一种具有人体肌肉状态检测的软硬可调智能床垫及其控制方法.pdf

《一种具有人体肌肉状态检测的软硬可调智能床垫及其控制方法.pdf》由会员分享，可在线阅读，更多相关《一种具有人体肌肉状态检测的软硬可调智能床垫及其控制方法.pdf（15页完整版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201810990599.6 (22)申请日 2018.08.28 (71)申请人 浙江想能云软件股份有限公司 地址 314500 浙江省嘉兴市桐乡市乌镇镇 子夜东路1508号悦景庄二街坊2号-55 (72)发明人 付存谓 郭峰 (74)专利代理机构 北京旭路知识产权代理有限 公司 11567 代理人 杨杰 孙玉全 (51)Int.Cl. A47C 27/10(2006.01) A47C 31/00(2006.01) (54)发明名称 一种具有人体肌肉状态检测的软硬可调智 能床垫。

2、及其控制方法 (57)摘要 本发明公开了一种人体肌肉状态检测的软 硬可调智能床垫及其控制方法， 通过软硬可调智 能床垫的特定功能层， 能够以非接触耦合的方式 采集人体表面肌肉电信号， 并且对该微弱且混杂 的肌肉电信号实施有效的干扰屏蔽、 消混滤波、 放大以及数字采样； 本发明利用该肌肉电信号提 取频域特征量， 进而整合全身肌肉动作的信号特 征组， 利用BP神经网络实现动作模式类型的确 定， 进而分析人体睡眠质量， 可以针对现有技术 难以准确监测的人体细微动作实现高可靠性检 测分析， 更加精确地判断人体全身动作类型， 进 而使软硬可调智能床垫的调节与人体睡眠状态 相匹配， 起到明显更优的睡眠质量。

3、提升效果。 权利要求书2页 说明书9页 附图3页 CN 108836012 A 2018.11.20 CN 108836012 A 1.一种人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 包括： 软硬调节层、 舒适 接触层以及至少一个功能层； 所述软硬调节层包括若干个可以独立充气和放气的充气腔 室， 通过对每个充气腔室充气或放气改变腔室内部气压值， 从而调节该腔室对应床垫区域 的软硬度； 舒适接触层设置在软硬调节层之上， 直接与人体相接触； 所述功能层嵌入到该舒 适接触层之内或者敷设与舒适接触层的表层， 每个所述功能层包括若干个功能单元以及连 接各个功能单元的柔性导线； 其中， 所述至少一。

4、个功能层包括肌肉状态检测功能层， 所述肌 肉状态检测功能层的功能单元包括耦合电容贴片电极、 干扰屏蔽壳、 信号放大模块、 消混滤 波模块、 模数转换模块； 所述耦合电容贴片电极通过与人体肌肉表面耦合形成电容， 感应肌 肉动作产生的电位差信号， 并且将所述电位差信号传输至所述信号放大模块； 所述信号放 大模块用于对肌肉动作产生的电位差信号进行放大， 并且将放大后的电位差信号传输至消 混滤波模块； 所述消混滤波模块对放大后的电位差信号进行滤波， 消除混杂信号， 然后输送 至所述模数转换模块； 所述模数转换模块进行模数转换， 生成表示肌肉动作的数字信号， 并 通过连接每个功能单元的所述柔性导线输出；。

5、 所述干扰屏蔽壳用于对外界干扰信号进行屏 蔽； 所述软硬可调智能床垫还包括： 人体动作识别单元， 所述人体动作识别单元用于接收 肌肉状态检测功能层的每个功能单元输出的表示肌肉动作的数字信号， 并且根据全部所述 数字信号对人体动作模式进行识别； 睡眠状态分析单元， 用于根据人体动作模式， 分析人体睡眠状态； 床垫调节单元， 用于适应于所述人体睡眠状态， 对软硬可调智能床垫的软硬调节层以 及其它功能层进行调节。 2.根据权利要求1所述的人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 所述人 体动作识别单元具体包括： 肌肉动作信号特征提取模块， 用于从每个功能单元输出的所述 表示肌肉动作的数字信。

