[发明专利]一种智能穿戴设备的数据搜集处理方法

权利要求书

1.一种智能穿戴设备的数据搜集处理方法，其特征在于，包括：

S1、检测智能穿戴设备的佩戴状态；

S2、当检测到智能穿戴设备被佩戴时，向通信范围内的智能家具发出通信连接请求，并与智能家具建立无线通信连接，接收由智能家具传输的环境状态数据；

S3、采集用户睡眠状态数据，其中睡眠状态数据包括用户心率数据、用户温度数据、用户运动数据和用户声音数据中的至少一种；

S4、根据获取的用户睡眠状态数据和环境状态数据，基于设定的睡眠特征分析模型进行分析，得到相应的睡眠特征分析结果；

S5、根据获取的睡眠特征分析结果向相应的智能家具发送控制指令，以控制智能家具执行相应的操作；

其中，步骤S4包括：

睡眠特征分析模型包括舒适度分析模型、睡眠质量分析模型和干预分析模型；

其中，基于舒适度分析模型，根据获取的用户温度数据和环境温度数据判断用户在睡眠过程中的舒适度，得到相应的舒适度分析结果；

其中，基于睡眠质量分析模型，根据获取的用户心率数据、用户运动数据、智能床垫压力数据判断用户在睡眠过程中的睡眠质量，其中睡眠质量分析模型由根据预先设置的标准训练集训练所得；

其中，基于干预分析模型，根据获取的用户声音数据，检测用户在睡眠过程中是否存在打鼾情况，当分析到用户存在打鼾时，输出干预分析结果为需要干预；

步骤S5具体包括：

当根据获取的舒适度分析结果和干预分析结果，向相应的智能家具发出相应的控制指令；

其中，步骤S4中，通过干预分析模型根据获取的用户声音数据检测用户在睡眠中是否存在打鼾情况，具体包括：

获取一段时间周期内采集的声音信号；

对获取的声音信号进行滤波处理，得到滤波处理后的声音信号；

根据滤波处理后的声音信号进行端点检测处理，并通过检测到的端点将声音信号划分为有声部分和无声部分；

基于各有声部分和无声部分的持续时间，得到有声部分的变化特征，其中变化特征包括每段有声部分的持续时间，以及相邻有声部分之间的时间间隔；

针对各有声部分进行特征提取，分别获取各有声部分的特征参数；

基于获取的各有声部分的特征参数以及有声部分的变化特征组成该声音信号的特征向量，采用训练好的SVM分类器对该特征向量进行分析，得到打鼾判断结果；

对获取的声音信号进行滤波处理，具体包括：

对获取的语音信号进行小波分解处理，得到低频小波系数和高频小波系数，其中小波分解采用的小波基为“db4”小波，分解层数为3层；

针对获取的低频小波系数，通过语音信号无声段估计出的噪声方差作为先验知识，对低频小波系数进行卡尔曼滤波处理，得到滤波处理后的低频小波系数；

针对获取的高频小波系数，通过下列函数进行阈值增强处理，得到滤波处理后的高频小波系数：

式中，g′_j，k表示滤波处理后的高频小波系数，g_j，k表示滤波处理前的第j层第k个高频小波系数，sgn表示符号函数，β表示滤波调节因子，其中β＝exp[-(|g_j，k|-T)²]，α表示设定的振荡调节因子，其中α∈[0.5，2]；T表示设定的判断阈值；

根据滤波处理后的低频小波系数和滤波处理后的高频小波系数进行小波逆变换，得到滤波处理后的声音信号；

其中，根据滤波处理后的声音信号进行端点检测处理，并通过检测到的端点将声音信号划分为有声部分和无声部分，具体包括：

采用设定的帧长对滤波处理后的声音信号进行分帧处理，将声音信号划分为多个声音信号帧Z＝{z₁，...，z_n，...，z_N}，其中z_n表示第n个声音信号帧，N表示总帧数；

针对每个获取的声音信号帧z_n，对声音信号帧z_n进行傅里叶变换，得到声音信号帧的频谱X_n；

分别计算每个声音信号帧z_n对应的端点特征参量：

式中，u_n表示第n个声音信号帧的端点特征参量，f_n(m)表示第n个声音信号帧中第m个采样点的频率，M表示第n个声音信号帧中采样点的总数；表示第n个声音信号帧的平均频谱能量，X_n(m)表示第n个声音信号帧中第m个采样点对应的频谱幅值，z_n(m)表示第n个声音信号帧中第m个采样点对应的幅值，表示第n个声音信号帧中各采样点的平均幅值，T_s表示设定的频谱判断阈值，T_E表示设定的能量判断阈值；

从第n＝1个声音信号帧开始，依次将各声音信号帧对应的端点特征参量u_n与设定的特征阈值T_u进行比对，如果从第n_t帧开始，连续3个声音信号帧对应的端点特征参量均大于特征阈值T_u，则标记声音信号帧为有声部分起始点；如果在有声部分起始点之后，连续3个声音信号帧对应的端点特征参量均小于特征阈值T_u，则标记声音信号帧为有声部分结束点；将有声部分起始点和有声部分结束点之间的语音信号部分标记为有声部分，其余部分标记为无声部分；

基于各有声部分和无声部分的持续时间，得到有声部分的变化特征，具体包括：

根据获取的声音信号中有声部分和无声部分的划分信息，按时域顺序分别统计有声部分的总数和各有声部分和无声部分的长度，并获取变化特征B＝{t₁(1)，t₀(1)，...，t₁(n)，t₀(n)，...t₁(N)，t₀(N)}；其中，t₁(n)表示声音信号中第n个有声部分的长度，t₀(n)表示声音信号中第n个有声部分与第n+1个有声部分之间的无声部分的长度，其中n＝1，2，...N，N表示声音信号中有声部分的总数，其中有声部分和无声部分的长度采用采样点的数量或者时间长度进行表示。