[发明专利]从无线电信号学习睡眠阶段

说明书

用于跟踪受试者的睡眠阶段的方法采用在观测时间段内感测的观测结果序列作为输入。使用第一人工神经网络(ANN)来处理观测值序列以产生相应的编码观测结果序列，并且使用第二人工神经网络来处理编码观测值序列以产生睡眠阶段指标序列。各观测结果可以对应于观测时间段的间隔，例如至少30秒。第一ANN可被配置为减少编码观测结果中表示观测结果序列的源的信息。

相关申请的交叉引用

本申请要求2017年3月26日提交的标题为“Learning Sleep Stages from RadioSignals”的美国临时申请62/476,815和2017年6月12日提交的标题为“Learning SleepStages from Radio Signals”的美国临时申请62/518,053的优先权，这两者通过引用而被包含于此。本申请还涉及标题为“Vital Signs Monitoring Via Radio Reflections”的美国专利公开2017/0042432和标题为“Motion Tracking Via Body Radio Reflections”的美国专利9,753,131，这两者也通过引用而被包含于此。

背景技术

本发明涉及经由无线电信号推断受试者的睡眠阶段。

睡眠在个人的健康和幸福中扮演着至关重要的角色。睡眠以周期性进展，所述周期涉及多个睡眠阶段：清醒、浅睡、深睡和REM(快速眼动)。不同的阶段与不同的生理功能相关联。例如，深睡对于组织生长、肌肉修复和记忆巩固是必需的，而REM有助于程序性记忆和情绪健康。每年至少4千万美国人患有慢性睡眠障碍。大多数睡眠障碍一旦被正确诊断就可以进行管理。监测睡眠阶段对于诊断睡眠障碍和跟踪对处置的反应是十分关键的。

用于监测睡眠阶段的主流方法通常不方便且具有侵入性。医疗的黄金标准依赖于多导睡眠监测(PSG)，其通常在医院或睡眠实验室中进行，并且需要受试者穿戴过多的传感器，诸如EEG-头皮电极、ECG监测器和用于监测呼吸的胸带或鼻探针。结果，患者可能经历睡眠困难，这使得测量结果不具有代表性。此外，PSG的成本和不舒适限制了长期睡眠研究的可能性。

无线系统的最新进展已经证明，无线电技术可以在无身体接触的情况下捕获生理信号。这些技术发送低功率无线电信号(即，比蜂窝电话发送低1000倍的功率)并分析其反射。这些技术从被人体反射的射频(RF)信号中提取她的呼吸和心跳。由于心脏呼吸信号与睡眠阶段相关，因此原则上，希望通过分析从受试者的身体反射的RF信号来习得她的睡眠阶段。这样的系统将显著地降低现今睡眠阶段监测的成本并减轻其不舒适，并且允许长期睡眠阶段监测。

在实现用于睡眠阶段监测的RF测量的可能性方面存在多个挑战。特别地，必须学习捕获睡眠阶段及其时间进展的RF信号特征，并且这些特征应当可转移到新的受试者和不同的环境。问题在于，RF信号携带与睡眠阶段不相关的许多信息，并且高度依赖于个体和测量条件。具体地，RF信号从包括墙壁和家具的环境中的所有物体反射，并且受到受试者的位置以及距无线电装置的距离影响。在使用手工信号特征来训练分类器的过去的工作中，没有解决这些挑战。准确度相对较低(约64％)，并且模型没有推广到收集测量结果的单一环境之外。

最近在使用卷积神经网络(CNN)和循环神经网络(RNN)方面的进展已成功地用于对空间模式和时间动态进行建模。已使用了生成式对抗网络(GAN)及其变体来对从简单潜在分布到复杂数据分布的映射进行建模。所学习的这些映射可用于合成新样本并在潜在空间中提供语义上有意义的算术运算。还提出了双向映射来学习用于辨别任务的逆映射。

发明内容