本發(fā)明涉及輔助睡眠
技術(shù)領(lǐng)域：
，特別是涉及一種用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器。
背景技術(shù)：
：目前市面上已經(jīng)有一些設(shè)備來幫助人們?nèi)胨?，提高睡眠質(zhì)量。睡眠狀態(tài)分析是了解用戶睡眠質(zhì)量的重要手段，而在此過程中，需要對用戶睡眠狀態(tài)進行檢測，以準(zhǔn)確知道用戶是否睡著。一般情況下，檢測睡眠狀態(tài)是通過訓(xùn)練識別模型來對腦電信號進行識別，多導(dǎo)睡眠圖利用多種生命體征對睡眠進行分析，在這些體征信號中，腦電處于核心地位；利用腦電波4種節(jié)律：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)的頻率特性。由于腦電信號的個人特異性很強，并且腦電的強度很弱(腦電為微伏級別，心電為毫伏級別)，在信號采集時極易被外界信號所干擾。因此，利用計算機對腦電信號進行睡眠分析研究時，一般是對腦電信號進行小波分解與重構(gòu)，得到腦電信號的四種基本頻段(δ波頻段、θ波頻段、α波頻段和β波頻段)的信號，通過信號特征的提取進行睡眠狀態(tài)識別，這種手段容易受到干擾影響，導(dǎo)致訓(xùn)練出來的識別模型進行睡眠狀態(tài)檢測時，準(zhǔn)確率較低。技術(shù)實現(xiàn)要素：基于此，有必要針對上述問題，提供一種用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，有效地提高睡眠狀態(tài)識別的準(zhǔn)確率。一種用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，包括：腦電電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路以及處理器；所述腦電電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至處理器；所述腦電電極用于檢測用戶在睡眠中的腦電信號；所述模數(shù)轉(zhuǎn)換器將腦電信號轉(zhuǎn)換為數(shù)字信號，所述濾波電路對腦電信號進行低頻濾波后輸入至處理器；所述處理器，用于對腦電信號進行小波分解和重建出低頻腦電信號，從所述低頻腦電信號上提取腦電波；從該腦電波中檢測K綜合波與δ波并統(tǒng)計數(shù)量；在數(shù)量超過預(yù)設(shè)的數(shù)量閾值時判定所述用戶當(dāng)前處于睡眠狀態(tài)。上述用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，通過腦電電極采集腦電信號，通過模數(shù)轉(zhuǎn)換和濾波電路處理后，由處理器對腦電信號進行小波分解和重建低頻腦電信號，通過從腦電信號中提取腦電波并檢測K綜合波與δ波的數(shù)量，在該數(shù)量超過設(shè)定閾值時判定用戶當(dāng)前的睡眠狀態(tài)。該檢測器可以避免腦電信號受到干擾對檢測結(jié)果的影響，具有更高的準(zhǔn)確率。附圖說明圖1為一個實施例的用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器的結(jié)構(gòu)示意圖；圖2是K綜合波的波形示意圖；圖3是δ波的波形示意圖；圖4為判斷為腦電波的波形示意圖；圖5是非眼快動睡眠S2期的腦電信號上K綜合波的檢測結(jié)果示意圖；圖6是非眼快動睡眠S3期的腦電信號上δ波的檢測結(jié)果示意圖；圖7為處理器檢測睡眠狀態(tài)算法的流程圖。具體實施方式下面結(jié)合附圖闡述本發(fā)明的用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器的實施例。