本發(fā)明涉及睡眠健康監(jiān)護(hù)及普適計(jì)算領(lǐng)域，具體涉及一種普適化的睡眠質(zhì)量測(cè)評(píng)方法和系統(tǒng)。
背景技術(shù)：
：睡眠是人重要的生理活動(dòng)之一，睡眠質(zhì)量對(duì)人的健康會(huì)產(chǎn)生重要的影響。根據(jù)中國(guó)醫(yī)師協(xié)會(huì)公布的《2015年中國(guó)睡眠指數(shù)報(bào)告》數(shù)據(jù)，2014年22％的中國(guó)人存在嚴(yán)重的睡眠問題，而2015年這一比例上升為31.2％。隨著諸如智能手機(jī)、智能手表、智能手環(huán)(簡(jiǎn)稱：手環(huán))等可穿戴設(shè)備或移動(dòng)終端的普及，基于普適化設(shè)備的睡眠健康監(jiān)測(cè)成為可能，并且具有相比之前的檢測(cè)方法獨(dú)特的優(yōu)勢(shì)。無需附加的成本和設(shè)備，這對(duì)于長(zhǎng)期的睡眠健康監(jiān)測(cè)具有重大的意義。睡眠健康監(jiān)測(cè)目前主要包括三方面的監(jiān)測(cè)：睡眠行為識(shí)別、睡眠狀態(tài)(分期)識(shí)別和睡眠質(zhì)量評(píng)估。睡眠行為識(shí)別主要是檢測(cè)用戶的是否處于睡眠，主要監(jiān)測(cè)結(jié)果是睡眠的時(shí)長(zhǎng)和睡眠延時(shí)，及晚醒等睡眠相關(guān)數(shù)據(jù)；睡眠狀態(tài)識(shí)別主要是針對(duì)睡眠數(shù)據(jù)，進(jìn)一步識(shí)別用戶處于哪種不同的睡眠狀態(tài)。(根據(jù)睡眠的深淺程度，可將睡眠行為分為三種狀態(tài)：快速眼動(dòng)狀態(tài)、淺睡狀態(tài)和深睡狀態(tài))；睡眠質(zhì)量評(píng)估是對(duì)用戶的睡眠質(zhì)量進(jìn)行一個(gè)有效的等級(jí)或量化評(píng)估。近年來，基于可穿戴設(shè)備或移動(dòng)終端的睡眠檢測(cè)和評(píng)估得到了廣泛研究，主要是基于人身體的運(yùn)動(dòng)信息，這是由于人在不同的睡眠狀態(tài)下，身體肌肉的緊張度、呼吸、心率等會(huì)有一定程度的不同。例如，專利cn106344034a涉及一種睡眠質(zhì)量評(píng)估系統(tǒng)，包括腕動(dòng)信息采集單元、心率信息采集單元、無線數(shù)據(jù)傳輸單元和智能終端；這里結(jié)合腕動(dòng)信息和心率信息兩種數(shù)據(jù)進(jìn)行睡眠質(zhì)量評(píng)估。但這種方法僅僅依賴運(yùn)動(dòng)數(shù)據(jù)和心率直接對(duì)睡眠質(zhì)量進(jìn)行評(píng)估的方法并不能得到一個(gè)很好的評(píng)估效果；專利cn105231997a通過融合睡眠狀態(tài)評(píng)分、睡眠習(xí)慣評(píng)分和睡眠環(huán)境評(píng)分來進(jìn)行睡眠質(zhì)量評(píng)分，但需要特定的睡眠儀設(shè)備，且并沒有說明如何得到準(zhǔn)確的睡眠分期數(shù)據(jù)；專利cn104523262a通過檢測(cè)用戶的心電信號(hào)和心率信號(hào)進(jìn)行睡眠質(zhì)量檢測(cè)，需要特殊的數(shù)據(jù)采集設(shè)備；專利cn103892796a利用腕帶式睡眠監(jiān)測(cè)儀、智能手機(jī)模塊、后臺(tái)服務(wù)器分析系統(tǒng)對(duì)睡眠進(jìn)行監(jiān)測(cè)，主要檢測(cè)用戶的作息習(xí)慣(睡眠行為)；專利cn105640508a通過可穿戴設(shè)備采集用戶日?；顒?dòng)的數(shù)據(jù)檢測(cè)睡眠的起始點(diǎn)和終止點(diǎn)，對(duì)睡眠時(shí)長(zhǎng)進(jìn)行檢測(cè)；專利cn105982642a通過從體震信號(hào)中提取呼吸及心率信息，進(jìn)而建立睡眠檢測(cè)算法對(duì)睡眠質(zhì)量進(jìn)行評(píng)估，需要特殊設(shè)計(jì)的裝置，僅僅通過對(duì)睡眠的檢測(cè)對(duì)睡眠質(zhì)量進(jìn)行評(píng)估。雖然睡眠狀態(tài)檢測(cè)和評(píng)估已有較多的方法，但已有的方法不能同時(shí)滿足普適化、高精度、低功耗、長(zhǎng)期監(jiān)測(cè)的要求。睡眠質(zhì)量測(cè)評(píng)要求連續(xù)實(shí)時(shí)用戶的睡眠質(zhì)量，這對(duì)識(shí)別設(shè)備的普適性、準(zhǔn)確性、是否可以長(zhǎng)期監(jiān)測(cè)等提出了挑戰(zhàn)；當(dāng)前的睡眠質(zhì)量測(cè)評(píng)方法或系統(tǒng)存在識(shí)別環(huán)境要求高，設(shè)備費(fèi)用昂貴，識(shí)別結(jié)果可信度低的問題，不能同時(shí)滿足普適性、高精度、長(zhǎng)期監(jiān)測(cè)的要求。