基于雷达信息的睡眠分期方法、装置及终端

摘要

本发明提供一种基于雷达信息的睡眠分期方法、装置、终端及存储介质。该方法包括：获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。本发明基于雷达信息进行睡眠分期，在无感知、不影响用户正常睡眠的情况下获取信息，睡眠分期处理过程简便且精确，并且具备较高的可靠性。

权利要求

1.一种基于雷达信息的睡眠分期方法，其特征在于，应用于健康监护系统，所述健康监护系统包括生命体征监测雷达，所述方法包括：获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；

基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；

基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；

将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期；

所述呼吸心跳信息包括：睡眠时段内每一时刻的呼吸幅度和心跳幅度；所述睡眠分期指数包括：呼吸幅度变化指数和心跳幅度变化指数；

相应的，所述基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数包括：根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的呼吸幅度变化指数；

根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数；

计算目标时刻的呼吸幅度变化指数的方法包括：

其中，breathAmpWave(T)表示目标时刻的呼吸幅度变化指数，breathAmp(T)表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值；

计算目标时刻的心跳幅度变化指数的方法包括：

其中，heartAmpWave(T)表示目标时刻的心跳幅度变化指数，heartAmp(T)表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

2.如权利要求1所述的基于雷达信息的睡眠分期方法，其特征在于，所述呼吸心跳信息还包括：睡眠时段内每一时刻的呼吸频率和心跳频率；

所述睡眠分期指数还包括：呼吸频率稳定性指数和心跳频率稳定性指数；

相应的，所述基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数还包括：根据目标时刻的前一设定时长中每一时刻的呼吸频率计算该设定时长的呼吸频率均值，并根据目标时刻的前一设定时长中每一时刻的呼吸频率，以及，该设定时长的呼吸频率均值计算目标时刻的呼吸频率稳定性指数；

根据目标时刻的前一设定时长中每一时刻的心跳频率计算该设定时长的心跳频率均值，并根据目标时刻的前一设定时长中每一时刻的心跳频率，以及，该设定时长的心跳频率均值计算目标时刻的心跳频率稳定性指数。

3.如权利要求2所述的基于雷达信息的睡眠分期方法，其特征在于，计算目标时刻的呼吸频率稳定性指数的方法包括：其中，T表示目标时刻，L表示设定时长，breathFreqStability(T)表示目标时刻的呼吸频率稳定性指数，breathFreq(T)表示t时刻的呼吸频率，breathFreqMean(T)表示目标时刻的前一设定时长的呼吸频率均值；其中，计算目标时刻的心跳频率稳定性指数的方法包括：

其中，heartFreqStability(T)表示目标时刻的心跳频率稳定性指数，heartFreq(T)表示t时刻的心跳频率，heartFreqMean(T)表示目标时刻的前一设定时长的心跳频率均值；其中，

4.如权利要求2所述的基于雷达信息的睡眠分期方法，其特征在于，所述基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值包括：对所述睡眠分期指数进行归一化处理；

基于预设的各睡眠分期指数的权重对归一化后的睡眠分期指数进行加权求和，获得睡眠时段内每一时刻的睡眠分期特征值；

其中，呼吸频率稳定性指数和呼吸幅度变化指数的权重均大于心跳频率稳定性指数和心跳幅度变化指数。

5.如权利要求4所述的基于雷达信息的睡眠分期方法，其特征在于，所述对所述睡眠分期指数进行归一化处理包括；

获取睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值；

将每一时刻的呼吸频率稳定性指数与所述呼吸频率稳定性指数最大值的比值作为该时刻的归一化后的呼吸频率稳定性指数；

将每一时刻的心跳频率稳定性指数与所述心跳频率稳定性指数最大值的比值作为该时刻的归一化后的心跳频率稳定性指数；

将每一时刻的呼吸幅度变化指数与所述呼吸幅度变化指数最大值的比值作为该时刻的归一化后的呼吸幅度变化指数；

将每一时刻的心跳幅度变化指数与所述心跳幅度变化指数最大值的比值作为该时刻的归一化后的心跳幅度变化指数。

6.如权利要求1至5任一项所述的基于雷达信息的睡眠分期方法，其特征在于，所述分期阈值包括清醒阈值和浅睡阈值；

所述将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期包括：若目标时刻的睡眠分期特征值大于等于所述清醒阈值，则该时刻所对应的睡眠期为清醒期；

若目标时刻的睡眠分期特征值小于所述清醒阈值，且，大于等于预设的浅睡阈值，则该时刻所对应的睡眠期为浅睡期；

若目标时刻的睡眠分期特征值小于所述浅睡阈值，则该时刻所对应的睡眠期为深睡期。

7.如权利要求6所述的基于雷达信息的睡眠分期方法，其特征在于，在所述获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息之前还包括：获取生命体征监测雷达监测的在床信息和起身信息；