6、号当中提取特征量， 整合全部特征量形成全身肌肉动作信号特征 组； 动作模式分类神经网络， 利用记录全身肌肉动作信号特征组与人体动作模式类型对应 关系的训练样本进行训练后， 根据实时输入的全身肌肉动作信号特征组， 判断当前的人体 动作模式类型。 3.根据权利要求2所述的人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 所述肌 肉动作信号特征提取模块用于对每个功能单元输出的所述表示肌肉动作的数字信号如下 计算特征量： 其中XPi表示第i个功能单元输出的表示肌肉动作的数字信号的特征量， Pi(f)表示第i 个功能单元输出的表示肌肉动作的数字信号的功率谱； 其中i的取值范围为1-n； 并且， 所述 。

7、肌肉动作信号特征提取模块组合全部功能单元的所述特征量生成全身肌肉动作信号特征 组XPXP1， XP2XPiXPn。 4.根据权利要求3所述的人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 所述动 作模式分类神经网络包括输入层、 隐藏层和输出层； 输入层对应于输入的全身肌肉动作信 号特征组； 所述隐藏层用于通过以所述训练样本进行训练， 获得全身肌肉动作信号特征组 权 利 要 求 书 1/2 页 2 CN 108836012 A 2 与人体动作模式类型之间的对应关系， 进而根据实时输入的全身肌肉动作信号特征组确定 人体动作模式类型； 所述输出层用于将人体动作模式类型进行输出。 5.根据权利要求。

8、4所述的人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 所述睡 眠状态分析单元根据在预定的统计时长内人体动作模式类型的分布情况， 计算其与理想睡 眠状态下人体动作模式类型分布的偏差度。 6.根据权利要求5所述的人体肌肉状态检测的软硬可调智能床垫， 其特征在于， 所述床 垫调节单元根据所述偏差度， 确定对软硬调节层以及其它功能层进行调节的调节参数。 7.一种基于人体肌肉状态检测的软硬可调智能床垫控制方法， 其特征在于， 包括以下 步骤： 利用软硬可调智能床垫功能层的功能单元包括的耦合电容贴片电极， 通过与人体肌肉 表面耦合形成电容， 感应肌肉动作产生的电位差信号； 对肌肉动作产生的电位差信号。

9、进行放大， 并且将放大后的电位差信号进行滤波， 消除 混杂信号， 然后进行模数转换， 生成表示肌肉动作的数字信号； 接收每个功能单元输出的表示肌肉动作的数字信号， 并且根据全部所述数字信号对人 体动作模式进行识别； 用于根据人体动作模式， 分析人体睡眠状态； 适应于所述人体睡眠状态， 对软硬可调智能床垫的软硬调节层以及其它功能层进行调 节。 8.根据权利要求7所述的基于人体肌肉状态检测的软硬可调智能床垫控制方法， 其特 征在于， 对人体动作模式进行识别具体包括： 从每个功能单元输出的所述表示肌肉动作的 数字信号当中提取特征量， 整合全部特征量形成全身肌肉动作信号特征组； 利用记录全身 肌肉动作。

10、信号特征组与人体动作模式类型对应关系的训练样本对BP神经网络进行训练后， 根据实时输入的全身肌肉动作信号特征组， 判断当前的人体动作模式类型。 9.根据权利要求8所述的基于人体肌肉状态检测的软硬可调智能床垫控制方法， 其特 征在于， 对每个功能单元输出的所述表示肌肉动作的数字信号如下计算特征量： 其中XPi表示第i个功能单元输出的表示肌肉动作的数字信号的特征量， Pi(f)表示第i 个功能单元输出的表示肌肉动作的数字信号的功率谱； 其中i的取值范围为1-n； 并且， 组合 全部功能单元的所述特征量生成全身肌肉动作信号特征组XPXP1， XP2XPiXPn。 10.根据权利要求9所述的基于人体肌。

