System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人体睡眠监测,尤其涉及一种近红外光谱身心压力与睡眠质量监测系统。
技术介绍
1、伴随着生活节奏的加快人们面临着高度竞争和工作压力,长时间的工作、学习和社交压力等可能导致人们身体和心理的疲劳,影响睡眠质量,同时不规律的作息时间、不健康的饮食、缺乏运动等不良生活习惯也是导致睡眠问题的因素影响身体的生理节律和睡眠周期。
2、为了改善睡眠质量和调节身心状态,越来越多的人会利用按摩设备缓解身心压力与改善睡眠质量,按摩可以促进身体和心理的放松,缓解压力和焦虑,从而改善睡眠质量,按摩设备可以帮助放松肌肉,缓解肌肉紧张和疼痛,改善身体的舒适度,有助于入睡和保持睡眠状态,同时还可以促进血液循环,增加血液流向肌肉和组织,从而帮助身体更快地排除代谢产物,减轻身体疲劳,提升睡眠质量。
3、但是现有技术中的按摩设备在使用时其工作模式多数为固定不变的,无法根据使用者的状态睡眠状态与身心压力状况适应性更改其工作模式,进而降低了按摩设备的个性化服务体验。
4、针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术为了解决上述问题,提出了一种近红外光谱身心压力与睡眠质量监测系统,实现根据监测数据实时调整按摩设备的工作模式,提供个性化的按摩体验的目的。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、本专利技术提供了一种近红外光谱身心压力与睡眠质量监测系统,该近红外光谱身心压力与睡眠质量监测系统包括前期测试准备
4、前期测试准备单元,用于基于预设标准选取指定人数的测试人员躺至按摩设备处,并为测试人员佩戴预先安装至按摩设备处的近红外光谱设备;
5、信号数据获取单元,用于启动近红外光谱设备与按摩设备内部的传感器获取近红外光谱数据与体征信号数据;
6、睡眠状态识别单元,用于利用近红外光谱数据计算反映测试人员的生理特征,并将生理特征与分类算法结合建立睡眠状态识别模型;
7、身心压力获取单元,用于将体征信号数据与频域变化技术结合构建分析模型解析测试人员的体征状态变化,并根据变化结果获取异常信息判断身心压力结果;
8、工作模式制定单元,用于将睡眠状态识别结果与身心压力结果输入至按摩设备控制器,控制端根据结果制定对应的工作模式;
9、实时监测集成单元,用于将睡眠状态识别模型和分析模型集成至按摩设备控制器内,并利用近红外光谱设备与传感器实时监测使用人员的压力与睡眠状态;
10、监测修改调整单元,用于按摩设备控制器根据监测数据获取识别结果并修改按摩设备的工作模式调整使用人员的自身状态。
11、优选的,睡眠状态识别单元包括光谱数据校正模块、生理特征获取模块、生理特征处理模块及识别模型构建模块;
12、光谱数据校正模块,用于根据近红外光谱设备采集测试人员在清醒状态、过渡阶段与深度睡眠阶段的光谱数据,并利用多元散射校正技术对光谱数据实施预处理;
13、生理特征获取模块,用于采用变量消除技术提取测试人员的血氧水平变化,并根据血氧水平变化结果测定血氧均值、呼吸波、心跳和心动强度生理特征指标;
14、生理特征处理模块,用于将生理特征指标转换为数据集形式通过多阶拉格朗日差法实时缺失值插补处理操作,并基于数据集设定不同睡眠状态的分割阈值;
15、识别模型构建模块,用于获取生理特征指标中初始簇的中心,并利用分类算法确定最大关联特征的生理特征,遍历全部光谱数据获取时间序列矩阵,构建睡眠状态识别模型。
16、优选的,采用变量消除技术提取测试人员的血氧水平变化,并根据血氧水平变化结果测定血氧均值、呼吸波、心跳和心动强度生理特征指标包括:
17、采用变量消除技术对预处理完成的光谱数据实施变量消除操作去除干扰性变量,并判断光谱数据中近红外波段的吸收效应;
18、根据吸收效应判断红外光谱透过测试人员皮肤后的光强变化判断含氧血红蛋白和脱氧血红蛋白的含量,对测试人员的认知功能进行测量;
19、判断测试人员在不同阶段的含氧血红蛋白和脱氧血红蛋白的含量分析血氧变化水平,并基于判断结果选取三个阶段范围内血氧变化最高的时间点;
20、计算三个阶段血氧水平的平均值作为血氧均值,并将血氧均值作为区分睡眠与清醒状态的生理特征;
21、根据血氧变化水平判断测试人员的呼吸变化与血液体积变化提取呼吸波与心动信号,并根据心动信号分析血红蛋白浓度变化幅度评估心动强度。
22、优选的,获取生理特征指标中初始簇的中心,并利用分类算法确定最大关联特征的生理特征,遍历全部光谱数据获取时间序列矩阵,构建睡眠状态识别模型包括:
23、对生理特征实施降维处理挖掘呼吸波、心跳和心动强度之间的关联关系,并利用流聚类技术设定阈值选取血氧均值作为初始簇的中心;
24、判断呼吸波、心跳和心动强度至初始簇中心的距离,并选取小于阈值且靠近初始簇中心的血氧均值作为数据集簇;
25、基于数据集簇选取距离最小的呼吸波、心跳和心动强度作为关联关系最大的关联点;
26、采用平方误差获得关联点的目标函数确定最大关联特征的生理特征,遍历全部光谱数据获取所有生理特征;
27、根据对应的状态阶段构建时间序列得到识别模型运行的时间序列矩阵构建睡眠状态识别模型。
28、优选的,关联点的目标函数的表达式为:
29、;
