智能睡眠监测系统的设计与实现

傅国强 邬伟峰

摘  要：为了實现睡眠的监测，利用脉搏和加速度传感器获取用户的脉搏数和动作数，通过分析这两组时间序列数据变化趋势，并利用脉搏和加速度相互验证的方法准确捕捉状态变化的转折时间点，从而找出用户由清醒转变为睡眠状态时间点和睡眠时脉搏数和动作数，即睡眠时脉搏数阈值和动作数阈值，实现了全自动睡眠监测，进而可实现按用户要求和用户睡眠状态智能控制电器开关等应用。

关键词：脉搏传感;加速度传感;智能;睡眠监测

中图分类号：TN911.7;TH789      文献标识码：A 文章编号：2096-4706（2020）23-0126-04

Design and Implementation of Intelligent Sleep Monitoring System

FU Guoqiang1，WU Weifeng2

（1.Educational Technology and Information Center，Shenzhen Polytechnic，Shenzhen  518055，China;

2.Guangzhou Branch of Audit Bureau of Agricultural Bank of China，Guangzhou  510620，China）

Abstract：In order to realize the monitoring of sleep，pulse and acceleration sensors are used to obtain the pulse number and action number of users. By analyzing the change trend of these two groups of time series data，and using the method of mutual verification of pulse and acceleration，the turning point of state change can be accurately captured，so as to find out the time point when the user changes from awake to sleep state and the pulse number and action number during sleep，that is，the pulse number threshold and action number threshold during sleep，so as to realize the full-automatic sleep monitoring，and then realize the application of intelligent control of electrical switches according to the users requirements and users sleep state.

Keywords：pulse sensing;acceleration sensor;intelligence;sleep monitoring

0  引  言

睡眠每天占据了人们三成以上的时间，它是不可或缺的生理需求。人的许多器官通过睡眠才能得到充分的休息和修复，人的健康离不开良好的睡眠。睡眠不足等睡眠问题会不同程度地影响人的日常生活，且可能导致很多相关疾病[1]。

近年来随着社会的生活节奏的加快，越来越多的人都程度不同地受到睡眠问题的困扰。睡眠是否充足是国际社会给健康定义的三个标准之一。世卫组织通过在全球范围内大量调查发现，有27%的人受到睡眠问题困扰[2，3]。由于音乐有一定的助眠效果，可以使人更好更快地进入睡眠状态，因此，部分中老年人戴着耳机睡觉，通过听音乐以快速入睡，达到缓解失眠的效果，但睡着后，耳机发出的声音又成了噪音，反而会影响睡眠质量。

一些青少年充分利用睡前时间学习英语等知识，他们常躺在床上戴着耳机听英语音频。但是，由于耳膜距离耳机振动片很近，声波集中地小范围传导对耳膜听觉神经刺激较大，易引起耳鸣、听力减弱、头晕等。此外，使用耳机的时间过长，可能产生对耳膜不可逆转的损伤。

如果能够让耳机在用户睡着前正常播放，在睡着后及时将耳机关闭，这样既减少声音对睡眠质量的不良影响，达到帮助睡眠的目的，同时又减少对耳朵本身的伤害。这样就实现了帮助睡眠和保护耳朵的功能。

另外，用户在有些时候不能走神，必须思想集中，但由于工作比较单调很容易瞌睡。如正在值夜班的工作人员、正在开车的司机等等。这种场景，如果有一个声音提醒、叫醒将要进入睡眠状态用户，将减少事故的发生、保障用户的安全。这种情况就可以利用耳机在用户将睡着而未睡着前，通过声音叫醒用户。这样可实现防止瞌睡的功能。

上面两种功能：助睡和防瞌睡功能实现的关键是准确找出由清醒状态转入睡眠状态的临界时间点，也就如何识别睡眠状态。

1  睡眠监测原理

由于睡眠对人类的重要性，与所有人的日常生活、健康、工作息息相关，科学家对睡眠的研究从未中断，通过持续的研究，目前发现了睡眠与人的一系列生理指标的相关性。

根据脑电图的变化，正常生理睡眠可分为非快动眼睡眠（NREMS）和快动眼睡眠（REMS），前者又可分为1、2、3、4期，可以简单理解为入睡、浅度、中度和深度睡眠，3、4期为慢波睡眠（SWS）。

监测睡眠的原理是根据1、2期入睡和浅度睡眠时人的脉搏变慢，动作减少的特点，利用脉搏传感器和加速度传感器监测用户脉搏和肢体的动作，不自觉的翻身、盖被等微小的动作会引起的重力变化（大小、方向），这些都可被加速度传感器监测到。因此可以利用脉搏传感器监测脉搏数据，利用加速度传感器监测用户身体运动次数，结合两个数据来判断用户是否处在进入睡眠状态。