參考圖1所示，圖1為一個實施例的用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器的結(jié)構(gòu)示意圖，包括：腦電電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路以及處理器；所述腦電電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至處理器；所述腦電電極用于檢測用戶在睡眠中的腦電信號；所述模數(shù)轉(zhuǎn)換器將腦電信號轉(zhuǎn)換為數(shù)字信號，所述濾波電路對腦電信號進行低頻濾波后輸入至處理器；所述處理器，用于對腦電信號進行小波分解和重建出低頻腦電信號，從所述低頻腦電信號上提取腦電波；從該腦電波中檢測K綜合波與δ波并統(tǒng)計數(shù)量；在數(shù)量超過預(yù)設(shè)的數(shù)量閾值時判定所述用戶當(dāng)前處于睡眠狀態(tài)。上述用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，通過腦電電極采集腦電信號，通過模數(shù)轉(zhuǎn)換和濾波電路處理后，由處理器對腦電信號進行小波分解和重建低頻腦電信號，通過從腦電信號中提取腦電波并檢測K綜合波與δ波的數(shù)量，在該數(shù)量超過設(shè)定閾值時判定用戶當(dāng)前的睡眠狀態(tài)。該檢測器可以避免腦電信號受到干擾對檢測結(jié)果的影響，具有更高的準(zhǔn)確率。在一個實施例中，所述腦電電極設(shè)置在用戶的額頭位置；所述參考電極設(shè)置在用戶的耳垂。如圖1所示，圖中，腦電電極即圖中的“M”，參考電極設(shè)置在用戶的耳垂，即圖中“R”和“L”。為了適應(yīng)于腦電信號的處理，濾波電路濾波后，輸出0-256Hz頻段的信號至處理器。對于睡眠狀態(tài)分析的功能，主要通過處理器來進行，基于處理器實現(xiàn)的功能，可以在處理器中配置相應(yīng)的算法模塊。處理器檢測睡眠狀態(tài)的算法流程包括(1)～(4)，具體如下：(1)對腦電信號進行小波分解，并根據(jù)預(yù)設(shè)的低頻段的小波系數(shù)重建腦電信號，得到低頻腦電信號；在對用戶進行輔助睡眠等睡眠狀態(tài)分析中，處理器通過控制用戶佩戴的腦電電極，采集用戶在睡眠過程中產(chǎn)生的腦電信號；在采集腦電信號時，處理器可以控制以30s為一幀進行采集，對每幀腦電信號進行后續(xù)處理。為了避免高頻噪聲的干擾同時保留信號的基本信息，我們在較低頻段上對腦電信號進行分析。為了計算的方便，可以選擇θ波的頻率上限(0～8Hz)進行小波分解和重建，在此，首先對腦電信號進行小波分解，并根據(jù)低頻段的小波系數(shù)重建腦電信號，然后在重建的低頻腦電信號上提取腦電波；上述預(yù)設(shè)的低頻段，可以選取0～4Hz，如果單一針對于K綜合波處理時，可以取0～2Hz頻段，或者先識別出K綜合波，然后設(shè)置0～4Hz頻段，識別出δ波，再將兩種波的檢測結(jié)果結(jié)合起來。(2)從重建的所述低頻腦電信號上提取腦電波；在此，處理器執(zhí)行算法功能是根據(jù)波形特征，從重建的低頻腦電信號上提取腦電波。參考圖2和圖3所示，圖2是K綜合波的波形示意圖，圖3是δ波的波形示意圖；可見K綜合波是一種具有高波幅的復(fù)合雙相或者多相的慢波，持續(xù)時間約為0.5～1s，波幅約為200～300微伏(uV)；δ波活動的頻率為1～3Hz，波幅約為20～200微伏。在此，通過小波分解與低頻重構(gòu)后，需要從低頻腦電信號中提取出腦電波。作為一個實施例，結(jié)合K綜合波的在波形上具有復(fù)合雙相或者多相且波幅較高的特點，在此將其簡化成具有高波峰、深波谷、持續(xù)時間為1～2s左右的腦電波。δ波具有波幅較高、頻率較低的特點，將其簡化成具有高振幅、持續(xù)時間為0.5s～2s左右的腦電波。在一個實施例中，在提取腦電波時，所述處理器，用于從低頻腦電信號的波形上找出局部極小值點，并將其標(biāo)記為波谷；將相鄰兩個波谷之間最大的局部極大值點標(biāo)記為波峰；根據(jù)波形上每個左波谷-波峰-右波谷對的高度判斷出腦電波。