黨長(zhǎng)青 陳昌盛 周恒

摘 要： 鑒于當(dāng)前的睡眠監(jiān)測(cè)設(shè)備存在佩戴復(fù)雜、設(shè)備昂貴、功能單一和檢測(cè)方法不合理等情況，設(shè)計(jì)了一種多傳感器數(shù)據(jù)融合的睡眠監(jiān)測(cè)系統(tǒng)。本系統(tǒng)以STM32F407ZGT6為核心主控芯片，通過(guò)可穿戴式背心傳感器將所采集到的人體特征信號(hào)進(jìn)行處理、存儲(chǔ)和發(fā)送到手機(jī)App端，針對(duì)單一傳感器檢測(cè)可靠性較差的特點(diǎn)，本系統(tǒng)采用了多傳感器進(jìn)行采集分析。經(jīng)過(guò)測(cè)試表明，該系統(tǒng)實(shí)現(xiàn)了常用睡眠參數(shù)的準(zhǔn)確監(jiān)測(cè)。

關(guān)鍵詞： 睡眠監(jiān)測(cè)系統(tǒng);STM32F407ZGT6;人體特征信號(hào);信號(hào)處理;多傳感器;睡眠參數(shù)

文章編號(hào)： 2095-2163（2021）03-0070-06 中圖分類(lèi)號(hào)：TP212.9 文獻(xiàn)標(biāo)志碼：A

【Abstract】Considering that the current sleep monitoring equipment is expensive， single function，complicated to wear and unreasonable detection methods， a sleep monitoring system with multi-sensor data fusion is designed. This system uses STM32F407ZGT6 as the core main control chip， and uses the wearable vest sensor to process， store and send the collected human characteristic signals to the mobile phone App. Aiming at the poor reliability of single sensor detection， this system uses multi-sensor collection and analysis. Tests show that the system has achieved accurate monitoring of commonly used sleep parameters.

【Key words】 sleep monitoring system; STM32F407ZGT6; human body characteristic signal; signal processing; multiple sensors; sleep parameters

0 引 言

隨著人們生活水平的提高，越來(lái)越多的人開(kāi)始關(guān)注睡眠健康與睡眠安全[1]。近年來(lái)，睡眠過(guò)程中的健康與安全檢測(cè)已經(jīng)成為了智慧醫(yī)療領(lǐng)域的重要研究熱點(diǎn)之一，通過(guò)對(duì)睡眠的監(jiān)測(cè)能夠有效地了解自身的睡眠健康情況，及時(shí)進(jìn)行調(diào)整[2]。同時(shí)，通過(guò)睡眠監(jiān)測(cè)系統(tǒng)也能對(duì)老人或者病人等群體的在床情況進(jìn)行監(jiān)測(cè)，防止意外情況的發(fā)生。鑒于當(dāng)前的睡眠監(jiān)測(cè)設(shè)備存在佩戴復(fù)雜、設(shè)備昂貴、功能單一和檢測(cè)方法不合理等現(xiàn)狀，本文針對(duì)睡眠過(guò)程中的睡眠參數(shù)采集、信號(hào)分析、無(wú)線傳輸?shù)确矫鎸?duì)睡眠監(jiān)測(cè)系統(tǒng)進(jìn)行研究與設(shè)計(jì)。

1 系統(tǒng)的總體設(shè)計(jì)方案

多傳感器數(shù)據(jù)融合的睡眠監(jiān)測(cè)系統(tǒng)主要由睡眠信號(hào)的采集，數(shù)據(jù)處理和無(wú)線三大部分組成。設(shè)計(jì)了一種背心式的睡眠檢測(cè)裝置，背心可以在穿睡衣的情況下套穿其上，不與人體的皮膚直接接觸，同時(shí)傳感器又緊貼人體，做到了信號(hào)采集的有效性與減少被監(jiān)測(cè)者的心理壓力的特點(diǎn)。系統(tǒng)的總體框圖如圖1所示。下面擬對(duì)可穿戴部分、數(shù)據(jù)信號(hào)的處理部分和無(wú)線終端部分進(jìn)行研究論述。