脉搏传感器可以检测心率。使用脉搏传感器监测睡眠需要确定一个值，即阈值。当监测数据小于阈值时，可确定佩戴者处于睡眠状态，所以阈值对睡眠监测的准确性起决定性作用。但每个人的正常脉搏不同，睡眠时脉搏能降低多少也因人而异，很难确定一个统一值，用户自己也无法测量自己睡着时的脉搏数是多少，不能确定自己的脉搏阈值。使用加速度传感器的测量动作数也存在类似的问题。为此，作者提出以下方法实现自动设置睡眠监测阈值，以实现睡眠自动监测。

2  睡眠参数监测和数据分析算法

根据睡眠时人体动作数明显减少的特征，我们利用每个时间窗口内的加速度方差判断用户的运动状态。用户在睡眠状态时通常处于静止状态，用户进入睡眠时间的加速度方差值不断减少，减少到一个相对稳定的数值后做小幅变化。

同样对于睡眠时脉搏数明显减少的特征，我们利用每个窗口内的脉搏数均值变化趋势判断用户睡眠状态，用户进入睡眠时间的脉搏数不断减少，减少到一个稳定数值后做小幅变化。

使用加速度传感器监测数据的标准差，当动作次数减少到一个相对稳定的数值，且动作数值的变化率小于3%时，则判断用户进入睡眠状态，将此时测定的脉搏数确定为用户睡眠脉搏阈值，实现自动找出睡眠脉搏阈值。

对于加速度阈值的确定，当监测到脉搏减少到一个相对稳定的数值，且脉搏数值的变化率小于3%时，如脉搏继续降低到一个值后，脉搏的变化不超出以这个值为中心的以0.06为长度的小区间，则判断用户进入睡眠状态，并将此时测定的加速度定为用户加速度阈值。

2.1  传感器数据预处理

加速度传感器把X、Y、Z三个方向相互垂直的传感器集成到一起，使传感器能够感知物体在三维空间的运动情况[5，6]。

（1）归一化：为了后面数据处理方便，对求得的加速度以9.8 m/s2作归一化处理，归一化后的数据都是9.8 m/s2的倍数，变成标量。

（2）求取合加速度：为了减少加速度传感器放置方位等对采集数据的影响，将三维数据合成为一维加速度，以准确反映人体整体的运动状态。用Hx、Hy、Hz分别表示X、Y、Z三轴的加速度，则合加速度为：H2=H2x+H2y+H2z。

传感器数据每5秒采集一条，经过归一化处理后求出合加速度，以1分钟时间窗口求出合加速度的均值和标准差，得到加速度数列{xn}。

脉搏数据以脉搏传感器每5秒采集一条，原始数据的分析价值不大，需要对原采集数据做进一步的处理：以1分钟时间窗口将采集数据的求均值，得到脉搏数据列{yn}。

2.2  数据趋势分析算法

以1分钟时间窗口将采集数据的求均值，再以3分钟为步长进行移动平均值计算得到系列数据的数列，对数列进行数据分析和特征提取。由于从清醒到入睡的过渡时期的时间长度平均为10分钟，所以选用3分钟窗口作为基本分析单位可以捕捉睡眠状态的转变。

x1，x2，……xn为原始采集数据，以3为步长求均值{bn}。

均值数列：

{bn}，bn=（xn+xn+1+xn+2）/3                     （1）

标准差：

Dn=          （2）

数组乖离率：

Rn=Dn/bn                                   （3）

当bn≥bn+1≥bn+2，继续进行三次检验，如果三次均通过检验，且Rn≤0.03，则监测另一个传感数据，检验乖离率，如果通过乖离率检验，则此时得到传感数据的均值为睡眠阈值：

b=（bn+bn+1+bn+2）/3                           （4）

2.3  睡眠传感器阈值获取算法

为了实现自动监测用户睡眠状态，系统需要通过以下两个算法获得睡眠阈值：

（1）睡眠脉搏测定法：对睡眠数列进行趋势计算后得到脉搏数列{bn}，当bn≥bn+1≥bn+2，继续进行三次数列递减检验;如果三次均通过检验，再监测加速度并进行乖离率检验;直到Rn≤0.03后，改为进行加速度传感的数据监测，并检验加速度乖离率，如果满足乖离率检验Ln≤0.03，则此时得到脉搏传感数据的均值为睡眠阈值。程序流程图如图1所示，其中，i、j、m為时间变量，yn、An为加速度均值。