參考圖4所示，圖4為判斷為腦電波的波形示意圖，在判斷過程中，首先計算每個左波谷-波峰-右波谷對的高度，然后分為以下三種方式：①若左右兩個波谷的高度差小于預(yù)設(shè)的差值閾值，則將該波形判為一個腦電波；具體的，如圖4(a)所示，如果兩個波谷的高度差小于閾值時(如10微伏)，判為一個腦電波。②若左右兩個波谷的高度差大于差值閾值，且左波谷-上升支波峰的高度小于波峰-下降支右波谷的一半，則將該波形判為一個腦電波；具體的，如圖4(b)所示，如果兩個波谷的高度差大于閾值，且左波谷-波峰(上升支)的高度小于波峰-右波谷(下降支)的一半，則將其判為一個腦電波。③若左右兩個波谷的高度差大于差值閾值，且上升支的高度大于下降支的一半，則拋棄右波谷并在波形上尋找接下來的第二個波谷，重新進行判斷；具體的，如圖4(c)所示，如果兩個波谷的高度差大于閾值，且上升支的高度大于下降支的一半，則拋棄右波谷并尋找接下來的第二個波谷，重新進行計算和判斷。(3)根據(jù)K綜合波和δ波的波形特征，從所述腦電波中檢測K綜合波與δ波；如上所述，K綜合波是一種具有高波幅的復(fù)合雙相或者多相的慢波，持續(xù)時間約為1～2s，波幅約為200～300微伏。在低頻段的腦電信號上提取出腦電波后，根據(jù)K綜合波與δ波的波形特點來檢測K綜合波與δ波。在此，處理器可以根據(jù)K綜合波和δ波腦電波的波形特征，先設(shè)定K綜合波和δ波的幅度閾值，結(jié)合提取的腦電波的采樣率，從腦電波中檢測K綜合波與δ波。在一個實施例中，處理器可以采用如下公式從腦電波中檢測K綜合波與δ波：wk=true,ifheightEOGtrough_lef:triugh_right<height_threEOG1<(ptrough_right-ptrough_left)/fs<2ampEEGtrough<trough_threEEGampEEGpeak>peak_threEEG---(1)]]>wδ=true,ifheightEOGtrough_lef:trough_right<height_threEOG0.5<(ptrough_right-ptrough_left)/fs<2heightEEGtrough_lef:trough_right>height_threEEG---(2)]]>式中，ptrough_right與ptrough_left分別表示左右波谷數(shù)據(jù)點的坐標(biāo)，fs為腦電波的采樣率，與分別表示腦電信號與眼電信號在區(qū)間[ptrough_right,ptrough_left]上的最大值減最小值的取值，一般的取值75-150mV之間，可以根據(jù)測量統(tǒng)計得到，peak_threEEG與trough_threEEG分別表示K綜合波的波峰閾值與波谷閾值，height_threEEG表示δ波的幅度閾值；wk表示K綜合波，wδ表示δ波，true表示判斷結(jié)果為真，if表示滿足的條件。另外，K綜合波的波峰閾值與波谷閾值可以分別取+100微伏與－100微伏，δ波的幅度閾值可以取75-150微伏。由于是在小波分解后的腦電信號上而非原始腦電信號上進行檢波，因此K綜合波與δ波的幅度閾值可較臨床標(biāo)準(zhǔn)適當(dāng)降低。例如K綜合波的波峰的閾值peak_threEEG與波谷的閾值trough_threEEG可以分別設(shè)為正負100微伏，δ波的幅度閾值height_threEEG為75至150微伏；上述閾值設(shè)置經(jīng)過驗證，能夠得到較好的檢測效果。作為一個實施例，對于上述檢測到的K綜合波與δ波，為了避免眼電信號造成的干擾，在檢測到K綜合波與δ波的時間窗口內(nèi)，對信號的幅度進行檢測，當(dāng)信號的幅度超過預(yù)設(shè)幅度閾值(例如75微伏)，則判定檢測到的K綜合波與δ波屬于偽陽性(falsepositive)結(jié)果，并不是真正的K綜合波與δ波，丟棄該檢測結(jié)果，排除眼電偽跡的干擾，后續(xù)不做統(tǒng)計。