根据所述在床信息和起身信息确定上床时间和起床时间；

根据所述上床时间和起床时间确定睡眠时段。

8.一种基于雷达信息的睡眠分期装置，其特征在于，应用于健康监护系统，所述健康监护系统包括生命体征监测雷达，所述睡眠分期装置包括：第一获取单元，用于获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；

分期指数计算单元，用于基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；

分期特征值计算单元，用于基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；

睡眠期确定单元，用于将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期；

所述呼吸心跳信息包括呼吸幅度和心跳幅度；所述睡眠分期指数包括呼吸幅度变化指数和心跳幅度变化指数；

相应的，分期指数计算单元具体用于，根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的呼吸幅度变化指数；根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数；

分期指数计算单元计算目标时刻的呼吸幅度变化指数的方法包括：其中，breathAmpWave(T)表示目标时刻的呼吸幅度变化指数，breathAmp(T)表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值；

分期指数计算单元计算目标时刻的心跳幅度变化指数的方法包括：其中，heartAmpWave(T)表示目标时刻的心跳幅度变化指数，heartAmp(T)表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述基于雷达信息的睡眠分期方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述基于雷达信息的睡眠分期方法的步骤。

说明书

基于雷达信息的睡眠分期方法、装置及终端

技术领域

[0001] 本发明涉及健康监测技术领域，尤其涉及一种基于雷达信息的睡眠分期方法、装置、终端及存储介质。

背景技术

[0002] 目前，在一些健康监护系统中，需要对人体的健康状况进行综合分析，并输出健康报告，其中，针对睡眠情况的睡眠监测是健康报告中比较重要的部分，而睡眠监测中尤为重要的是如何准确的进行睡眠分期。通常，睡眠过程可以分为清醒期、浅睡期和深睡期。

[0003] 现有技术中通常是利用脑电信号、眼电信号等生理状态信号进行睡眠分期，例如公开号为CN113303770A的专利文献。然而，脑电信号、眼电信号等生理状态信号往往需要一些接触式设备来进行监测，比如贴片式或穿戴式的接触式监测设备，这些长时间使用容易对人体组织压迫，对人体造成损害，部分敏感人群在使用贴片式和穿戴式的睡眠监测仪器时，容易出现紧张导致失眠的现象，难以有效的对被测人员真实睡眠情况进行监测。

[0004] 利用心率信息进行睡眠分期也是一种可行的途经，例如，公开号为CN113456030A的专利文献公开了一种基于心率监测数据的睡眠分期方法，然而，该方式需要从心率数据中提取8项时域特征指标和4项频域特征指标，还需要构建双向门循环网络进行睡眠分期，处理过程复杂，并且，单一的基于心率进行睡眠分期导致分期结果的可靠性也不够高。

发明内容

[0005] 本发明提供了一种基于雷达信息的睡眠分期方法、装置、终端及存储介质，以解决现有技术中的睡眠分期方法处理过程复杂且可靠性不高的问题。

[0006] 第一方面，本发明提供了基于雷达信息的睡眠分期方法，应用于健康监护系统，上述健康监护系统包括生命体征监测雷达，上述方法包括：

[0007] 获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；

[0008] 基于上述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；

[0009] 基于上述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；

[0010] 将上述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。

[0011] 在一种可能的实现方式中，上述呼吸心跳信息包括：睡眠时段内每一时刻的呼吸频率、心跳频率、呼吸幅度和心跳幅度；

[0012] 上述睡眠分期指数包括：呼吸频率稳定性指数、心跳频率稳定性指数、呼吸幅度变化指数和心跳幅度变化指数；

[0013] 相应的，上述基于上述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数包括：

[0014] 根据目标时刻的前一设定时长中每一时刻的呼吸频率计算该设定时长的呼吸频率均值，并根据目标时刻的前一设定时长中每一时刻的呼吸频率，以及，该设定时长的呼吸频率均值计算目标时刻的呼吸频率稳定性指数；

[0015] 根据目标时刻的前一设定时长中每一时刻的心跳频率计算该设定时长的心跳频率均值，并根据目标时刻的前一设定时长中每一时刻的心跳频率，以及，该设定时长的心跳频率均值计算目标时刻的心跳频率稳定性指数；

[0016] 根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的呼吸幅度变化指数；

[0017] 根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数。

[0018] 在一种可能的实现方式中，计算目标时刻的呼吸频率稳定性指数的方法包括：

[0019]

[0020] 其中，T表示目标时刻，L表示设定时长， 表示目标时刻的呼吸频率稳定性指数， 表示t时刻的呼吸频率， 表示目标时刻的呼吸频
率均值；其中， ；

[0021] 计算目标时刻的心跳频率稳定性指数的方法包括：

[0022]

[0023] 其中， 表示目标时刻的心跳频率稳定性指数， 表示t时刻的 心 跳频 率 ， 表 示目 标 时 刻 的 心 跳 频 率 均 值 ；其中 ，
；

[0024] 计算目标时刻的呼吸幅度变化指数的方法包括：

[0025]

