技术领域
[0001] 本
发明涉及无创检测技术领域，尤其涉及一种多功能腕式血氧仪。
背景技术
[0002] 随着信息技术的发展，工作、学习的压
力增大，当今社会人们对健康生活、便捷生活的关注度也越来越高。通过简单的操作，实时获知自身健康状况，成为新一轮的
电子产品需求方向。因而，市面上出现了越来越多的人体健康监测仪，例如血氧仪等。
[0003]
脉搏血氧
饱和度的无创检测技术的研究始于20世纪初，现在的血氧仪大多数采用透射式检测方法，这种方法将用于测量的放光管和光敏
传感器放置在测试部位的两侧，光敏传感器利用
透射光来检测血氧饱和度。透射式方法要求测量的发光管和光敏传感器在测试部位的两侧，使得光敏传感器的
位置放置比较单一，智能检测
手指，无法检测人体多个部位的血氧饱和度；其次透射式多采用指夹式测量，一定程度上造成使用者压迫感，较长时间佩戴，影响血液循环，造成测量误差，在应用上存在一定的局促性。
[0004] 目前心电测量采用
导联线连接到主机的方案，由于线缆较长，内阻大，会引进外部的干扰，影响
心电图的效果，由于连接器较多，连接可靠性差，容易产生机械故障。
[0005]
现有技术中的血氧饱和度的监测是血氧指夹只能夹在手指尖部，使用场景要求很高，不能在人体运动中使用，不便携带，手指活动中容易掉落，且监测的结果只能够通过读取数据来判断身体的获知自身健康状况，因此，现有技术中的血氧仪的结构、功能单一。以上不足，有待改进。
发明内容
[0006] 针对上述问题，现提供一种旨在通过测量血氧、脉搏波
信号，环境参数和三轴
加速度传感器等参数，分析得到血氧饱和度与脉率，进一步分析受测者的睡眠状况、呼吸暂停、精神压力、昼夜节律、活动幅度与能耗，综合分析受测者的生活状况，记录事件作为临床参考，并通过
生物反馈进行反馈训练的便于携带的多功能腕式血氧仪。
[0007] 本发明采用如下技术方案：
[0008] 一种多功能腕式血氧仪，包括：
[0009] 采集模
块，用于采集用户的多项生物指标生成信号并输出；所述采集模块具体包括：
[0010] 体动采集单元，用于采集体动情况生成一体动信号并输出；
[0011] 脉动采集单元，用于采集脉率生成一脉动信号并输出；
[0012] 血氧采集单元，用于采集血氧浓度生成一血氧信号并输出；
[0013] 所述多功能腕式血氧仪还包括：
[0014] 第一睡眠判决模块，连接所述采集模块，用于根据所述体动信号，采用一预设的第一判决
算法，对用户的自然状态生成一第一判决结果并输出；
[0015] 所述第一判决结果表示用户当前的所述自然状态具体为清醒期或睡眠期；
[0016] 第二睡眠判决模块，分别连接所述第一睡眠判决模块和所述采集模块，用于根据表示用户当前的所述自然状态为所述睡眠期的所述第一判决结果和所述脉动信号，采用一预设的第二判决算法，对用户的所述睡眠期生成一第二判决结果并输出；
[0017] 所述第二判决结果表示用户当前的所述睡眠期具体为快速眼动睡眠期或非快速眼动睡眠期；
[0018] 第三睡眠判决模块，分别连接所述第二睡眠判决模块和所述采集模块，用于根据表示用户当前的所述睡眠期为非快速眼动睡眠期的所述第二判决结果和所述脉动信号，采用一预设的第三判决算法，对用户的所述非快速眼动睡眠期生成一第三判决结果并输出；
[0019] 所述第三判决结果表示用户当前的所述非快速眼动睡眠期具体为浅睡期或深睡期；
[0020] 呼吸暂停分析模块，分别连接所述采集模块，用于根据所述体动信号、所述脉动信号和所述血氧信号，采用一预设的呼吸暂停判决函数，针对用户的睡眠呼吸状况生成一睡眠呼吸分析结果；
[0021] 所述睡眠呼吸分析结果表示用户是否出现睡眠呼吸暂停，和/或睡眠呼吸暂停的类型，和/或睡眠呼吸暂停的严重程度。
[0022] 优选的，所述第一睡眠判决模块包括：
[0023] 信号过滤单元，用于对所述体动信号进行过滤并输出；
[0024] 信号整合单元，连接所述信号过滤单元，用于对所述信号过滤单元过滤后的所述体动信号进行整合并输出；
