CN109674449A - 一种数据处理的方法及装置 - Google Patents
一种数据处理的方法及装置 Download PDFInfo
- Publication number
- CN109674449A CN109674449A CN201811580523.2A CN201811580523A CN109674449A CN 109674449 A CN109674449 A CN 109674449A CN 201811580523 A CN201811580523 A CN 201811580523A CN 109674449 A CN109674449 A CN 109674449A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- dormant data
- sleep state
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 title claims abstract description 36
- 230000007958 sleep Effects 0.000 claims abstract description 130
- 238000012806 monitoring device Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000002618 waking effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000036387 respiratory rate Effects 0.000 description 6
- 238000003672 processing method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Anesthesiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种数据处理的方法及装置。所述方法包括：接收监测装置反馈的用户的睡眠数据；利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。通过本发明提供的技术方案，能够实时采集用户的睡眠数据，并根据睡眠数据进行实时分期判断，从而提升了睡眠数据分期判断能力。
Description
技术领域
本发明涉及物联网领域，特别涉及一种数据处理的方法及装置。
背景技术
随着科学技术的发展，人们通过各种监测设备对人体的睡眠状态进行监测以获取监测数据，然后对监测数据进行分析以确定用户的健康状态。
然而，当前的使用模式基本上都是先获取整夜的监测数据，然后基于获取的数据进行分析判断，而无法针对用户的睡眠状态进行实时的监测分析处理，更无法与其他物联网设备进行实时交互。
发明内容
本发明实施例提供了一种数据处理的方法及装置，通过使用本发明提供的方法，能够实时采集用户的睡眠数据，并根据睡眠数据进行实时分期判断，从而提升了睡眠数据分期判断能力。
本发明第一方面公开了一种数据处理的方法，所述方法包括：
接收监测装置反馈的用户的睡眠数据；
利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。
可选的，所述将所述睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态之前，所述方法还包括：
对所述获取的睡眠数据进行加工以提出所述睡眠数据中的异常值；
使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的数睡眠数据；
所述将所述睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态，包括：
将所述完整的睡眠数据将与所述规则引擎进行匹配以确定所述用户的睡眠状态。
可选的，所述利用所述规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态，包括：
根据所述睡眠数据判断所述用户的在床时长以及上次接收到的睡眠数据是否有效；其中，若此次接收到的睡眠数据与上次接收到的睡眠数据之间的时间间隔大于预设间隔，则确定所述上次接收到的所述睡眠数据为无效睡眠数据；
若所述用户的在床时长大于第一预设在床时长以及上次接收到的睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户上床状态。
若所述用户的在床时长小于第二预设在床时长以及上次接收到的睡眠数据为无效睡眠数据，则确定所述用户当前的睡眠状态为用户觉醒状态。
可选的，所述方法还包括：
若翻身次数低于预设翻身次数或体动能量高于预设体动能量，则确定所述用户处于微觉醒状态。
可选的，所述方法还包括：
若确定上次睡眠状态不存在且身体机能参数位于第一参数区间，则确定所述用户当前的睡眠状态为浅睡眠状态，所述身体机能参数通过所述睡眠数据确定；
若确定上次的睡眠状态为浅睡眠状态且此次身体机能参数位于第二参数区间，则确定所述用户当前的睡眠状态为深睡眠状态。
可选的，所述方法还包括：
若所述睡眠数据长度小于预设数据长度，则确定所述用户当前的睡眠状态为离床状态。
可选的，所述接收监测装置反馈的用户的睡眠数据之前，所述方法包括：
获取所述用户的历史睡眠数据；
