买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：松研科技(杭州)有限公司

摘要：本发明公开了一种近红外光谱身心压力与睡眠质量监测系统，涉及人体睡眠监测技术领域，该系统包括前期测试准备单元、信号数据获取单元、睡眠状态识别单元、身心压力获取单元、工作模式制定单元、实时监测集成单元及监测修改调整单元。本发明通过利用近红外光谱数据计算反映测试人员的生理特征，并结合分类算法建立睡眠状态识别模型，同时结合频域变化技术构建分析模型，从多个维度对测试人员的体征状态进行分析和评估，并将睡眠状态识别模型和分析模型集成至按摩设备控制器，按摩设备可以实时监测使用人员的压力与睡眠状态，并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，为用户提供了更加舒适和个性化的服务体验。

主权项：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）；所述前期测试准备单元（1），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；所述信号数据获取单元（2），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；所述睡眠状态识别单元（3），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；所述身心压力获取单元（4），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；所述工作模式制定单元（5），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；所述实时监测集成单元（6），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；所述监测修改调整单元（7），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；其中，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）；所述光谱数据校正模块（301），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；所述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包括以下步骤：在测试人员进入清醒状态、过渡阶段和深度睡眠阶段时，使用近红外光谱设备进行光谱数据的实时采集，同时需要确保采集到的光谱数据与测试人员的睡眠阶段具有准确的时间同步标定；对采集到的原始光谱数据进行初步处理，包括去除噪声、异常值或运动伪影，并将采集到的光谱数据按照不同的睡眠阶段分段成清醒状态、过渡阶段和深度睡眠阶段；实施多元散射校正技术，消除样本中由于多元散射引起的光谱变化，并进行基线校正，消除光谱数据中可能存在的基线漂移，同时进行波长校正，以确保不同测试人员和不同监测时间点之间的光谱数据具有一致的波长标定；所述生理特征获取模块（302），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；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以下步骤：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；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；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；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；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；所述生理特征处理模块（303），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；所述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包括以下步骤：采集到的生理特征指标整理成数据集形式，每个测试人员的生理数据应构成数据集的行，不同的生理指标构成数据集的列，并采用多阶拉格朗日差法作为插补方法，实时处理缺失值填充数据集中的空缺；对数据集进行标准化，确保不同生理指标具有相同的尺度，根据生理特征指标，设定不同睡眠状态的分割阈值，包括基于呼吸波、心跳和心动强度设定清醒、浅睡眠和深度睡眠的阈值；所述识别模型构建模块（304），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；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以下步骤：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；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；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；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；其中，所述关联点的目标函数的表达式为： ；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+1 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；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；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以下步骤：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；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；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；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态识别模型；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）；所述体征信号处理模块（401），用于利用安装于按摩设备内部的压力传感器捕捉测试人员的体征变化信号，并利用阈值变化方法对特征变化信号实施降噪处理；所述利用安装于按摩设备内部的压力传感器捕捉测试人员的体征变化信号，并利用阈值变化方法对特征变化信号实施降噪处理包括以下步骤：启动按摩设备内部的压力传感器，实时采集测试人员的体征变化信号，包括压力变化与力度，