[发明专利]一种基于条件对抗网络的非接触式睡眠分期系统

权利要求书

1.一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：包括毫米波雷达，用于发射多个频率随时间线性增长的chirp信号，获得由于呼吸和心跳导致的胸腔表面位移信号s(t)；信号预处理模块，用于对胸腔表面位移信号s(t)进行时频分析，得到时频图；深度学习模型，用于学习与被试者个体差异性无关的特征，提高模型的泛用性；所述深度学习模型包括编码器E，分类器F和鉴别器D，所述编码器E用于将时频图输入生成特征E(x)，所述分类器F用于根据输入的特征E(x)得到睡眠分期类别标签所述鉴别器D用于将E(x)与作为输入判断样本来自的被试者，输出

2.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述毫米波雷达为FMCW雷达，所述毫米波雷达包括接收天线Rx与发射天线Tx。

3.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述胸腔表面位移信号s(t)的获得方法为以250Hz的频率连续发送chirp信号，提取幅值最高处频率对应相位。

4.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述时频图的获得方法为使用Mexican Hat小波基对胸腔表面位移信号s(t)进行时频分析得到。

5.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述称为源类别标签，代表样本所来自的被试者。

6.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述E(x)为编码器E由34个卷积层的残差网络ResNet34从30秒的胸腔表面体动信号提取特征，输出的特征经过Flatten层之后输入到LSTM网络学习时序特征得到。

7.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述分类器F与鉴别器D为两个全连接层构成的分类网络。

8.根据权利要求7所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述分类器F和编码器E进行合作博弈，所述编码器E和鉴别器D之间对抗博弈，用于防止从编码表示中解码源标签s，所述编码器E用于学习与被试者个体差异性无关的特征，提高模型的泛用性。

9.根据权利要求1所述的一种基于条件对抗网络的非接触式睡眠分期系统，其特征在于：所述深度学习模型的训练流程为使用有时频图、睡眠分期类别标签和源类别标签的多个样本作为训练集，进行N次迭代，输出E、F、D的权重θ_e，θ_f和θ_d。