【摘要】 设计并实现了一种基于体震信号的睡眠监测系统。肢体动作、胸腔扩张收缩、心脏泵血都会引起人体和与人体接触物体的震动，采集这些震动，经过压电传感器转换为电信号，通过放大模块等信号处理电路，再传输到后台进行预处理，利用一种基于动作幅度、心率、呼吸而建立的睡眠检测算法得到睡眠质量。同步使用专业睡眠监测仪来监测睡眠，并检验系统的准确性。
【关键词】 体震信号；压电传感器；心冲击描记图
Abstract： the design and implementation of a sleep monitoring system based on body vibration signal.Movements of the limbs， chest expansion contraction， the heart pumps blood will cause the body and the object in contact with the human body shake， the collection of thesevibration piezoelectric sensor， converted into electrical signal by the amplifier module， signal processing circuit，and then transfer to the background of pretreatment，based on an action range， heart rate， respiratory and the establishment of the sleep sleep quality detectionalgorithm. Simultaneous use of professional sleep monitorto monitor the sleep， and test the accuracy of the system♂
Keywords： body vibration signal； piezoelectric sensor；ballistocardiogram
Abstract： the design and implementation of a sleep monitoring system based on body vibration signal.Movements of the limbs， chest expansion contraction， the heart pumps blood will cause the body and the object in contact with the human body shake， the collection of thesevibration piezoelectric sensor， converted into electrical signal by the amplifier module， signal processing circuit，and then transfer to the background of pretreatment，based on an action range， heart rate， respiratory and the establishment of the sleep sleep quality detectionalgorithm. Simultaneous use of professional sleep monitorto monitor the sleep， and test the accuracy of the system.
一、引言
睡眠对评估人们的工作压力、疲劳度和精神状况等日常生活状况有着重要意义。医学上对睡眠的结构和进程的了解，是利用多导睡眠仪来完成的。但是这些设备主要集中于医院和研究所，其上百万的价格制约了其普及性。近些年来，随着移动应用方式的推广，小型化的检测仪的研制水平不断提高[1]。追踪睡眠质量也成了许多当前流行的可穿戴产品所关注的功能。
二、系统工作原理与构成
在目前的生物医学工程研究当中，我们对人体的各种生理信号进行采集与处理，传统测量心率和呼吸的方式，是利用电极或传感器直接接触人体，对人体产生一定约束，从而使受试者产生一定的心理负担[2]。本系统使用了基于体震信号的无感觉测量技术，系统示意图如图1系统设备安装示意图所示，检测设备压在床脚下，测试时用户按照平时习惯在床睡觉即可。其原理是：当心脏向外泵血时，身体会产生与促使血液流动的力相反的作用力，该作用力引起了与心跳同步的身体震动，产生体震信号，该信号的规律与心率相关。同时人体每一次呼吸伴随着胸腔的扩张和收缩，这种变化也会引起缓慢变化的体震信号，这些信号通过人体传递给了固体，再通过固体被压电传感器采集到。虽然微弱，压电传感器的灵敏度足以测量到，经过一系列的信号传输，通过算法处理模块分离出心跳、呼吸和人在床上的体动。鉴于此，本系统安装后，无声无息地检测使用者所有睡眠习惯，无须接触用户，心率、呼吸、活动等情况均在检测范围内，作为睡眠诊断的依据[3]。