技術(shù)實(shí)現(xiàn)要素：為了解決上述單獨(dú)基于手環(huán)或者手機(jī)運(yùn)動(dòng)傳感器的睡眠質(zhì)量測(cè)評(píng)方法都存在識(shí)別結(jié)果可信度低的問題，本發(fā)明提供一種利用普適化設(shè)備，低功耗采樣情況下，高精度識(shí)別睡眠狀態(tài)，且根據(jù)睡眠狀態(tài)數(shù)據(jù)準(zhǔn)確有效的評(píng)估睡眠質(zhì)量等級(jí)。具體地說，本發(fā)明提供了一種普適化的睡眠質(zhì)量測(cè)評(píng)方法，其中包括如下步驟：步驟1，通過智能手環(huán)、智能手機(jī)內(nèi)置的加速度傳感器，分別采集手環(huán)三軸加速度、手機(jī)三軸加速度；步驟2，分別對(duì)該手環(huán)三軸加速度、該手機(jī)三軸加速度進(jìn)行加速度合成，生成手環(huán)合成加速度、手機(jī)合成加速度；步驟3，采用特征提取窗口分別提取該手環(huán)合成加速度、該手機(jī)合成加速度的手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征，并將該手環(huán)運(yùn)動(dòng)特征和該手機(jī)運(yùn)動(dòng)特征做時(shí)序上的動(dòng)態(tài)對(duì)齊，生成測(cè)試樣本；步驟4，將測(cè)試樣本輸入睡眠狀態(tài)識(shí)別模型，獲取該測(cè)試樣本的睡眠狀態(tài)；步驟5，根據(jù)該睡眠狀態(tài)提取睡眠特征；步驟6，將該睡眠特征添加至該測(cè)試樣本，并將包含睡眠特征的該測(cè)試樣本輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量的評(píng)估等級(jí)。該普適化的睡眠質(zhì)量測(cè)評(píng)方法，其中步驟4中該睡眠狀態(tài)識(shí)別模型的建立過程包括：步驟41，利用手環(huán)內(nèi)置加速度計(jì)離線采集用戶睡眠時(shí)的多組三軸加速度，作為身體運(yùn)動(dòng)數(shù)據(jù)，利用手機(jī)內(nèi)置加速度傳感器采集該用戶睡眠時(shí)多組睡眠環(huán)境的三軸加速度，作為環(huán)境運(yùn)動(dòng)數(shù)據(jù)；步驟42，對(duì)該環(huán)境運(yùn)動(dòng)數(shù)據(jù)、身體運(yùn)動(dòng)數(shù)據(jù)中的三軸加速度進(jìn)行合成，生成多個(gè)身體合成加速度與環(huán)境合成加速度；步驟43，分別對(duì)該身體合成加速度、該環(huán)境合成加速度提取時(shí)域特征和頻域特征，作為身體運(yùn)動(dòng)特征和環(huán)境運(yùn)動(dòng)特征；步驟44，對(duì)各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征做基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊，生成訓(xùn)練樣本；步驟45，根據(jù)睡眠狀態(tài)為該訓(xùn)練樣本中的各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征賦予類別標(biāo)號(hào)，形成初始訓(xùn)練數(shù)據(jù)集；步驟46，根據(jù)該初始訓(xùn)練數(shù)據(jù)集，利用隨機(jī)森林分類器訓(xùn)練生成睡眠狀態(tài)識(shí)別模型。該普適化的睡眠質(zhì)量測(cè)評(píng)方法，其中步驟6中該睡眠質(zhì)量評(píng)估模型的建立過程包括：步驟61，根據(jù)該初始訓(xùn)練數(shù)據(jù)集中各訓(xùn)練樣本的睡眠狀態(tài)，提取睡眠狀態(tài)的睡眠特征，然后將該睡眠特征與身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征相融合，生成睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集，根據(jù)該睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集建立該睡眠質(zhì)量評(píng)估模型。該普適化的睡眠質(zhì)量測(cè)評(píng)方法，其中步驟3中該特征提取窗口的時(shí)長(zhǎng)為t，且相鄰兩個(gè)特征提取窗口間的合成加速度數(shù)據(jù)有t/2的重疊，其中該合成加速度數(shù)據(jù)包括手環(huán)合成加速度與手機(jī)合成加速度，t為30秒。該普適化的睡眠質(zhì)量測(cè)評(píng)方法，其中步驟3中該時(shí)序上的動(dòng)態(tài)對(duì)齊以手環(huán)或手機(jī)的時(shí)序?yàn)榛鶞?zhǔn)。