（1）可穿戴部分。由一件檢測(cè)背心和鑲嵌在背心上的若干傳感器組成，背心采用柔性材質(zhì)制作，從經(jīng)濟(jì)性與實(shí)用性的角度出發(fā)決定采用壓電式、加速度式和拾音式傳感器對(duì)睡眠時(shí)的人體特征信號(hào)進(jìn)行采集，通過(guò)不同種類(lèi)的傳感器才能保證信息獲取充分且冗余，這三種傳感器都能有效地提取出體動(dòng)、心跳和呼吸信號(hào)，其數(shù)據(jù)互有冗余和互補(bǔ)。

（2）信號(hào)的處理部分。是將可穿戴式背心所接收到的信號(hào)進(jìn)行處理，信號(hào)中既有可直接讀取的電信號(hào)數(shù)據(jù)，也有需要經(jīng)過(guò)通訊協(xié)議進(jìn)行讀取的數(shù)據(jù)。對(duì)這些數(shù)據(jù)進(jìn)行數(shù)字化處理，通過(guò)MCU模塊的A/D轉(zhuǎn)換與通訊協(xié)議的解析獲得可處理的原始信號(hào)，原始信號(hào)經(jīng)過(guò)算法的處理獲得睡眠特征信息。

（3）無(wú)線接收端?？梢苑奖闶褂谜邔?shí)時(shí)地查看睡眠監(jiān)測(cè)數(shù)據(jù)，通過(guò)MCU的無(wú)線發(fā)送模塊達(dá)到點(diǎn)對(duì)點(diǎn)的信息傳遞。系統(tǒng)考慮到實(shí)際的運(yùn)用場(chǎng)景，設(shè)計(jì)了2種通訊方式。一種是可以運(yùn)用手機(jī)App的形式進(jìn)行數(shù)據(jù)的查看，另一種是通過(guò)建立主從機(jī)的形式由主機(jī)向從機(jī)發(fā)送數(shù)據(jù)到顯示屏的方式。2種通訊方式的選擇可以更好地運(yùn)用在實(shí)際的情況中。

2 系統(tǒng)的硬件電路設(shè)計(jì)

系統(tǒng)的硬件框圖如圖2所示。由圖2可知，系統(tǒng)以STM32F407ZGT6為核心控制器進(jìn)行設(shè)計(jì)，具有多數(shù)據(jù)的采集、數(shù)據(jù)處理、數(shù)據(jù)的顯示與傳送等功能。

圖2的傳感器信號(hào)中，壓電信號(hào)和壓阻信號(hào)通過(guò)調(diào)理電路后將信號(hào)傳送給SOC片上系統(tǒng)，醫(yī)用聽(tīng)診器與拾音傳感器組成的傳感器將對(duì)體動(dòng)和心音進(jìn)行監(jiān)測(cè)，壓阻傳感器對(duì)跌床情況進(jìn)行監(jiān)測(cè)，同時(shí)壓電傳感器也可以對(duì)體動(dòng)信號(hào)進(jìn)行檢測(cè)，綜上多種傳感器信號(hào)的冗余信息可以進(jìn)行加權(quán)融合提高精準(zhǔn)度。

2.1 電荷放大電路的設(shè)計(jì)

壓電信號(hào)是非常小的電荷信號(hào)，STM32的ADC轉(zhuǎn)換范圍為0～33 V，不能夠直接將壓電信號(hào)傳送給AD模塊，必須設(shè)計(jì)好匹配電路將微小的電荷信號(hào)放大成電壓信號(hào)?？紤]到PVDF壓電薄膜具有較高的輸出阻抗，約為10 Ω，所以相匹配的電荷放大電路需要將傳感器的輸出信號(hào)轉(zhuǎn)化為低阻抗的輸出信號(hào)，電荷放大器的等效電路如圖3所示。