11、肉状态检测的软硬可调智能床垫控制方法， 其特 征在于， 用于根据人体动作模式， 分析人体睡眠状态具体包括： 根据在预定的统计时长内人 体动作模式类型的分布情况， 计算其与理想睡眠状态下人体动作模式类型分布的偏差度。 权 利 要 求 书 2/2 页 3 CN 108836012 A 3 一种具有人体肌肉状态检测的软硬可调智能床垫及其控制 方法 技术领域 0001 本发明涉及智能家居技术领域， 特别是涉及一种具有人体肌肉状态检测的软硬可 调智能床垫及其控制方法。 背景技术 0002 睡眠是每个人都需要进行的重要生理活动， 睡眠可以帮助人体恢复疲劳、 缓解情 绪， 充足的睡眠对人的正常生活十分必要。。

12、 在现代社会中， 患有失眠、 嗜眠等症状的人不在 少数， 常常对人的白天生活造成很大的影响， 导致其他精神和身体问题。 同时， 人体的健康 状况又会直接影响和决定睡眠质量， 例如肌肉疼痛、 尿频等很多健康问题都会造成失眠或 者睡眠质量低下。 0003 床垫是睡眠的重要工具， 与睡眠质量息息相关。 现代人们使用的床垫种类逐渐趋 向多元化， 主要有： 弹簧床垫、 棕榈床垫、 乳胶床垫、 水床垫、 磁床垫等。 近年来， 软硬可调智 能床垫一经推出， 便广受消费者青睐。 顾名思义， 软硬可调智能床垫与人体接触的软硬度能 够调节， 因此， 它能够适应每个人不同的生理曲线、 睡姿以及习惯， 为每个人提供个。

13、性化的 舒适睡眠环境。 软硬可调智能床垫的结构一般包括软硬调节层、 舒适接触层以及一个或者 多个功能层； 其中， 软硬调节层采用改变充气量的原理实现对床垫软硬程度之调节； 舒适接 触层与人体相接触， 提供较为舒适的接触触感； 而各个功能层可以实现压力状态检测、 温度 调节等多种与智能化相关的功能。 0004 人体在睡眠过程中身体也在不断做出各种动作， 特别是睡着之后也会在无意识下 产生一系列动作。 其中， 在浅睡眠状态下动作的频率和幅度都比较大， 而在深度睡眠状态下 动作的发生频率和幅度会相对较小。 同时， 在温度过高或者过低引起体感不适、 憋尿、 身体 姿态不够舒适等情况下， 人体也会应激而。

14、发生动作。 对睡眠状态下人体动作进行持续性监 测， 可以了解用户的睡眠深度规律， 分析影响用户睡眠质量的原因， 并给与个性化的解决方 案， 包括对智能床垫软硬调节层和功能层的自适应控制等。 0005 目前， 对人体睡眠状态下动作的监测可以在软硬可调智能床垫的功能层设置压力 传感器， 测量人体动作引起的压力变化， 通过压力值变化的幅度和频率代表人体动作的幅 度与频率。 但是， 基于压力测量的人体动作监测精度较低， 对人体细微动作的监测准确度和 实时性都不够， 对人体动作部位和动作方式也难以进行有效的判断。 0006 人体的各种动作都是由肌肉牵引实现的， 肌肉动作会在人体表面产生细微的电信 号， 。

15、并且随着人体动作的部位和方式不同、 动作的幅度和频率不同， 该肌肉电信号也会随之 产生差异性。 并且， 睡眠过程中智能床垫与人体接触紧密且接触面积大， 为肌肉电信号的提 取提供了方便， 因此， 如果能够利用该电信号对睡眠过程中人体肌肉状态进行监测， 进而分 析人体睡眠质量， 相比现有技术可以起到明显更优的技术效果。 然而， 肌肉电信号较为微弱 且夹杂大量噪声， 对该电信号的提取、 识别都存在需要解决的困难。 说 明 书 1/9 页 4 CN 108836012 A 4 发明内容 0007 有鉴于此， 本发明提供一种人体肌肉状态检测的软硬可调智能床垫及其控制方 法。 0008 本发明提供一种人体。