本發(fā)明還提供了一種普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中包括如下模塊：加速度采集模塊，用于通過智能手環(huán)、智能手機(jī)內(nèi)置的加速度傳感器，分別采集手環(huán)三軸加速度、手機(jī)三軸加速度；第一加速度合成模塊，用于分別對(duì)該手環(huán)三軸加速度、該手機(jī)三軸加速度進(jìn)行加速度合成，生成手環(huán)合成加速度、手機(jī)合成加速度；第一運(yùn)動(dòng)特征提取模塊，用于采用特征提取窗口分別提取該手環(huán)合成加速度、該手機(jī)合成加速度的手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征，并將該手環(huán)運(yùn)動(dòng)特征和該手機(jī)運(yùn)動(dòng)特征做時(shí)序上的動(dòng)態(tài)對(duì)齊，生成測(cè)試樣本；睡眠狀態(tài)識(shí)別模塊，用于將測(cè)試樣本輸入睡眠狀態(tài)識(shí)別模型，識(shí)別該測(cè)試樣本的睡眠狀態(tài)；睡眠特征提取模塊，用于根據(jù)該睡眠狀態(tài)提取睡眠特征；睡眠質(zhì)量評(píng)估模塊，用于將該睡眠特征添加至該測(cè)試樣本，并將包含睡眠特征的該測(cè)試樣本輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量的評(píng)估等級(jí)。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中該睡眠狀態(tài)識(shí)別模塊包括：運(yùn)動(dòng)數(shù)據(jù)采集模塊，用于利用手環(huán)內(nèi)置加速度計(jì)離線采集用戶睡眠時(shí)的多組三軸加速度，作為身體運(yùn)動(dòng)數(shù)據(jù)，利用手機(jī)內(nèi)置加速度傳感器采集該用戶睡眠時(shí)多組睡眠環(huán)境的三軸加速度，作為環(huán)境運(yùn)動(dòng)數(shù)據(jù)；第二加速度合成模塊，用于對(duì)該環(huán)境運(yùn)動(dòng)數(shù)據(jù)、身體運(yùn)動(dòng)數(shù)據(jù)中的三軸加速度進(jìn)行合成，生成多個(gè)身體合成加速度與環(huán)境合成加速度；第二運(yùn)動(dòng)特征提取模塊，用于分別對(duì)該身體合成加速度、該環(huán)境合成加速度提取時(shí)域特征和頻域特征，作為身體運(yùn)動(dòng)特征和環(huán)境運(yùn)動(dòng)特征；訓(xùn)練樣本生成模塊，用于對(duì)各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征做基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊，生成訓(xùn)練樣本；初始訓(xùn)練數(shù)據(jù)集生成模塊，根據(jù)睡眠狀態(tài)為該訓(xùn)練樣本中的各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征賦予類別標(biāo)號(hào)，形成初始訓(xùn)練數(shù)據(jù)集；睡眠狀態(tài)識(shí)別模型生成模塊，根據(jù)該初始訓(xùn)練數(shù)據(jù)集，利用隨機(jī)森林分類器訓(xùn)練生成該睡眠狀態(tài)識(shí)別模型。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中該睡眠質(zhì)量評(píng)估模塊包括：睡眠質(zhì)量評(píng)估模型建立模塊，根據(jù)該初始訓(xùn)練數(shù)據(jù)集中各訓(xùn)練樣本的睡眠狀態(tài)，提取睡眠狀態(tài)的睡眠特征，然后將該睡眠特征與該身體運(yùn)動(dòng)特征、該環(huán)境運(yùn)動(dòng)特征相融合，生成睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集，根據(jù)該睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集建立該睡眠質(zhì)量評(píng)估模型。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中第一運(yùn)動(dòng)特征提取模塊中該特征提取窗口的時(shí)長(zhǎng)為t，且相鄰兩個(gè)特征提取窗口間的合成加速度數(shù)據(jù)有t/2的重疊，其中該合成加速度數(shù)據(jù)包括手環(huán)合成加速度與手機(jī)合成加速度，t為30秒。