2.2 電壓放大電路

經(jīng)過(guò)電荷放大后的電路電壓值仍然較小，不能滿足AD的采樣要求，所以需要進(jìn)行電壓的放大[3]。其放大電路如圖4所示。

2.3 壓阻信號(hào)調(diào)理電路設(shè)計(jì)

外界壓力的變化會(huì)導(dǎo)致FSR408壓阻傳感器的阻值發(fā)生變化。當(dāng)壓力越大時(shí)，其導(dǎo)電性能越大，阻值越小[4]。電阻的數(shù)值與壓力之間的關(guān)系如圖5所示。

因此需要將電阻值轉(zhuǎn)化為電壓值，為了讓輸出信號(hào)能夠不受到干擾還要將信號(hào)進(jìn)行濾波放大，電路如圖6所示。

3 系統(tǒng)的軟件設(shè)計(jì)

軟件部分的主要功能包括壓電信號(hào)模塊的信號(hào)采集與處理，加速度傳感器信號(hào)的采集與處理、拾音傳感器信號(hào)的采集與處理，人機(jī)交互平臺(tái)的設(shè)計(jì)以及無(wú)線傳送方案的設(shè)計(jì)等。首先，對(duì)系統(tǒng)進(jìn)行初始化操作包括STM32時(shí)鐘的初始化和各個(gè)外設(shè)的初始化操作，然后將判定是否需要開(kāi)始進(jìn)行睡眠的監(jiān)測(cè)，如果開(kāi)始進(jìn)行睡眠的監(jiān)測(cè)，系統(tǒng)將判定睡眠監(jiān)測(cè)的模式。當(dāng)睡眠監(jiān)測(cè)的模式是監(jiān)護(hù)模式，則初始化蜂鳴器及GSM的串口功能，接下來(lái)就是信號(hào)對(duì)睡眠信號(hào)進(jìn)行1 min的數(shù)據(jù)采集和判斷，通過(guò)加權(quán)平均的算法將覺(jué)醒時(shí)的心率和呼吸頻率計(jì)算出來(lái)，同時(shí)計(jì)算出這1 min呼吸強(qiáng)度的平均值，作為稍后睡眠情況的判定基準(zhǔn)，重新開(kāi)始對(duì)心率、呼吸率、體動(dòng)姿態(tài)、被內(nèi)溫度等的信息采集后再進(jìn)行綜合判定，將得到的數(shù)據(jù)進(jìn)行存儲(chǔ)和發(fā)送，為了保證實(shí)時(shí)性系統(tǒng)監(jiān)測(cè)的開(kāi)始、結(jié)束和模式的選擇由人員通過(guò)按鍵外部中斷改變變量值，對(duì)變量值進(jìn)行判定的方式控制，監(jiān)測(cè)結(jié)束后可查看呼吸頻率和心跳頻率曲線。系統(tǒng)的整體軟件主流程如圖7所示。

3.1 睡眠生理信號(hào)處理軟件設(shè)計(jì)

系統(tǒng)對(duì)睡眠時(shí)的心率、呼吸率和體動(dòng)信息進(jìn)行1 min的數(shù)據(jù)分析，為了減少體動(dòng)呼吸暫停等信息對(duì)數(shù)據(jù)的影響，每一次處理的片段為20 s。首先對(duì)數(shù)據(jù)進(jìn)行采集，通過(guò)對(duì)拾音信號(hào)和壓電信號(hào)的截波判定是否發(fā)生了體動(dòng)現(xiàn)象，如果發(fā)生了體動(dòng)現(xiàn)象則不進(jìn)行這20 s信號(hào)的心率呼吸的判定，程序?qū)⑥D(zhuǎn)向?qū)w動(dòng)次數(shù)和級(jí)別的判定，如果沒(méi)有發(fā)生截波現(xiàn)象則對(duì)傳感器信號(hào)進(jìn)行處理分析，判定壓電傳感器的呼吸幅度小于覺(jué)醒期間的幅度70%的點(diǎn)數(shù)是否大于800個(gè)點(diǎn)。如果大于800個(gè)點(diǎn)，判定為呼吸暫停開(kāi)啟告警，每分鐘的呼吸頻率和心跳頻率的計(jì)算通過(guò)沒(méi)有體動(dòng)和呼吸異常的20 s片段相加取平均值得到。軟件設(shè)計(jì)流程圖如圖8所示。