16、肌肉状态检测的软硬可调智能床垫， 其特征在于， 包括： 软硬 调节层、 舒适接触层以及至少一个功能层； 所述软硬调节层包括若干个可以独立充气和放 气的充气腔室， 通过对每个充气腔室充气或放气改变腔室内部气压值， 从而调节该腔室对 应床垫区域的软硬度； 舒适接触层设置在软硬调节层之上， 直接与人体相接触； 所述功能层 嵌入到该舒适接触层之内或者敷设与舒适接触层的表层， 每个所述功能层包括若干个功能 单元以及连接各个功能单元的柔性导线； 其中， 所述至少一个功能层包括肌肉状态检测功 能层， 所述肌肉状态检测功能层的功能单元包括耦合电容贴片电极、 干扰屏蔽壳、 信号放大 模块、 消混滤波模块、 模数。

17、转换模块； 所述耦合电容贴片电极通过与人体肌肉表面耦合形成 电容， 感应肌肉动作产生的电位差信号， 并且将所述电位差信号传输至所述信号放大模块； 所述信号放大模块用于对肌肉动作产生的电位差信号进行放大， 并且将放大后的电位差信 号传输至消混滤波模块； 所述消混滤波模块对放大后的电位差信号进行滤波， 消除混杂信 号， 然后输送至所述模数转换模块； 所述模数转换模块进行模数转换， 生成表示肌肉动作的 数字信号， 并通过连接每个功能单元的所述柔性导线输出； 所述干扰屏蔽壳用于对外界干 扰信号进行屏蔽； 0009 所述软硬可调智能床垫还包括： 人体动作识别单元， 所述人体动作识别单元用于 接收肌肉状态。

18、检测功能层的每个功能单元输出的表示肌肉动作的数字信号， 并且根据全部 所述数字信号对人体动作模式进行识别； 0010 睡眠状态分析单元， 用于根据人体动作模式， 分析人体睡眠状态； 0011 床垫调节单元， 用于适应于所述人体睡眠状态， 对软硬可调智能床垫的软硬调节 层以及其它功能层进行调节。 0012 优选的是， 所述人体动作识别单元具体包括： 肌肉动作信号特征提取模块， 用于从 每个功能单元输出的所述表示肌肉动作的数字信号当中提取特征量， 整合全部特征量形成 全身肌肉动作信号特征组； 动作模式分类神经网络， 利用记录全身肌肉动作信号特征组与 人体动作模式类型对应关系的训练样本进行训练后， 。

19、根据实时输入的全身肌肉动作信号特 征组， 判断当前的人体动作模式类型。 0013 进一步优选的是， 所述肌肉动作信号特征提取模块用于对每个功能单元输出的所 述表示肌肉动作的数字信号如下计算特征量： 0014 0015 其中XPi表示第i个功能单元输出的表示肌肉动作的数字信号的特征量， Pi(f)表示 第i个功能单元输出的表示肌肉动作的数字信号的功率谱； 其中i的取值范围为1-n； 并且， 所述肌肉动作信号特征提取模块组合全部功能单元的所述特征量生成全身肌肉动作信号 特征组XPXP1， XP2XPiXPn。 0016 进一步优选的是， 所述动作模式分类神经网络包括输入层、 隐藏层和输出层； 输入。

