[发明专利]用于可穿戴设备的与睡眠相关的特征数据处理方法与装置

说明书

本发明公开了一种用于可穿戴设备的与睡眠相关的特征数据处理方法与装置以及可穿戴设备，其中所述方法主要包括：采集步骤，用于采集预定时间间隔内加速度脉冲数据的限幅计数N，设备的特定姿态数据S，PPG心率传感器检测的是否佩戴设备的数据P，表示设备是否充电的数据C，以及步数计数M；设定步骤，用于设定N和M的最大取值，以及S、P和C的取值；以及计算步骤，按照C、P、M、S、N的优先级计算睡眠信息数据L。按照本发明实施例的用于可穿戴设备的与睡眠相关的特征数据处理方法与装置以及可穿戴设备，使得运算过程简单，数据存储量小，对硬件资源要求低，可对算法进行改进，适合在云端有计算和存储任务的场景使用。

技术领域

本发明涉及一种与睡眠相关的特征数据处理方法与装置，特别是涉及一种用于可穿戴设备的与睡眠相关的特征数据处理方法与装置以及可穿戴设备。

背景技术

睡眠监测是目前智能可穿戴设备的基本功能之一，实现该功能需要采集用户的活动数据，一般是以采集加速度为主，某些具有心率测量功能的可穿戴设备还会采集用户的心率数据进行分析。采集的数据量的大小以及特征提取算法和状态识别算法的运行时间，直接影响着系统的运行效率。有些厂家会在可穿戴设备上完成数据采集、特征提取算法和状态识别算法，这样会消耗较大的存储空间，对可穿戴设备硬件的要求较高，增加了硬件成本；在计算完成之后，原始数据或特征数据没有能够反馈到开发者，不利于进行算法改进。有些厂家会在可穿戴设备上完成数据采集，然后把原始数据传输到手机端进行特征提取和状态识别算法，这样同样面临着可穿戴设备要缓存大量原始数据，需要增加硬件成本的问题；同时，原始数据传输到手机端需要耗费比较长的时间，影响用户体验。

因此，需要一种新的数据处理方法，使得运算过程简单，数据存储量小，对硬件资源要求低，适合在云端有计算和存储任务的场景使用。

发明内容

本发明的目的是为了克服现有技术存在的缺陷，提供一种用于可穿戴设备的与睡眠相关的特征数据处理方法与装置以及包含该装置的可穿戴设备。为了实现这一目的，本发明所采取的技术方案如下：

按照本发明实施例的第一方面，提供一种用于可穿戴设备的与睡眠相关的特征数据处理方法，包括：采集步骤，用于采集预定时间间隔内加速度脉冲数据的限幅计数N，设备的特定姿态数据S，PPG心率传感器检测的是否佩戴设备的数据P，表示设备是否充电的数据C，以及步数计数M；设定步骤，当限幅计数N大于89时，设定N=89；当步数计数M大于90时，设定M=90；当设备处于特定姿态时，设定S=1，否则为0；当设备没有佩戴时，设定P=1，否则为0；当设备在充电时，设定C=1，否则为0；以及计算步骤，按照C、P、M、S、N的优先级计算睡眠信息数据L如下，其中int()表示对结果取整：

如果C=1，则令L=250；

如果C=0，而P=1，则L=200+10*int(M/20)+int((N+1)/10)；

如果C=0、P=0，而M0，则L=100+10*int(M/10)+int((N+1)/10)；

如果C=0、P=0且M=0，而S=1，则L=90+int((N+1)/10)；或者

如果C=0、P=0、M=0、S=0，则L=N。

按照一个实施例，所述的用于可穿戴设备的与睡眠相关的特征数据处理方法还包括传输步骤，用于将计算的睡眠信息数据L从可穿戴设备传输到计算APP或云计算。

按照再一个实施例，所述的用于可穿戴设备的与睡眠相关的特征数据处理方法还包括分析步骤，如果睡眠信息数据L持续小于预定入睡阈值STHD第一预定时间段，则确定用户处于睡眠状态并记录入睡时间；如果睡眠信息数据L持续大于清醒阈值ATHD第二预定时间段，则确定用户处于清醒状态并记录起床时间。