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
可选的，所述按照预设规则向所述目标设备发送操作指令之后，所述方法还包括：
对接收到的所述睡眠数据进行存储；
当存储的所述睡眠数据的长度大于预设长度时，通过对所述存储的睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
本发明第一方面公开了一种数据处理装置，所述数据处理装置包括收发器、处理器以及存储器；其中所述存储器中存储有程序代码，当所述程序代码被运行时，
所述收发器执行第一方面任一所述接收和发送操作；
所述处理器执行第一方面任一所述的处理操作。
本发明第三方面公开了一种存储介质，所述存储介质中存储有程序代码，当所述程序代码被运行时，所述第一方面的方法会被执行；
本发明第四方面公开了一种控制器，所述控制器包括处理器和收发器，其中，第二方面所述的收发功能可通过所述收发器实现，第二方面所述的逻辑功能(即逻辑单元所具体的功能)可由处理器实现；
本发明第五方面公开了一种计算机程序产品，所述计算机程序产品中包含有程序代码；当所述程序代码被运行时，所述第一方面的方法会被执行。
可以看出，在本发明实施例的方案中，接收监测装置反馈的用户的睡眠数据；利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。通过本发明提供的技术方案，能够实时采集用户的睡眠数据，并根据睡眠数据进行实时分期判断，从而提升了睡眠数据分期判断能力。
附图说明
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据处理方法的示意图；
图1a为本发明实施例提供的一种线性插值方法的示意图；
图2为本发明的实施例提供的另一种数据处理方法的示意图；
图3为本发明实施例提供的一种数据处理方法的示意图；
图4为本发明实施例提供的一数据处理装置的逻辑结构图；
图5为本发明实施例提供另一种数据处理装置的逻辑结构图；
图6为本发明实施例提供另一种数据处理装置的逻辑结构图；
图7为本发明实施例提供的一种数据处理装置的物理结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明说明书、权利要求书和附图中出现的术语“第一”、“第二”和“第三”等是用于区别不同的对象，而并非用于描述特定的顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，图1是本发明一个实施例提供的一种数据处理的方法的流程示意图。其中，如图1所示，本发明的一个实施例提供的一种数据处理的方法，所述方法包括以下内容：
101、接收监测装置反馈的用户的睡眠数据；
其中，需要指出的是，监测装置可以是睡眠带子，智能床垫，智能手环，智能手表等等用于监测用户身体机能的装置。其中，其中，睡眠数据包括身体机能参数的数据。举例来说，常见的身体机能的数据包括心率、呼吸率、体动能量、体动次数等。
本发明的执行主体可以是一个智能设备，能够根据监测装置监测的睡眠数据进行分析，并输出分析结果。可以理解的是，本发明提供的技术方案也可以直接安装在监测装置中；当然，本发明提供的技术方案也可以单独安装在一个装置中，通过接收监测装置反馈的睡眠数据进行分析并输出分析结果。
其中，需要指出的是，为了保证监测数据的准确性，需要对监测的睡眠数据进行加工。具体的，所述将所述睡眠数据与规则引擎进行匹配以确定所述用户的睡眠状态之前，所述方法还包括：
对获取的所述睡眠数据进行加工以提出所述睡眠数据中的异常值；使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；所述将所述睡眠数据与规则引擎进行匹配以确定所述用户的睡眠状态，包括：将所述完整的睡眠数据与规则引擎进行匹配以确定所述用户的睡眠状态。
其中，需要指出的是，线性插值是数学、计算机图形学等领域广泛使用的插值方法。假设我们已知坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一位置x在直线上的y值。如图1a，根据图中所示，假设AB上有一点(x,y)，可作出两个相似三角形，我们得到(y-y0)/(y1-y0)＝(x-x0)/(x1-x0)假设方程两边的值为α，那么这个值就是插值系数—从x0到x的距离与从x0到x1距离的比值。由于x值已知，所以可以从公式得到α的值，α＝(x-x0)/(x1-x0)，同样，α＝(y-y0)/(y1-y0)。这样，在代数上就可以表示成为：
y＝(1-α)y0+αy1，或者，y＝y0+α(y1-y0)。这样通过α就可以直接得到y。实际上，即使x不在x0到x1之间并且α也不是介于0到1之间，这个公式也是成立的。
102、利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
其中，需要指出的是，规则引擎中包含各种阈值，而各种阈值是根据知识库通过机器学习确定的。常见的机器学习算法包括分类学习算法、支持向量机学习算法、贝叶斯学习算法等，在此不做限制。
具体的，在接收监测装置反馈的用户的睡眠数据之前，所述方法还包括：
获取所述用户的历史睡眠数据；对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
