一種用于監測睡眠狀態的健康分析系統的制作方法

本發明創造涉及人體健康監測技術領域，具體涉及一種用于監測睡眠狀態的健康分析系統。

背景技術：

睡眠是人類最重要和最基本的生理活動之一，睡眠的好壞是健康與否的重要標志。在人們的日常生活中，通過良好的睡眠不僅可以消除疲勞、恢復精力，而且可以增強免疫力、延緩衰老。相反，不良的睡眠則會影響人們的日常工作和生活，長期如此，還會引發許多疾病。因此，開發一種能夠有效監測人體睡眠狀態的系統對人體健康分析有著重要的意義。

技術實現要素：

針對上述問題，本發明旨在提供一種用于監測睡眠狀態的健康分析系統。

本發明創造的目的通過以下技術方案實現：

一種用于監測睡眠狀態的健康分析系統，包括數據監測模塊、無線傳輸模塊和健康分析模塊；所述數據監測模塊用于監測用戶的體溫、心率、脈搏血氧飽和度和呼吸頻率；無線傳輸模塊用于將采集所得的數據傳送給健康分析模塊；健康分析模塊用于對接收到的數據進行處理并根據處理后的數據對用戶的睡眠狀態進行評估并在用戶睡眠質量極差時進行預警。

優選地，還包括喚醒模塊和健康指導模塊，所述健康指導模塊與健康分析模塊連接，用于根據健康分析模塊分析得到的用戶的睡眠狀態合理配置用戶的鍛煉內容，自動提醒用戶白天進行相應的身體鍛煉。

優選地，所述喚醒模塊與數據監測模塊連接，用于設定所述數據監測模塊每間隔5分鐘對用戶的心率、血氧飽和度和呼吸頻率持續測量15分鐘，每間隔20分鐘對用戶的體溫持續測量5分鐘。

優選地，所述健康分析模塊包括數據處理模塊和睡眠質量評估模塊，所述數據處理模塊和無線傳輸模塊連接，用于對采集得到的數據進行處理，所述睡眠質量評估模塊與數據處理模塊連接，用于對用戶睡眠質量進行評估。

本發明創造的有益效果：可以同時監測多個用戶的睡眠狀態，并根據監測所得的生理數據進行分析判斷，在出現異常情況時進行預警。此外，根據監測所得的數據可以分析所得用戶的睡眠質量，并制定相應的健康鍛煉計劃。

附圖說明

利用附圖對發明創造作進一步說明，但附圖中的實施例不構成對本發明創造的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1是本發明結構示意圖；

圖2是本發明睡眠質量評估模塊結構示意圖。

附圖標記：

數據監測模塊1；無線傳輸模塊3；健康分析模塊4；喚醒模塊2；健康指導模塊5；數據處理模塊41；睡眠質量評估模塊42；睡眠狀態評估子模塊421；睡眠狀態評估子模塊422；綜合評估子模塊423。

具體實施方式

結合以下實施例對本發明作進一步描述。

參見圖1、圖2，本實施例的一種用于監測睡眠狀態的健康分析系統，包括數據監測模塊1、無線傳輸模塊3和健康分析模塊4；所述數據監測模塊1用于監測用戶的體溫、心率、脈搏血氧飽和度和呼吸頻率；無線傳輸模塊3用于將采集所得的數據傳送給健康分析模塊4；健康分析模塊4用于對接收到的數據進行處理并根據處理后的數據對用戶的睡眠狀態進行評估并在用戶睡眠質量極差時進行預警。

優選地，還包括喚醒模塊2和健康指導模塊5，所述健康指導模塊5與健康分析模塊4連接，用于根據健康分析模塊4分析得到的用戶的睡眠狀態合理配置用戶的鍛煉內容，自動提醒用戶白天進行相應的身體鍛煉。

優選地，所述喚醒模塊2與數據監測模塊1連接，用于設定所述數據監測模塊1每間隔5分鐘對用戶的心率、血氧飽和度和呼吸頻率持續測量15分鐘，每間隔20分鐘對用戶的體溫持續測量5分鐘。

本發明上述實施例可以同時監測多個用戶的睡眠狀態，并根據監測所得的生理數據進行分析判斷，在出現異常情況時進行預警。

優選地，所述無線傳輸模塊3采用一種基于遺傳算法的路由傳輸機制，設置網絡節點的初始路徑是x＝{x₁,x₂,…,x_n}，則算法中的適應度函數定義為：

其中,d(x_i)是路徑x_i的路徑長度，D(X)是所有的路徑長度之和，e(x_i)是路徑x_i的能耗，E(X)是所有路徑的能耗之和，θ和μ是路徑x_i的長度和節點i消耗的能量在適應度函數中的權重；

本優選實施例構建了無線傳感網絡的傳輸路徑，采用適應度函數尋找最佳傳輸路徑時，既考慮了傳感器網絡的路徑長度又考慮了節點能量的消耗，因此節約了網絡傳輸的總體能耗，大大增加了健康分析系統的使用壽命。

優選地，所述健康分析模塊4包括數據處理模塊41和睡眠質量評估模塊42，所述數據處理模塊41和無線傳輸模塊3連接，用于對采集得到的數據進行處理，所述睡眠質量評估模塊42與數據處理模塊41連接，用于對用戶睡眠質量進行評估。