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中第一運(yùn)動(dòng)特征提取模塊中該時(shí)序上的動(dòng)態(tài)對(duì)齊以手環(huán)或手機(jī)的時(shí)序?yàn)榛鶞?zhǔn)。本發(fā)明提出的睡眠狀態(tài)識(shí)別方法融合了手環(huán)與手機(jī)的多元信息，利用兩個(gè)同構(gòu)運(yùn)動(dòng)傳感器當(dāng)穿戴于用戶腕部和放置于用戶睡眠環(huán)境中時(shí)的特征互補(bǔ)優(yōu)勢(shì)，從而獲得高精度的睡眠狀態(tài)識(shí)別結(jié)果；提出的睡眠質(zhì)量評(píng)估方法融合了睡眠狀態(tài)數(shù)據(jù)和運(yùn)動(dòng)數(shù)據(jù)的多元信息，從而達(dá)到準(zhǔn)確評(píng)估睡眠質(zhì)量。附圖說明圖1為本發(fā)明睡眠質(zhì)量評(píng)估方法工作流程圖；圖2為模型離線訓(xùn)練的流程圖；圖3為模型在線測(cè)試的流程圖。具體實(shí)施方式本發(fā)明提出了一種普適化的睡眠質(zhì)量測(cè)評(píng)方法，該算法同時(shí)從手環(huán)與手機(jī)內(nèi)置的加速度傳感器提取人身體和睡眠環(huán)境(例如：床)的運(yùn)動(dòng)特征，進(jìn)而利用兩種運(yùn)動(dòng)特征的互補(bǔ)特性(既捕獲了主要的身體運(yùn)動(dòng)信息，又提取了睡眠環(huán)境的運(yùn)動(dòng)信息)，得到一種普適化的睡眠質(zhì)量測(cè)評(píng)方法。方法工作流程如圖1所示，主要步驟包括：步驟1：通過手環(huán)與手機(jī)內(nèi)置的加速度傳感器，分別采集手環(huán)三軸加速度與手機(jī)三軸加速度；步驟2：分別對(duì)手環(huán)三軸加速度、手機(jī)三軸加速度進(jìn)行加速度合成，生成手環(huán)合成加速度與手機(jī)合成加速度，其中該手環(huán)合成加速度與該手機(jī)合成加速度均為標(biāo)量；步驟3：以手環(huán)或手機(jī)的時(shí)序?yàn)榛鶞?zhǔn)，采用時(shí)長(zhǎng)為t的特征提取窗口分別提取該手環(huán)合成加速度、該手機(jī)合成加速度的手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征，相鄰兩個(gè)特征提取窗口間的合成加速度數(shù)據(jù)有t/2的重疊，并將該手環(huán)運(yùn)動(dòng)特征和該手機(jī)運(yùn)動(dòng)特征做時(shí)序上的動(dòng)態(tài)對(duì)齊，生成測(cè)試樣本，其中若以手環(huán)為時(shí)序基準(zhǔn)，動(dòng)態(tài)對(duì)齊主要體現(xiàn)在手環(huán)是基于固定窗口(數(shù)據(jù)個(gè)數(shù))提取特征，但手機(jī)是根據(jù)手環(huán)特征所處的時(shí)間范圍(數(shù)據(jù)起始點(diǎn)的時(shí)間戳范圍，和數(shù)據(jù)個(gè)數(shù)無關(guān))進(jìn)行特征提取，然后基于時(shí)間序列組合對(duì)齊；步驟4：根據(jù)睡眠狀態(tài)識(shí)別模型獲取該測(cè)試樣本的睡眠狀態(tài)，該睡眠狀態(tài)包括快速眼動(dòng)狀態(tài)、淺睡狀態(tài)和深睡狀態(tài)；步驟5：根據(jù)該睡眠狀態(tài)提取睡眠特征(睡眠狀態(tài)的特征)；步驟6：將該睡眠特征融入測(cè)試樣本，將測(cè)試樣本輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量的評(píng)估等級(jí)，結(jié)束。在這種普適化的睡眠質(zhì)量測(cè)評(píng)方法中，涉及一個(gè)多元信息融合的睡眠狀態(tài)識(shí)別方法和一個(gè)多元信息融合的睡眠質(zhì)量評(píng)估方法1)多元信息融合的睡眠狀態(tài)識(shí)別方法。在本發(fā)明中，由于融合了用戶身體及睡眠環(huán)境的運(yùn)動(dòng)信息，所以如何將兩類特征信息有效的融合變得非常重要，這里以手環(huán)時(shí)序?yàn)榛鶞?zhǔn)，劃分時(shí)間周期，同時(shí)基于時(shí)序?qū)R，從對(duì)應(yīng)時(shí)間周期提取手機(jī)運(yùn)動(dòng)特征，合并該手機(jī)運(yùn)動(dòng)特征和手環(huán)運(yùn)動(dòng)特征，并將合并后的結(jié)果作為訓(xùn)練樣本，訓(xùn)練并建立睡眠狀態(tài)識(shí)別模型。2)多元信息融合的睡眠質(zhì)量評(píng)估方法。在本發(fā)明中，在得到睡眠狀態(tài)數(shù)據(jù)以后，根據(jù)該睡眠狀態(tài)數(shù)據(jù)提取睡眠特征，然后將睡眠特征和運(yùn)動(dòng)特征相融合，根據(jù)融合特征建立睡眠質(zhì)量評(píng)估模型。