基于人體生理信號的睡眠監測系統研究

摘 要：隨著社會的發展，睡眠質量對人體的影響不可忽視。為了滿足大多數睡眠質量追求者的需求，本文設計了一種非接觸式睡眠監測系統。通過傳感器對人體的生理信號進行采集，并使用濾波的方式提取出人體睡眠時的心率和呼吸率。隨后采用睡眠分期算法對提取的信號進行分析，得到睡眠質量評價結果。與其他接觸式睡眠監測產品相比，可發現本產品誤差不高于15%，準確率較高，具有較好的實用性。

關鍵詞：睡眠質量；睡眠監測系統；傳感器；生理信號；物聯網技術；睡眠分期算法

中圖分類號：TP23 文獻標識碼：A 文章編號：2095-1302（2024）04-00-03

DOI：10.16667/j.issn.2095-1302.2024.04.006

0 引 言

據調查，我國居民每晚平均睡眠時長為7.40 h，其中近半數的居民每晚平均睡眠時長不足8 h。更有80%的大學生每晚的入睡時間在23：30以后[1]。因此，睡眠監測應運而生。睡眠監測是針對人體的一些生理指標，如：體動、脈搏、呼吸等進行檢測。通過對檢測出的生理指標中的數據進行分析，判斷睡眠質量，預防相關疾病。

睡眠監測系統主要分為接觸式與非接觸式。接觸式睡眠監測系統是針對睡眠呼吸暫停綜合征患者[2]，用來記錄其睡眠狀態和生理參數的多導睡眠監測系統。但這種睡眠監測系統價格昂貴，多用于醫學臨床，需要通過電極與患者身體接觸來監測患者整晚的腦電、眼電、心電、鼾聲等參數。這樣的接觸式睡眠監測會增加患者的緊張感，導致睡眠監測數據不準確。近年來，接觸式睡眠監測系統也出現了智能手環、智能睡眠頭套等穿戴設備，使得系統更加便捷，普適性強[3-5]。該睡眠監測系統不止用于睡眠患者，還可以實現普通人的睡眠質量監測。但穿戴設備對于特殊人群，如殘疾者、皮膚病患者等具有較大局限性，所以對非接觸式睡眠監測的研究勢在必行。

本文設計了一種基于人體生理信號的非接觸式睡眠質量監測系統。采用長度為1 m，厚度為3 mm的監測帶，其中搭載傳感器，將其放置于使用者的床褥或者衣物下進行睡眠質量監測。

1 系統原理

本睡眠監測系統主要由壓電傳感器組成，利用物聯網技術實現對睡眠質量的監測。對采集的心沖擊信號和體動信號進行濾波處理與算法分析，獲得睡眠時長、體動次數、心率變化等參數。再通過睡眠分期算法的分析，得出用戶的睡眠質量報告。

系統原理如圖1所示。

2 心率和呼吸率提取

睡眠監測時，需要對人體的生理信號進行提取。而在信號的選取上，本系統主要選取了心率和呼吸率。心率可以反應心臟在睡眠時的活動情況，有助于預防心臟疾病。呼吸率反應使用者睡眠時的呼吸情況，便于呼吸暫?；颊唠S時了解自身情況。在提取心率和呼吸率時需要選取睡眠狀態較好的信號段，若使用發生在體動時的信號，則影響提取的心率和呼吸率的準確性。

監測心率和呼吸率時，需要使用壓電傳感器對其進行提取。提取心率時，使用者壓在睡眠監測帶上，壓斷傳感器可以檢測到心臟的周期性振動，得到心沖擊信號。但信號極其微弱，所以需要通過電荷放大器放大。而在測量時，人體會有翻滾等情況，導致放大的信號受外界環境干擾產生噪聲。所以必須采用靈敏度較高的壓電傳感器。提取呼吸率時，壓電傳感器采集肺部的起伏狀態。最終得到帶有心率和呼吸率的信號圖。

