基于STM32睡眠检测仪的设计

本文介绍了基于STM32单片机的睡眠检测仪系统的原理和设计方案。产品实现了深度睡眠检测仪的智能手环和睡眠检测功能,通过手环收集运动数据,计算最佳睡眠时间,再由睡眠检测仪检验夜晚睡眠情况。后期将对算法进行完善。     

基于IEEE 802.16e的睡眠模式的研究

IEEE 802.16e介绍了两种睡眠模式来达到能量的有效利用,分别是睡眠模式Ⅰ和睡眠模式Ⅱ,睡眠模式Ⅰ使用二进制指数增长的睡眠周期大小,睡眠模式Ⅱ使用固定的睡眠周期大小。首先对两种睡眠模式的能量消耗和时延性能进行分析,然后引入马尔可夫判定过程,给出一种睡眠模式的选择算法,以满足对于能量消耗和时延的要求,从而达到一种在不同性能要求下的权衡,仿真结果给出了这种选择算法的性能特点。     

基于心率信号与聚类分析的睡眠监测仪的设计

研究表明,睡眠分期对于睡眠相关疾病的诊断与治疗具有重要的临床指导意义。因此设计了一套仪器,使用血氧探头配合单片机实时监测并提取人体睡眠时的心率数据,再用上位机对采集到的心率数据,采用基于统计学的“K-中心点轮换法”的聚类算法进行分析,同时结合睡眠期间心率变化的特点,进行高效、客观的睡眠智能分期,经实测该仪器能对受试者的睡眠结构进行分析,自动实现睡眠分期的划分,与传统监测睡眠质量的医用多道睡眠图仪相比较,具有操作方便、成本较低、对睡眠者影响较小和适合居家使用等优点,有助于对自身睡眠生理参数的长期自主监测。     

基于神经网络的睡眠分期处理算法研究

睡眠质量已成为临床医学和人类生活中普遍关心的问题,为了研究不同睡眠时期大脑的活动,并对整夜睡眠状况及睡眠质量进行分析和评价,为了完成自动识别,提出一种基于神经网络的睡眠分期方法并探讨其应用到实际中的可行性。以国际睡眠分期标准为基础,充分考虑EEG信号的各个特征参数,利用BP神经网络分类器设计了一种睡眠自动分期分析的方法。仿真结果表明,利用改进的BP算法消除了网络训练受样本次序影响的缺陷,总睡眠分期准确率达到79.2%。这种方法及选取的17个睡眠分期参数可为睡眠质量的评价提供途径,可把专家们从冗繁的判读整夜睡眠记录中解脱出来,以进行更深入地分析和研究。     

基于HK2000-A脉搏传感器的睡眠定时器

设计了一种基于HK2000-A集成化数字脉搏传感器睡眠定时装置,该装置通过对睡眠者脉搏信号的采集,判断睡眠者的睡眠状态,并启动有效定时,睡眠时间达到设定值时,系统会自动发出报警信号来唤醒睡眠者。系统以AT89C2051单片机为内核,将电子时钟、脉搏测量和异常报警及效率定时报警结合起来,设计出小型、实用的睡眠定时器。     

基于MSP430的便携式睡眠监测仪的设计

睡眠质量对人的健康至关重要,为减小多导睡眠图仪监测睡眠时给患者带来的生理心理负荷,采用了一种仅通过监测双光源手指脉搏信号来完成患者睡眠质量监测的方法.通过硬件电路采集整夜的双光源手指脉搏波信号,再用上位机软件对信号进行分析,从中分离出睡眠相关信息,从而对睡眠质量进行客观评估.该方法对睡眠几乎没有影响,记录方法简单、操作...     

嵌入式睡眠监测系统的设计与实现

设计了嵌入式睡眠监测系统,在不干扰睡眠的前提下,对睡眠者的脉搏信号进行采样,通过无线网络传输至上位机,利用LabVIEW搭建上位机虚拟仪器平台,实现脉搏信号的实时显示与分析;同时,利用上位机摄像头采集睡眠者睡眠过程的面部图像,存储与脉搏信号同步的图像信息,可提高对脉搏信号分析的可靠性;测试实验对比分析了睡眠期间分别使用该系统与传统方式所测得的心率参数,结果表明嵌入式睡眠监测系统对睡眠过程进行监测的实时性好、可靠性高,对睡眠质量的评估提供重要的参考依据。     

