T-CCSCIOT 0006-2023 人体睡眠状态监测智能物联网系统技术要求

CCSCIOTTechnicalRequirementsofIntelligentInternetofThingsSystemforHumI 2 2 2 2 35.4无线通信 3 35.6样本集 3 3 3 3 3 4 4 5 3本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定本文件的发布机构提请注意，声明符合本文件时，可能涉及一种人体呼吸心跳的模拟系统（ZL本文件的发布机构对于该专利的真实性、有效性和范围无任地址：无锡市经济开发区金融三街嘉业财富中心3-181人体睡眠状态监测智能物联网系统技术要求本文件规定了用于结合传统床垫应用场景下的人体睡眠状态监测智能物联网系统的系统结构和工GB/T39223.5-2020健康家居的人类工效学要求第5部分:3.13.2一种计算机从数据中自动学习规律和模式,并进行预3.3借助灵敏的仪器把心脏搏动所引起人体的一系列相应周3.4心肺耦合cardiopulmonary3.5注：国际睡眠医学学会将睡眠分为五个阶段：入睡期、浅3.623.73.84符号和缩略语WiFi：无线网络（WirelessFidelity）4G：第四代移动通信技术（FourthGenerationwi5G：第五代移动通信技术（FifthGenerationwirelesstREM：快速眼动期（RapidEyeMovTPC：总功率耦合值（TotalPowerCouLFC：低频段耦合值（Low-FrequencyCouLFCN：归一化低频段耦合值（Low-FrequencyHFC：高频段耦合值（High-FrequencyCoupled）HFCN：归一化高频段耦合值（High-FrequencyCoupledNormalized）平台应包含数据存储、样本集、机器学习、信息展示的功能模块。系统结构如图1所示。3腔内心脏收缩和呼吸动作所导致细微变化的应通过数字信号处理算法将传感器采集的原始应力信号分解为体动、呼吸和BCG信号。对分解后的BCG信号应通过心肺耦合算法运算得到睡眠分期参数。BCG信号即心动信号，正常的BCG与心跳同步，具有重复性，主要包含H、I、J、K、M和N波。J波是BCG周期中幅值最大点，I波和K波是J波前后时间幅值最小点，估计相邻周期的I波、J波或K波间隔，即为心动周期；确定同周期IJ幅值和JK幅度，即为心脏泵血的收缩力大小，信号分析见图2。5.4无线通信包括WiFi、蓝牙、4G/5G等无线通信手段,应将可采用非结构化数据库存储传统床垫容器上传的实时睡眠状态特征参数，可采用结构化数据库存5.6样本集5.7机器学习可基于C/S或B/S架构，通过手机/平人体睡眠状态监测智能物联网系统进行工作的流程如46.2传统床垫容器工作流在系统结构中的传统床垫容器中进行的工作流a)床垫中集成的信息采集传感器固定距离床头约40cm位置，更好的采集胸腔幅度大的振动信号;d)应通过频域滤波从振动信号中滤出BCG信号，可采用峰值查找算法标定J点位置，组建JJ点时间间隔序列，两个J点时间间隔即为一次心跳的时间，计算时间窗内心跳相关参数，具体方法可参考附录e)应通过频域滤波从振动信号中滤出呼吸信号，可采用峰值查找算法标定呼吸信号周期峰值，组f)应将JJ点时间间隔序列和呼吸峰值点时间间隔序列进行心肺耦合功率谱计算，得到睡眠分期相6.3数据分析平台工作流在系统结构中的数据分析平台中进行的工作流a）应将传统床垫容器传输过来的数据保存，有呼吸相关参数，包括但不限于平均呼吸率、基准呼5低心率；有睡眠分期相关参数，包括但不限于深睡、浅睡、REM状态的时间序列；还有每次体动的时刻b）应将所有无线接收数据作为特征值，输入已训练好的机器学习模型进行持续学习，输出实时的c）机器学习模型需要预先进行监督训练，输入不低于1000条不同睡眠状态的特征值样本集，e）应在30秒内结束机器学习过程，输出最终参数保存在数据库中，形成睡眠状态评估报告，通过）；h)睡眠期间呼吸率实时数据图，平均呼吸率，基准呼1传统床垫容器里的传感器采集到人体睡眠躺姿下的时域压力波形如图A.1所示，其中大幅度跳变的去除掉体动干扰信号数据点，根据周围正常信号拟合出体动干扰时间段的替代信号，取其中6秒钟图A.2(a)波形是由心跳和呼吸时胸腔起伏造成，由于正常人种时域信号，分别为图A.2(b)的呼吸信号，图A.2(c呼吸信号呈现周期的波峰波谷形态，可以采用自动多尺度峰值查找算法确定信号峰值位置，如图2实际的心跳信号呈现周期性的BCG信号形态，也可以采用自动多尺度峰值查找算法确定最重要的J是0.1Hz-0.4H