[0025] 第一窗口划分单元，连接所述信号整合单元，用于根据一预设的第一单位长度，将所述信号整合单元整合后的所述体动信号划分为多个第一信号分析窗口并输出；
[0026] 活动量计算单元，连接所述第一窗口划分单元，用于对所述第一信号分析窗口内的所述体动信号表示的用户的活动量进行计算并输出；
[0027] 第一判决指标计算单元，连接所述活动量计算模块，用于采用一预设的第一判决模型，输入所述第一信号分析窗口内的所述活动量，得到一第一判决指标并输出；
[0028] 第一判决单元，连接所述第一判决指标计算单元，用于采用一预设的第一
阈值与所述第一判决指标进行比较，得到所述第一判决结果并输出；
[0029] 若所述第一判决指标小于所述第一阈值，则所述第一判决结果表示用户当前的所述自然状态为所述睡眠期；
[0030] 若所述第一判决指标大于等于所述第一阈值，则所述第一判决结果表示用户当前的所述自然状态为所述清醒期。
[0031] 优选的，所述第二睡眠判决模块包括：
[0032] 第二窗口划分单元，用于根据一预设的第二单位长度，将所述脉动信号划分为多个第二信号分析窗口并输出；
[0033] 时域计算单元，连接所述第二窗口划分单元，用于对所述第二信号分析窗口内的所述脉动信号进行计算生成多个时域参数并输出；
[0034]
频域特征提取单元，连接所述第二窗口划分单元，用于对所述第二信号分析窗口内的所述脉动信号进行提取生成多个频域参数并输出；
[0035] 去
波动分析单元，连接所述第二窗口划分单元，用于根据一预设的去趋势波动分析模块，对所述第二信号分析窗口内的所述脉动信号之间的长程相关性进行分析生成一波动特征并输出；
[0036] 第二判决指标计算单元，连接所述时域计算单元、所述频域特征提取单元和所述去波动分析单元，用于采用一预设的第二判决模型，输入所述时域参数、所述频域参数和所述波动特征，得到一第二判决指标并输出；
[0037] 第二判决单元，连接所述第二判决指标计算单元，用于采用一预设的第二阈值与所述第二判决指标进行比较，得到所述第二判决结果并输出；
[0038] 若所述第二判决指标小于所述第二阈值，则所述第二判决结果表示用户当前的所述自然状态为所述非快速眼动睡眠期；
[0039] 若所述第二判决指标大于等于所述第二阈值，则所述第二判决结果表示用户当前的所述自然状态为所述快速眼动睡眠期。
[0040] 优选的，所述第三睡眠判决模块包括：
[0041] 第三窗口划分单元，用于根据一预设的第三单位长度，将所述脉动信号划分为多个第三信号分析窗口并输出；
[0042] 时域计算单元，连接所述第三窗口划分单元，用于对所述第三信号分析窗口内的所述脉动信号进行计算生成多个时域参数并输出；
[0043] 频域特征提取单元，连接所述第三窗口划分单元，用于对所述第三信号分析窗口内的所述脉动信号进行提取生成多个频域参数并输出；
[0044] 去波动分析单元，连接所述第三窗口划分单元，用于根据一预设的去趋势波动分析模块，对所述第三信号分析窗口内的所述脉动信号之间的长程相关性进行分析生成一波动特征并输出；
[0045] 第三判决指标计算单元，连接所述时域计算单元、所述频域特征提取单元和所述去波动分析单元，用于采用一预设的第三判决模型，输入所述时域参数、所述频域参数和所述波动特征，得到一第三判决指标并输出；
[0046] 第三判决单元，连接所述第三判决指标计算单元，用于采用一预设的第三阈值与所述第二判决指标进行比较，得到所述第三判决结果并输出；
[0047] 若所述第三判决指标小于所述第三阈值，则所述第三判决结果表示用户当前的所述自然状态为所述深睡期；
[0048] 若所述第三判决指标大于等于所述第三阈值，则所述第三判决结果表示用户当前的所述自然状态为所述浅睡期。
[0049] 优选的，所述呼吸暂停分析模块包括：
[0050] 第四窗口划分单元，用于根据一预设的第四单位长度，将所述体动信号和所述脉动信号和所述血氧信号划分为多个第四信号分析窗口并输出；
[0051] 特征提取单元，连接所述第四窗口划分单元，用于对所述第四信号分析窗口内的所述体动信号和所述脉动信号和所述血氧信号进行提取生成多个特征值；
