[发明专利]非接触式的睡眠分析方法、装置及存储介质

权利要求书

1.一种非接触式的睡眠分析方法，其特征在于，包括：

接收回波信号，消除所述回波信号中的直流分量和异常人体信号，得到包含人体胸腔信号和心脏前后运动信号的叠加信号；所述回波信号是利用超宽带雷达向用户人体的胸腔位置发射电磁波后得到的；

对所述叠加信号进行自适应噪声完备集合经验模态分解，得到呼吸信号和心动信号；

按照预设的时长间隔将所述呼吸信号和所述心动信号划分为多段，得到包含多段呼吸信号和多段心动信号的信号样本；

根据所述信号样本，计算得出所述多段呼吸信号对应的呼吸变异性特征和所述多段心动信号对应的心率变异性特征；

对所述呼吸变异性特征和所述心率变异性特征进行降维，得到最优特征集；

将所述最优特征集输入预设的划分模型和预设的呼吸模型，得到所述用户的睡眠分析结果；所述睡眠分析结果包括睡眠时期划分、异常睡眠呼吸状态分析和异常睡眠呼吸种类分析。

2.如权利要求1所述的非接触式的睡眠分析方法，其特征在于，所述根据所述信号样本，计算得出所述多段呼吸信号对应的呼吸变异性特征和所述多段心动信号对应的心率变异性特征，具体包括：

计算所述信号样本中每一段呼吸信号的BB间期、每一段心动信号的间期；所述BB间期是指呼吸信号的相邻峰值之间的时间差；所述HH间期指心动信号的相邻峰值之间的时间差；

根据多段呼吸信号的BB间期，得到所述多段呼吸信号对应的呼吸变异性特征；

根据多段心动信号的HH间期，得到所述多段心动信号对应的心率变异性特征。

3.如权利要求2所述的非接触式的睡眠分析方法，其特征在于，所述呼吸变异性特征包括呼吸变异性的时域、频域、非线性域特征；所述心率变异性特征包括心率变异性的时域、频域、非线性域特征。

4.如权利要求1所述的非接触式的睡眠分析方法，其特征在于，所述接收回波信号，消除所述回波信号中的直流分量和异常人体信号，得到包含人体胸腔信号和心脏前后运动信号的叠加信号，具体包括：

将所述回波信号减去所述回波信号的平均值；

对所述回波信号进行数据清洗，若所述回波信号中部分信号幅值大于预设填充阈值，对超出阈值的部分信号进行随机填充。

5.如权利要求1所述的非接触式的睡眠分析方法，其特征在于，所述对所述叠加信号进行自适应噪声完备集合经验模态分解，得到呼吸信号和心动信号，具体包括：

对所述叠加信号进行自适应噪声完备集合经验模态分解，选取信号分量提取出呼吸信号；

从所述回波信号中减去所述呼吸信号，使用自适应滑动能量时窗提取心率信号。

6.如权利要求1所述的非接触式的睡眠分析方法，其特征在于，所述对所述呼吸变异性特征和所述心率变异性特征进行降维，得到最优特征集，具体包括：

对所述心率变异性特征和所述呼吸变异性特征进行交叉熵分析，得到相似特征；

去除所述心率变异性特征和所述呼吸变异性特征之间的所述相似特征，得到剩余特征；

根据KL散度公式对所述剩余特征进行主成分分析，得到最优特征集。

7.如权利要求1所述的非接触式的睡眠分析方法，其特征在于，所述划分模型的建立过程为：

调用MIT数据集中的心电注释文件、呼吸注释文件、呼吸暂停注释文件和睡眠暂停注释文件；

根据所述心电注释文件、所述呼吸注释文件、所述呼吸暂停注释文件和所述睡眠暂停注释文件和预设的划分间隔，对所述MIT数据集进行时间重划分，划分成多段的带睡眠暂停标签或呼吸暂停标签的数据；每一段数据的长度和所述划分间隔一样；

计算所述MIT数据集中心电信号和呼吸信号的时域、频域、非线性域特征，构建划分特征集；

利用交叉熵衡量所述划分特征集中特征间的相似性，若两个特征间相似性超过第一相似阈值，保留两个特征中的一个，再对所述划分特征集进行主成分分析；

对所述划分特征集划分成划分训练集和划分测试集；

分别使用隐马尔可夫模型、随机森林和CNN的机器学习算法对所述划分训练集进行训练，使用软投票方式对每个机器学习算法输出的结果进行加权判决，得到所述划分模型。