20、 说 明 书 2/9 页 5 CN 108836012 A 5 层对应于输入的全身肌肉动作信号特征组； 所述隐藏层用于通过以所述训练样本进行训 练， 获得全身肌肉动作信号特征组与人体动作模式类型之间的对应关系， 进而根据实时输 入的全身肌肉动作信号特征组确定人体动作模式类型； 所述输出层用于将人体动作模式类 型进行输出。 0017 进一步优选的是， 所述动作模式分类神经网络利用训练样本， 将全身肌肉动作信 号特征组的样本以及相应的人体动作模式类型作为学习样本输入到BP神经网络； 执行正向 传导计算： 将该学习样本代入到BP神经网络， 依次计算隐藏层和输出层的数值； 判断本轮的 偏差是否小于等于。

21、预定的允许偏差 ， 若判断结果为是， 则停止迭代， 若判断结果为否， 则继 续执行反向计算， 根据学习率更改权值； 经过反复学习， 不断调整BP神经网络的神经元之间 的权重值， 直至偏差达到小于等于预定的允许偏差， 则BP神经网络训练完成； 对于当前实时 采集的全身肌肉动作信号特征组， 将其作为一个输入向量输入至训练好的该BP神经网络， 使该BP神经网络输出当前的人体动作模式类型。 0018 优选的是， 所述睡眠状态分析单元根据在预定的统计时长内人体动作模式类型的 分布情况， 计算其与理想睡眠状态下人体动作模式类型分布的偏差度。 0019 进一步优选的是， 所述睡眠状态分析单元根据每种人体动作。

22、模式类型在所述统计 时长内的发生次数与理想睡眠状态下发生次数的差值， 结合每种人体动作模式的归一化权 重参数， 计算所述偏差度。 0020 进一步优选的是， 所述床垫调节单元根据所述偏差度， 确定对软硬调节层以及其 它功能层进行调节的调节参数。 0021 优选的是， 所述干扰屏蔽壳由内至外依次包括绝缘层、 金属屏蔽层以及硅胶外罩 层。 0022 优选的是， 所述其它功能层包括温度调节层， 并且所述床垫调节单元适应于所述 人体睡眠状态， 对所述温度调节层的温度进行调节。 0023 进而， 本发明提供了一种基于人体肌肉状态检测的软硬可调智能床垫控制方法， 其特征在于， 包括以下步骤： 0024 利。

23、用软硬可调智能床垫功能层的功能单元包括的耦合电容贴片电极， 通过与人体 肌肉表面耦合形成电容， 感应肌肉动作产生的电位差信号； 0025 对肌肉动作产生的电位差信号进行放大， 并且将放大后的电位差信号进行滤波， 消除混杂信号， 然后进行模数转换， 生成表示肌肉动作的数字信号； 0026 接收每个功能单元输出的表示肌肉动作的数字信号， 并且根据全部所述数字信号 对人体动作模式进行识别； 0027 用于根据人体动作模式， 分析人体睡眠状态； 0028 适应于所述人体睡眠状态， 对软硬可调智能床垫的软硬调节层以及其它功能层进 行调节。 0029 优选的是， 对人体动作模式进行识别具体包括： 从每个功。

24、能单元输出的所述表示 肌肉动作的数字信号当中提取特征量， 整合全部特征量形成全身肌肉动作信号特征组； 利 用记录全身肌肉动作信号特征组与人体动作模式类型对应关系的训练样本对BP神经网络 进行训练后， 根据实时输入的全身肌肉动作信号特征组， 判断当前的人体动作模式类型。 0030 进一步优选的是， 对每个功能单元输出的所述表示肌肉动作的数字信号如下计算 说 明 书 3/9 页 6 CN 108836012 A 6 特征量： 0031 0032 其中XPi表示第i个功能单元输出的表示肌肉动作的数字信号的特征量， Pi(f)表示 第i个功能单元输出的表示肌肉动作的数字信号的功率谱； 其中i的取值范围。