其中，分析的过程可以是取分位数的过程，包括：对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，则中位数不唯一，通常取最中间的两个数值的平均数作为中位数。如果是区间的话，可以基于中位数进行区间扩展。举例来说，假设第一预设在床时长为一个数据点，那么获得的中位数就可以作为该数据点；如果该第一预设在床时长是一个数据区间，那么基于中位数可以进行左右扩展，比如中位数是5分钟，那么可以扩展为4-6分钟。
具体的，所述利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态，包括以下几个状态的确定。
1、用户是否处于上床状态。
具体的，可以根据所述睡眠数据判断所述用户的在床时长以及上次的数据是否有效；其中，若此次接收到的睡眠数据与上次接收到的睡眠数据之间的时间间隔大于预设间隔，则确定所述上次接收到的所述睡眠数据为无效睡眠数据；若所述用户的在床时长大于第一预设在床时长以及上次接收到的睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户上床状态。
举例来说，比如当用户在床上时监测装置才能够对用户的体征数据进行监测，而且可以每隔5分钟反馈一次监测到的数据，而此次隔了十分钟才反馈接收到的数据。说明此次接收到的睡眠数据与上次接收到的睡眠数据之间的时间间隔大于预设间隔，也就是，用户应该之前离开床了，所述上次接收到的所述睡眠数据可以确定为无效睡眠数据。根据此次的监测数据可知，若此次在床时长大于第一预设在床时长以及上次接收到的睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户上床状态。
其中，可以理解的是，可以通过安装在床上的压力检测器以确定用户是否在床，以及压力的持续时间确定用户的在床时间。
举例来说，入睡点的确定方法如下：通过连接数据库取得某一用户之前一段时间(阈值可调)的整晚数据(包括：心率，呼吸率，体动能量，体动次数)。通过程序确定用户的上床点后，取上床点之后一段时间的数据(阈值可调)。按照5分钟长度的时间窗口滑动对数据进行提取,分别取每个5分钟的均值，对每个5分钟时间段的均值进行统计后进行分位数排序。将用户之前一段时间所有的整晚数据上述步骤进行计算。对进行计算过的所有分位数数据取均值并设置为入睡点最佳阈值。
2、用户是否处于觉醒状态
若所述用户的在床时长小于第二预设在床时长以及上次接收到的睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户觉醒状态。
举例来说，如果上次接收到的数据为无效数据，说明用户刚上床，如果此次上床的时间小于第二预设在床时长(比如5或10分钟)，可以理解为，用户上床时间较短还没用进入睡眠状态，因此可以判断此时的状态为清醒状态。
3、用户是否处于微觉醒状态
可以根据翻身次数以及体动能量来判断。具体的，若翻身次数低于预设翻身次数或体动能量高于预设体动能量，则确定所述用户处于微觉醒状态。
可以理解的是，如果用户处于清醒状态，则体动能量较高，而如果处于睡眠状态则提动能量较低。所以可以根据用户当前的体动能量和预设提动能量确定用户的睡眠状态。
4、用户是处于浅睡眠还是深度睡眠
具体的，所述判断方法包括：若确定上次睡眠状态不存在且身体机能参数(即此次接收到的睡眠数据)位于第一参数区间，则确定所述用户当前的睡眠状态为浅睡眠状态；若确定上次的睡眠状态为浅睡眠状态且此次身体机能参数位于第二参数区间，则确定所述用户当前的睡眠状态为深睡眠状态。
其中，需要指出的是，身体机能参数可以包括心率、呼吸率、体动能量、体动次数。第一参数区间包括了上述各个参数的数值范围。同理，第二参数区间包括了上述各个参数的数值范围。
其中，需要指出的是，因为每个人的身体机能因人而异。所以不同的人的第一参数区间和第二参数区间可能会不同。但是，可以理解的是，一旦人进入深睡眠状态，身体的各项机能会变得迟缓，因此第二参数区间的值是要小于第一参数区间的。
另外，第一参数区间和第二参数区间是用户的历史睡眠数据进行分析后获取的。具体过程包括：获取所述用户的历史睡眠数据；对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
可以理解的是，此次接收到的睡眠数据就是身体机能的参数，该参数可通过监测装置获取，该监测装置可以是睡眠带子，智能床垫，智能手环，智能手表等等用于监测用户身体机能的装置。
其中，可以理解的是，如果用户之前未进入睡眠状态，而此次身体机能参数位于第一参数区域间，那么说明用户刚入睡不久，则整体处于浅睡眠状态；进一步的，如果身体机能参数位于第二参数区域间，那么说明用户入睡时间较长，则整体处于深睡眠状态。
其中，可以理解的是，深度睡眠与浅睡眠相比，体动次数较少、体动能量较低，心率以及呼吸率都会较低。
另外，可以理解的是，每个用户的身体机能都存在个体差异，因此第一参数区间和第二参数区间也是因人而异。
5、用户是否处于离床状态。
若此次接收到的数据长度小于预设数据长度，则确定所述用户当前的睡眠状态为离床状态。
103、根据所述睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。
举例来说，比如若用户处于上床状态，那么可以指挥控制器进行关灯。再比如说，若用户为深度睡眠状态，那么可以指挥空调调整到睡眠模式或者将空调温度调到用户之前设置的一个适宜温度，风速调小等。