（2）睡眠加速度测定法：对加速度数列进行趋势计算后得到加速度数列{bn}，当bn≥bn+1≥bn+2，继续进行三次数列递减检验;如果三次均通过检验，再监测加速度并进行乖离率检验;直到Rn≤0.03后，改为进行脉搏传感的数据监测，并检验脉搏乖离率，如果满足乖离率检验Ln≤0.03，则此时得到加速度传感数据的均值为睡眠阈值。算法流程图与图1中的流程类似。

通过上面的方法获得睡眠阈值后，用户就可以选择其中一个值进行睡眠判断，当用户睡眠过程中翻身等活动比较多时，就可以选择根据脉搏进行判断，当监测到时间窗口内的脉搏均值小于脉搏阈值时，判断用户处于睡眠状态。同样，也可以使用加速度阈值监测睡眠。

3  系统与功能设计

作者设计开发一个系统具有以下两个功能：

（1）助睡功能，当用户希望在睡着后，自动将耳机关闭，减少噪声对睡眠的影响，提高用户睡眠质量。

（2）防瞌睡功能，当用户不希望睡着时，一旦监测到用户进入睡眠状态时，立即发出声音叫醒用户，防止用户瞌睡。

硬件部分主要三部分组成：手环、可控耳机、微处理器。手环包括：脉搏传感器、加速度传感器、蓝牙。可控耳机包括：耳机、音量调控器，蓝牙。微处理器包括：蓝牙、功能控制面板。

软件分为：脉搏优先睡眠监测法、加速度优先睡眠监测法、音乐库和监测数据库。

各部件间及相关软件的连接方式如图2所示。监测软件功能如图3所示。

两种睡眠监测法具有各自特点，用户可根据个人使用情况，选择適应合自己的监测方法。由于监测动作需要的时间比较长，如果需要较早的发现睡眠状态让系统及时作出反应，就应选择脉搏优先睡眠监测法。例如当用户因工作的原因需要防瞌睡时等，均可选用脉搏优先法。加速度优先睡眠监测法时间长，但相对结果更可靠。当用户需要睡前借助耳机的助睡功能，等待用户睡眠状态更深时关闭耳机，就可选加速度优先法。软件界面如图4所示。

为测试系统效果，选择三组人参与测试，第一组为年龄在18～23岁的学生5人，第二组为年龄在30～45岁的中青年教工5人，第三组为年龄在45～60岁的中老年教工5人。第一组监测准确率为91%，第二组监测为准确率95%，第三组监测准确率为92%，总体效果较好。

4  结  论

作者设计了一个解决睡眠状态监测的问题的算法，利用数据趋势分析算法对脉搏传感器和加速度传感器监测数据进行分析，自动得出用户睡眠时的脉搏和加速度数据，避免用户自己设置睡眠阈值的麻烦或统一设置造成的监测不准确。综合两类传感器数据，利用两个数据互相验证，增加系统监测的准确度，大大方便用户使用。在自动睡眠监测算法的基础上，本文还设计了一套自动控制耳机的系统，帮助用户提高睡眠质量，也可以防止瞌睡引起事故等。系统测试表明，系统实现了对不同类别人群智能睡眠监测。

作者的研究对睡眠状态监测方法，具有大量的应用场景，可以用于电器控制、电源控制、温度控制等，并提供不同监测方法适用各类人群，使用方便，可推广使用到其他各相关领域，具有广阔的应用前景。

参考文献：

[1] 张鲁原.睡眠健康指南 [M].上海：上海科学技术文献出版社，2005.

[2] 王育梅.睡眠障碍与躯体疾病 [C]//中国睡眠研究会第九届学术年会.中国睡眠研究会第九届学术年会汇编.上海：中国睡眠研究会，2016：81.

[3] 杨亚娟，蒋珍珍，赵金娣，等.老年人睡眠障碍的原因及护理进展 [J].中华护理杂志，2007（1）：75-77.

[4] 刘连启，王汝展，刘贤臣，等.老年人睡眠质量及其相关因素研究 [J].中国老年学杂志，2002（6）：437-440.

[5] 佘渝，廖娜.多导睡眠监测仪的应用及护理体会 [J].泸州医学院学报，2011，34（2）：189-191.

[6] 徐川龙，顾勤龙，姚明海.一种基于三维加速度传感器的人体行为识别方法 [J].计算机系统应用，2013，22（6）：132-135.

[7] 衡霞，王忠民.基于手机加速度传感器的人体行为识别 [J].西安邮电大学学报，2014，19（6）：76-79.

作者简介：傅国强（1966—），男，汉族，江西丰城人，高级实验师，硕士研究生，研究方向：物联网、智能感知、医疗健康、智能管理系统等;邬伟峰（1966—），男，汉族，江西于都人，高级审计，高级工程师，硕士，研究方向：大数据分析、IT审计。