本發(fā)明由于手環(huán)與手機(jī)分別采集了用戶身體和睡眠環(huán)境(床)中的運(yùn)動(dòng)信息，因此需對(duì)該手環(huán)合成加速度與該手機(jī)合成加速度分別提取時(shí)域和頻域特征后，對(duì)兩類特征進(jìn)行基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊。這樣的特征樣本中既包含了用戶身體的運(yùn)動(dòng)信息，也包含了睡眠環(huán)境(床)的運(yùn)動(dòng)信息。睡眠質(zhì)量測(cè)評(píng)算法包含兩個(gè)部分：模型離線訓(xùn)練以及在線睡眠質(zhì)量評(píng)估。睡眠狀態(tài)識(shí)別模型模型和睡眠質(zhì)量評(píng)估模型的離線訓(xùn)練的過程如圖2所示，主要步驟包括：步驟41：離線采集用戶睡眠時(shí)的多組手環(huán)三軸加速度和手機(jī)三軸加速度。利用手環(huán)內(nèi)置加速度計(jì)離線采集用戶睡眠時(shí)的多組三軸加速度，作為身體運(yùn)動(dòng)數(shù)據(jù)，利用手機(jī)內(nèi)置加速度傳感器采集該用戶睡眠時(shí)多組睡眠環(huán)境的三軸加速度，作為環(huán)境運(yùn)動(dòng)數(shù)據(jù)；步驟42：分別對(duì)每個(gè)身體運(yùn)動(dòng)數(shù)據(jù)和環(huán)境運(yùn)動(dòng)數(shù)據(jù)做預(yù)處理，預(yù)處理包括對(duì)各環(huán)境運(yùn)動(dòng)數(shù)據(jù)、身體運(yùn)動(dòng)數(shù)據(jù)中的三軸加速度進(jìn)行合成，生成多個(gè)身體合成加速度與環(huán)境合成加速度，其中該手環(huán)合成加速度與該手機(jī)合成加速度均為標(biāo)量；步驟43：分別對(duì)各身體合成加速度、環(huán)境合成加速度提取時(shí)域特征和頻域特征，作為身體運(yùn)動(dòng)特征和環(huán)境運(yùn)動(dòng)特征；步驟44：對(duì)各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征做基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊，生成訓(xùn)練樣本；步驟45：根據(jù)睡眠狀態(tài)為該訓(xùn)練樣本中的各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征賦予類別標(biāo)號(hào)(如快速眼動(dòng)狀態(tài)的類別標(biāo)號(hào)為1，淺度睡眠狀態(tài)的類別標(biāo)號(hào)為2，深度睡眠狀態(tài)的類別標(biāo)號(hào)為3)，形成初始訓(xùn)練數(shù)據(jù)集traindataset；步驟46：根據(jù)初始訓(xùn)練數(shù)據(jù)集traindataset，利用隨機(jī)森林(randomforest)分類器訓(xùn)練生成睡眠狀態(tài)識(shí)別模型。得到睡眠狀態(tài)后，提取睡眠特征，并將其與運(yùn)動(dòng)特征(手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征)融合，建立基于多元信息的睡眠質(zhì)量評(píng)估模型。在線睡眠質(zhì)量測(cè)評(píng)方法的工作流程如圖3所示，主要步驟包括：1)利用手環(huán)內(nèi)置的加速度傳感器采集睡覺時(shí)人身體的運(yùn)動(dòng)數(shù)據(jù)，同時(shí)使用手機(jī)內(nèi)置的加速度傳感器采集睡眠時(shí)環(huán)境中的運(yùn)動(dòng)數(shù)據(jù)；2)對(duì)手環(huán)與手機(jī)采集到的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行預(yù)處理，處理方法與離線訓(xùn)練狀態(tài)相同；3)從預(yù)處理之后的手環(huán)與手機(jī)傳感器數(shù)據(jù)分別提取時(shí)域和頻域特征(方法與離線訓(xùn)練狀態(tài)相同)；4)對(duì)手環(huán)與手機(jī)的數(shù)據(jù)特征進(jìn)行基于時(shí)序關(guān)系的動(dòng)態(tài)對(duì)齊(方法與離線訓(xùn)練狀態(tài)相同)，形成測(cè)試樣本；5)將測(cè)試樣本輸入睡眠狀態(tài)識(shí)別模型中，得到睡眠狀態(tài)分類結(jié)果；6)提取睡眠狀態(tài)數(shù)據(jù)特征，并將其與運(yùn)動(dòng)特征進(jìn)行多元融合；7)形成睡眠質(zhì)量測(cè)試樣本；8)輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量等級(jí)；9)識(shí)別結(jié)束。