[0052] 呼吸暂停分析单元，连接所述特征提取单元，用于采用所述呼吸暂停判决函数，输入所述特征值，得到所述睡眠呼吸分析结果。
[0053] 优选的，还包括；
[0054] 压力分析模块，连接所述采集模块，用于采用一预设的压力分析模型，对所述脉动信号进行计算生成一压力分析结果并输出。
[0055] 优选的，所述采集模块，还包括；
[0056] 环境参数采集单元，用于采集所述多功能腕式血氧仪的多个环境参数生成一环境参数信号并输出；
[0057] 用户信息采集单元，用于采集所述用户的身高和体重生成一用户信息信号并输出。
[0058] 优选的，还包括：
[0059] 昼夜节律分析模块，连接所述采集模块，用于根据所述环境参数信号和所述体动信号，采用一预设的昼夜节律分析模型，生成用户的昼夜节律信号并输出；
[0060] 所述昼夜节律信号表示用户的
能量消耗，和/或活动幅度，和/或睡眠状态。
[0061] 优选的，还包括：
[0062] 运动计步模块，连接所述采集模块，用于根据所述体动信号，采用一预设的运动计步模型，对用户的步数和步频生成一运动计步信号并输出。
[0063] 本发明的技术方案有益效果在于：通过测量血氧、脉搏波信号，环境参数和三轴加速度传感器等参数，分析得到血氧饱和度与脉率，进一步分析受测者的睡眠状况、呼吸暂停、精神压力、昼夜节律、活动幅度与能耗，综合分析受测者的生活状况，记录事件作为临床参考，并通过生物反馈进行反馈训练。
附图说明
[0064] 参考所附附图，以更加充分地描述本发明的
实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
[0065] 图1是本发明的一种较优的实施例中，一种多功能腕式血氧仪的总体结构示意图；
[0066] 图2是本发明的一种较优的实施例中，一种多功能腕式血氧仪的采集模块结构示意图；
[0067] 图3是本发明的一种较优的实施例中，一种多功能腕式血氧仪的第一睡眠判决模块结构示意图；
[0068] 图4是本发明的一种较优的实施例中，一种多功能腕式血氧仪的第二睡眠判决模块结构示意图；
[0069] 图5是本发明的一种较优的实施例中，一种多功能腕式血氧仪的第三睡眠判决模块结构示意图；
[0070] 图6是本发明的一种较优的实施例中，一种多功能腕式血氧仪的呼吸暂停分析模块结构示意图。
具体实施方式
[0071] 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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0072] 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0073] 下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0074] 基于现有技术中存在的上述问题，本发明提供一种多功能腕式血氧仪，如图1所示，包括：
[0075] 采集模块1，用于采集用户的多项生物指标生成信号并输出；如图2所示，采集模块1具体包括：
[0076] 体动采集单元11，用于采集体动情况生成一体动信号并输出；
[0077] 脉动采集单元12，用于采集脉率生成一脉动信号并输出；
[0078] 血氧采集单元13，用于采集血氧浓度生成一血氧信号并输出；
[0079] 多功能腕式血氧仪还包括：
[0080] 第一睡眠判决模块2，连接采集模块1，用于根据体动信号，采用一预设的第一判决算法，对用户的自然状态生成一第一判决结果并输出；
[0081] 第一判决结果表示用户当前的自然状态具体为清醒期或睡眠期；
[0082] 第二睡眠判决模块3，分别连接第一睡眠判决模块2和采集模块1，用于根据表示用户当前的自然状态为睡眠期的第一判决结果和脉动信号，采用一预设的第二判决算法，对用户的睡眠期生成一第二判决结果并输出；
[0083] 第二判决结果表示用户当前的睡眠期具体为快速眼动睡眠期或非快速眼动睡眠期；