另外，可选的，所述按照预设规则向所述目标设备发送操作指令之后，所述方法还包括：对接收到的睡眠数据进行存储；当存储的睡眠数据的长度大于预设长度时，利用存储的数据更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。通过即时的更新相应参数，使得对用户的睡眠状态判断更为准确
可以看出，本实施例的方案中，数据处理装置接收监测装置反馈的用户的睡眠数据；利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。通过本发明提供的技术方案，能够实时采集用户的睡眠数据，并根据睡眠数据进行实时分期判断，从而提升了睡眠数据分期判断能力。
请参阅图2，图2是本发明的另一个实施例提供的另一种数据处理的方法流程示意图。其中，如图2所示，所述方法包括：
201、接收监测装置反馈的用户的睡眠数据；
其中，需要指出的是，监测装置可以是睡眠带子，智能床垫，智能手环，智能手表等等用于监测用户身体机能的装置。其中，常见的身体机能的数据包括心率、呼吸率、体动能量、体动次数等。
其中，可选的，在所述接收监测装置反馈的用户的睡眠数据之前，所述方法包括：获取所述用户的历史睡眠数据；对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
202、对获取的所述睡眠数据进行加工以提出所述睡眠数据中的异常值；
203、使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；
204、将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态；
205、根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。
其中，需要指出的是，图2所描述的实施例的具体内容可参考图1所对应的实施例的解释。
可以看出，本实施例的方案中，对监测到的睡眠数据进行了进一步的加工处理。通过使用本发明实施例提供的技术方案，进一步保证了监测到的睡眠数据的准确性。
如图3所示，本发明的另一个实施例提供的另一种数据处理的方法流程示意图。其中，如图3所示，所述方法包括：
301、获取所述用户的历史睡眠数据；
302、对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
303、对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间；
304、接收监测装置反馈的用户的睡眠数据；
305、利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
306、根据所述睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令；
307、对接收到的所述睡眠数据进行存储；
308、当存储的所述睡眠数据的长度大于预设长度时，通过对所述存储的睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
可以看出，本实施例的方案中，对监测到的睡眠数据进行了进一步的加工处理。通过使用本发明实施例提供的技术方案，进一步保证了监测到的睡眠数据的准确性。
如图4所示，本发明的一个实施例提供的一种数据处理装置400，其中，该装置400包括以下单元：
接收单元401，用于接收监测装置反馈的用户的睡眠数据；
分析单元402，用于利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
确定单元403，用于根据睡眠状态确定目标设备；
发送单元404，用于按照预设规则向所述目标设备发送操作指令。
其中，可选的，装置400还包括获取单元405和加工单元406；
获取单元405，用于对获取的所述睡眠数据进行加工以提出所述睡眠数据中的异常值；
加工单元406，用于使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；
分析单元402，具体用于将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态。
其中，分析单元402会做以下的分析：根据所述睡眠数据判断所述用户的在床时长以及上次接收到的所述睡眠数据是否有效；其中，若此次接收到的睡眠数据与上次接收到的睡眠数据之间的时间间隔大于预设间隔，则确定所述上次接收到的所述睡眠数据为无效睡眠数据；若所述用户的在床时长大于第一预设在床时长以及所述上次接收到的所述睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户上床状态。若所述用户的在床时长小于第二预设在床时长以及上次接收到的睡眠数据为无效睡眠数据，则确定所述用户当前的睡眠状态为用户觉醒状态。若翻身次数低于预设翻身次数或体动能量高于预设体动能量，则确定所述用户处于微觉醒状态。若确定上次睡眠状态不存在且身体机能参数位于第一参数区间，则确定所述用户当前的睡眠状态为浅睡眠状态；所述身体机能参数通过所述睡眠数据确定；若确定上次的睡眠状态为浅睡眠状态且此次身体机能参数位于第二参数区间，则确定所述用户当前的睡眠状态为深睡眠状态。若所述睡眠数据长度小于预设数据长度，则确定所述用户当前的睡眠状态为离床状态。
可选的，装置400还包括提取单元407；
获取单元405，用于获取所述用户的历史睡眠数据；
提取单元407，用于对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