图1 系统设备安装示意图
图2 系统结构组成示意图
如图2系统结构组成示意图所示，主传感器采用压电传感器，振动信号经滤波及两级放大后转换为数字信号经MCU处理后通过通信接口将数字信号传输到服务器端，服务器对其进行分析，分析结果可通过信息终端（智能手机、PAD、PC等）访问。
三、信号处理过程
压电传感器采集到的振动信号中混合了人体心跳、呼吸、动作以及环境噪声。因此，利用matlab中的fdatool工具设计了几个FIR滤波器来分理出这些生理信号。
呼吸波的正常频率范围是0.1-1Hz，故而设计截止频率为1Hz的FIR低通滤波器，可提取出呼吸波。由心脏向外泵血而产生的体震信号称为心冲击信号，描述心冲击的信号的图表称为心冲击图（Ballistocardiogram，简称BCG）。BCG信号能量通常集中在5-25Hz，设计2-35Hz的FIR带通滤波器可提取BCG，每一次心搏活动出现总是伴随着一个心冲击。取一段数据进行分析，如图3所示，从上而下，分别是混杂了各种信息的原始波形、经过带通滤波的BCG波形，以及经过低通滤波的呼吸波，可以看到压电传感器采集到的信息经处理后是可以提取出心率和呼吸的。
四、睡眠检测算法
上述获取到的心跳、呼吸、体动等信号，为睡眠质量的评估提供了依据。
睡眠质量的评价其实就是对睡眠结构组成的分析。睡眠结构将睡眠状态划分为Wake（觉醒期）、REM（快速眼动期）、NREM （非快速眼动期），其中NREM 又分为Light（浅睡期）和Deep（深睡期）。其中，真正让大脑和躯干得到休息和放松的时期是Deep期。Deep期在睡眠周期中占15%左右，第二天才不会觉得疲惫。REM期、Light期、Deep期的总和，就是我们通常所说的睡眠时间[4]。睡眠效率，一般定义为，睡眠效率=Deep期/（Wake期+ REM期+NREM期）×100%。
由此，算法以体动为首要判断依据，增加心率，呼吸等变量参考，根据上述睡眠周期原理构建马可夫链，提高睡眠结构判断的准确性。算法判断准则如下：
首先，体动幅度和频率较大，判断为Wake期；体动较短促，幅度小，发生频率低，判断为REM 期或Light期；人体保持平静、无明显体动，判断为Deep期；
具体算法说明：以10分钟为一个窗口进行移动，每次前进5分钟，用波形幅度的方差分布来作为衡量体动的标准。当波形幅度的均方差/最小值和均方差/平均值同时下降，则有可能是睡眠周期的状态切换，如果分别跌至3和0.2以下，则可预估为Deep期，但是如果这期间有大小动作，则降至Light期，如果前一个状态为Wake，也降至Light期；反之，当波形幅度的均方差/最小值和均方差/平均值同时上升至25和2以上，则可预估为Wake期；以此类推。此外，如果有大小动作出现，且持续时间超过5秒，判为Wake期。
预判之后再做调整，Wake期不会直接切换到Deep期，中间必然有个Light期过渡。然后再结合心率和呼吸来判定，整晚心率总体趋势减慢，前半夜的睡眠周期持续时间较长，后半夜较短。不同REM期的心率变异性随着睡眠时间的增加而增大。REM 期呼吸急促并且非常不平稳，Deep期呼吸最为平稳。
五、实验结果与分析
设计测试环境，测试人员在佩戴了ZOE睡眠监测仪的同时，躺在床脚已安装检测设备的床上，同步测试。所得的数据如图4所示，上方是ZOE睡眠监测仪给出的数据，23：00-6：00时间段中每一小段睡眠状态的判断，下方是本系统在同一时段的判断结果。数据作对比发现，正确率95%以上。
六、小结
本文介绍了一种基于体震信号的睡眠监测系统。体震信号经过压电传感器转为电信号，通过信号处理，提取出呼吸心率，利用一套基于动作幅度、心率、呼吸而建立的睡眠检测算法对睡眠质量进行评估。测试结果表明具有较高的准确性，该方法对使用者的正常生活无影响，对无接触式的睡眠检测具有重要意义。
6 参考文献
1 Michael L.Perlis. Cognitive Behavioral Treatment of Insomnia. Springer Science + Business Media，Inc.2005： 35-36
2张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.