[0026] 其中， 表示目标时刻的呼吸幅度变化指数， 表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值；

[0027] 计算目标时刻的心跳幅度变化指数的方法包括：

[0028]

[0029] 其中， 表示目标时刻的心跳幅度变化指数， 表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

[0030] 在一种可能的实现方式中，上述基于上述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值包括：

[0031] 对上述睡眠分期指数进行归一化处理；

[0032] 基于预设的各睡眠分期指数的权重对归一化后的睡眠分期指数进行加权求和，获得睡眠时段内每一时刻的睡眠分期特征值；

[0033] 其中，呼吸频率稳定性指数和呼吸幅度变化指数的权重均大于心跳频率稳定性指数和心跳幅度变化指数。

[0034] 在一种可能的实现方式中，上述对上述睡眠分期指数进行归一化处理包括；

[0035] 获取睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值；

[0036] 将每一时刻的呼吸频率稳定性指数与上述呼吸频率稳定性指数最大值的比值作为该时刻的归一化后的呼吸频率稳定性指数；

[0037] 将每一时刻的心跳频率稳定性指数与上述心跳频率稳定性指数最大值的比值作为该时刻的归一化后的心跳频率稳定性指数；

[0038] 将每一时刻的呼吸幅度变化指数与上述呼吸幅度变化指数最大值的比值作为该时刻的归一化后的呼吸幅度变化指数；

[0039] 将每一时刻的心跳幅度变化指数与上述心跳幅度变化指数最大值的比值作为该时刻的归一化后的心跳幅度变化指数。

[0040] 在一种可能的实现方式中，上述分期阈值包括清醒阈值和浅睡阈值，上述将上述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期包括：

[0041] 若目标时刻的睡眠分期特征值大于等于预设的清醒阈值，则该时刻所对应的睡眠期为清醒期；

[0042] 若目标时刻的睡眠分期特征值小于上述清醒阈值，且，大于等于预设的浅睡阈值，则该时刻所对应的睡眠期为浅睡期；

[0043] 若目标时刻的睡眠分期特征值小于上述浅睡阈值，则该时刻所对应的睡眠期为深睡期。

[0044] 在一种可能的实现方式中，在上述获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息之前还包括：

[0045] 获取生命体征监测雷达监测的在床信息和起身信息；

[0046] 根据上述在床信息和起身信息确定上床时间和起床时间；

[0047] 根据上述上床时间和起床时间确定睡眠时段。

[0048] 第二方面，本发明提供了一种基于雷达信息的睡眠分期装置，应用于健康监护系统，上述健康监护系统包括生命体征监测雷达，上述方睡眠分期装置包括：

[0049] 第一获取单元，用于获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；

[0050] 分期指数计算单元，用于基于第一获取单元获取的呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；

[0051] 分期特征值计算单元，用于基于分期指数计算单元计算的睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；

[0052] 睡眠期确定单元，用于将分期特征值计算单元计算的睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。

[0053] 在一种可能的实现方式中，上述呼吸心跳信息包括：睡眠时段内每一时刻的呼吸频率、心跳频率、呼吸幅度和心跳幅度；上述睡眠分期指数包括：呼吸频率稳定性指数、心跳频率稳定性指数、呼吸幅度变化指数和心跳幅度变化指数；

[0054] 相应的，上述分期指数计算单元具体用于，根据目标时刻的前一设定时长中每一时刻的呼吸频率计算该设定时长的呼吸频率均值，并根据目标时刻的前一设定时长中每一时刻的呼吸频率，以及，该设定时长的呼吸频率均值计算目标时刻的呼吸频率稳定性指数；

[0055] 根据目标时刻的前一设定时长中每一时刻的心跳频率计算该设定时长的心跳频率均值，并根据目标时刻的前一设定时长中每一时刻的心跳频率，以及，该设定时长的心跳频率均值计算目标时刻的心跳频率稳定性指数；

[0056] 根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的呼吸幅度变化指数；

[0057] 根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数。

[0058] 在一种可能的实现方式中，具体的，分期指数计算单元计算目标时刻的呼吸频率稳定性指数的方法包括：

[0059] 其中，T表示目标时刻，L表示设定时长， 表示目标时刻的呼吸频率稳定性指数， 表示t时刻的呼吸频率， 表示目标时刻的呼吸频
率均值；其中， ；

[0060] 计算目标时刻的心跳频率稳定性指数的方法包括：

[0061]

[0062] 其中， 表示目标时刻的心跳频率稳定性指数， 表示t时刻的 心 跳频 率 ， 表 示目 标 时 刻 的 心 跳 频 率 均 值 ；其中 ，
；

[0063] 计算目标时刻的呼吸幅度变化指数的方法包括：

[0064]