对采集到的原始压力传感器数据进行初步处理，包括去除噪声与异常值；从压力传感器数据中提取频域特征，并根据体征变化信号的特性，设定适当的阈值；使用阈值变化方法，将体征变化信号中低于阈值的部分认定为噪声并进行降噪处理，并对被识别为噪声的部分进行降噪处理；所述特征频率揭示模块（402），用于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；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以下步骤：利用尺度系数将原始信号分解为多组层次，并设定高层次捕捉低频信息，低层次捕捉高频信息；基于小波函数对分解后的原始信号进行分帧与加重处理判断每组层次与原始信号的相关性；通过时间窗将原始信号进行分段处理与相关性结合获取状态系数，并对状态系数进行卷积操作和离散余弦变换得到状态频率系数作为变化信号的特征；所述分析模型建立模块（403），用于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；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以下步骤：基于机器学习技术构造平面作为决策平面描述变化信号与特征之间的联系，并根据描述结果区分体征状态的分类样式；根据分类样式利用支持向量机对体征状态实施学习与训练操作建立状态分类器，并将状态分类器与主成分分析相结合建立分析模型；将变化信号输入至分析模型内解析测试人员的体征状态变化；所述压力结果判断模块（404），用于根据体征状态变化结果设定无压力、中度压力及高度压力区分基线，并将体征变化信号输入至分析模型内输出区分基线判断测试人员的身心压力结果；所述根据体征状态变化结果设定无压力、中度压力及高度压力区分基线，并将体征变化信号输入至分析模型内输出区分基线判断测试人员的身心压力结果包括以下步骤：根据体征变化结果，定义不同的身心压力级别，包括无压力、中度压力和高度压力，对每个压力级别建立相应的基线，即该身心压力级别下体征变化的典型模式；将实时采集的体征变化信号输入至分析模型内实时输出对应的身心压力级别判断测试人员的身心压力结果；所述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包括以下步骤：将睡眠状态识别结果和身心压力结果整合成一个综合的状态指标，根据综合的状态指标，制定相应的工作模式映射，包括设定不同的按摩强度、按摩方式或其他按摩设备功能的参数；根据制定的工作模式映射，设定按摩设备的各项参数，包括力度、速度、按摩部位，并将制定好的按摩参数发送至按摩设备控制器；按摩设备控制器接收到参数后，调整按摩设备的工作模式和参数，以提供适应当前身心状态的按摩体验，在按摩过程中，实时监测测试人员的反馈和生理变化，根据需要实时调整按摩参数以提供更舒适和有效的按摩体验；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）；所述集成转换操作模块（601），用于利用虚拟数据库技术将睡眠状态识别结果和身心压力测试结果实时收集集成操作合并转换为同质数据；所述利用虚拟数据库技术将睡眠状态识别结果和身心压力测试结果实施收集集成操作合并转换为同质数据包括以下步骤：利用虚拟数据库技术，创建虚拟数据库，其中包含用于存储睡眠状态识别结果和身心压力测试结果的表，将睡眠状态识别系统和身心压力测试系统产生的结果数据收集到各自的数据库中；使用虚拟数据库技术，将两个数据库中的数据进行集成，并将睡眠状态识别结果和身心压力测试结果合并为同质数据，并利用虚拟数据库技术，创建虚拟视图，使合并后的数据以统一的方式被查询和分析；所述控制发送连接模块（602），用于将同质数据转换为控制信号利用网络传输技术将控制信号发送至按摩控制器内，并对控制信号与同质数据进行同步转换，将控制信号与按摩控制器连接；所述将同质数据转换为控制信号利用网络传输技术将控制信号发送至按摩控制器内，并对控制信号与同质数据进行同步转换，将控制信号与按摩控制器连接包括以下步骤：将同质数据转换为适合按摩控制器理解的控制信号格式，并配置网络传输技术将控制信号从数据源发送到按摩控制器内；在数据源端设置控制信号发送端，并将转换后的控制信号发送到网络传输通道，利用配置完成的网络传输通道，将控制信号从发送端传输到按摩控制器内部；在按摩控制器端设置控制信号接收端，接收从网络传输通道中接收到的控制信号，在按摩控制器内部对接收到的控制信号进行解析，将其转换为按摩设备可识别的控制指令，包括调整按摩强度、模式、时间；根据解析后的控制指令，控制按摩设备的工作模式和参数，以实现指定的按摩效果和体验，确保控制信号与同质数据之间的同步转换；所述监测协议控制模块（603），用于按摩控制器建立集成监测协议为控制信号建立传输通道，并根据睡眠状态识别和身心压力给定监测协议控制值；所述按摩控制器建立集成监测协议为控制信号建立传输通道，并根据睡眠状态识别和身心压力给定监测协议控制值包括以下步骤：设计集成监测协议，明确定义控制信号的格式、传输方式以及与睡眠状态和身心压力相关的监测参数，根据设定的协议建立控制信号的传输通道；在按摩控制器端实现协议的接收和解析功能，确保按摩控制器能够正确识别和处理来自传输通道的控制信号，并根据睡眠状态识别和身心压力的相关信息，定义监测参数的控制值，包括按摩强度、按摩模式、按摩时间；将睡眠状态识别系统与控制信号传输协议集成，确定在不同睡眠状态下，控制信号中对应的监测参数值，在深度睡眠时可能选择柔和的按摩模式，同时将身心压力测试系统与控制信号传输协议集成，定义不同身心压力水平下，对应的监测参数值，在高度压力状态下可能选择更强度的按摩模式；所述集成存储控制模块（604），用于将规定的协议控制值集成至按摩控制器通过自动检测控制参数的改变，并利用端口状态存储监测数据及监测信息；所述将规定的协议控制值集成至按摩控制器通过自动检测控制参数的改变，并利用端口状态存储监测数据及监测信息包括以下步骤：将规定的协议控制值集成到按摩控制器中，确保按摩控制器能够识别控制值，并通过定期轮询或使用事件触发方式检测控制参数的变化，确保按摩控制器能够及时捕捉到来自集成协议的更新；检测到控制参数变更时，按摩控制器应根据新的协议控制值自动调整按摩的工作模式和参数，以实现个性化的按摩体验，并利用端口状态存储机制，将监测数据和监测信息存储在按摩控制器内部的端口状态中；所述压力睡眠监测模块（605），用于将监测数据及监测信息输入相应的映射区域中，通过在区域映射中对应的控制语义分析，得出正确的监测结果，完成监测使用人员压力与睡眠状态的目的；所述将监测数据及监测信息输入相应的映射区域中，通过在区域映射中对应的控制语义分析，得出正确的监测结果，完成监测使用人员压力与睡眠状态的目的包括以下步骤：根据监测数据和监测信息映射到特定的语义区域定义映射区域，将从按摩控制器和监测设备中获取的数据输入到相应的映射区域；利用事先定义好的映射规则，将监测数据和监测信息映射到相应的语义区域，在映射区域中进行控制语义分析，根据映射的数据和信息，分析出与人员压力和睡眠状态相关的语义，基于控制语义分析的结果，生成最终的监测结果。

全文数据：

权利要求：

百度查询： 松研科技(杭州)有限公司 一种近红外光谱身心压力与睡眠质量监测系统