3 Trefny Z， Trojan S， Toman V， etal. New trends in ballistocardiography [J]. Measure Science Review， 2003， 3（2）：45-48.
4张秀华.睡眠障碍诊疗手册人民卫生出版社 2012年9月第1版： 4-6
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目）
上海软件定义网络（SDN）产业技术创新战略联盟，13DZ0510500
作者简介：陆美珠、1982、女、硕士、主要研究方向：嵌入式软件与系统， 物联网终端。
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目
呼吸波的正常频率范围是0.1-1Hz，故而设计截止频率为1Hz的FIR低通滤波器，可提取出呼吸波。由心脏向外泵血而产生的体震信号称为心冲击信号，描述心冲击的信号的图表称为心冲击图（Ballistocardiogram，简称BCG）。BCG信号能量通常集中在5-25Hz，设计2-35Hz的FIR带通滤波器可提取BCG，每一次心搏活动出现总是伴随着一个心冲击。取一段数据进行分析，如图3所示，从上而下，分别是混杂了各种信息的原始波形、经过带通滤波的BCG波形，以及经过低通滤波的呼吸波，可以看到压电传感器采集到的信息经处理后是可以提取出心率和呼吸的。
四、睡眠检测算法
上述获取到的心跳、呼吸、体动等信号，为睡眠质量的评估提供了依据。
睡眠质量的评价其实就是对睡眠结构组成的分析。睡眠结构将睡眠状态划分为Wake（觉醒期）、REM（快速眼动期）、NREM （非快速眼动期），其中NREM 又分为Light（浅睡期）和Deep（深睡期）。其中，真正让大脑和躯干得到休息和放松的时期是Deep期。Deep期在睡眠周期中占15%左右，第二天才不会觉得疲惫。REM期、Light期、Deep期的总和，就是我们通常所说的睡眠时间[4]。睡眠效率，一般定义为，睡眠效率=Deep期/（Wake期+ REM期+NREM期）×100%。
由此，算法以体动为首要判断依据，增加心率，呼吸等变量参考，根据上述睡眠周期原理构建马可夫链，提高睡眠结构判断的准确性。算法判断准则如下：
首先，体动幅度和频率较大，判断为Wake期；体动较短促，幅度小，发生频率低，判断为REM 期或Light期；人体保持平静、无明显体动，判断为Deep期；
具体算法说明：以10分钟为一个窗口进行移动，每次前进5分钟，用波形幅度的方差分布来作为衡量体动的标准。当波形幅度的均方差/最小值和均方差/平均值同时下降，则有可能是睡眠周期的状态切换，如果分别跌至3和0.2以下，则可预估为Deep期，但是如果这期间有大小动作，则降至Light期，如果前一个状态为Wake，也降至Light期；反之，当波形幅度的均方差/最小值和均方差/平均值同时上升至25和2以上，则可预估为Wake期；以此类推。此外，如果有大小动作出现，且持续时间超过5秒，判为Wake期。
预判之后再做调整，Wake期不会直接切换到Deep期，中间必然有个Light期过渡。然后再结合心率和呼吸来判定，整晚心率总体趋势减慢，前半夜的睡眠周期持续时间较长，后半夜较短。不同REM期的心率变异性随着睡眠时间的增加而增大。REM 期呼吸急促并且非常不平稳，Deep期呼吸最为平稳。
五、实验结果与分析
设计测试环境，测试人员在佩戴了ZOE睡眠监测仪的同时，躺在床脚已安装检测设备的床上，同步测试。所得的数据如图4所示，上方是ZOE睡眠监测仪给出的数据，23：00-6：00时间段中每一小段睡眠状态的判断，下方是本系统在同一时段的判断结果。数据作对比发现，正确率95%以上。
六、小结
本文介绍了一种基于体震信号的睡眠监测系统。体震信号经过压电传感器转为电信号，通过信号处理，提取出呼吸心率，利用一套基于动作幅度、心率、呼吸而建立的睡眠检测算法对睡眠质量进行评估。测试结果表明具有较高的准确性，该方法对使用者的正常生活无影响，对无接触式的睡眠检测具有重要意义。
6 参考文献
1 Michael L.Perlis. Cognitive Behavioral Treatment of Insomnia. Springer Science + Business Media，Inc.2005： 35-36
2张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.