為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖，對(duì)本發(fā)明提出的融合手環(huán)與手機(jī)的睡眠狀態(tài)識(shí)別方法進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施方法僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明通過生活中常用的可穿戴設(shè)備手環(huán)和移動(dòng)終端手機(jī)，利用手環(huán)與手機(jī)中的加速度傳感器，來識(shí)別用戶睡覺時(shí)身體的運(yùn)動(dòng)和環(huán)境中的運(yùn)動(dòng)信息，進(jìn)而識(shí)別用戶的具體睡眠狀態(tài)，并通過融合睡眠狀態(tài)信息與運(yùn)動(dòng)信息評(píng)估睡眠質(zhì)量。為了實(shí)現(xiàn)在線睡眠質(zhì)量評(píng)估，首先需要離線訓(xùn)練睡眠狀態(tài)識(shí)別模型和睡眠質(zhì)量評(píng)估模型，然后根據(jù)模型對(duì)傳感器數(shù)據(jù)進(jìn)行在線識(shí)別分類，識(shí)別出用戶當(dāng)前所處的睡眠狀態(tài)并評(píng)估用戶的睡眠質(zhì)量等級(jí)。為了獲得睡眠狀態(tài)識(shí)別的高分類準(zhǔn)確率，本發(fā)明提出了一種融合手環(huán)與手機(jī)多元信息的睡眠狀態(tài)識(shí)別方法，將用戶的身體運(yùn)動(dòng)信息和睡眠環(huán)境的運(yùn)動(dòng)信息融合起來。1)通過手環(huán)與手機(jī)采集用戶睡眠時(shí)的加速度傳感器數(shù)據(jù)，分別提取手環(huán)與手機(jī)的加速度數(shù)據(jù)時(shí)域和頻域特征；2)為了提高睡眠狀態(tài)識(shí)別的準(zhǔn)確率，將手環(huán)與手機(jī)的數(shù)據(jù)特征做基于時(shí)序的動(dòng)態(tài)對(duì)齊，本發(fā)明結(jié)合隨機(jī)森林分類算法構(gòu)建睡眠狀態(tài)識(shí)別模型，進(jìn)而精確的對(duì)睡眠狀態(tài)進(jìn)行分類。為了準(zhǔn)確評(píng)估睡眠質(zhì)量的等級(jí)，將睡眠狀態(tài)的數(shù)據(jù)與運(yùn)動(dòng)數(shù)據(jù)進(jìn)行特征融合，然后建立睡眠質(zhì)量評(píng)估模型，進(jìn)而準(zhǔn)確評(píng)估睡眠質(zhì)量的等級(jí)，這里將睡眠質(zhì)量分為四個(gè)等級(jí)(很好，一般，較差，很差)。建立睡眠質(zhì)量評(píng)估模型。睡眠質(zhì)量測(cè)評(píng)算法離線訓(xùn)練的過程如圖2所示，主要步驟包括：步驟41具體包括，睡眠狀態(tài)數(shù)據(jù)采集，離線采集用戶睡眠時(shí)的手環(huán)三軸加速度{(a1x1,a1y1,a1z1),(a1x2,a1y2,a1z2),...,(a1xn,a1yn,a1zn),...}和手機(jī)三軸加速度{(a2x1,a2y1,a2z1),(a2x2,a2y2,a2z2),...,(a2xn,a2yn,a2zn),...}，其中a1表示手環(huán)加速度，a2表示手機(jī)加速度，x、y、z分別代表三軸方向，n取正整數(shù)，a1xn便表示手環(huán)在x軸上的第n個(gè)加速度，a1yn表示手環(huán)在y軸上的第n個(gè)加速度，a1zn表示手環(huán)在z軸上的第n個(gè)加速度，a2xn便表示手機(jī)在x軸上的第n個(gè)加速度，a2yn表示手機(jī)在y軸上的第n個(gè)加速度，a2zn表示手機(jī)在z軸上的第n個(gè)加速度；步驟42具體包括，傳感器數(shù)據(jù)預(yù)處理。分別對(duì)同步采集的手環(huán)與手機(jī)加速度數(shù)據(jù)進(jìn)行加速度合成，即和得到合成加速度數(shù)據(jù){a11,a12,...,a1n,...}和{a21,a22,...,a2n,...}，用長(zhǎng)度為t＝30s的特征提取窗口對(duì)合成加速度數(shù)據(jù)進(jìn)行分割，相鄰兩個(gè)特征提取窗口之間的數(shù)據(jù)有t/2的重疊，其中a1n表示第n個(gè)手環(huán)合成加速度，a2n表示第n個(gè)手機(jī)環(huán)合成加速度；步驟43具體包括，特征提取。分別從每個(gè)特征提取窗口提取時(shí)域和頻域特征，這樣就分別得到了手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征，典型的特征包括但不限于均值、標(biāo)準(zhǔn)方差、過零率、四分位數(shù)、中位數(shù)、峰度、偏度等(如表1所示)。