提取后，需要分離心率、呼吸率、體動信號以及噪聲。人的心率正常值一般為60～150次/分鐘，而呼吸率正常值一般為12～20次/分鐘[6]。變化快，周期短則判斷為心率信號；變化緩慢，周期長則判斷為呼吸信號。提取步驟如下：

（1）對提取的信號進行指數平滑處理，平滑常數為0.2。去除微小噪聲，達到更好的效果。

（2）對處理好的信號曲線進行傅里葉變換，根據譜函數得到信號振幅的分布情況，為后續濾波器濾除信號做準備。

（3）心沖擊信號和呼吸信號相比，心沖擊信號的頻率低，呼吸信號頻率高。所以設計數字濾波器，利用信號頻率的不同得到呼吸信號和心率。

（4）提取信號特征后得到心率和呼吸率。

提取呼吸率、心率流程如圖2所示。

3 體動信號提取

進入睡眠后，人體會有一些肢體動作，如翻身、踢被子、抓癢等。這樣的體動反應在睡眠者身上，便是睡眠質量的評價標準。因為大量的體動有時會導致睡眠者覺醒，所以這樣的提取方法對判斷睡眠質量的準確率較高。當使用者在睡眠監測設備上有體動時，信號發生變化。本項目采用PVDF壓電薄膜傳感器提取體動信號。該傳感器成本低、質量較輕、柔韌性較好，能完美搭載于睡眠監測帶中。

睡眠時伴隨的體動包括輕微體動和大幅度體動，在此忽略輕微體動，記錄大幅度體動。一般這樣的體動信號較為明顯，提取的信號振幅幅值變化較大。

4 睡眠分期算法分析

睡眠質量不僅是睡眠時長，還包括睡眠分期中的睡眠數據。國際上的標準睡眠分期主要分為覺醒期、快速眼動期（REM）和非快速眼動期（NREM）。非快速眼動期又分出2個

時相，為淺睡期和深睡期[7-8]。各個時期的睡眠生理信號有所不同，所以可根據睡眠分期來分層次研究睡眠狀態。通常人體在睡眠時，覺醒期、淺睡期、深睡期和快速眼動期會交替出現一次，這樣稱為一個睡眠周期。可計算出各睡眠周期時長占總睡眠時長的比例，利用睡眠周期評判睡眠質量。

當人體出現明顯且多次的體動信號，平均心率較快時，人體處于覺醒期；當人體出現少次的體動信號，平均心率較快時，人體處于快速眼動期；當人體出現少次的體動信號，平均心率較慢時，人體處于非快速眼動期。當人體從非快速眼動期過渡至快速眼動期時，心率會逐漸增高，而當人體從非快速眼動期過渡至覺醒期時心率會突增[9]。這些明顯的特征可以幫助我們對睡眠期進行劃分，合理分析睡眠質量。

對覺醒時的使用者生理信號做記錄，得到覺醒時的心率和呼吸率。后期可根據此頻率與睡眠時的頻率做以區分，判斷出睡眠時的頻率信號。隨后對心率快慢、呼吸率快慢進行強度劃分，由高到低分別對應3個睡眠期。根據不同使用者在覺醒期時的平均心率，劃分出3個分區。例如某使用者覺醒時平均心率為80次/分鐘，當使用者進入睡眠狀態，此時心率會下降約20%，取得最低心率為64次/分鐘。在64～80次/分鐘的心率區間內劃分3個區間。可得到心率在64～69次/分鐘，此時為深睡期；心率在69～74次/分鐘，此時為淺睡期；心率大于74次/分鐘，此時為快速眼動期。

其余生理信號也按此方法劃分，得到每個人某一時間段的生理信號屬于何種睡眠時期。但考慮到會劃分出不同情況，如某一時間段心率屬于深睡眠期，呼吸率屬于淺睡眠期，體動信號屬于淺睡眠期等。這時可根據劃分到某一睡眠時期的次數來判斷屬于何種睡眠時期。