3.2 數(shù)據(jù)融合算法設(shè)計(jì)

系統(tǒng)對(duì)睡眠特征提取的傳感器有：壓電傳感器、加速度傳感器和拾音傳感器，這三個(gè)傳感器之間有數(shù)據(jù)的冗余和互補(bǔ)，在系統(tǒng)的設(shè)計(jì)中壓電傳感器對(duì)呼吸信號(hào)、心跳信號(hào)和體動(dòng)信號(hào)進(jìn)行采集，加速度傳感器對(duì)呼吸信號(hào)、心跳信號(hào)和體動(dòng)信號(hào)進(jìn)行采集，拾音信號(hào)對(duì)心音信號(hào)和體動(dòng)信號(hào)進(jìn)行提取[5]。所以對(duì)于心率信號(hào)則有3組冗余數(shù)據(jù)，呼吸信號(hào)有2組冗余數(shù)據(jù)，體動(dòng)信號(hào)的判定可由拾音傳感器和壓電傳感器進(jìn)行判定，考慮到硬件的實(shí)際情況和提高實(shí)時(shí)性的要求，在特征級(jí)融合采用最為快捷簡(jiǎn)便的加權(quán)平均融合算法，根據(jù)3.1節(jié)的研究結(jié)果，對(duì)于心率的提取壓電信號(hào)采用小波重構(gòu)，加速度傳感器采用短時(shí)能量的方法提取心率，拾音傳感器采用短時(shí)能量的方法提取心率信號(hào)，通過(guò)加權(quán)平均的方法進(jìn)行提取，為了驗(yàn)證特征級(jí)融合算法的效果，實(shí)驗(yàn)對(duì)6名健康的人員進(jìn)行數(shù)據(jù)的采集與分析，以傳感器采集提取的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間的差值作為分析，見(jiàn)表1，大于實(shí)際的值取正，小于實(shí)際的值取負(fù)。

采用熵值法確定每個(gè)傳感器的權(quán)值，熵值法是一種能夠客觀進(jìn)行數(shù)據(jù)加權(quán)的算法，通過(guò)觀測(cè)各項(xiàng)指標(biāo)所提供的信息大小來(lái)確定各項(xiàng)權(quán)重[6]。設(shè)有m個(gè)評(píng)價(jià)方案，n項(xiàng)評(píng)價(jià)指標(biāo)則可以形成原始指標(biāo)數(shù)據(jù)矩陣X=（Xij）m×n，對(duì)于某項(xiàng)指標(biāo)Xj，指標(biāo)值Xij的差距越大，該項(xiàng)指標(biāo)在評(píng)價(jià)中的作用就越大。在信息論中，熵是一種不確定性的度量，信息量越大，不確定性就越小，熵就越小。反之，信息量越小，則熵值越大，不確定性也越大，利用信息熵可以確定各個(gè)指標(biāo)的權(quán)重。算法實(shí)現(xiàn)過(guò)程如下：

由于本文心率的提取方案有3種，對(duì)6名被測(cè)者的數(shù)據(jù)進(jìn)行采集，K取0.91，為從表1中可以得到各項(xiàng)誤差次數(shù)，從誤差貢獻(xiàn)大小來(lái)對(duì)各個(gè)傳感器進(jìn)行加權(quán)賦值，所以原始指標(biāo)數(shù)據(jù)矩陣為：