[0065] 其中， 表示目标时刻的呼吸幅度变化指数， 表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值；

[0066] 计算目标时刻的心跳幅度变化指数的方法包括：

[0067]

[0068] 其中， 表示目标时刻的心跳幅度变化指数， 表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

[0069] 在一种可能的实现方式中，上述睡眠分期装置还包括：

[0070] 归一化处理单元，用于对上述睡眠分期指数进行归一化处理；

[0071] 相应的，上述分期特征值计算单元具体用于，基于预设的各睡眠分期指数的权重对归一化后的睡眠分期指数进行加权求和，获得睡眠时段内每一时刻的睡眠分期特征值；

[0072] 其中，呼吸频率稳定性指数和呼吸幅度变化指数的权重均大于心跳频率稳定性指数和心跳幅度变化指数。

[0073] 在一种可能的实现方式中，上述睡眠分期装置还包括：

[0074] 第二获取单元，用于获取睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值；

[0075] 相应的，上述分期特征值计算单元具体用于，将每一时刻的呼吸频率稳定性指数与第二获取单元获取的呼吸频率稳定性指数最大值的比值作为该时刻的归一化后的呼吸频率稳定性指数；

[0076] 将每一时刻的心跳频率稳定性指数与第二获取单元获取的心跳频率稳定性指数最大值的比值作为该时刻的归一化后的心跳频率稳定性指数；

[0077] 将每一时刻的呼吸幅度变化指数与第二获取单元获取的呼吸幅度变化指数最大值的比值作为该时刻的归一化后的呼吸幅度变化指数；

[0078] 将每一时刻的心跳幅度变化指数与第二获取单元获取的心跳幅度变化指数最大值的比值作为该时刻的归一化后的心跳幅度变化指数。

[0079] 在一种可能的实现方式中，上述分期阈值包括清醒阈值和浅睡阈值，上述睡眠期确定单元具体用于，若目标时刻的睡眠分期特征值大于等于预设的清醒阈值，则该时刻所对应的睡眠期为清醒期；

[0080] 若目标时刻的睡眠分期特征值小于上述清醒阈值，且，大于等于预设的浅睡阈值，则该时刻所对应的睡眠期为浅睡期；

[0081] 若目标时刻的睡眠分期特征值小于上述浅睡阈值，则该时刻所对应的睡眠期为深睡期。

[0082] 在一种可能的实现方式中，上述睡眠分期装置还包括：

[0083] 第三获取单元，用于在上述获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息之前，获取生命体征监测雷达监测的在床信息和起身信息；

[0084] 起始时间确定单元，用于根据第三获取单元获取的在床信息和起身信息确定上床时间和起床时间；

[0085] 睡眠时段确定单元，用于根据起始时间确定单元确定的上床时间和起床时间确定睡眠时段。

[0086] 第三方面，本发明提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述基于雷达信息的睡眠分期方法的步骤。

[0087] 第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述基于雷达信息的睡眠分期方法的步骤。

[0088] 本发明提供一种基于雷达信息的睡眠分期方法、装置、终端及存储介质，通过获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息，基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数，基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值，将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。一方面，进行睡眠分期所依据的监测信息是基于雷达获取，属于非接触式监测，用户无感知，不影响用户的正常睡眠；另一方面，基于呼吸心跳信息相比于单一依靠心率信息能够更全面的反映人体的睡眠状态，进行睡眠分期的可靠性更高，并且，本发明方案可以计算每一时刻的睡眠分期指数并确定该时刻的睡眠分期特征值，可以以秒（每一时刻）计量并进行睡眠期的区分，处理过程简便且精确。

附图说明

[0089] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0090] 图1是本发明实施例提供的基于雷达信息的睡眠分期方法的实现流程图；

[0091] 图2是本发明实施例提供的基于雷达信息的睡眠分期装置的结构示意图；

[0092] 图3是本发明实施例提供的终端的示意图。

具体实施方式

[0093] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

[0094] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

[0095] 本发明实施例提供的基于雷达信息的睡眠分期方法可以应用于健康监护系统，该健康监护系统包括可以进行人体生命体征监测的生命体征监测雷达，例如型号为森思泰克IRS60‑5的生命体征监测雷达。

[0096] 所监测的人体生命体征信号可以包括呼吸信息、心跳信息、人员在床信息、人员起身信息等等。本发明实施例基于生命体征监测雷达监测的雷达信息进行睡眠分期，监测过程用户无感知，不影响用户的正常睡眠，获得的雷达信息准确可靠。

[0097] 参见图1，其示出了本发明实施例提供的基于雷达信息的睡眠分期方法的实现流程图。如图1所示，一种基于雷达信息的睡眠分期方法，可以包括：

[0098] 在步骤101中，获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息。

[0099] 在本发明实施例中，首先获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息，睡眠时段是指用户从上床后到起床时的时段。呼吸心跳信息可以包括监测到的用户的心跳信息和呼吸信息。