[0084] 第三睡眠判决模块4，分别连接第二睡眠判决模块3和采集模块1，用于根据表示用户当前的睡眠期为非快速眼动睡眠期的第二判决结果和脉动信号，采用一预设的第三判决算法，对用户的非快速眼动睡眠期生成一第三判决结果并输出；
[0085] 第三判决结果表示用户当前的非快速眼动睡眠期具体为浅睡期或深睡期；
[0086] 呼吸暂停分析模块5，分别连接采集模块1，用于根据体动信号、脉动信号和血氧信号，采用一预设的呼吸暂停判决函数，针对用户的睡眠呼吸状况生成一睡眠呼吸分析结果；
[0087] 睡眠呼吸分析结果表示用户是否出现睡眠呼吸暂停，和/或睡眠呼吸暂停的类型，和/或睡眠呼吸暂停的严重程度。
[0088] 具体地，本发明的
脉搏血氧饱和度测量原理是依据郎伯-比尔(Lam-bert2Beer)定律：当一束单色光通过溶液介质时，吸光度与溶液的浓度和溶液层的厚度的乘积成正比。脉搏血氧传感器以红光和红外光两路光线高频交替照射被测部位，两路透射光经光电转换得到两路变化的光
电流信号，两路光电流信号经过放大、去直流、去工频干扰得到两路信号的交流部分，交流部分的
平均功率之比即为动脉血的含氧量，通过拟合得到脉搏血氧饱和度；其中任何一路信号交流部分即为脉搏波，测得其周期可计算出脉率。
[0089] 首先，对光电流信号进行滤波处理：脉搏波信号的
频率一般5Hz以下，正常成人脉率在安静、清醒的情况下为1～2Hz，采用0.2-5Hz的带通
滤波器，过滤去除高频噪声。然后，去基线漂移，使得过滤后的信号处于一个特定数值范围之内，去基线的计算方法采用动态更新方法。进一步地，计算脉率，根据动态阈值，结合区域极大值法，求出关键点(脉搏跳动声)，根据脉搏跳动声计算出脉率值。同时，计算血氧值时，需要计算R值，根据血氧和R值得拟合曲线，既可以得到血氧值，血氧计算方法波峰波谷法。计算公式如下所示：
[0090]
[0091] 其中，红光和红外光的AC值(
交流分量)，即为红光和红外光PPG(脉搏波)信号的波峰值或波谷值，DC值(
直流分量)为含有低频的PPG信号的最大值。然后根据血氧饱和度SPO2与R值的关系算出血氧值。最后，根据计算得到的脉率血氧值，进一步做平滑处理，得到医用脉率值与医用血氧值。
[0092] 本发明的具体实施例中，体动采集单元11可采用三轴加速度传感器采集生成用户的体动信号，即三轴加速度信号。
[0093] 本发明的较佳的实施例中，如图3所示，第一睡眠判决模块2包括：
[0094] 信号过滤单元21，用于对体动信号进行过滤并输出；
[0095] 信号整合单元22，连接信号过滤单元21，用于对信号过滤单元21过滤后的体动信号进行整合并输出；
[0096] 第一窗口划分单元23，连接信号整合单元22，用于根据一预设的第一单位长度，将信号整合单元22整合后的体动信号划分为多个第一信号分析窗口并输出；
[0097] 活动量计算单元24，连接第一窗口划分单元23，用于对第一信号分析窗口内的体动信号表示的用户的活动量进行计算并输出；
[0098] 第一判决指标计算单元25，连接活动量计算模块，用于采用一预设的第一判决模型，输入第一信号分析窗口内的活动量，得到一第一判决指标并输出；
[0099] 第一判决单元26，连接第一判决指标计算单元25，用于采用一预设的第一阈值与第一判决指标进行比较，得到第一判决结果并输出；
[0100] 若第一判决指标小于第一阈值，则第一判决结果表示用户当前的自然状态为睡眠期；
[0101] 若第一判决指标大于等于第一阈值，则第一判决结果表示用户当前的自然状态为清醒期。
[0102] 具体地，本发明的具体实施例中，第一睡眠判决模块2根据采集到的体动信号，将用户的自然状态划分为清醒期和睡眠期。首先，信号过滤单元21使用
带通滤波器滤除信号中的异常成分；信号整合单将体动采集单元11生成的X轴、Y轴、Z轴的三维的体动信号通过平方和开根号滤波整合成一维的体动信号；第一窗口划分单元23根据一预设的第一单位长度，将信号整合单元22整合后的体动信号划分为多个第一信号分析窗口；