通過(guò)對(duì)權(quán)值的判定可知對(duì)誤差貢獻(xiàn)從大到小為：加速度傳感器、壓電傳感器、拾音傳感器。根據(jù)誤差越大，權(quán)值占比越小的原則分配加速度傳感器的權(quán)值為0.30，壓電傳感器的權(quán)值為0.33，拾音傳感器的權(quán)值為0.37。將表1的數(shù)據(jù)經(jīng)過(guò)加權(quán)平均融合后的誤差見(jiàn)表2。

從單一的傳感器可以看出，在壓電傳感器的平均誤差為4.6 次/min，加速度傳感器的平均誤差為5.3 次/min，拾音傳感器的平均誤差在3.6 次/min，通過(guò)加權(quán)平均融合之后的最大誤差為3.27 次/min、最小誤差為0 次/min、平均誤差為0.96 次/min，所以通過(guò)傳感器的加權(quán)平均融合之后的數(shù)據(jù)更加精確。對(duì)呼吸的采集的融合同樣采用熵值法進(jìn)行計(jì)算，可得壓電傳感器與加速度傳感器的權(quán)值均為0.5。

傳感器呼吸頻率的值與實(shí)際呼吸頻率的差值見(jiàn)表3。對(duì)于呼吸信號(hào)的提取采用小波分解提取頻率后壓電傳感器的最大誤差為3 次/min、最小誤差為0次/每分鐘、平均誤差為1.16 次/min;加速度傳感器的最大誤差為4 次/min、最小誤差為1 次/min、平均誤差為1.6 次/min;在進(jìn)行加權(quán)平均融合之后的最大誤差為1 次/min、最小誤差為0 次/min、平均誤差為0.33 次/min，由此可以看出經(jīng)過(guò)加權(quán)平均融合之后數(shù)據(jù)呼吸頻率的提取更加精確。

3.3 無(wú)線傳輸方案設(shè)計(jì)

系統(tǒng)采用機(jī)智云平臺(tái)作為物聯(lián)網(wǎng)云平臺(tái)。首先WiFi模塊上電獲取MCU的設(shè)備信息，MCU在收到請(qǐng)求后會(huì)將設(shè)備信息發(fā)送給WiFi模塊，WiFi模塊通過(guò)路由器將信息傳送給機(jī)智云平臺(tái)，并會(huì)以55 s為一個(gè)周期向MCU發(fā)送心跳包，MCU需要回復(fù)WiFi模塊的心跳包，如果超過(guò)3次沒(méi)有回復(fù)則被視為斷開(kāi)，WiFi模塊的上電過(guò)程如圖9所示。

WiFi模塊隨后進(jìn)入配網(wǎng)狀態(tài)，機(jī)智云協(xié)議的配網(wǎng)有多種模式，系統(tǒng)采用最快捷簡(jiǎn)便的Airlink模式進(jìn)行配網(wǎng)，Airlink模式也就是采用UDP廣播的模式進(jìn)行入網(wǎng)[7]。手機(jī)在連接好App后，WiFi將會(huì)一直處于UDP的監(jiān)聽(tīng)狀態(tài)，接受到信息后將會(huì)連入WiFi網(wǎng)絡(luò)完成聯(lián)網(wǎng)配置，Airlink模式配置入網(wǎng)流程如圖10所示。

手機(jī)App與設(shè)備進(jìn)行綁定后就可以進(jìn)行數(shù)據(jù)的上下發(fā)送，程序會(huì)定時(shí)將采集到的數(shù)據(jù)通過(guò)串口發(fā)送到WiFi模塊中，WiFi模塊通過(guò)路由器設(shè)備將信息發(fā)送到機(jī)智云端，云端接收到數(shù)據(jù)后將數(shù)據(jù)發(fā)送給手機(jī)App端，完成一次數(shù)據(jù)的發(fā)送。數(shù)據(jù)的上報(bào)下發(fā)流程如圖11所示。