[0100] 具体的，呼吸心跳信息可以包括：睡眠时段内每一时刻的呼吸频率、心跳频率、呼吸幅度和心跳幅度。其中，每一时刻可以以秒计量。

[0101] 上述睡眠时段可以人工进行设定，也可以根据生命体征监测雷达监测的人员在床信息和人员起身信息进行确定。

[0102] 在一个可选的实施例中，在上述步骤101之前还可以包括：

[0103] 获取生命体征监测雷达监测的在床信息和起身信息；

[0104] 根据所述在床信息和起身信息确定上床时间和起床时间；

[0105] 根据所述上床时间和起床时间确定睡眠时段。

[0106] 本实施例通过生命体征监测雷达监测的在床信息和起身信息进行睡眠时段的确定。

[0107] 具体的，雷达可以根据每一时刻的在床标志（例如，在床为1，不在床为0），分析人体上床和离床时间。获得上床时间的具体方法为，找到所有在床标志为1的时刻tOnBed(k)，其中k=1,2…K1。K1为在床标志为1的时刻的数量。然后从k=2开始后向遍历到k=K1，计算tOnBed(k)‑tOnBed(k‑1)，如果超过预设阈值thresh1，则结束遍历，记上床时间为tOnBed(k)。获得离床时间的具体方法为，找到所有在床标志为0的时刻tOffBed(k)，其中k=1,2…K2。K2为在床标志为0的时刻的数量。然后从k=K2开始前向遍历到k=2，计算tOffBed(k)‑tOffBed(k‑1)，如果超过预设阈值thresh2，则结束遍历，记离床时间getUpTime为tOffBed(k)。

[0108] 在步骤102中，基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数。

[0109] 在本发明实施例中，睡眠分期指数是用于界定各睡眠期特征的衡量指标，其可以包括：呼吸频率稳定性指数、心跳频率稳定性指数、呼吸幅度变化指数和心跳幅度变化指数；这些指数可以通过生命体征监测雷达监测到的呼吸心跳信息来计算获得。

[0110] 在本发明实施例中，呼吸频率稳定性指数用于从体动（呼吸引起的身体胸部微动）快慢的角度表征呼吸的稳定性，呼吸频率稳定性指数越大，表示人员当前时刻的呼吸越不稳定，则该人员当前时刻属于浅睡期的可能性越高；呼吸频率稳定性指数越小，表示人员当前时刻的呼吸越稳定，则该人员当前时刻属于深睡期的可能性越高。

[0111] 在本发明实施例中，心跳频率稳定性指数用于从体动（心跳引起的身体胸部微动）快慢的角度表征心跳的稳定性，心跳频率稳定性指数越大，表示人员当前时刻的心跳越不稳定，则该人员当前时刻属于浅睡期的可能性越高；心跳频率稳定性指数越小，表示人员当前时刻的心跳越稳定，则该人员当前时刻属于深睡期的可能性越高。

[0112] 在本发明实施例中，呼吸幅度变化指数和心跳幅度变化指数除同样具有上述区分深睡期和浅睡期的作用之外，还可进一步界定出是否处于清醒期，在清醒期由于其它因素引起的人体体动存在，雷达波形中体现出的幅度变化较大。

[0113] 在本发明实施例中，由于雷达对幅度变化的测量更为精确，呼吸幅度变化指数和心跳幅度变化指数的存在，能够更好的区分清醒期和睡眠期，因此，本实施例的睡眠分期算法结合呼吸幅度变化指数、心跳幅度变化指数、呼吸频率稳定性指数和心跳频率稳定性指数进行分期估算，具备较高的可靠性。

[0114] 在一个实施例中，计算呼吸频率稳定性指数的方法可以包括：根据目标时刻的前一设定时长中每一时刻的呼吸频率计算该设定时长的呼吸频率均值，并根据目标时刻的前一设定时长中每一时刻的呼吸频率，以及，该设定时长的呼吸频率均值计算目标时刻的呼吸频率稳定性指数。

[0115] 具体的，计算公式可以表示为：

[0116]

[0117] 其中，T表示目标时刻，L表示设定时长， 表示目标时刻的呼吸频率稳定性指数， 表示t时刻的呼吸频率， 表示目标时刻的呼吸频
率均值；其中， 。

[0118] 在一个实施例中，计算心跳频率稳定性指数的方法可以包括：根据目标时刻的前一设定时长中每一时刻的心跳频率计算该设定时长的心跳频率均值，并根据目标时刻的前一设定时长中每一时刻的心跳频率，以及，该设定时长的心跳频率均值计算目标时刻的心跳频率稳定性指数。

[0119] 具体的，计算公式可以表示为：

[0120]

[0121] 其中， 表示目标时刻的心跳频率稳定性指数， 表示t时刻的 心 跳频 率 ， 表 示目 标 时 刻 的 心 跳 频 率 均 值 ；其中 ，
。

[0122] 在一个实施例中，计算呼吸幅度变化指数的方法可以包括：根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的呼吸幅度变化指数。