分析单元402，还用于对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
可选的，装置400还包括存储单元408和更新单元409；
存储单元408，用于对接收到的睡眠数据进行存储；
更新单元409，用于当存储的睡眠数据的长度大于预设长度时，通过对所述存储的睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
其中，接收单元401、分析单元402、确定单元403、发送单元404、获取单元405、加工单元406、提取单元407、存储单元408以及更新单元409可以用于执行实施例1中步骤101-103所述的方法，具体描述详见实施例1对所述方法的描述，在此不再赘述。
如图5所示，本发明的一个实施例提供的一种数据处理装置500，其中，该装置500包括以下单元：
接收单元501，用于接收监测装置反馈的用户的睡眠数据；
其中，需要指出的是，监测装置可以是睡眠带子，智能床垫，智能手环，智能手表等等用于监测用户身体机能的装置。其中，常见的身体机能的数据包括心率、呼吸率、体动能量、体动次数等。
其中，可选的，在所述接收监测装置反馈的用户的睡眠数据之前，所述方法包括：获取所述用户的历史睡眠数据；对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
加工单元502，用于对所述获取的睡眠数据进行加工以提出所述睡眠数据中的异常值；
填补单元503，用于使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；
匹配单元504、用于将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态；
确定单元505，用于根据睡眠状态确定目标设备；
发送单元506，用于按照预设规则向所述目标设备发送操作指令。
其中，上述单元501-506可以用于执行实施例2中步骤201-205所述的方法，具体描述详见实施例2对所述方法的描述，在此不再赘述。
如图6所示，本发明的一个实施例提供的一种数据处理装置600，其中，该装置600包括以下单元：
获取单元601，用于获取所述用户的历史睡眠数据；
提取单元602，用于对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
分析单元603，用于对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间；
接收单元604，用于接收监测装置反馈的用户的睡眠数据；
分析单元603，还用于利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
确定单元605，用于根据所述睡眠状态确定目标设备；
发送单元606，用于按照预设规则向所述目标设备发送操作指令；
接收单元607，用于对接收到的所述睡眠数据进行存储；
更新单元608，用于当存储的所述睡眠数据的长度大于预设长度时，通过对存储的所述睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
其中，上述单元601-608可以用于执行实施例2中步骤301-308所述的方法，具体描述详见实施例3对所述方法的描述，在此不再赘述。
请参阅图7，在本发明的另一个实施例中，提供一种数据处理装置700。装置700包括CPU 701、存储器702、总线703、收发器704等硬件。上述图4-图6所示的逻辑单元可通过图7所示的硬件装置实现。
其中，CPU 701执行预先存储在存储器702中的服务器程序，该执行过程具体包括：
接收监测装置反馈的用户的睡眠数据；
利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。
可选的，所述利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态之前，所述执行过程还包括：
对所述获取的睡眠数据进行加工以提出所述睡眠数据中的异常值；
使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；
所述利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态，包括：
将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态。
可选的，所述将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态，包括：
根据所述睡眠数据判断所述用户的在床时长以及上次接收到的所述睡眠数据是否有效；其中，若此次接收到的所述睡眠数据与上次接收到的所述睡眠数据之间的时间间隔大于预设间隔，则确定所述上次接收到的所述睡眠数据为无效睡眠数据；
若所述用户的在床时长大于第一预设在床时长以及上次接收到的所述睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户上床状态。
若所述用户的在床时长小于第二预设在床时长以及上次接收到的睡眠数据为无效数据，则确定所述用户当前的睡眠状态为用户觉醒状态。
可选的，所述执行过程还包括：
若翻身次数低于预设翻身次数或体动能量高于预设体动能量，则确定所述用户处于微觉醒状态。
可选的，所述执行过程还包括：