[0103] 优选的，第一单位长度可以设置为30秒或其他合适的值。
[0104] 活动量计算单元24计算每个窗口内的用户活动量。第一判决指标计算单元25，采用一预设的第一判决模型，输入用户活动量，得到一第一判决指标并输出；第一判决单元26采用一预设的第一阈值与第一判决指标进行比较得到第一判决结果。第一阈值可以设定为1或其他合适的数值；如果第一判决指标小于1，则第一判决结果表示用户当前的自然状态为清醒期；如果第一判决指标大于等于1，则第一判决结果表示用户当前的自然状态为睡眠期；最后，由于根据体动信号进行睡眠状态的判断容易发生过判睡眠，因此还需要对“过判睡眠”进行修正，即为修正部分过渡期间的错判，通过对用户的心率变异性进行分析，当符合一定条件时进行重新修正，把
指定窗口的睡眠状态重置为清醒状态。
[0105] 本发明的较佳的实施例中，如图4所示，第二睡眠判决模块3包括：
[0106] 第二窗口划分单元31，用于根据一预设的第二单位长度，将脉动信号划分为多个第二信号分析窗口并输出；
[0107] 第二时域计算单元32，连接第二窗口划分单元31，用于对第二信号分析窗口内的脉动信号进行计算生成多个时域参数并输出；
[0108] 第二频域特征提取单元33，连接第二窗口划分单元31，用于对第二信号分析窗口内的脉动信号进行提取生成多个频域参数并输出；
[0109] 第二去波动分析单元34，连接第二窗口划分单元31，用于根据一预设的去趋势波动分析模型，对第二信号分析窗口内的脉动信号之间的长程相关性进行分析生成一波动特征并输出；
[0110] 第二判决指标计算单元35，连接第二时域计算单元32、第二频域特征提取单元33和第二去波动分析单元34，用于采用一预设的第二判决模型，输入时域参数、频域参数和波动特征，得到一第二判决指标并输出；
[0111] 第二判决单元36，连接第二判决指标计算单元35，用于采用一预设的第二阈值与第二判决指标进行比较，得到第二判决结果并输出；
[0112] 若第二判决指标小于第二阈值，则第二判决结果表示用户当前的自然状态为非快速眼动睡眠期；
[0113] 若第二判决指标大于等于第二阈值，则第二判决结果表示用户当前的自然状态为快速眼动睡眠期。
[0114] 具体地，本发明的具体实施例中，第二睡眠判决模块3根据脉动信号的特征(时域、频域和去波动分析)，将睡眠期进行细分为快速眼动睡眠期和非快速眼动睡眠期。第二窗口划分单元31根据一预设的第二单位长度，将脉动信号划分为多个第二信号分析窗口；第二时域计算单元32计算脉动信号的时域参数包括平均RR间期(NNmean)、均方根(RMSSD)、标准差(SDNN)和相邻RR间期相差50ms的对数(NN50)；第二频域特征提取单元33，提取当前窗口脉动信号的频域参数包括高频(HF)，低频(LF)，极低频(VLF)，超低频(ULF)，和低频高频比(LFHF)；第二去波动分析单元34根据一预设的去趋势波动分析模型，对第二信号分析窗口内的脉动信号之间的长程相关性进行分析；第二判决指标计算单元35采用一预设的第二判决模型，输入脉动信号的时域参数、频域参数和波动特征，对上述特征设置相应的权重，再经计算得到一第二判决指标；
[0115] 优选的，时域参数、频域参数和波动特征的权重可设置为1:2:2，或其他合适的值。
[0116] 第二判决单元36采用一预设的第二阈值与第二判决指标进行比较，得到第二判决结果并输出。第二判决单元36采用一预设的第二阈值与第二判决指标进行比较得到第二判决结果；如果第二判决指标大于等于第二阈值，则表示用户当前的睡眠期具体为快速眼动睡眠期(REM)；如果第二判决指标小于第二阈值，则第二判决结果表示用户当前的睡眠期具体为非快速眼动睡眠期(NON-REM)；。
[0117] 最后，由于根据体动信号进行睡眠状态的判断容易发生过判，因此还需要对“过判睡眠”进行修正，即为修正部分过渡期间的错判，通过对用户的心率变异性进行分析，当符合一定条件时进行重新修正，可把指定窗口的REM状态重置为NON-REM状态，或者把指定窗口的non-REM状态重置为REM状态。