[0123] 具体的，计算公式可以表示为：

[0124]

[0125] 其中， 表示目标时刻的呼吸幅度变化指数， 表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值。

[0126] 在一个实施例中，计算心跳幅度变化指数的方法可以包括：根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数。

[0127] 具体的，计算公式可以表示为：

[0128]

[0129] 其中， 表示目标时刻的心跳幅度变化指数， 表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

[0130] 在步骤103中，基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值。

[0131] 在本发明实施例中，根据每一时刻的睡眠分期指数可以计算睡眠时段内每一时刻的睡眠分期特征值，从而利用睡眠分期特征值来界定睡眠期。睡眠分期特征值是将雷达的监测结果以数字化的形式来表征人体的睡眠状态，睡眠分期特征值越小，则人体处于深睡期的可能性越高，睡眠分期特征值越大，则人体处于浅睡期、乃至清醒期的可能性越高。以睡眠分期特征值为依据进行睡眠分期使得本发明实施例所提供的算法更加简便直接，处理速度更快。

[0132] 睡眠分期指数包括呼吸频率稳定性指数、心跳频率稳定性指数、呼吸幅度变化指数和心跳幅度变化指数四个指数，各指数对睡眠分期特征值的影响权重不同，需要进行归一化处理和综合计算。

[0133] 在一个实施例中，上述步骤103可以包括：

[0134] 对所述睡眠分期指数进行归一化处理；

[0135] 在本实施例中，归一化处理的目的是简便化处理，将四个指标归一化为统一的标量，以便于进行权重的分配和检验。

[0136] 可选的，上述对睡眠分期指数进行归一化处理的步骤可以包括；

[0137] 获取睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值；

[0138] 对于四个睡眠分期指数，不同的人员是具有较大差异的，并且，即便是同一个人，在不同的睡眠时段这四个睡眠分期指数也同样会存在差异。因此，本发明实施例采用了以每个睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值为标杆进行四个睡眠分期指数的归一化处理。即，将每一时刻的呼吸频率稳定性指数与所述呼吸频率稳定性指数最大值的比值作为该时刻的归一化后的呼吸频率稳定性指数；将每一时刻的心跳频率稳定性指数与所述心跳频率稳定性指数最大值的比值作为该时刻的归一化后的心跳频率稳定性指数；将每一时刻的呼吸幅度变化指数与所述呼吸幅度变化指数最大值的比值作为该时刻的归一化后的呼吸幅度变化指数；将每一时刻的心跳幅度变化指数与所述心跳幅度变化指数最大值的比值作为该时刻的归一化后的心跳幅度变化指数。

[0139] 在归一化处理之后，可以基于预设的各睡眠分期指数的权重对归一化后的睡眠分期指数进行加权求和，获得睡眠时段内每一时刻的睡眠分期特征值。

[0140] 需要说明的是，由于呼吸对体动影响相比于心跳对体动的影响会更大，因此，基于雷达信息计算出的呼吸频率稳定性指数和呼吸幅度变化指数相比于心跳频率稳定性指数和心跳幅度变化指数会更准确，因此，在实际应用中，呼吸频率稳定性指数和呼吸幅度变化指数的权重均大于心跳频率稳定性指数和心跳幅度变化指数。当然，四个指数最终的权重可以通过大量数据进行测试和验证后最终确定一个最为准确的权重分配方式。

[0141] 在本发明实施例中，四个睡眠分期指数对于睡眠分期特征值的影响权重不同，可以将四个归一化后的睡眠分期指数进行加权求和，最终得到睡眠时段内每一时刻的睡眠分期特征值。

[0142] 在步骤104中，将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。

[0143] 在本发明实施例中，可以将每个时刻对应的睡眠分期特征值与预设的分期阈值进行比较，最终确定睡眠时段内每一时刻所对应的睡眠期。

[0144] 在一个实施例中，分期阈值包括清醒阈值和浅睡阈值，上述步骤103具体可以包括：

[0145] 若目标时刻的睡眠分期特征值大于等于预设的清醒阈值，则该时刻所对应的睡眠期为清醒期；

[0146] 若目标时刻的睡眠分期特征值小于所述清醒阈值，且，大于等于预设的浅睡阈值，则该时刻所对应的睡眠期为浅睡期；

[0147] 若目标时刻的睡眠分期特征值小于所述浅睡阈值，则该时刻所对应的睡眠期为深睡期。

[0148] 在本发明实施例中，为了正确区分清醒期、浅睡期和深睡期，可以设置两个界定阈值，即清醒阈值和浅睡阈值；实际应用中，以清醒阈值为界限，睡眠分期特征值（表征人体睡眠状态的数字化特征）大于或等于清醒阈值，表示人体当前有较大的动作频率和动作幅度，当前应当属于清醒期；睡眠分期特征值（表征人体睡眠状态的数字化特征）小于清醒阈值，表示人体当前有较小的动作频率和动作幅度，当前应当属于睡眠期（包括浅睡期和深睡期）。以浅睡阈值为界限，睡眠分期特征值小于清醒阈值但是大于或等于浅睡阈值，表示人体当前有较小的动作频率和动作幅度，当前应当属于浅睡期；睡眠分期特征值小于浅睡阈值，表示人体当前有极小的动作频率和动作幅度，当前应当属于深睡期。