基于双通道脑电信号的在线实时睡眠分期系统

当代社会睡眠问题日益突出,及时检测评估睡眠质量有助于诊断睡眠疾病.针对目前市面上睡眠监测类产品发展参差不齐的现状,本文搭建了一个基于双通道脑电信号的在线实时睡眠分期系统,利用第三方接口脑环获取脑电数据,结合CNN-BiLSTM神经网络模型,在PC电脑端实现了在线的实时睡眠分期与音乐调控功能.系统使用基于卷积神经网络CNN和双向长短时记忆神经网络BiLSTM相结合的算法模型对脑电信号进行自动特征提取,CNN能够提取高阶特征, BiLSTM可以捕捉睡眠数据前后的依赖性和关联性,睡眠分期准确率更高.实验结果表明,本文算法模型在Sleep-EDF公共数据集上的四分类任务中取得了92.33%的分期准确率,其Kappa系数为0.84,本系统的实时睡眠分期功能在自采集睡眠数据分期实验中取得79.17%的分期准确率,其Kappa系数为0.70.相比其他睡眠监测类产品,本系统睡眠分期准确率更高,应用场景更多样,实时性和可靠性强,并且可以根据分期结果对用户进行相应的音乐调控,改善用户睡眠质量.     

基于深度学习的自动睡眠分期研究综述

睡眠分期是为了分析多导睡眠图记录而进行的重要过程,在睡眠监测和睡眠障碍诊疗中发挥着关键作用。传统的手动睡眠分期需要专业知识,繁琐且耗时;而深度学习通过模拟人脑解释信息的机制来构建模型,具有强大的自动特征提取及特征表达功能。将深度学习方法应用于睡眠分期研究,不依赖于手工特征设计,能够实现睡眠分期的自动化。本文着眼于2017年以来的一些典型的自动睡眠分期研究,重点从单视图和多视图输入两个方面系统回顾了应用于自动睡眠分期中的深度学习模型,并分析了多视图模型存在的难点,指出了其具有的潜在研究价值。最后,对自动睡眠分期未来的研究方向进行了探讨。     

睡眠过多也会引起睡眠问题

一项新的研究认为,同睡眠过少一样,睡眠过多同样会引起睡眠问题. 发表在最近出版的<身心医学>杂志上的这份研究报告称,美国加州大学的研究人员指出,一夜睡眠超过8 h和少于7 h的人都比睡眠时间正合适(7～8 h)的人对睡眠问题的抱怨多.     

基于SVM算法的睡眠监护系统设计

睡眠监护是睡眠质量分析中重要的部分,但是目前的睡眠监护系统的产品价格普遍昂贵,而且会给监护对象带来不适的感觉。本文提出了基于SVM算法的睡眠监护系统,以便可以实时的掌握监护对象的睡眠情况。本系统硬件部分由服务器、蓝牙声音传感器构成。蓝牙声音传感器负责数据的采集,服务器负责数据的解析和管理。在服务器解析过程中,SVM算法对提取的特征值进行训练,通过预测睡眠状态标签对比专家判断睡眠状态标签,证明该算法有效实用。     

基于脑电节律样本熵的睡眠分期

针对睡眠脑电人工分期的不足,提出了一种基于脑电节律样本熵的睡眠分期方法。首先对睡眠脑电信号进行去噪和基本节律提取,然后计算不同睡眠状态下脑电节律的样本熵值,最后统计其样本熵均值与方差,通过对比发现:不同睡眠状态下脑电节律δ波和θ波的样本熵均值不相等且方差较小,这表明了通过分析睡眠脑电节律样本熵的方法可以用来表征不同睡眠期,为睡眠脑电分期提供了新的途径。     

睡眠环境智能控制系统

拥有一个舒适的室内睡眠环境是许多人所梦寐以求的,结合睡眠的医学知识和自动控制理论,提出一种以单片机为控制核心,整合多种家居电器的睡眠环境智能调节系统的设计方案,并介绍了系统的总体规划、控制策略和软件实现,经实际测试表明该系统实用价值较高,不仅能有效地改善睡眠环境也可有助睡眠医学的相关研究.     