[0118] 本发明的较佳的实施例中，如图5所示，第三睡眠判决模块4包括：
[0119] 第三窗口划分单元41，用于根据一预设的第三单位长度，将脉动信号划分为多个第三信号分析窗口并输出；
[0120] 第三时域计算单元42，连接第三窗口划分单元41，用于对第三信号分析窗口内的脉动信号进行计算生成多个时域参数并输出；
[0121] 第三频域特征提取单元43，连接第三窗口划分单元41，用于对第三信号分析窗口内的脉动信号进行提取生成多个频域参数并输出；
[0122] 第三去波动分析单元44，连接第三窗口划分单元41，用于根据一预设的去趋势波动分析模型，对第三信号分析窗口内的脉动信号之间的长程相关性进行分析生成一波动特征并输出；
[0123] 第三判决指标计算单元45，连接第三时域计算单元42、第三频域特征提取单元43和第三去波动分析单元44，用于采用一预设的第三判决模型，输入时域参数、频域参数和波动特征，得到一第三判决指标并输出；
[0124] 第三判决单元46，连接第三判决指标计算单元45，用于采用一预设的第三阈值与第二判决指标进行比较，得到第三判决结果并输出；
[0125] 若第三判决指标小于第三阈值，则第三判决结果表示用户当前的自然状态为深睡期；
[0126] 若第三判决指标大于等于第三阈值，则第三判决结果表示用户当前的自然状态为浅睡期。
[0127] 具体地，第三睡眠判决模块4根据脉动信号的特征(时域、频域和去波动分析)，对非快速眼动睡眠期进行细分，分为浅睡期和深睡期。浅睡期和深睡期的具体判决步骤与REM/NON-REM状态的判决步骤类似，使用的判决模型也相同。区别在于求判决指标时，权重不同，时域、频域和去波动分析的权重设置为1:1:2，或者其他合适的值；判决修正通过心率变异分析重新修正浅睡期和深睡期。
[0128] 本发明的较佳的实施例中，如图6所示，呼吸暂停分析模块5包括：
[0129] 第四窗口划分单元51，用于根据一预设的第四单位长度，将体动信号、脉动信号和血氧信号划分为多个第四信号分析窗口并输出；
[0130] 特征提取单元52，连接第四窗口划分单元51，用于对第四信号分析窗口内的体动信号、脉动信号和血氧信号进行提取生成多个特征值；
[0131] 呼吸暂停分析单元53，连接特征提取单元52，用于采用呼吸暂停判决函数，输入特征值，得到睡眠呼吸分析结果。
[0132] 具体地，在睡眠的过程中，当发生睡眠呼吸暂停时，血氧浓度(SPO2)会下降，同时血氧和心率都会呈周期性变化；而当呼吸正常时，血氧和心率的变化则比较平稳。因此可以利用血氧和心率的的特征来判断用户是否出现睡眠呼吸暂停。在发生睡眠呼吸暂停时，不同类型的睡眠呼吸暂停下，人体的体动信号的特征差异比较大，因此，可以根据体动信号区分不同的呼吸暂停类型。
[0133] 根据血氧信号和脉动信号的特征，识别用户是否有呼吸暂停病症。根据用户已被识别为睡眠呼吸暂停的阶段的低频脉动信号特征，结合体动信号的特性，将睡眠呼吸暂停分为阻塞性和中枢性。根据用户睡眠呼吸暂停阶段的脉动信号的周期性特征，计算出睡眠呼吸暂停严重程度的数值，单位为：次/小时。
[0134] 本发明的具体实施例中，首先，分别对体动信号、脉动信号和血氧信号进行预处理，去除杂波，重
采样等操作；然后，对预处理过后的三种信号，分别以固定窗口，进行划分处理；进一步地，在分析窗口内，提取出活动量特征，周期特征，时频域特征和血氧特征；最后，呼吸暂停判决：将特征带入判决函数，完成对是否有呼吸暂停的判决，如有呼吸暂停，则进一步判定其类型和严重程度。
[0135] 本发明的较佳的实施例中，还包括；
[0136] 压力分析模块6，连接采集模块1，用于采用一预设的压力分析模型，对脉动信号进行计算生成一压力分析结果并输出。
