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范围 为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。2. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，所述步骤2后还包括以下 步骤， (3) 三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯片 内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所记 录的样本数据上传到云服务器； (4) 将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分析，并 对身体波动因数M的阈值进行误差修正，再返回步骤（1)。3. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，在判断条件1中的连续N 分钟之内以及N分钟之后，还包括以下步骤， 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于B的样本数据 的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠状态。4. 如权利要求3所述的BLE联网睡眠监测方法，其特征在于，若在用户入睡初期，当大 于B的样本数据的数量跟总样本数据的数量的比值大于15%时，且大于B+15mg的样本数据 的数量跟总样本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户 入睡后期，当大于B的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户 状态为清醒状态。5. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，在判断条件2中的连续N 分钟之内以及N分钟之后，还包括以下步骤， 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于D的样本数据 的数量跟总样本数据的数量的比值小于或等于15 %，则判定用户状态为运动睡眠状态，若 否，则判定用户状态为清醒状态。6. -种BLE联网睡眠监测装置，其应用于睡眠监测系统中，其特征在于，包括如下模 块， 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样 本数据，并根据样本数据计算身体波动因素M的值； 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状态为 相应的睡眠状态，若否，则判定用户为清醒状态； 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡眠状 态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间； 判断条件2为：当在连续N分钟之内监测到C<M<D时，若水平面前后方向的加速度 值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对应的 第二睡眠监测模式，同时将上述N分钟计入睡眠时间； 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范围 为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。7. 如权利要求6所述的BLE联网睡眠监测装置，其特征在于，所述判断模块后还包括以 下模块， 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系 统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信， 并通过移动终端将所记录的样本数据上传到云服务器； 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进 行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。8. 权利要求6所述的BLE联网睡眠监测装置，其特征在于，在判断条件1中的连续N分 钟之内以及N分钟之后，还包括以下模块， 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于B的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态 为静态睡眠状态。9. 权利要求8所述的BLE联网睡眠监测装置，其特征在于，还包括第三判断模块，用于 若在用户入睡初期，当大于B的样本数据的数量跟总样本数据的数量的比值大于15%时， 且大于B+15mg的样本数据的数量跟总样本数据的数量的比值小于8%，则判定用户状态为 静态睡眠状态；若在用户入睡后期，当大于B的样本数据的数量跟总样本数据的数量的比 值大于15%，则判定用户状态为清醒状态。10. 权利要求6所述的BLE联网睡眠监测装置，其特征在于，在判断条件2中的连续N 分钟之内以及N分钟之后，还包括以下模块， 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大 于D的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运 动睡眠状态，若否，则判定用户状态为清醒状态。
【专利摘要】本发明涉及一种BLE联网睡眠监测方法，其应用于睡眠监测系统，包括如下步骤：将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数据，并根据样本数据计算身体波动因素M的值；若是否满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状态，若否，则判定用户为清醒状态；判断条件1为：若在连续N分钟之内监测到A≤M≤B，则判定用户状态为静态睡眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间。本发明还涉及一种BLE联网睡眠监测方法。本发明可使得用户的睡眠监测精度更高，有利于做出最真实的睡眠质量评估，使得睡眠质量数据更具参考价值。
【IPC分类】A61B5/00, A61B5/11
【公开号】CN104905795
【申请号】CN201510331189
【发明人】巢坚, 梁永治, 肖奋, 汪泽其
【申请人】深圳市奋达科技股份有限公司
【公开日】2015年9月16日