若确定上次睡眠状态不存在且身体机能参数位于第一参数区间，则确定所述用户当前的睡眠状态为浅睡眠状态，所述身体机能参数通过所述睡眠数据确定；
若确定上次的睡眠状态为浅睡眠状态且此次身体机能参数位于第二参数区间，则确定所述用户当前的睡眠状态为深睡眠状态。
可选的，所述执行过程还包括：
若所述睡眠数据长度小于预设数据长度，则确定所述用户当前的睡眠状态为离床状态。
可选的，所述接收监测装置反馈的用户的睡眠数据之前，所述执行过程还包括：
获取所述用户的历史睡眠数据；
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
可选的，所述按照预设规则向所述目标设备发送操作指令之后，所述执行过程还包括：
对接收到的所述睡眠数据进行存储；
当存储的所述睡眠数据的长度大于预设长度时，通过对存储的所述睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间在本发明的另一个实施例中，公开了一种存储介质，所述存储介质中存储有程序代码，当所述程序代码被运行时，前述方法实施例中的方法会被执行。
从上可知，本发明实施例提供的技术方案中，接收监测装置反馈的用户的睡眠数据；利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；根据睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。通过本发明提供的技术方案，能够实时采集用户的睡眠数据，并根据睡眠数据进行实时分期判断，从而提升了睡眠数据分期判断能力。
在本发明的另一个实施例中，公开了一种计算机程序产品，所述计算机程序产品中包含有程序代码；当所述程序代码被运行时，前述方法实施例中的方法会被执行。
在本发明的另一个实施例中，公开了一种芯片，所述芯片中包含有程序代码；当所述程序代码被运行时，前述方法实施例中的方法会被执行。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
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。
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。
所述集成的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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上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范围。
Claims (10)
1.一种数据处理的方法，其特征在于，所述方法包括：
接收监测装置反馈的用户的睡眠数据；
利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态；
根据所述睡眠状态确定目标设备，并按照预设规则向所述目标设备发送操作指令。
2.根据权利要求1所述的方法，其特征在于，所述利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态之前，所述方法还包括：
对获取的所述睡眠数据进行加工以提出所述睡眠数据中的异常值；
使用线性插值的方式对加工后的所述睡眠数据进行缺失值填补以获取完整的睡眠数据；
所述利用规则引擎对所述睡眠数据进行分析以确定所述用户的睡眠状态，包括：
将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态。
3.根据权利要求2所述的方法，其特征在于，所述将所述完整的睡眠数据与所述规则引擎进行匹配以确定所述用户的睡眠状态，包括：
根据所述睡眠数据判断所述用户的在床时长以及上次接收到的所述睡眠数据是否有效；其中，若此次接收到的所述睡眠数据与上次接收到的所述睡眠数据之间的时间间隔大于预设间隔，则确定所述上次接收到的所述睡眠数据为无效睡眠数据；
若所述用户的在床时长大于第一预设在床时长以及所述上次接收到的所述睡眠数据为无效睡眠数据，则确定所述用户当前的睡眠状态为用户上床状态；
若所述用户的在床时长小于第二预设在床时长以及所述上次接收到的所述睡眠数据为无效睡眠数据，则确定所述用户当前的睡眠状态为用户觉醒状态。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若翻身次数低于预设翻身次数或体动能量高于预设体动能量，则确定所述用户当前的睡眠状态为微觉醒状态。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若确定上次睡眠状态不存在且身体机能参数位于第一参数区间，则确定所述用户当前的睡眠状态为浅睡眠状态，所述身体机能参数通过所述睡眠数据确定；
若确定上次的睡眠状态为浅睡眠状态且此次身体机能参数位于第二参数区间，则确定所述用户当前的睡眠状态为深睡眠状态。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
若所述睡眠数据长度小于预设数据长度，则确定所述用户当前的睡眠状态为离床状态。
7.根据权利要求6所述的方法，其特征在于，所述接收监测装置反馈的用户的睡眠数据之前，所述方法包括：
获取所述用户的历史睡眠数据；
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据；