5 睡眠質量的評價

將本產品與市面上的產品進行對比，讓使用者帶上接觸式睡眠手環和本產品，睡眠時將本產品墊于床墊下，測量一周的睡眠情況。

實驗后得到睡眠手環和本產品的各項數據對比圖，如

圖3和圖4所示。

根據圖3與圖4的對比可看出，本產品與睡眠手環所檢測出的數據基本一致。在周五時與睡眠手環都檢測出了清醒的時刻，在周六時檢測出的深度睡眠所占百分比最少。

再進一步求取一周內各項數據的誤差，得到的誤差值見表1所列。

通過表1可看出，在一周的實驗中，本產品與接觸式睡眠手環的各項數據進行比較，誤差不高于15%。所以基于上述實驗，得到本產品測量結果準確的結論。該產品可作為非接觸睡眠監測設備來監測用戶睡眠情況。

通過得到的數據生成睡眠質量報告，覺醒期占總睡眠時長的比例≤5%，快速眼動期的時長占總睡眠時長的20%～25%，淺睡期時長占總睡眠時長的55%～60%，深睡期時長占總睡眠時長的15%～25%[10]。對生理信號和睡眠分期的數據評價后，可將這些評價數據可視化。利用小程序或應用軟件，將此系統連接手機藍牙，方便用戶及時了解自己的睡眠質量。

6 結 語

本文設計的睡眠監測系統通過對人體生理信號的監測，實現對睡眠質量的判定，通過壓電傳感器對心沖擊信號和體動信號的采集。最后對此信號進行濾波處理，與睡眠分期算法進行匹配，得到使用者的睡眠質量報告。本文選取的生理信號為心率、呼吸率及體動信號，在后續研究中可以多考慮其他生理信號進行研究，使睡眠報告結果更精細。

參考文獻

[1]王俊秀，張衍，張躍，等.中國睡眠研究報告2023[M].北京：社會科學文獻出版社，2023.

[2]潘澤森，竇建洪，申東翔，等.睡眠監測儀的現狀及研究進展[J].中國醫療設備，2019，34（8）：161-165.

[3]周聰聰，任相林，戴旭青，等.便攜式睡眠監測設備的研究進展

[J].中國醫療設備，2021，36（9）：166-170.

[4]李瑜，宋勇莉，田超永，等.新型遠程雷達監測設備用于阻塞性睡眠呼吸暫停睡眠監測的臨床應用評價[J].臨床耳鼻咽喉頭頸外科雜志，2021，35（4）：293-296.

[5]鐘榕檳，饒明聰，黃敏方.阻塞性睡眠呼吸暫停與失眠共病的研究進展[J].實用醫學雜志，2022，38（2）：134-138.

[6]羅斌.基于DSP的睡眠監測系統的研究[D].哈爾濱：哈爾濱工業大學，2017.

[7]李偉研.睡眠腦電信號處理及其在睡眠分期中的應用研究[D].廣州：廣東工業大學，2011.

[8] STROHL K P. Rules for scoring respiratory events in sleep： update of the 2007 AASM manual for the scoring of sleep and associated events [J]. Clinical sleep medicine：JCSM：official publication of the American academy of sleep medicine，2012，8（5）：597-619.

[9]顧天宇，李一帆，肖利，等.智能實時睡眠監測與干預系統的設計與實現[J].北京生物醫學工程，2020，39（1）：69-73.

[10]劉綿詩.基于心率和腕動信號的睡眠監測系統[J].電信快報，2017，54（8）：36-38.

收稿日期：2023-04-05 修回日期：2023-05-08

基金項目：2022年陜西省大學生創新創業訓練計劃項目（S202213894006）

作者簡介：薛美靜（2002—），女，本科在讀，研究方向為信號處理、人工智能。

王富強（1994—），男，碩士，助教，研究方向為圖像處理、信號處理。