CCSCIOTTechnicalRequirementsofIntelligentInternetofThingsSystemforHumI 2 2 2 2 35.4無線通信 3 35.6樣本集 3 3 3 3 3 4 4 5 3本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規則》的規定本文件的發布機構提請注意，聲明符合本文件時，可能涉及一種人體呼吸心跳的模擬系統（ZL本文件的發布機構對于該專利的真實性、有效性和范圍無任地址：無錫市經濟開發區金融三街嘉業財富中心3-181人體睡眠狀態監測智能物聯網系統技術要求本文件規定了用于結合傳統床墊應用場景下的人體睡眠狀態監測智能物聯網系統的系統結構和工GB/T39223.5-2020健康家居的人類工效學要求第5部分:3.13.2一種計算機從數據中自動學習規律和模式,并進行預3.3借助靈敏的儀器把心臟搏動所引起人體的一系列相應周3.4心肺耦合cardiopulmonary3.5注：國際睡眠醫學學會將睡眠分為五個階段：入睡期、淺3.623.73.84符號和縮略語WiFi：無線網絡（WirelessFidelity）4G：第四代移動通信技術（FourthGenerationwi5G：第五代移動通信技術（FifthGenerationwirelesstREM：快速眼動期（RapidEyeMovTPC：總功率耦合值（TotalPowerCouLFC：低頻段耦合值（Low-FrequencyCouLFCN：歸一化低頻段耦合值（Low-FrequencyHFC：高頻段耦合值（High-FrequencyCoupled）HFCN：歸一化高頻段耦合值（High-FrequencyCoupledNormalized）平臺應包含數據存儲、樣本集、機器學習、信息展示的功能模塊。系統結構如圖1所示。3腔內心臟收縮和呼吸動作所導致細微變化的應通過數字信號處理算法將傳感器采集的原始應力信號分解為體動、呼吸和BCG信號。對分解后的BCG信號應通過心肺耦合算法運算得到睡眠分期參數。BCG信號即心動信號，正常的BCG與心跳同步，具有重復性，主要包含H、I、J、K、M和N波。J波是BCG周期中幅值最大點，I波和K波是J波前后時間幅值最小點，估計相鄰周期的I波、J波或K波間隔，即為心動周期；確定同周期IJ幅值和JK幅度，即為心臟泵血的收縮力大小，信號分析見圖2。5.4無線通信包括WiFi、藍牙、4G/5G等無線通信手段,應將可采用非結構化數據庫存儲傳統床墊容器上傳的實時睡眠狀態特征參數，可采用結構化數據庫存5.6樣本集5.7機器學習可基于C/S或B/S架構，通過手機/平人體睡眠狀態監測智能物聯網系統進行工作的流程如46.2傳統床墊容器工作流在系統結構中的傳統床墊容器中進行的工作流a)床墊中集成的信息采集傳感器固定距離床頭約40cm位置，更好的采集胸腔幅度大的振動信號;d)應通過頻域濾波從振動信號中濾出BCG信號，可采用峰值查找算法標定J點位置，組建JJ點時間間隔序列，兩個J點時間間隔即為一次心跳的時間，計算時間窗內心跳相關參數，具體方法可參考附錄e)應通過頻域濾波從振動信號中濾出呼吸信號，可采用峰值查找算法標定呼吸信號周期峰值，組f)應將JJ點時間間隔序列和呼吸峰值點時間間隔序列進行心肺耦合功率譜計算，得到睡眠分期相6.3數據分析平臺工作流在系統結構中的數據分析平臺中進行的工作流a）應將傳統床墊容器傳輸過來的數據保存，有呼吸相關參數，包括但不限于平均呼吸率、基準呼5低心率；有睡眠分期相關參數，包括但不限于深睡、淺睡、REM狀態的時間序列；還有每次體動的時刻b）應將所有無線接收數據作為特征值，輸入已訓練好的機器學習模型進行持續學習，輸出實時的c）機器學習模型需要預先進行監督訓練，輸入不低于1000條不同睡眠狀態的特征值樣本集，e）應在30秒內結束機器學習過程，輸出最終參數保存在數據庫中，形成睡眠狀態評估報告，通過）；h)睡眠期間呼吸率實時數據圖，平均呼吸率，基準呼1傳統床墊容器里的傳感器采集到人體睡眠躺姿下的時域壓力波形如圖A.1所示，其中大幅度跳變的去除掉體動干擾信號數據點，根據周圍正常信號擬合出體動干擾時間段的替代信號，取其中6秒鐘圖A.2(a)波形是由心跳和呼吸時胸腔起伏造成，由于正常人種時域信號，分別為圖A.2(b)的呼吸信號，圖A.2(c呼吸信號呈現周期的波峰波谷形態，可以采用自動多尺度峰值查找算法確定信號峰值位置，如圖2實際的心跳信號呈現周期性的BCG信號形態，也可以采用自動多尺度峰值查找算法確定最重要的J是0.1Hz-0.4H