4 系統(tǒng)測(cè)試

為了驗(yàn)證系統(tǒng)的有效性和完整性，擬對(duì)系統(tǒng)的組成和各個(gè)外設(shè)模塊進(jìn)行測(cè)試。在測(cè)試過(guò)程中，人員通過(guò)模擬睡眠時(shí)的各種睡眠姿態(tài)情況以及不同速度下的翻身次數(shù)，同時(shí)將實(shí)驗(yàn)結(jié)果與系統(tǒng)所檢測(cè)到的數(shù)據(jù)進(jìn)行對(duì)比，結(jié)果見(jiàn)表4和表5。

從表4中可以看出，在睡眠的時(shí)候進(jìn)行平躺和俯臥的時(shí)候系統(tǒng)的檢測(cè)識(shí)別率高并沒(méi)有發(fā)生誤檢的現(xiàn)象;當(dāng)睡眠姿態(tài)為左側(cè)臥或者右側(cè)臥的時(shí)候睡眠的識(shí)別率相對(duì)較低，出現(xiàn)這種情況主要是因?yàn)槠教苫蛘吒┡P時(shí)MPU6050的Z軸是處于水平方向的，對(duì)于不同的人員來(lái)說(shuō)平躺或者俯臥睡眠的姿態(tài)差別不大，對(duì)于左側(cè)臥或者右側(cè)臥可能會(huì)因?yàn)椴煌娜藛T體態(tài)或者睡姿習(xí)慣不同，從而就會(huì)造成在側(cè)臥的分界處產(chǎn)生沒(méi)有識(shí)別到的情況。通過(guò)相關(guān)的測(cè)試，系統(tǒng)的睡眠檢測(cè)識(shí)別率達(dá)到了98%以上，系統(tǒng)對(duì)睡眠時(shí)的睡姿情況能夠進(jìn)行準(zhǔn)確檢測(cè)。

對(duì)于不同速度下的翻身次數(shù)檢測(cè)可以看出，通過(guò)對(duì)被檢測(cè)人員30 min的靜止測(cè)試中發(fā)現(xiàn)并沒(méi)有發(fā)生誤判和漏判的情況，所以在人員靜止、即沒(méi)有翻身時(shí)系統(tǒng)能夠做到?jīng)]有漏檢和錯(cuò)檢。當(dāng)被檢測(cè)人員進(jìn)行快速多頻次翻轉(zhuǎn)時(shí)，漏檢的次數(shù)相對(duì)慢速低頻次翻轉(zhuǎn)時(shí)要多，這可能是因?yàn)榭焖俣囝l次翻轉(zhuǎn)時(shí)MCU可能正在處理數(shù)據(jù)并沒(méi)能對(duì)信號(hào)變化進(jìn)行及時(shí)處理。睡眠過(guò)程中的翻身情況大多是以慢速低頻次進(jìn)行的，所以系統(tǒng)翻身次數(shù)的準(zhǔn)確程度也達(dá)到了95%以上。由此證明系統(tǒng)能夠?qū)λ咔闆r下的翻身次數(shù)進(jìn)行有效的檢測(cè)計(jì)數(shù)。

對(duì)于非翻身的體動(dòng)測(cè)試，實(shí)驗(yàn)采取人員模擬在睡眠情況下進(jìn)行非翻身的體動(dòng)，針對(duì)非翻身的體動(dòng)采取不同程度的體動(dòng)級(jí)別進(jìn)行測(cè)試，測(cè)試結(jié)果見(jiàn)表6。