[0149] 在本发明实施例中，清醒阈值、浅睡阈值可以根据大量的经验数据统计得到。通过对每一时刻进行清醒期、浅睡期、深睡期的划分确认，最终可以精确可靠的得到整个睡眠时段中对应的清醒期时长、浅睡期时长和深睡期时长。

[0150] 在本发明实施例中，利用上述睡眠分期方法可以快速可靠的得到清醒期时长、浅睡期时长和深睡期时长，清醒期时长、浅睡期时长和深睡期时长可以用于生成睡眠质量分析报告，以便于从睡眠角度来反映人体健康状况，并给予相应的解决方案。

[0151] 在睡眠质量分析报告中，除上述清醒期时长、浅睡期时长和深睡期时长等睡眠质量信息之外，还可以基于雷达信息生成呼吸频率变化曲线、心跳频率变化曲线、呼吸频率分布直方图、心跳频率分布直方图、上床时间及起床时间，以便于更全面的反映人体的睡眠状况。

[0152] 由上可知，本发明实施例通过获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息，基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数，基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值，将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。一方面，进行睡眠分期所依据的监测信息是基于雷达获取，属于非接触式监测，用户无感知，不影响用户的正常睡眠；另一方面，基于呼吸心跳信息相比于单一依靠心率信息能够更全面的反映人体的睡眠状态，进行睡眠分期的可靠性更高，并且，本发明方案可以计算每一时刻的睡眠分期指数并确定该时刻的睡眠分期特征值，可以以秒（每一时刻）计量并进行睡眠期的区分，处理过程简便且精确。

[0153] 应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

[0154] 以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

[0155] 图2示出了本发明实施例提供的基于雷达信息的睡眠分期装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

[0156] 如图2所示，基于雷达信息的睡眠分期装置2可以包括：第一获取单元21，分期指数计算单元22，分期特征值计算单元23和睡眠期确定单元24。

[0157] 第一获取单元21，用于获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息；

[0158] 分期指数计算单元22，用于基于第一获取单元21获取的呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数；

[0159] 分期特征值计算单元23，用于基于分期指数计算单元22计算的睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值；

[0160] 睡眠期确定单元24，用于将分期特征值计算单元23计算的睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。

[0161] 在一种可能的实现方式中，上述呼吸心跳信息包括：睡眠时段内每一时刻的呼吸频率、心跳频率、呼吸幅度和心跳幅度；上述睡眠分期指数包括：呼吸频率稳定性指数、心跳频率稳定性指数、呼吸幅度变化指数和心跳幅度变化指数；

[0162] 相应的，上述分期指数计算单元22具体用于，根据目标时刻的前一设定时长中每一时刻的呼吸频率计算该设定时长的呼吸频率均值，并根据目标时刻的前一设定时长中每一时刻的呼吸频率，以及，该设定时长的呼吸频率均值计算目标时刻的呼吸频率稳定性指数；

[0163] 根据目标时刻的前一设定时长中每一时刻的心跳频率计算该设定时长的心跳频率均值，并根据目标时刻的前一设定时长中每一时刻的心跳频率，以及，该设定时长的心跳频率均值计算目标时刻的心跳频率稳定性指数；

[0164] 根据目标时刻的前一设定时长中每一时刻的呼吸幅度计算该设定时长的呼吸幅度均值，并根据目标时刻的前一设定时长中每一时刻的呼吸幅度，以及，该设定时长的呼吸幅度均值计算目标时刻的心跳幅度变化指数；

[0165] 根据目标时刻的前一设定时长中每一时刻的心跳幅度计算该设定时长的心跳幅度均值，并根据目标时刻的前一设定时长中每一时刻的心跳幅度，以及，该设定时长的心跳幅度均值计算目标时刻的心跳幅度变化指数。

[0166] 在一种可能的实现方式中，具体的，分期指数计算单元22计算目标时刻的呼吸频率稳定性指数的方法包括：

[0167]

[0168] 其中，T表示目标时刻，L表示设定时长， 表示目标时刻的呼吸频率稳定性指数， 表示t时刻的呼吸频率， 表示目标时刻的呼吸频
率均值；其中， ；

[0169] 计算目标时刻的心跳频率稳定性指数的方法包括：

[0170]