对所述目标数据进行分析以确定所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
8.根据权利要求7所述的方法，其特征在于，所述按照预设规则向所述目标设备发送操作指令之后，所述方法还包括：
对接收到的所述睡眠数据进行存储；
当存储的所述睡眠数据的长度大于预设长度时，通过对存储的所述睡眠数据进行分析以更新所述第一预设在床时长、所述第二预设在床时长、预设体动能量、所述第一参数区间以及所述第二参数区间。
9.一种数据处理装置，其特征在于，所述数据处理装置包括收发器、处理器以及存储器；其中所述存储器中存储有程序代码，当所述程序代码被运行时，
所述收发器执行权利要求1至8任一所述接收和发送操作；
所述处理器执行权利要求1至8任一所述的处理操作。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序代码，当所述计算机程序代码被执行时，权利要求1至8任一所述的方法会被运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811580523.2A CN109674449A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811580523.2A CN109674449A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109674449A true CN109674449A (zh) | 2019-04-26 |
Family
ID=66188934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811580523.2A Pending CN109674449A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109674449A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111895625A (zh) * | 2020-06-30 | 2020-11-06 | 广州番禺职业技术学院 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
| CN114376520A (zh) * | 2021-12-27 | 2022-04-22 | 海尔(深圳)研发有限责任公司 | 用于监测睡眠的方法、装置及存储介质 |
| CN115167191A (zh) * | 2022-04-19 | 2022-10-11 | 深圳绿米联创科技有限公司 | 基于行为监测的设备控制方法、装置、设备和系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103750820A (zh) * | 2013-12-26 | 2014-04-30 | 沈阳熙康阿尔卑斯科技有限公司 | 一种睡眠质量监测方法及装置 |
| CN104896656A (zh) * | 2015-05-11 | 2015-09-09 | 小米科技有限责任公司 | 开启空调的方法及装置 |
| CN105286783A (zh) * | 2014-05-26 | 2016-02-03 | 爱信精机株式会社 | 睡眠评价装置 |
| CN105431196A (zh) * | 2013-04-15 | 2016-03-23 | 神经系统检测公司 | 具有用户睡眠—觉醒状态的自动检测的经皮电神经刺激器 |
| CN105796111A (zh) * | 2016-03-09 | 2016-07-27 | 安徽华米信息科技有限公司 | 睡眠翻身动作的监测方法、装置及可穿戴设备 |
| CN107249443A (zh) * | 2014-12-05 | 2017-10-13 | 苹果公司 | 睡眠测量计算机系统 |
| CN107252313A (zh) * | 2017-05-25 | 2017-10-17 | 深圳市卡迪赛克科技有限公司 | 一种安全驾驶的监测方法及系统、汽车、可读存储介质 |
| CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与系统 |
-
2018
- 2018-12-24 CN CN201811580523.2A patent/CN109674449A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105431196A (zh) * | 2013-04-15 | 2016-03-23 | 神经系统检测公司 | 具有用户睡眠—觉醒状态的自动检测的经皮电神经刺激器 |
| CN103750820A (zh) * | 2013-12-26 | 2014-04-30 | 沈阳熙康阿尔卑斯科技有限公司 | 一种睡眠质量监测方法及装置 |
| CN105286783A (zh) * | 2014-05-26 | 2016-02-03 | 爱信精机株式会社 | 睡眠评价装置 |
| CN107249443A (zh) * | 2014-12-05 | 2017-10-13 | 苹果公司 | 睡眠测量计算机系统 |