根據(jù)不同節(jié)律的腦電波和眼球運動特征，除了清醒階段以外，睡眠可以分成非眼快動睡眠(NoRapidEyeMovementSleep,NREMsleep)和眼快動睡眠(RapidEyeMovementSleep,REMsleep)周期。其中非眼快動睡眠又可以分為4個時期：S1期(完全清醒至睡眠之間的過渡階段)，S2期(淺睡階段)，S3期(中等深度睡眠)，S4期(深睡期)。參考圖5所示，圖5是非眼快動睡眠S2期的腦電信號上K綜合波的檢測結(jié)果示意圖；圖5(a)中波動較大的波形為原始腦電信號，波動較小的波形為低頻段重建的腦電信號；圖5(b)中波形部分是低頻段重建的腦電信號，圓圈部分為檢出的K綜合波。參考圖6所示，圖6是非眼快動睡眠S3期的腦電信號上δ波的檢測結(jié)果示意圖；圖6(a)中波動較大的波形為原始腦電信號，波動較小的波形為低頻段重建的腦電信號；圖6(b)中波形部分是是低頻段重建的腦電信號，圓圈部分為檢出的δ波。(4)統(tǒng)計檢測到K綜合波與δ波的數(shù)量，當(dāng)所述數(shù)量超過預(yù)設(shè)的數(shù)量閾值時，判定用戶當(dāng)前處于睡眠狀態(tài)；在此，處理器可以根據(jù)檢測到K綜合波與δ波的數(shù)量，判斷用戶當(dāng)前是否處于睡眠狀態(tài)；可以通過預(yù)設(shè)一個數(shù)量閾值進行比較，其中，如果K綜合波的數(shù)量大于等于1個，或者δ波大于等于5個，判定用戶當(dāng)前處于睡眠狀態(tài)。δ波的閾值與δ波的長度和被分析的腦電信號長度有關(guān)。δ波的持續(xù)時間一般為0.5～2秒，設(shè)其均值為1.5秒。腦電信號檢測的時間窗口長度一般為30秒，即以30秒為一幀進行分析。S3期時，δ波的時間應(yīng)當(dāng)大于20％，即大于6秒，由此可以算出δ波的數(shù)量應(yīng)該大于4個。所以當(dāng)δ波的數(shù)量超過5個時，可以認為用戶處于睡眠狀態(tài)。本發(fā)明實施例的用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，具有較高的準(zhǔn)確性。實驗證明，在多例利用腦電信號進行的睡眠狀態(tài)檢測中，檢測的準(zhǔn)確率達到了95％以上。參考圖7所示，圖7為處理器檢測睡眠狀態(tài)算法的流程圖，包括如下步驟：s1：采集腦電信號(可能含眼電信號)；s2：腦電信號小波分解；s3：重建低頻段信號(0-4Hz)；s4：從低頻段信號中檢測腦電波；s5：腦電波中檢測K綜合波與δ波；s6：去除眼電干擾，統(tǒng)計K綜合波與δ波的數(shù)量；s7：判斷K綜合波與δ波的數(shù)量是否超閾值，若是，判定為睡眠狀態(tài)，若否，判定為非確定狀態(tài)。本發(fā)明的用于睡眠狀態(tài)分析的睡眠狀態(tài)檢測器，只針對睡眠狀態(tài)進行判斷。如果輸出結(jié)果為“是”，即當(dāng)前狀態(tài)為睡眠狀態(tài)。如果輸出結(jié)果為否，則當(dāng)前狀態(tài)為非確定的狀態(tài)(既不是睡眠狀態(tài)，但也不能認為是清醒狀態(tài))，通過調(diào)整參數(shù)，就能得到一個很高的準(zhǔn)確率。相對于傳統(tǒng)方法是將輸出信號歸類為睡眠周期的某一個階段的方案，本發(fā)明的方案檢測睡眠狀態(tài)準(zhǔn)確性更高。而且對于部分干擾較嚴(yán)重的信號，檢出率盡管可能較低，但是也不會影響到準(zhǔn)確率。而傳統(tǒng)方案在這種情況下，其準(zhǔn)確率容易會受到較大的影響。以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認為是本說明書記載的范圍。以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。當(dāng)前第1頁1 2 3