买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明涉及基于IMU信号的睡姿识别方法、系统、介质及计算机，本申请提出一种利用非穿戴无感设备实现的睡姿检测方法，利用来自身体的运动信号，包括呼吸信号、心跳信号和噪声，由于心脏与传感器位置的距离因睡眠姿势不同而距离不同，因此其产生信号能量也不同，这可以用加速度和角速度的瞬时能量来表征，通过结合深度学习模型，睡姿识别准确率可以达到99.72％。相比传动的穿戴式设备，本方法具备更高的舒适性，相比使用雷达等非接触设备，本方法安装调试简单，识别准确率与前两种手段基本相当。

主权项：1.基于IMU信号的睡姿识别方法，其特征在于，包括：S1、利用柔性睡眠监测带，在预定的时间内采集受试者在睡眠状态下的三轴加速度信号以及三轴角速度信号；S2、对所述三轴加速度信号以及三轴角速度信号进行预处理，对应得到三轴增强加速度信号以及三轴增强角速度信号；S3、分别对所述三轴增强加速度信号以及三轴增强角速度信号进行特征提取，得到对应的三轴加速度特征矩阵以及三轴角速度特征矩阵；将所述三轴加速度特征矩阵和三轴角速度特征矩阵进行连接，得到对应的瞬时能量特征矩阵；S4、将所述瞬时能量特征矩阵输入到预先训练好的卷积神经网络模型中进行分类，得到对应的睡姿分类结果；所述利用柔性睡眠监测带，在预定的时间内采集受试者在睡眠状态下的三轴加速度信号以及三轴角速度信号，包括：利用柔性睡眠监测带，在6S的时间内，采集受试者在睡眠状态下的三轴加速度信号以及三轴角速度信号；所述三轴加速度信号包括：X轴加速度信号、Y轴加速度信号以及Z轴加速度信号；所述三轴角速度信号包括：ωx轴角速度信号、ωy轴角速度信号以及ωz轴角速度信号；所述对所述三轴加速度信号以及三轴角速度信号进行预处理，对应得到三轴增强加速度信号以及三轴增强角速度信号，包括：使用HPF一阶高通滤波器，分别对X轴加速度信号、Y轴加速度信号、Z轴加速度信号、ωx轴角速度信号、ωy轴角速度信号以及ωz轴角速度信号进行滤波处理，增强高频部分并衰减低频部分，降低运动伪影造成的影响，对应得到X轴增强加速度信号、Y轴增强加速度信号、Z轴增强加速度信号、ωx轴增强角速度信号、ωx轴增强角速度信号以及ωx轴增强角速度信号；所述HPF一阶高通滤波器的时域公式为： 其中i表示第i个时刻；x[i]表示输入信号；y[i]表示输出信号；kp表示确定截止频率的滤波器因子，kp计算公式如下：kp＝2×π×f×fs；其中f是截止频率；fs是采样频率；所述分别对所述三轴增强加速度信号以及三轴增强角速度信号进行特征提取，对应的到三轴加速度特征矩阵以及三轴角速度特征矩阵；将所述三轴加速度特征矩阵和三轴角速度特征矩阵进行连接，得到对应的瞬时能量特征矩阵，包括：以1秒钟为一个区间，分别对X轴增强加速度信号、Y轴增强加速度信号、Z轴增强加速度信号、ωx轴增强角速度信号、ωy轴增强角速度信号以及ωz轴增强角速度信号进行分帧，对应得到六个X轴子信号、六个Y轴子信号、六个Z轴子信号、六个ωx轴子信号、六个ωy轴子信号以及六个ωz轴子信号；采用FFT快速傅里叶变换，分别将各个X轴子信号转化为对应的X轴频域信号，分别将各个Y轴子信号转化为对应的Y轴频域信号，分别将各个Z轴子信号转化为对应的Z轴频域信号，分别将各个ωx轴子信号转化为对应的ωx轴频域信号，分别将各个ωy轴子信号转化为对应的ωy轴频域信号，分别将各个ωz轴子信号转化为对应的ωz轴频域信号；所述FFT快速傅里叶变换公式为： 其中，N是输入向量的长度，表示1秒钟采样率，N取值为128；y[i]表示时域信号的第i个采样点；Y[k]表示频域中的第k个离散频率；采用计算频域振幅矢量中的元素的平方和的方式，分别计算各个X轴频域信号对应的X轴瞬时能量；分别计算各个Y轴频域信号对应的Y轴瞬时能量；分别计算各个Z轴频域信号对应的Z轴瞬时能量；分别计算各个ω轴频域信号对应的ω轴瞬时能量；分别计算各个θ轴频域信号对应的θ轴瞬时能量；分别计算各个轴频域信号对应的轴瞬时能量；所述计算频域振幅矢量中的元素的平方和的公式为： 其中，abs操作是求模，q表示0-64Hz频率的瞬时能量；将六个所述X轴瞬时能量、六个所述Y轴瞬时能量、六个所述Z轴瞬时能量、六个所述ω轴瞬时能量、六个所述θ轴瞬时能量以及六个所述轴瞬时能量均作为矩阵的元素，建立尺寸为6*6的瞬时能量特征矩阵；所述将所述瞬时能量特征矩阵输入到预先训练好的卷积神经网络模型中进行分类，得到对应的睡姿分类结果，包括：输出四个分类结果，四个分类结果分别为平卧、左侧卧、右侧卧以及俯卧。

全文数据：

权利要求：

百度查询： 广东工业大学 基于IMU信号的睡姿识别方法、系统、介质及计算机