30、式中, l表示关联点的目标函数值; m表示关联点的平方误差值; t表示数据集簇中的数据点; a表示数据集簇的个数; c b+表示初始簇中心点; e表示数据集簇中数据点的总数量; p a表示第 a个数据集簇的平均值; r表示设定的阈值。
31、优选的,根据对应的状态阶段构建时间序列得到识别模型运行的时间序列矩阵构建睡眠状态识别模型包括:
32、将生理特征与对应状态阶段进行顺序排列构建包含以状态阶段特征集为行、时间点为列组合时间序列;
33、当时间序列矩阵中行数小于时间点时,按维度空间顺序拆分时间序列逐行叠加生成高维随机矩阵,并将矩阵各列作为提取维数的单个个体;
34、将高维随机矩阵转换为样本协方差矩阵,利用最大似然估计法估计样本协方差矩阵并将特征值映射到复数域得到生理特征的分布规律;
35、基于分布规律与预设的约束条件确定睡眠状态的区分特征构建睡眠状本文档来自技高网...
【技术保护点】
1.一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,该近红外光谱身心压力与睡眠质量监测系统包括前期测试准备单元(1)、信号数据获取单元(2)、睡眠状态识别单元(3)、身心压力获取单元(4)、工作模式制定单元(5)、实时监测集成单元(6)及监测修改调整单元(7);
2.根据权利要求1所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述睡眠状态识别单元(3)包括光谱数据校正模块(301)、生理特征获取模块(302)、生理特征处理模块(303)及识别模型构建模块(304);
3.根据权利要求2所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述采用变量消除技术提取测试人员的血氧水平变化,并根据血氧水平变化结果测定血氧均值、呼吸波、心跳和心动强度生理特征指标包括:
4.根据权利要求3所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述获取生理特征指标中初始簇的中心,并利用分类算法确定最大关联特征的生理特征,遍历全部光谱数据获取时间序列矩阵,构建睡眠状态识别模型包括:
5.根据权利要求4所述的一种近红
6.根据权利要求5所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述根据对应的状态阶段构建时间序列得到识别模型运行的时间序列矩阵构建睡眠状态识别模型包括:
7.根据权利要求1所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述身心压力获取单元(4)包括体征信号处理模块(401)、特征频率揭示模块(402)、分析模型建立模块(403)及压力结果判断模块(404);
8.根据权利要求7所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述基于尺度系数与原始体征变化信号的相关性确定分解层数,并结合频域变化实施小波分解操作揭示变化信号的特征包括:
9.根据权利要求8所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述采用机器学习技术描述变化信号与特征之间的联系建立分析模型解析测试人员的体征状态变化包括:
10.根据权利要求1所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述实时监测集成单元(6)包括集成转换操作模块(601)、控制发送连接模块(602)、监测协议控制模块(603)、集成存储控制模块(604)及压力睡眠监测模块(605);
...【技术特征摘要】
1.一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,该近红外光谱身心压力与睡眠质量监测系统包括前期测试准备单元(1)、信号数据获取单元(2)、睡眠状态识别单元(3)、身心压力获取单元(4)、工作模式制定单元(5)、实时监测集成单元(6)及监测修改调整单元(7);
2.根据权利要求1所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述睡眠状态识别单元(3)包括光谱数据校正模块(301)、生理特征获取模块(302)、生理特征处理模块(303)及识别模型构建模块(304);
3.根据权利要求2所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述采用变量消除技术提取测试人员的血氧水平变化,并根据血氧水平变化结果测定血氧均值、呼吸波、心跳和心动强度生理特征指标包括:
4.根据权利要求3所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述获取生理特征指标中初始簇的中心,并利用分类算法确定最大关联特征的生理特征,遍历全部光谱数据获取时间序列矩阵,构建睡眠状态识别模型包括:
5.根据权利要求4所述的一种近红外光谱身心压力与睡眠质量监测系统,其特征在于,所述关联点的目标函数的表达式为...
【专利技术属性】
技术研发人员:羊建文,
申请(专利权)人:松研科技杭州有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。