[0137] 具体地，利用心跳周期差异的变化情况(HRV)即心率变异性评估压力和自主神经系统功能的原理是对HRV进行时域，频域分析，并通过寻找时频指标与压力，自主神经系统功能的量化关系数学模型，进而进行压力，自主神经系统的评估与分析。具体步骤包括：获取RR间期：获取每个PPG周期，加速度最大时间点，即脉搏调动声，以脉搏跳动声时间间隔作为序列，构成RR间期序列；阈值滤波：通过滤波程序，对上一步获得的RR间期序列去除不符合HRV分析条件的RR间隔，剔除伪差，异位搏动，漏检等情况，获得用于呼吸调节分析的HRV信号,其单位为秒；重采样与插值：对获得的HRV信号由于为不等间隔信号，需要进行插值与重采样，根据频率分析信号带宽，以及采样原理，确定重
采样频率,并进行相应插值操作；时频域分析：时域分析里的心率变异性主要反映副交感神经系统，该领域分析中所有的单位以毫秒(msec)计算。主要包括指标：全体NN间期的标准偏差,临近RR间期之差的均方根。频率信号主要包括以下三种主要的周期性成分。各频段国际公认的范围为：高频(0.15-0.4Hz):呼吸对迷走神经的调节，反映迷走神经活动。低频(0.04-0.15Hz):压力反射相关的心率波动，反映交感和迷走的混合作用。极低频(0.0033-0.04Hz)：反映血管收缩变化，体温调节，可能由迷走神经介导；根据时频域特征与抗压能力，压力指数，ANS(自主神经系统)活性，ANS平衡度的映射关系，计算得到抗压能力，压力指数，ANS活性，ANS平衡度。
[0138] 本发明的较佳的实施例中，采集模块1，还包括；
[0139] 环境参数采集单元14，用于采集多功能腕式血氧仪的多个环境参数生成一环境参数信号并输出；
[0140] 用户信息采集单元16，用于采集用户的身高和体重生成一用户信息信号并输出；
[0141] 具体地，环境参数采集单元14采集的环境参数包括
温度、湿度、气压、海拔、
亮度和噪声。
[0142] 本发明的较佳的实施例中，还包括：
[0143] 昼夜节律分析模块7，连接采集模块1，用于根据环境参数信号和体动信号，采用一预设的昼夜节律分析模型，生成用户的昼夜节律信号并输出；
[0144] 昼夜节律信号表示用户的能量消耗，和/或活动幅度，和/或睡眠状态。
[0145] 具体地，本发明的具体实施例中，昼夜节律分析模块7通过环境参数信号和体动信号并长时间连续监测，将测试结果上传到手机APP，由算法计算得到能耗、活动幅度以及睡眠分析，从而达到长期监测昼夜节律的目的。
[0146] 本发明的较佳的实施例中，还包括：
[0147] 运动计步模块8，连接采集模块1，用于根据体动信号，采用一预设的运动计步模型，对用户的步数和步频生成一运动计步信号并输出。
[0148] 具体地，运动计步模块8的计步原理是依据步行过程中三轴加速度信号会产生周期变化这一特征，根据预设的规则调整得到步数。运
动能耗由身高、体重、步速以及能量系数等卡路里参数计算得到。昼夜节律分析模型步骤如下：数据预处理：分别对X Y Z轴原始加速度数据做N点平滑滤波，平滑滤波后的三轴
加速度计算平方和与去基线操作；根据极大极小值检测有效峰值；当找到有效峰值，对其进行约束条件判断，包括：
时间窗口条件，峰值平滑线阈值条件，持续运动窗口条件；根据计歩规则对可能漏检的步数进行补检；根据步速和受测者个人身高体重信息计算能耗。
[0149] 本发明的具体实施例中，还包括一生物反馈训练功能：阈值滤波：通过滤波程序，对上一步获得的RR间期序列去除不符合HRV分析条件的RR间隔，剔除伪差，异位搏动，漏检等情况，获得用于呼吸调节分析的HRV信号。重采样与插值：对获得的HRV信号由于为不等间隔信号，需要进行插值与重采样，根据频率分析信号带宽，以及采样原理，确定重采样频率,并进行相应插值操作。呼吸频率分析：利用快速
傅立叶变换算法对获得的HRV信号进行频率分析，提取呼吸频段的极大值，极小值，进行滤波，计算峰值比，峰值频率，获得呼吸效果评分，与设定的呼吸频率进行比对，如果不一致，则重新设定呼吸频率。通过预定的生物反馈训练，可以调节受测者的生物节律，帮助其快速恢复正常节律状态。
[0150] 以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明
说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