【申请日】2015年6月15日
【技术领域】
[0001] 本发明涉及睡眠监测装置领域，尤其是指一种BLE联网睡眠监测方法及装置。
【背景技术】
[0002] 现代社会，运动健康逐步受到人们的重视，智能可穿戴设备正是因此诞生，其中智 能手环是覆盖面最广，群众接受程度最高的产品。睡眠监测作为智能穿戴产品的主要健康 管理类功能，其主要侧重与监测使用者的睡眠质量，通常包括睡眠的时长和用户处于不同 睡眠阶段的时间，包括在浅睡、深睡和动态睡眠的时间。但是目前，用户最为关注的就是其 记录的数据的准确性，以便得出更为准确的睡眠质量分析报告，而现有的产品对睡眠数据 的监测方法并不具备明确的针对性，监测精度不高，从而得出的结果并不理想。
【发明内容】
[0003] 针对现有技术的不足，本发明的目的旨在于提供一种监测精度更高的BLE联网睡 眠监测方法。
[0004] 为实现上述目的，本发明采用如下技术方案
[0005] 一种BLE联网睡眠监测方法，其应用于睡眠监测系统，包括如下步骤：
[0006] (1)将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数 据，并根据样本数据计算身体波动因素M的值；
[0007] (2)若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状 态，若否，则判定用户为清醒状态；
[0008] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0009] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0010] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg;
[0011] 优选的，所述步骤2后还包括以下步骤，
[0012] (3)三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯 片内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所 记录的样本数据上传到云服务器；
[0013] (4)将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分 析，并对身体波动因数M的阈值进行误差修正，再返回步骤（1)。
[0014] 优选的，在判断条件1中的连续N分钟之内以及N分钟之后，还包括以下步骤，
[0015] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于B的样本 数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠状 O
[0016] 优选的，若在用户入睡初期，当大于B的样本数据的数量跟总样本数据的数量的 比值大于15%时，且大于B+15mg的样本数据的数量跟总样本数据的数量的比值小于8%， 则判定用户状态为静态睡眠状态；若在用户入睡后期，当大于B的样本数据的数量跟总样 本数据的数量的比值大于15%，则判定用户状态为清醒状态。
[0017] 优选的，在判断条件2中的连续N分钟之内以及N分钟之后，还包括以下步骤，
[0018] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于D的样本 数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运动睡眠状 态，若否，则判定用户状态为清醒状态。
[0019] 本发明还包括一种BLE联网睡眠监测装置，其应用于睡眠监测系统，包括如下模 块，
[0020] 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作 为样本数据，并根据样本数据计算身体波动因素M的值；
[0021] 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状 态为相应的睡眠状态，若否，则判定用户为清醒状态；
[0022] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0023] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0024] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。
[0025] 优选的，所述判断模块后还包括以下模块，
[0026] 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监 测系统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通 信，并通过移动终端将所记录的样本数据上传到云服务器；
[0027] 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数 据进行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。
[0028] 优选的，在判断条件1中的连续N分钟之内以及N分钟之后，还包括以下模块，
[0029] 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数 据，若大于B的样本数据的数量跟总样本数据的数量的比值小于或等于15 %，则判定用户 状态为静态睡眠状态。
[0030] 优选的，还包括第三判断模块，用于判断若在用户入睡初期，当大于B的样本数据 的数量跟总样本数据的数量的比值大于15%时，且大于B+15mg的样本数据的数量跟总样 本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户入睡后期，当大 于B的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户状态为清醒状 O
[0031] 优选的，在判断条件2中的连续N分钟之内以及N分钟之后，还包括以下模块， [0032] 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于D的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态 为运动睡眠状态，若否，则判定用户状态为清醒状态。
[0033] 本发明的有益效果如下：
[0034] 本发明中的一种BLE联网睡眠监测方法可使得用户的睡眠监测精度更高，有利于 做出最真实的睡眠质量评估，使得睡眠质量数据更加可信，更具参考价值。同时本发明还包 括一种BLE联网睡眠监测装置，该装置能快速准确的获取数据，并进行相应的处理，从而使 得睡眠监测的精度更为可靠。