小波包能量谱在睡眠分期中的应用

利用小波包技术,根据脑电信号在不同睡眠状态下各脑电节律所占的成分不同,提出一种基于小波包能量谱的睡眠脑电分期方法。首先依据脑电信号各节律的频率特点选择好分解层数对信号进行小波包分解,再重构信号,提取出睡眠脑电信号的各节律;然后运用小波包能量谱计算各节律所占的能量比重;最后用3例脑电数据进行实验。实验结果表明,不同睡眠状态下各脑电节律所占比重不同,随着睡眠的深入,睡眠脑电节律θ和δ所占的能量比重增大,而节律α和β所占的比重在减少。因此,可以运用睡眠脑电信号中各节律所占的成分不同来区分不同的睡眠状态,并可作为睡眠分期的一个特征参数。     

基于嵌入式微处理器的睡眠质量控制研究

分析了嵌入式睡眠质量控制研究的重要性。在不影响人们自然睡眠的基础上,采集人体的脉搏信号,挖掘其中与睡眠相关的信息,以嵌入式微处理器为核心设计系统监控硬件。利用虚拟仪器(LabVIEW)技术搭建脉搏信号显示平台,实现了脉搏信号的数据采集、波形显示、波形回放等功能,同时给出了软件设计流程图,以此构造睡眠质量控制系统,合理引导人们的睡眠。     

马蜂也睡觉

一项新的研究发现,马蜂的行为显示出种种睡眠的特征.这些发现是向昆虫和其他无脊椎动物没有睡眠的观点提出的挑战. 研究睡眠的科学家关注的是人类,有时也关注其他哺乳动物,他们根据脑电图(EEG)的神经模式对睡眠下了定义.由于多数无脊椎动物的神经结构不允许人们制作脑电图,所以许多睡眠专家认为无脊椎动物没有真正的睡眠.然而,少数研究人员却举出了果蝇、蝎子、蟑螂和密蜂具有类似睡眠行为的证据,现在,当美国亚利桑那大学的研究生巴雷特·克里恩对马蜂的行为进行了严密观察后,认为马蜂也是这个团体中的一员.     

睡眠环境调节系统的血氧饱和度与心率信号采集环节研制

睡眠是人在一天活动后进行精力恢复和能量贮存的休复阶段。该阶段的睡眠质量好坏与身体健康密切相关,而睡眠环境的温度、湿度、氧含量、噪音、光照、负离子等与睡眠质量有着紧密的联系。为了让人可以获得最佳睡眠效果,有必要提供可根据人体生理参数进行自动调节的睡眠环境。基于TI公司的eZ430-RF2500开发工具,设计开发了以MSP430F2274芯片和CC2500芯片为核心模块的血氧与心率信号检测环节,实现对脉搏波信号的采集、处理与无线发送,为睡眠环境调节系统提供前级人体生理参数的测量手段。     

基于心率变异性分析的睡眠音乐推荐系统

现有睡眠监测研究主要是针对睡眠质量提出非干扰式监测方法的研究,而缺乏对睡眠质量主动调节方法的研究。基于心率变异性(HRV)分析的精神状态以及睡眠分期研究主要集中在这两种信息的获取上,而这两种信息的获取需要佩戴专业医疗设备,并且这些研究缺乏对信息的应用以及调整。音乐可以作为一种解决睡眠问题的非药物类方法,但现有音乐推荐方法并未考虑个体睡眠及精神状态的差异。针对以上问题提出了一种基于移动设备的精神压力和睡眠状态的音乐推荐系统。首先,用手表采集光体积扫描计信号来提取特征并计算心率;其次,将采集的信号通过蓝牙传递给手机,手机通过这些信号评估人的精神压力以及睡眠状态来播放调整音乐;最后,根据个体每晚的入眠时间进行音乐推荐。实验结果表明,在使用睡眠音乐推荐系统后,用户睡眠总时长相较于使用前增长11.0%。     

在调试器中品味计算机系统的唤醒过程

春天是万物复苏的季节,很多生物在沉睡了一个冬天后在春天慢慢醒来,开始新一轮的生命历程。2009年冬天,我们分上中下三篇,详细介绍了计算机系统的睡眠过程,刚好在春节前完成“睡眠系列”。现在,我们伴着春天的步伐来介绍计算机系统的唤醒过程。粗略讲,可以把唤醒过程看作睡眠过程的逆向运动,大家有了对睡眠过程的认识,那么理解起唤醒过程就简单多了。对于没有看过睡眠系列的读者,建议先看一下睡眠系列。     

基于物联网的老年人睡眠服务系统与产品创新

文章从物联网视角,研究改善老年人睡眠的系统方法。通过用户体验地图研究用户行为,发现睡眠过程中出现的老年人生理和心理触点,以同理心方法,挖掘潜藏在用户深处的痛点和真实需求。依托更具人格化特征的睡眠监测仪、捕捉器等智能设备,构建睡眠服务系统,实现物与物交流,有效增强人、物、环境之间的互动,改善老年人睡眠质量。本研究从系统性角度提升用户体验,有效改善居住、睡眠环境,并能够在解决问题的同时,满足老年人更高层次的需求。