表1：手環(huán)和手機(jī)特征列表時(shí)域特征特征說明頻域特征特征說明mean均值shape_amplitude幅度均值std方差shape_std幅度標(biāo)準(zhǔn)差max最大值shape_skew偏度min最小值shape_kurt峰度mode眾數(shù)energy譜能量range范圍direct_current直流分量1stquartile四分之一分位數(shù)median中位數(shù)3rdquartile3四分之三分位數(shù)r_meancrossrate過均值率步驟44具體包括，特征融合。得到手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征(手環(huán)與手機(jī)的特征樣本)以后，對(duì)兩種特征樣本做基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊，即對(duì)兩種特征做時(shí)序上的動(dòng)態(tài)對(duì)齊，生成訓(xùn)練樣本；步驟45具體包括，為訓(xùn)練樣本中的手環(huán)運(yùn)動(dòng)特征與手機(jī)運(yùn)動(dòng)特征分別賦予睡眠狀態(tài)類別標(biāo)號(hào)(如快速眼動(dòng)狀態(tài)的類別標(biāo)號(hào)為1，淺度睡眠狀態(tài)的類別標(biāo)號(hào)為2，深度睡眠狀態(tài)的類別標(biāo)號(hào)為3)，形成初始訓(xùn)練數(shù)據(jù)集traindataset；步驟46具體包括，根據(jù)初始訓(xùn)練數(shù)據(jù)集traindataset，利用隨機(jī)森林(randomforest)分類算法訓(xùn)練一個(gè)多分類模型rf，并將該多分類模型rf作為睡眠狀態(tài)識(shí)別模型。建立睡眠質(zhì)量評(píng)估模型。具體包括：步驟61，根據(jù)該初始訓(xùn)練數(shù)據(jù)集中各訓(xùn)練樣本的睡眠狀態(tài)，提取三種睡眠狀態(tài)的分布特征作為睡眠特征，睡眠特征可包括各睡眠狀態(tài)之間的轉(zhuǎn)換頻次、每種睡眠狀態(tài)所占比率等，然后將睡眠特征與身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征相融合，生成睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集，根據(jù)該睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集建立基于隨機(jī)森林的睡眠質(zhì)量評(píng)估模型。在線睡眠質(zhì)量評(píng)估。在線睡眠質(zhì)量評(píng)估的工作流程如圖1所示，主要步驟包括：(1)利用內(nèi)置于手環(huán)與手機(jī)的加速度傳感器在線采集睡眠狀態(tài)數(shù)據(jù)；(2)對(duì)采集的傳感器數(shù)據(jù)進(jìn)行預(yù)處理，處理方法與離線訓(xùn)練狀態(tài)相同；(3)從預(yù)處理之后的手環(huán)與手機(jī)傳感器數(shù)據(jù)分別提取時(shí)域和頻域特征(方法與離線訓(xùn)練狀態(tài)相同)；(4)對(duì)手環(huán)與手機(jī)的數(shù)據(jù)特征進(jìn)行基于時(shí)序關(guān)系的動(dòng)態(tài)對(duì)齊(方法與離線訓(xùn)練狀態(tài)相同)，形成測(cè)試樣本；(5)將測(cè)試樣本輸入多分類模型rf，根據(jù)分類結(jié)果判斷用戶所處的睡眠狀態(tài)；(6)對(duì)睡眠狀態(tài)數(shù)據(jù)提取特征，并與運(yùn)動(dòng)特征進(jìn)行融合，組成測(cè)試樣本，將樣本輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量的評(píng)估等級(jí)。(7)識(shí)別結(jié)束。以下為與上述方法實(shí)施例對(duì)應(yīng)的系統(tǒng)實(shí)施例，本實(shí)施方式可與上述實(shí)施方式互相配合實(shí)施。上述施方式中提到的相關(guān)技術(shù)細(xì)節(jié)在本實(shí)施方式中依然有效，為了減少重復(fù)，這里不再贅述。相應(yīng)地，本實(shí)施方式中提到的相關(guān)技術(shù)細(xì)節(jié)也可應(yīng)用在上述實(shí)施方式中。