【附图说明】
[0035] 图1为本发明一种BLE联网睡眠监测方法的较佳实施方式的流程图。
【具体实施方式】
[0036] 下面将结合附图以及【具体实施方式】，对本发明做进一步描述：
[0037] 请参见图1，本发明涉及一种BLE联网睡眠监测方法，其应用于睡眠监测系统，同 时其也是通过分析符合人体生物学原理的真实睡眠数据模型，结合LIS3DSH三轴重力加速 度传感器而得到的具有高准确度的睡眠监测方法。此外，还通过BLE联网使得移动终端在 获取睡眠监测系统的样本数据后访问云服务器，并将所得到的样本数据与云服务器中的睡 眠数据进行分析比较后，做出最真实的睡眠质量评估，使得反应睡眠质量的睡眠数据更加 可信，更具参考价值。其中，睡眠监测系统包括具有BLE功能的主控芯片以及三轴重力加速 度传感器。
[0038] 本发明的较佳实施方式包括如下步骤：
[0039]S1、将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数 据，并根据样本数据计算身体波动因素M的值。
[0040] 具体的，三轴重力加速度传感器负责采集三个方向的实时加速度值，并通过读取 这三个加速度值建立波形模型。
[0041] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和。通过查找医疗 机构的数据，一般人体静止时的身体波动因数M的取值范围为15mg到30mg。正常人深度睡 眠状态等同于静止，故限定身体波动因数M的值，使用者额状态则可以被分类，即睡眠监测 系统可以根据身体波动因数M的值的区间来定义人体状态。一般当身体波动因数M的取值 范 围为15mg到30mg时为完全静止，为30mg到150mg时为静止，为150mg到300mg时为轻 微运动状态，为300mg以上时为运动状态。
[0042] S2、若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状 态，若否，则判定用户为清醒状态。
[0043] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间。
[0044] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg_3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间。
[0045] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为290-310mg。最为优选的，N的取值可以为30分钟，A的取值可 以为15mg，B的取值可以为170mg，C的取值范围为170mg，D的取值范围为300mg。
[0046] 本发明中三轴重力加速度传感器的采集频率为800hz。实际情况中，采集到的三轴 数据值即三个方向的加速度值作为样本数据，会首先存储到三轴重力加速度传感器自带的 FIFO存储器中，当FIFO存储器中的样本数据存满IOs后，再将样本数据发送至主控芯片中 进行转化处理成身体波动因数M。但是在很多情况下，人体表现出类似于睡眠的静止状态， 并且大多数情况时大过IOs的时间的。故本实施例中选择了一个首次进入睡眠模式的时长 判断，即在判断条件1中必须要有连续30分钟的15mg<M< 170mg的信号才会判定用户 为静态睡眠状态，从而开启与静态睡眠状态相对应的第一睡眠监测模式，并在开启之后对 这30分钟的睡眠时间进行补偿，即将这30分钟计入睡眠时段。
[0047] 其中，针对某些特殊情况或者某些用户可能无法满足正常睡眠状态的情况，此时 若无法满足普通睡眠条件，但可以满足动态睡眠条件（例如在交通工具或者人体处于一些 特定的不稳定震动环境，如表1所示数据为汽车行驶时的动态数据，即为汽车在不同状态 下的三个方向的重力加速度的值，其中Y代表水平位面前后方向的加速度，X代表水平位面 左右方向，Z代表垂直方向），即睡眠监测系统也可根据一定的身体波动因数M的取值范围 而判定用户进入睡眠状态并开始计时。在设计动态睡眠条件的时候，水平前后方向的加速 度值Y被单独提取出来作为主要的参考基准。优选的，当本实施例中用户的当前身体波动 因数M超过170mg且低于300mg的情况，如果前后方向的加速度值Y在Ig到3g的范围内， 用户的状态会被判定为处于动态睡眠状态。
[0048] 表 1
[0049]
[0050] S3、三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯 片内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所 记录的样本数据上传到云服务器。该样本数据能够反映用户的睡眠时间和质量。
[0051] S4、将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分 析，并对身体波动因数M的阈值进行误差修正，再返回步骤Sl。
[0052] 其中，可使用基于卡尔曼滤波的算法，通过对比，计算出数据之间的各个权值，并 将权值作为系数分别乘以云服务器中的标准睡眠数据和实时采集到的样本数据，通过结合 这两个数据得出最符合用户情况的睡眠质量报告。在后续的比较中，如果云服务器中的数 据更接近最终的质量报告，云服务的数据将在后续的计算中获得更高的权值，反之，实时采 集到的当日数据将获得更高的权值，以便于在后续的睡眠质量报告中更接近实际值的数据 占更多的比重。
[0053] 即具体的，在样本数据上传云服务器后，通过比较云服务器中的大数据（标准睡 眠数据）与每日上传数据（样本数据）的差异，调整其各自的权值，再根据权值调整两者在 最终睡眠报告中所占的比重，并且会根据当前权值的调整重新判定睡眠状态的人体波动因 素M的阈值，并将调整后的阈值替换原来云服务器中的记录的阈值。预设m为睡眠监测系 统获得的人体波动因素M的获得阈值，n为存储于云服务器中人体波动因素M的设定阈值：
[0054] 则：m' = (m+n)/2，
[0055] 上述公式为首次调整后的身体波动因数M的阈值计算公式，其中m'为首次调整 后的身体波动因数M的阈值，m为初始获得阈值，n为初始设定阈值；由上述公式可知，首次 调整人体波动因素M的阈值过程中，初始获得阈值和云服务其中的初始设定阈值各占0. 5 的权值；
[0056]又p(m) =Im_nI/m，
[0057] 这个公式使用首次调整之后的m与n的权值的计算公式，其中p(m)为m的权值， I-P(m)即为n的权值；由这个公式可以看出，如果n和m的值相差越大，则系统更偏向于信 任睡眠监测系统获得的人体波动因素M的获得阈值m;
[0058]故，m' =m*p(m) +n* [I-p(m)]，