從表6可以看出，在人體靜止的情況下沒(méi)有發(fā)生誤檢或漏檢的情況，大型體動(dòng)的識(shí)別率相對(duì)于小型體動(dòng)的識(shí)別率來(lái)說(shuō)要低。這是因?yàn)椴煌瑝弘妭鞲衅鲗?duì)體動(dòng)的敏感程度相對(duì)于拾音傳感器的敏感程度來(lái)說(shuō)要相對(duì)較低，體動(dòng)作為睡眠分期的一個(gè)判定條件表征著被測(cè)試者并沒(méi)有進(jìn)入到深度睡眠的狀態(tài)。經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，系統(tǒng)對(duì)體動(dòng)的識(shí)別率達(dá)到了96%以上，能夠?qū)λ叩姆制谄鸬捷^好的判定作用。

睡眠的存儲(chǔ)設(shè)備采用SD卡的方式進(jìn)行存儲(chǔ)，系統(tǒng)通過(guò)對(duì)測(cè)試者大約5 h的睡眠記錄。當(dāng)進(jìn)行SD卡存儲(chǔ)的同時(shí)，被存儲(chǔ)的數(shù)據(jù)也會(huì)記錄在人機(jī)交互顯示的數(shù)組中，在睡眠檢測(cè)結(jié)束后人員可以調(diào)取人機(jī)交互界面，通過(guò)點(diǎn)擊數(shù)據(jù)回放按鍵查看自己的睡眠呼吸率和心率的曲線趨勢(shì)，人機(jī)交互界面顯示的數(shù)據(jù)僅作為當(dāng)次睡眠的數(shù)據(jù)顯示，在重新監(jiān)測(cè)睡眠時(shí)數(shù)據(jù)將會(huì)被覆蓋，可將SD卡拔出，通過(guò)文件復(fù)制可將SD卡內(nèi)的數(shù)據(jù)復(fù)制存儲(chǔ)到另外的存儲(chǔ)設(shè)備中，所以方便后續(xù)的數(shù)據(jù)分析。通過(guò)SD卡數(shù)據(jù)和人機(jī)交互系統(tǒng)的數(shù)據(jù)顯示對(duì)比如圖12所示。

5 結(jié)束語(yǔ)

本文所設(shè)計(jì)的多傳感器數(shù)據(jù)融合睡眠監(jiān)測(cè)系統(tǒng)，經(jīng)過(guò)實(shí)驗(yàn)證明能夠?qū)λ郀顩r進(jìn)行有效監(jiān)控，解決了傳統(tǒng)睡眠監(jiān)測(cè)系統(tǒng)操作難度大，價(jià)格昂貴的特點(diǎn)。使得睡眠監(jiān)測(cè)更有利于推廣，進(jìn)入普通家庭。

參考文獻(xiàn)

[1] 啜阿丹. 失眠癥患者相關(guān)因素、證候與漢密爾頓焦慮量表的相關(guān)研究[D]. 北京：北京中醫(yī)藥大學(xué)，2014.

[2] 李津，金捷. 睡眠呼吸監(jiān)測(cè)技術(shù)的研究進(jìn)展[J]. 國(guó)際生物醫(yī)學(xué)工程雜志，2008， 31（6）：352-354.

[3] 俞夢(mèng)孫，楊軍，張宏金，等. 床墊式低負(fù)荷睡眠檢測(cè)技術(shù)的臨床應(yīng)用[J]. 實(shí)用診斷與治療雜志，2004，18（6）：469-471.

[4] 王旭，金晶晶. 基于體震信號(hào)的心率檢測(cè)裝置的設(shè)計(jì)與實(shí)現(xiàn)[J]. 傳感器與微系統(tǒng)，2008，27（11）：81-83，86.

[5] 蔣潔. ?基于多傳感器數(shù)據(jù)融合的睡眠分期技術(shù)研究[D]. 南京：南京理工大學(xué)，2019.

[6] 曹貝貝. 可穿戴式睡眠質(zhì)量智能檢測(cè)系統(tǒng)[D]. 哈爾濱：哈爾濱理工大學(xué)，2019.

[7] 楊靜. 短距離無(wú)線通信技術(shù)對(duì)比及其應(yīng)用研究[J]. 無(wú)線互聯(lián)科技，2016（13）：12-13.