本發(fā)明還提供了一種普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中包括如下模塊：加速度采集模塊，用于通過智能手環(huán)、智能手機(jī)內(nèi)置的加速度傳感器，分別采集手環(huán)三軸加速度、手機(jī)三軸加速度；第一加速度合成模塊，用于分別對(duì)該手環(huán)三軸加速度、該手機(jī)三軸加速度進(jìn)行加速度合成，生成手環(huán)合成加速度、手機(jī)合成加速度；第一運(yùn)動(dòng)特征提取模塊，用于采用特征提取窗口分別提取該手環(huán)合成加速度、該手機(jī)合成加速度的手環(huán)運(yùn)動(dòng)特征、手機(jī)運(yùn)動(dòng)特征，并將該手環(huán)運(yùn)動(dòng)特征和該手機(jī)運(yùn)動(dòng)特征做時(shí)序上的動(dòng)態(tài)對(duì)齊，生成測(cè)試樣本；睡眠狀態(tài)識(shí)別模塊，用于將測(cè)試樣本輸入睡眠狀態(tài)識(shí)別模型，識(shí)別該測(cè)試樣本的睡眠狀態(tài)；睡眠特征提取模塊，用于根據(jù)該睡眠狀態(tài)提取睡眠特征；睡眠質(zhì)量評(píng)估模塊，用于將該睡眠特征添加至該測(cè)試樣本，并將包含睡眠特征的該測(cè)試樣本輸入睡眠質(zhì)量評(píng)估模型，得到睡眠質(zhì)量的評(píng)估等級(jí)。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中該睡眠狀態(tài)識(shí)別模塊包括：運(yùn)動(dòng)數(shù)據(jù)采集模塊，用于利用手環(huán)內(nèi)置加速度計(jì)離線采集用戶睡眠時(shí)的多組三軸加速度，作為身體運(yùn)動(dòng)數(shù)據(jù)，利用手機(jī)內(nèi)置加速度傳感器采集該用戶睡眠時(shí)多組睡眠環(huán)境的三軸加速度，作為環(huán)境運(yùn)動(dòng)數(shù)據(jù)；第二加速度合成模塊，用于對(duì)該環(huán)境運(yùn)動(dòng)數(shù)據(jù)、身體運(yùn)動(dòng)數(shù)據(jù)中的三軸加速度進(jìn)行合成，生成多個(gè)身體合成加速度與環(huán)境合成加速度；第二運(yùn)動(dòng)特征提取模塊，用于分別對(duì)該身體合成加速度、該環(huán)境合成加速度提取時(shí)域特征和頻域特征，作為身體運(yùn)動(dòng)特征和環(huán)境運(yùn)動(dòng)特征；訓(xùn)練樣本生成模塊，用于對(duì)各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征做基于時(shí)序?qū)R關(guān)系的動(dòng)態(tài)對(duì)齊，生成訓(xùn)練樣本；初始訓(xùn)練數(shù)據(jù)集生成模塊，根據(jù)睡眠狀態(tài)為該訓(xùn)練樣本中的各身體運(yùn)動(dòng)特征、環(huán)境運(yùn)動(dòng)特征賦予類別標(biāo)號(hào)，形成初始訓(xùn)練數(shù)據(jù)集；睡眠狀態(tài)識(shí)別模型生成模塊，根據(jù)該初始訓(xùn)練數(shù)據(jù)集，利用隨機(jī)森林分類器訓(xùn)練生成該睡眠狀態(tài)識(shí)別模型。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中該睡眠質(zhì)量評(píng)估模塊包括：睡眠質(zhì)量評(píng)估模型建立模塊，根據(jù)該初始訓(xùn)練數(shù)據(jù)集中各訓(xùn)練樣本的睡眠狀態(tài)，提取睡眠狀態(tài)的睡眠特征，然后將該睡眠特征與該身體運(yùn)動(dòng)特征、該環(huán)境運(yùn)動(dòng)特征相融合，生成睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集，根據(jù)該睡眠質(zhì)量評(píng)估模型訓(xùn)練數(shù)據(jù)集建立該睡眠質(zhì)量評(píng)估模型。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中第一運(yùn)動(dòng)特征提取模塊中該特征提取窗口的時(shí)長(zhǎng)為t，且相鄰兩個(gè)特征提取窗口間的合成加速度數(shù)據(jù)有t/2的重疊，其中該合成加速度數(shù)據(jù)包括手環(huán)合成加速度與手機(jī)合成加速度，t為30秒。該普適化的睡眠質(zhì)量測(cè)評(píng)系統(tǒng)，其中第一運(yùn)動(dòng)特征提取模塊中該時(shí)序上的動(dòng)態(tài)對(duì)齊以手環(huán)或手機(jī)的時(shí)序?yàn)榛鶞?zhǔn)。雖然本發(fā)明以上述實(shí)施例公開，但具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明，任何本
技術(shù)領(lǐng)域：
技術(shù)人員，在不脫離本發(fā)明的構(gòu)思和范圍內(nèi)，可作一些的變更和完善，故本發(fā)明的權(quán)利保護(hù)范圍以權(quán)利要求書為準(zhǔn)。當(dāng)前第1頁12