[0059] 这个公式为计算调整后的身体波动因素M的阈值的计算公式，适用于首次调整之 后的调整；
[0060] 另n(k+l) =m' （k)，
[0061] 这个公式为当前状态下调整后的身体波动因数M的阈值将会赋给云服务器，作为 下一次计算的云服务器的阈值，其中m' (k)等同于m'。
[0062] 综上所述，通过上述方法不断与云服务器中的标准睡眠数据进行对比分析，该睡 眠监测系统可以做到自我不断完善数据、调整精度的功能。此外，用户可以对自己的睡眠分 布以及入睡时间报告进行检查评分和修正，使用户获得更佳的用户体验。
[0063] 进一步地，在实际运用中，人体是不可能一直处于静止状态的，所以睡眠监测系统 不可能一旦采集到样本数据超出睡眠状态阈值就直接判断用户脱离睡眠状态，故在判断条 件1中的连续30分钟之内以及30分钟之后，还可以包括以下步骤，
[0064] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于170mg的 样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠 状态。
[0065] 优选的，在用户入睡初期，当大于170mg的样本数据的数量跟总样本数据的数量 的比值大于15 %时，且大于185mg的样本数据的数量跟总样本数据的数量的比值小于8 %， 则判定用户状态为静态睡眠状态；若在用户入睡后期，当大于170mg的样本数据的数量跟 总样本数据的数量的比值大于15%，则判定用户状态为清醒状态。
[0066] 具体的，睡眠监测系统可以通过判断单位时间内（本设计中可以选择为1分钟） 采集到的4800个样本数据中超出睡眠阈值170mg的数据样本数量、未超过睡眠阈值的样本 数量与总样本数量之间的比值来做出判断。其中用户入睡初期可以设定为入睡之后的两个 小时，用户入睡后期则可设定为入睡两个小时之后。
[0067] 进一步地，在判断条件2中的连续30分钟之内以及30分钟之后，还包括以下子步 骤，
[0068] 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于300mg的 样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运动睡眠 状态，若否，则判定用户状态为清醒状态。
[0069] 本发明还包括一种BLE联网睡眠监测装置，其应用于睡眠监测系统，包括如下模 块，
[0070] 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作 为样本数据，并根据样本数据计算身体波动因素M的值；
[0071] 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状 态为相应的睡眠状态，若否，则判定用户为清醒状态；
[0072] 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡 眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠 时间；
[0073] 判断条件2为：当在连续N分钟之内监测到C彡M彡D时，若水平面前后方向的加 速度值Y在lg_3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对 应的第二睡眠监测模式，同时将上述N分钟计入睡眠时间；
[0074] 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范 围为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范 围为290-310mg。最为优选的，N的取值可以为30分钟，A的取值可 以为15mg，B的取值可以为170mg，C的取值范围为170mg，D的取值范围为300mg。
[0075] 进一步地，判断模块后还包括以下模块，
[0076] 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监 测系统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通 信，并通过移动终端将所记录的样本数据上传到云服务器；
[0077] 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数 据进行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。
[0078] 优选的，在判断条件1中的连续30分钟之内以及30分钟之后，还包括以下模块，
[0079] 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数 据，若大于170mg的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定 用户状态为静态睡眠状态。
[0080] 优选的，还包括第三判断模块，用于判断若在用户入睡初期，当大于170mg的样本 数据的数量跟总样本数据的数量的比值大于15%时，且大于185mg的样本数据的数量跟总 样本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户入睡后期，当 大于170mg的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户状态为清 醒状态。
[0081] 优选的，在判断条件2中的连续30分钟之内以及30分钟之后，还包括以下模块，
[0082] 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于300mg的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户 状态为运动睡眠状态，若否，则判定用户状态为清醒状态。
[0083] 对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各 种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范 围之内。
【主权项】
1. 一种BLE联网睡眠监测方法，其应用于睡眠监测系统中，其特征在于，包括如下步 骤： (1) 将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数据，并 根据样本数据计算身体波动因素M的值； (2) 若满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状态，若 否，则判定用户为清醒状态； 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡眠状 态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间； 判断条件2为：当在连续N分钟之内监测到C<M<D时，若水平面前后方向的加速度 值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对应的 第二睡眠监测模式，同时将上述N分钟计入睡眠时间； 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范围 为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。2. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，所述步骤2后还包括以下 步骤， (3) 三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系统中的主控芯片 内，睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信，并通过移动终端将所记 录的样本数据上传到云服务器； (4) 将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进行对比分析，并 对身体波动因数M的阈值进行误差修正，再返回步骤（1)。3. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，在判断条件1中的连续N 分钟之内以及N分钟之后，还包括以下步骤， 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于B的样本数据 的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为静态睡眠状态。4. 如权利要求3所述的BLE联网睡眠监测方法，其特征在于，若在用户入睡初期，当大 于B的样本数据的数量跟总样本数据的数量的比值大于15%时，且大于B+15mg的样本数据 的数量跟总样本数据的数量的比值小于8%，则判定用户状态为静态睡眠状态；若在用户 入睡后期，当大于B的样本数据的数量跟总样本数据的数量的比值大于15%，则判定用户 状态为清醒状态。5. 如权利要求1所述的BLE联网睡眠监测方法，其特征在于，在判断条件2中的连续N 分钟之内以及N分钟之后，还包括以下步骤， 在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大于D的样本数据 的数量跟总样本数据的数量的比值小于或等于15 %，则判定用户状态为运动睡眠状态，若 否，则判定用户状态为清醒状态。6. -种BLE联网睡眠监测装置，其应用于睡眠监测系统中，其特征在于，包括如下模 块， 取值模块，用于将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样 本数据，并根据样本数据计算身体波动因素M的值； 第一判断模块，用于判断若满足判断条件1或判断条件2中的一种，则判定用户状态为 相应的睡眠状态，若否，则判定用户为清醒状态； 判断条件1为：若在连续N分钟之内监测到A<M<B，则判定用户状态为静态睡眠状 态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间； 判断条件2为：当在连续N分钟之内监测到C<M<D时，若水平面前后方向的加速度 值Y在lg-3g的范围内，则判定用户状态为运动睡眠状态，并开启与动态睡眠状态相对应的 第二睡眠监测模式，同时将上述N分钟计入睡眠时间； 其中，身体波动因数M的值设定为三个方向加速度的绝对值之和，N的取值范围 为20-40分钟，A的取值范围为10-20mg，B的取值范围为160-180mg，C的取值范围为 160-180mg，D的取值范围为 290-310mg。7. 如权利要求6所述的BLE联网睡眠监测装置，其特征在于，所述判断模块后还包括以 下模块， 数据处理模块，用于在三轴重力加速度传感器将采集到的样本数据存储在睡眠监测系 统中的主控芯片内后，使得睡眠监测系统通过BLE蓝牙通信的方式与移动终端进行通信， 并通过移动终端将所记录的样本数据上传到云服务器； 对比修正模块，用于将上传到云服务器的样本数据与云服务器自带的标准睡眠数据进 行对比分析，并对身体波动因数M的阈值进行误差修正，再返回取值模块。8. 权利要求6所述的BLE联网睡眠监测装置，其特征在于，在判断条件1中的连续N分 钟之内以及N分钟之后，还包括以下模块， 第二判断模块，用于在单位时间内采集若干个身体波动因素M的值作为总样本数据， 若大于B的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态 为静态睡眠状态。9. 权利要求8所述的BLE联网睡眠监测装置，其特征在于，还包括第三判断模块，用于 若在用户入睡初期，当大于B的样本数据的数量跟总样本数据的数量的比值大于15%时， 且大于B+15mg的样本数据的数量跟总样本数据的数量的比值小于8%，则判定用户状态为 静态睡眠状态；若在用户入睡后期，当大于B的样本数据的数量跟总样本数据的数量的比 值大于15%，则判定用户状态为清醒状态。10. 权利要求6所述的BLE联网睡眠监测装置，其特征在于，在判断条件2中的连续N 分钟之内以及N分钟之后，还包括以下模块， 第四判断模块，在单位时间内采集若干个身体波动因素M的值作为总样本数据，若大 于D的样本数据的数量跟总样本数据的数量的比值小于或等于15%，则判定用户状态为运 动睡眠状态，若否，则判定用户状态为清醒状态。
【专利摘要】本发明涉及一种BLE联网睡眠监测方法，其应用于睡眠监测系统，包括如下步骤：将通过三轴重力加速度传感器获取的三个方向的实时加速度值作为样本数据，并根据样本数据计算身体波动因素M的值；若是否满足判断条件1或判断条件2中的一种，则判定用户状态为相应的睡眠状态，若否，则判定用户为清醒状态；判断条件1为：若在连续N分钟之内监测到A≤M≤B，则判定用户状态为静态睡眠状态，并开启与静态睡眠状态相对应的第一睡眠监测模式，同时将上述N分钟计入睡眠时间。本发明还涉及一种BLE联网睡眠监测方法。本发明可使得用户的睡眠监测精度更高，有利于做出最真实的睡眠质量评估，使得睡眠质量数据更具参考价值。
【IPC分类】A61B5/00, A61B5/11
【公开号】CN104905795
【申请号】CN201510331189
【发明人】巢坚, 梁永治, 肖奋, 汪泽其
【申请人】深圳市奋达科技股份有限公司
【公开日】2015年9月16日
【申请日】2015年6月15日
最新回复(0)