3 Trefny Z， Trojan S， Toman V， etal. New trends in ballistocardiography [J]. Measure Science Review， 2003， 3（2）：45-48.
4张秀华.睡眠障碍诊疗手册人民卫生出版社 2012年9月第1版： 4-6
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目）
上海软件定义网络（SDN）产业技术创新战略联盟，13DZ0510500
作者简介：陆美珠、1982、女、硕士、主要研究方向：嵌入式软件与系统， 物联网终端。
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目
呼吸波的正常频率范围是0.1-1Hz，故而设计截止频率为1Hz的FIR低通滤波器，可提取出呼吸波。由心脏向外泵血而产生的体震信号称为心冲击信号，描述心冲击的信号的图表称为心冲击图（Ballistocardiogram，简称BCG）。BCG信号能量通常集中在5-25Hz，设计2-35Hz的FIR带通滤波器可提取BCG，每一次心搏活动出现总是伴随着一个心冲击。取一段数据进行分析，如图3所示，从上而下，分别是混杂了各种信息的原始波形、经过带通滤波的BCG波形，以及经过低通滤波的呼吸波，可以看到压电传感器采集到的信息经处理后是可以提取出心率和呼吸的。
四、睡眠检测算法
上述获取到的心跳、呼吸、体动等信号，为睡眠质量的评估提供了依据。
睡眠质量的评价其实就是对睡眠结构组成的分析。睡眠结构将睡眠状态划分为Wake（觉醒期）、REM（快速眼动期）、NREM （非快速眼动期），其中NREM 又分为Light（浅睡期）和Deep（深睡期）。其中，真正让大脑和躯干得到休息和放松的时期是Deep期。Deep期在睡眠周期中占15%左右，第二天才不会觉得疲惫。REM期、Light期、Deep期的总和，就是我们通常所说的睡眠时间[4]。睡眠效率，一般定义为，睡眠效率=Deep期/（Wake期+ REM期+NREM期）×100%。
由此，算法以体动为首要判断依据，增加心率，呼吸等变量参考，根据上述睡眠周期原理构建马可夫链，提高睡眠结构判断的准确性。算法判断准则如下：
首先，体动幅度和频率较大，判断为Wake期；体动较短促，幅度小，发生频率低，判断为REM 期或Light期；人体保持平静、无明显体动，判断为Deep期；
具体算法说明：以10分钟为一个窗口进行移动，每次前进5分钟，用波形幅度的方差分布来作为衡量体动的标准。当波形幅度的均方差/最小值和均方差/平均值同时下降，则有可能是睡眠周期的状态切换，如果分别跌至3和0.2以下，则可预估为Deep期，但是如果这期间有大小动作，则降至Light期，如果前一个状态为Wake，也降至Light期；反之，当波形幅度的均方差/最小值和均方差/平均值同时上升至25和2以上，则可预估为Wake期；以此类推。此外，如果有大小动作出现，且持续时间超过5秒，判为Wake期。
预判之后再做调整，Wake期不会直接切换到Deep期，中间必然有个Light期过渡。然后再结合心率和呼吸来判定，整晚心率总体趋势减慢，前半夜的睡眠周期持续时间较长，后半夜较短。不同REM期的心率变异性随着睡眠时间的增加而增大。REM 期呼吸急促并且非常不平稳，Deep期呼吸最为平稳。
五、实验结果与分析
设计测试环境，测试人员在佩戴了ZOE睡眠监测仪的同时，躺在床脚已安装检测设备的床上，同步测试。所得的数据如图4所示，上方是ZOE睡眠监测仪给出的数据，23：00-6：00时间段中每一小段睡眠状态的判断，下方是本系统在同一时段的判断结果。数据作对比发现，正确率95%以上。
六、小结
本文介绍了一种基于体震信号的睡眠监测系统。体震信号经过压电传感器转为电信号，通过信号处理，提取出呼吸心率，利用一套基于动作幅度、心率、呼吸而建立的睡眠检测算法对睡眠质量进行评估。测试结果表明具有较高的准确性，该方法对使用者的正常生活无影响，对无接触式的睡眠检测具有重要意义。
6 参考文献
1 Michael L.Perlis. Cognitive Behavioral Treatment of Insomnia. Springer Science + Business Media，Inc.2005： 35-36
2张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.
3 Trefny Z， Trojan S， Toman V， etal. New trends in ballistocardiography [J]. Measure Science Review， 2003， 3（2）：45-48.
4张秀华.睡眠障碍诊疗手册人民卫生出版社 2012年9月第1版： 4-6
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目）
上海软件定义网络（SDN）产业技术创新战略联盟，13DZ0510500
作者简介：陆美珠、1982、女、硕士、主要研究方向：嵌入式软件与系统， 物联网终端。
基金项目：智慧社区服务管理创新关键技术研究与应用示范，2012BAJ05B05.（国家科技支撑项目
