[发明专利]基于生物微波雷达的非接触式睡眠状态监测方法和系统

权利要求书

1.一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，包括以下步骤：

S1：微波雷达传感器向待测个体发送微波信号，接收雷达回波信号并进行预处理后，得到雷达原始数据；

S2：对雷达原始数据进行雷达信号处理，得到睡眠体动特征数据集和包括生理体征数据的睡眠状态分类数据集；

S3：基于大数据和人工智能算法，结合睡眠体动特征数据集和睡眠状态分类数据集，得到待测个体的睡眠状态结果，完成睡眠状态监测。

2.根据权利要求1所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的步骤S3具体包括：

S31：构建并训练体动分类模型和睡眠状态分类模型；

S32：将睡眠体动数据集输入训练完成的体动分类模型，对待测个体的睡眠动作进行识别和分类，筛选出影响生理体征的动作；

S33：将筛选出的动作反馈至步骤S2；

S34：将睡眠状态分类数据集输入训练完成的睡眠状态分类模型，得到待测个体的睡眠状态分类结果；

S35：将睡眠动作进行识别结果和睡眠状态分类结果经过大数据分析，得到待测个体的睡眠状态结果，完成睡眠状态监测。

3.根据权利要求2所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的步骤S2具体包括：

S21：将原始雷达数据进行距离FFT后进行ROI提取；

S22：利用ROI提取的数据，得到待测个体的生理体征数据；

S23：对ROI提取后的数据进行再处理，得到体动数据，并形成体动特征数据集；

S24：剔除步骤S33中反馈动作在生理体征数据中引起的噪声信号，将生理体征数据进行特征处理，得到睡眠状态分类数据集。

4.根据权利要求2所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的生理体征数据包括呼吸率和心率，所述的影响生理体征的动作具体为导致呼吸率和心率跳变的动作。

5.根据权利要求3所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的S22具体包括：

S221：将ROI提取的数据通过相位抽取和相位展开，得到相位差；

S222：经过不同适用带宽的带通滤波，得到呼吸率和心率的频谱估计；

S223：计算出包括呼吸率和心率的生理体征数据；

所述的步骤S23具体包括：

S231：对ROI提取后的数据进行多普勒FFT；

S232：进行通道平均，得到距离多普勒谱；

S233：利用CFAR检测单目标点，获得包括距离、速度、方位角和仰角的体动数据；

S234：将体动数据依次进行提取、选择和多通道特征融合，得到体动特征数据集。

6.根据权利要求3所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的睡眠状态分类数据集包括睡眠阶段分类数据集和OSAHS分类数据集，所述的睡眠状态分类模型包括睡眠阶段分类模型和OSAHS分类模型，所述的步骤S24中的特征处理具体包括：

根据时间范围，分段对生理体征数据的进行特征提取，形成睡眠阶段分类数据集；分别提取生理体征数据中呼吸暂停相关的特征和非呼吸暂停相关的特征，形成OSAHS分类数据集。

7.根据权利要求1所述的一种基于生物微波雷达的非接触式睡眠状态监测方法，其特征在于，所述的步骤S1中的预处理具体包括：对雷达回波信号进行混频和滤波得到中频信号，然后对中频信号进行模数转换采样后，得到雷达原始数据。