本優選實施例能夠通過分析數據處理模塊處理后的數據進行用戶睡眠狀態的有效評估。

優選地，所述數據處理模塊41用于對接收到的數據進行處理，具體包括：

(1)對傳感器采集的數據進行修正，設某時刻k采集到的數據為l_k，則修正公式為：

式中，l_k為修正后的數據，l_k′為修正前的原始數據，T₀為傳感器使用標準溫度，t為傳感器使用時的實際環境溫度；

(2)對修正后的數據進行平均算法，具體為：

式中，ρ₁、ρ₂、ρ₃分別為相應的權重因子；

本實施例設置數據處理模塊，消除了環境溫度對傳感器測量值的影響，此外，通過加權平均算法，避免了單個數據的偶然性，增加了健康分析系統的精確性。

優選地，所述睡眠質量評估模塊42包括睡眠狀態評估子模塊421、睡眠狀態評估子模塊422和綜合評估子模塊423。

其中，所述睡眠狀態評估子模塊421用于根據監測所得的心率和血氧飽和度評估用戶的睡眠狀態，具體包括：

(1)基于模糊算法建立睡眠狀態評估子模塊421，以心率和血氧飽和度作為輸入變量，對各輸入變量設定上下限值，并根據各輸入量對睡眠狀態的影響分別制定相應的權重，對輸入變量定義相同的模糊狀態，即“很高”、“高”、“正常”、“低”、“很低”。以用戶的睡眠狀態作為輸出量，對用戶的睡眠狀態定義三個模糊狀態，即“健康”、“正常”、“極差”；

(2)根據數據庫中的人體心率和血氧飽和度值，制定以心率和血氧飽和度值為依據來推理用戶的睡眠狀態的模糊規則；

(3)輸入變量值，當變量值超出上下限范圍時，判定傳感器故障，當變量值在范圍內時，根據模糊規則推理得到各輸入變量在模糊集中的隸屬度，從而計算用戶的睡眠狀態，設第i時刻采集得到的用戶的心率和血氧飽和度的值分別為X(i)和P(i)，則用戶的睡眠狀態A(i)的表達式為：

其中，和f(x)分別為心率X(i)權重和隸屬度，和f(p)分別為血氧飽和度P(i)的權重和隸屬度；

本優選實施例提供的基于模糊算法的睡眠狀態評估子模塊421，與現有技術相比，根據對影響用戶的睡眠狀態的心率和血氧飽和度的監測數據，利用模糊評估模型評估用戶的睡眠狀態，較好地處理了模糊性及主觀判斷等問題；

優選地，所述睡眠狀態評估子模塊422用于根據監測所得的用戶體溫和呼吸頻率評估用戶的睡眠狀態，具體包括：

(1)基于模糊算法建立睡眠狀態評估子模塊422，以體溫和呼吸頻率作為輸入變量，對各輸入變量設定上下限值，并根據各輸入量對用戶睡眠狀態的影響分別制定相應的權重，對輸入變量定義相同的模糊狀態，即“很高”、“高”、“正常”、“低”、“很低”。以用戶的睡眠狀態B(i)作為輸出量，對用戶的睡眠狀態定義三個模糊狀態，即“健康”、“正常”、“極差”；

(2)根據數據庫中的人體體溫和呼吸頻率，制定以人體體溫和呼吸頻率為依據來推理用戶的睡眠狀態的模糊規則；

(3)輸入變量值，當變量值超出上下限范圍時，判定傳感器故障，當變量值在范圍內時，根據模糊規則推理得到各輸入變量在模糊集中的隸屬度，從而計算用戶的睡眠狀態，設第i時刻采集得到的用戶的體溫和呼吸頻率的值分別為T(i)和J(i)，則用戶的睡眠狀態B(i)的表達式為：

B(i)＝ω₁e^f(t)+ω₂e^f(j)

其中，ω₁和f(t)分別為人體體溫T(i)權重和隸屬度，ω₂和f(j)分別為呼吸頻率J(i)的權重和隸屬度；

本優選實施例提供的基于模糊算法的睡眠狀態評估子模塊422，與現有技術相比，根據對影響用戶的睡眠狀態的體溫和呼吸頻率的監測數據，利用模糊評估模型評估用戶的睡眠狀態，較好地處理了模糊性及主觀判斷等問題；

優選地，所述綜合評估子模塊423用于進一步的評估用戶的睡眠狀態，其具體方法如下：

定義睡眠質量評估系數為：

μ＝ε*A(i)+∈*B(i)

其中，ε和∈分別為根據歷史研究確定的通過不同生理參數評估的用戶睡眠狀態對用戶的睡眠質量影響程度的權值；

根據歷史研究制定用戶睡眠狀態分界值n，根據評估系數μ與分界值n關系定義用戶睡眠質量，將睡眠質量劃分為高、一般、差和極差，當評估系數μ斷定為極差時即進行預警；

具體為：

本優選實施例提出的綜合評估子模塊423，根據上述評估所得的睡眠狀態進行綜合評估用戶的睡眠質量，與現有技術相比，突破了傳統單一指標、單層次用戶睡眠狀態評估的局限，提高了系統的準確性。

基于上述實施例，根據數據庫中不同的參數信息進行了一系列測試，以下是測試得到的評估結果：

最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。