[0171] 其中， 表示目标时刻的心跳频率稳定性指数， 表示t时刻的 心 跳频 率 ， 表 示目 标 时 刻 的 心 跳 频 率 均 值 ；其中 ，
；

[0172] 计算目标时刻的呼吸幅度变化指数的方法包括：

[0173]

[0174] 其中， 表示目标时刻的呼吸幅度变化指数， 表示目标时刻的呼吸幅度， 表示目标时刻的前L时长内的呼吸幅度均值；

[0175] 计算目标时刻的心跳幅度变化指数的方法包括：

[0176]

[0177] 其中， 表示目标时刻的心跳幅度变化指数， 表示目标时刻的心跳幅度， 表示目标时刻的前L时长内的心跳幅度均值。

[0178] 在一种可能的实现方式中，上述睡眠分期装置2还包括：

[0179] 归一化处理单元，用于对上述睡眠分期指数进行归一化处理；

[0180] 相应的，上述分期特征值计算单元23具体用于，基于预设的各睡眠分期指数的权重对归一化后的睡眠分期指数进行加权求和，获得睡眠时段内每一时刻的睡眠分期特征值；

[0181] 其中，呼吸频率稳定性指数和呼吸幅度变化指数的权重均大于心跳频率稳定性指数和心跳幅度变化指数。

[0182] 在一种可能的实现方式中，上述睡眠分期装置2还包括：

[0183] 第二获取单元，用于获取睡眠时段内的呼吸频率稳定性指数最大值、心跳频率稳定性指数最大值、呼吸幅度变化指数最大值和心跳幅度变化指数最大值；

[0184] 相应的，上述分期特征值计算单元23具体用于，将每一时刻的呼吸频率稳定性指数与第二获取单元获取的呼吸频率稳定性指数最大值的比值作为该时刻的归一化后的呼吸频率稳定性指数；

[0185] 将每一时刻的心跳频率稳定性指数与第二获取单元获取的心跳频率稳定性指数最大值的比值作为该时刻的归一化后的心跳频率稳定性指数；

[0186] 将每一时刻的呼吸幅度变化指数与第二获取单元获取的呼吸幅度变化指数最大值的比值作为该时刻的归一化后的呼吸幅度变化指数；

[0187] 将每一时刻的心跳幅度变化指数与第二获取单元获取的心跳幅度变化指数最大值的比值作为该时刻的归一化后的心跳幅度变化指数。

[0188] 在一种可能的实现方式中，上述分期阈值包括清醒阈值和浅睡阈值，上述睡眠期确定单元24具体用于，若目标时刻的睡眠分期特征值大于等于预设的清醒阈值，则该时刻所对应的睡眠期为清醒期；

[0189] 若目标时刻的睡眠分期特征值小于上述清醒阈值，且，大于等于预设的浅睡阈值，则该时刻所对应的睡眠期为浅睡期；

[0190] 若目标时刻的睡眠分期特征值小于上述浅睡阈值，则该时刻所对应的睡眠期为深睡期。

[0191] 在一种可能的实现方式中，上述睡眠分期装置2还包括：

[0192] 第三获取单元，用于在上述获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息之前，获取生命体征监测雷达监测的在床信息和起身信息；

[0193] 起始时间确定单元，用于根据第三获取单元获取的在床信息和起身信息确定上床时间和起床时间；

[0194] 睡眠时段确定单元，用于根据起始时间确定单元确定的上床时间和起床时间确定睡眠时段。

[0195] 由上可知，本发明实施例通过获取生命体征监测雷达监测的睡眠时段内的呼吸心跳信息，基于所述呼吸心跳信息计算睡眠时段内每一时刻的睡眠分期指数，基于所述睡眠分期指数计算睡眠时段内每一时刻的睡眠分期特征值，将所述睡眠分期特征值与预设的分期阈值进行比较，根据比较结果确定睡眠时段内每一时刻所对应的睡眠期。一方面，进行睡眠分期所依据的监测信息是基于雷达获取，属于非接触式监测，用户无感知，不影响用户的正常睡眠；另一方面，基于呼吸心跳信息相比于单一依靠心率信息能够更全面的反映人体的睡眠状态，进行睡眠分期的可靠性更高，并且，本发明方案可以计算每一时刻的睡眠分期指数并确定该时刻的睡眠分期特征值，可以以秒（每一时刻）计量并进行睡眠期的区分，处理过程简便且精确。

[0196] 图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个基于雷达信息的睡眠分期方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示单元21至24的功能。

[0197] 示例性的，所述计算机程序32可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在终端3中的执行过程。例如，计算机程序32可以被分割成图2所示的单元21至24。

[0198] 终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。

[0199] 所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器  (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field‑Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0200] 存储器31可以是终端3的内部存储单元，例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

[0201] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0202] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

[0203] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

[0204] 在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

[0205] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

[0206] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

[0207] 所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个基于雷达信息的睡眠分期方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read‑Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

[0208] 以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。