| CN104896656A (zh) * | 2015-05-11 | 2015-09-09 | 小米科技有限责任公司 | 开启空调的方法及装置 |
| CN105796111A (zh) * | 2016-03-09 | 2016-07-27 | 安徽华米信息科技有限公司 | 睡眠翻身动作的监测方法、装置及可穿戴设备 |
| CN107252313A (zh) * | 2017-05-25 | 2017-10-17 | 深圳市卡迪赛克科技有限公司 | 一种安全驾驶的监测方法及系统、汽车、可读存储介质 |
| CN108042108A (zh) * | 2017-12-06 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种基于体震信号的睡眠质量监测方法与系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111895625A (zh) * | 2020-06-30 | 2020-11-06 | 广州番禺职业技术学院 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
| CN114376520A (zh) * | 2021-12-27 | 2022-04-22 | 海尔(深圳)研发有限责任公司 | 用于监测睡眠的方法、装置及存储介质 |
| CN115167191A (zh) * | 2022-04-19 | 2022-10-11 | 深圳绿米联创科技有限公司 | 基于行为监测的设备控制方法、装置、设备和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jung et al. | Occupant-centered real-time control of indoor temperature using deep learning algorithms | |
| Jalal et al. | A Triaxial acceleration-based human motion detection for ambient smart home system | |
| CN109674449A (zh) | 一种数据处理的方法及装置 | |
| CN108253588A (zh) | 空调的控制方法、装置、存储介质和处理器 | |
| WO2017008321A1 (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
| CN104864558A (zh) | 空调控制方法、装置及终端 | |
| CN107883535A (zh) | 空调控制方法及装置 | |
| CN105902257A (zh) | 睡眠状态分析方法及装置、智能可穿戴设备 | |
| CN104598880A (zh) | 一种基于模糊支持向量机的行为识别方法 | |
| O’Hagan et al. | Computational aspects of fitting mixture models via the expectation–maximization algorithm | |
| CN105808959A (zh) | 一种运动检测系统、运动检测终端及云平台 | |
| CN110458032A (zh) | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 | |
| CN110458594A (zh) | 一种基于用户权重的网络调查问卷生成方法和装置 | |
| CN111141284A (zh) | 智能建筑人员热舒适度及热环境管理系统和方法 | |
| Bao et al. | Detection system of dead and sick chickens in large scale farms based on artificial intelligence | |
| EP2624171B1 (en) | Method and node for analysing periodic movements | |
| CN110084293A (zh) | 一种全明格局房屋的确定方法和装置 | |
| CN105868519A (zh) | 人体特征数据的处理方法及装置 | |
| CN111197845A (zh) | 一种基于深度学习的空调运行模式的控制方法及系统 | |
| CN114732361A (zh) | 基于生理信号的睡眠分期预测方法、设备以及存储介质 | |
| CN114241270A (zh) | 一种家庭护理智能监督方法、系统及装置 | |
| CN110276380B (zh) | 一种基于深度模型框架的实时运动在线指导系统 | |
| Langensiepen et al. | Activities recognition and worker profiling in the intelligent office environment using a fuzzy finite state machine | |
| CN113222170A (zh) | 一种用于物联网ai协同服务平台的智能算法和模型 | |
| CN110363143A (zh) | 监控方法、装置和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |