[发明专利]睡眠阶段分期方法及装置

说明书

本发明实施例公开了一种睡眠阶段分期方法及装置，所述方法包括：采集状态信号，其中，所述状态信号至少包括：脑电信号及眼电信号；对所述状态信号进行时域幅值滤波，去除时域干扰，并对所述状态信号进行频域小波滤波，去除频域干扰；利用亨杰斯Hjorth参数确定所述脑电信号的时域特征；对所述脑电信号进行时频变换，获得所述睡眠信号的时频域特征；确定所述脑电信号的复杂度；提取所述眼电信号的频率变化信息；结合所述时域特征、所述时频域特征、所述复杂度及所述频率变化信息，确定当前所在的睡眠阶段；将从多个维度提取状态信号的特征，从而增加了判断的精确性，同时相对于现有技术还具有计算复杂度低的特点。

技术领域

本发明涉及信息技术领域，尤其涉及一种睡眠阶段分期方法及装置。

背景技术

随着人们对健康越来越重视，对睡眠质量的监测技术也随之产生，通过睡眠的监测，可以方便用户做出相应的健康策略。研究发现，在现有的睡眠监测中睡眠阶段的分期或睡眠状态的分期的方案中，要不存在着精确度低的问题，要不就存在计算复杂度高的问题。故提供一种精确度高且计算复杂度低的睡眠状态确定方法是现有技术亟待解决的问题。

发明内容

有鉴于此，本发明实施例期望提供一种睡眠阶段分期方法及装置，以至少部分解决上述问题。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例第一方面提供一种睡眠阶段分期方法，包括：

采集状态信号，其中，所述状态信号至少包括：脑电信号及眼电信号；

对所述状态信号进行时域幅值滤波，去除时域干扰，并对所述状态信号进行频域小波滤波，去除频域干扰；

利用亨杰斯Hjorth参数确定所述脑电信号的时域特征；

对所述脑电信号进行时频变换，获得所述睡眠信号的时频域特征；

确定所述脑电信号的复杂度；

提取所述眼电信号的频率变化信息；

结合所述时域特征、所述时频域特征、所述复杂度及所述频率变化信息，确定当前所在的睡眠阶段。

基于上述方案，所述状态信号还包括：肌电信号；

所述方法还包括：

提取所述肌电信号的幅度信息；

所述结合所述时域特征、所述时频域特征及所述复杂度，确定当前所在的睡眠阶段，包括：

结合所述幅度信息、时域特征、频域特征及所述复杂度，确定当前所在的睡眠阶段。

基于上述方案，所述结合所述时域特征、所述时频域特征、所述复杂度及频率变化信息，确定当前所在的睡眠阶段，包括：

根据所述时频域特征，确定所述脑电信号中是否出现预定类型的特征波；

根据所述特征波，确定当前所在的睡眠阶段。

基于上述方案，所述结合所述时域特征、所述时频域特征、所述复杂度及频率变化信息，确定当前所在的睡眠阶段，还包括：

利用学习模型及所述时域特征、所述时频域特征及所述复杂度的至少之一，确定当前所在的睡眠阶段；其中，所述学习模型预先确定了时域特征、时频域特征及复杂度的至少之一与睡眠阶段的对应关系。

基于上述方案，所述结合所述时域特征、所述时频域特征及所述复杂度，确定当前所在的睡眠阶段，还包括：

利用根据所述时域特征、所述时频域特征、所述复杂度，确定当前是否处于快速眼动REM期及清醒WEAK期的第一判断结果；