25、为1-n； 并且， 组合全部功能单元的所述特征量生成全身肌肉动作信号特征组XPXP1， XP2XPiXPn。 0033 进一步优选的是， 将全身肌肉动作信号特征组的样本以及相应的人体动作模式类 型作为学习样本输入到BP神经网络； 执行正向传导计算： 将该学习样本代入到BP神经网络， 依次计算隐藏层和输出层的数值； 判断本轮的偏差是否小于等于预定的允许偏差 ， 若判断 结果为是， 则停止迭代， 若判断结果为否， 则继续执行反向计算， 根据学习率更改权值； 经过 反复学习， 不断调整BP神经网络的神经元之间的权重值， 直至偏差达到小于等于预定的允 许偏差， 则BP神经网络训练完成； 对于当前实时采。

26、集的全身肌肉动作信号特征组， 将其作为 一个输入向量输入至训练好的该BP神经网络， 使该BP神经网络输出当前的人体动作模式类 型。 0034 优选的是， 用于根据人体动作模式， 分析人体睡眠状态具体包括： 根据在预定的统 计时长内人体动作模式类型的分布情况， 计算其与理想睡眠状态下人体动作模式类型分布 的偏差度。 0035 进一步优选的是， 根据每种人体动作模式类型在所述统计时长内的发生次数与理 想睡眠状态下发生次数的差值， 结合每种人体动作模式的归一化权重参数， 计算所述偏差 度。 0036 进一步优选的是， 对软硬可调智能床垫的软硬调节层以及其它功能层进行调节具 体包括： 根据所述偏差度，。

27、 确定对软硬调节层以及其它功能层进行调节的调节参数。 0037 可见， 本申请在睡眠过程中通过软硬可调智能床垫的特定功能层， 能够以非接触 耦合的方式采集人体表面肌肉电信号， 并且对该微弱且混杂的肌肉电信号实施有效的干扰 屏蔽、 消混滤波、 放大以及数字采样； 本发明利用该肌肉电信号提取频域特征量， 进而整合 全身肌肉动作的信号特征组， 利用BP神经网络实现动作模式类型的确定， 进而分析人体睡 眠质量， 相比现有技术利用压力变化或者气压传感进行人体动作检测和睡眠状态推测的方 式， 可以针对现有技术难以准确监测的人体细微动作实现高可靠性检测分析， 更加精确地 判断人体全身动作类型， 进而使软硬可。

28、调智能床垫的调节与人体睡眠状态相匹配， 起到明 显更优的睡眠质量提升效果。 0038 上述说明仅是本发明技术方案的概述， 为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施， 并且为了让本发明的上述和其它目的、 特征和优点能够 更明显易懂， 以下特举本发明的具体实施方式。 附图说明 0039 通过阅读下文优选实施方式的详细描述， 各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。 附图仅用于示出优选实施方式的目的， 而并不认为是对本发明 的限制。 而且在整个附图中， 用相同的参考符号表示相同的部件。 在附图中： 说 明 书 4/9 页 7 CN 108836012 A。

29、 7 0040 图1示出了本发明实施例提供的人体肌肉状态检测功能的软硬可调床垫的总体架 构示意图； 0041 图2示出了本发明实施例提供的软硬可调床垫本体结构示意图； 0042 图3示出了本发明实施例提供的软硬可调床垫功能层检测网格结构示意图； 0043 图4示出了本发明实施例提供的软硬可调床垫的肌肉状态检测功能层功能单元结 构示意图； 0044 图5示出了本发明实施例提供的肌肉状态检测功能层的功能单元的电路模块结构 图； 0045 图6示出了本发明实施例提供的人体动作识别单元模块结构图。 具体实施方式 0046 下面将参照附图更详细地描述本公开的示例性实施例。 虽然附图中显示了本公开 的示例。

30、性实施例， 然而应当理解， 可以以各种形式实现本公开而不应被这里阐述的实施例 所限制。 相反， 提供这些实施例是为了能够更透彻地理解本公开， 并且能够将本公开的范围 完整的传达给本领域的技术人员。 0047 本发明实施例提供了一种具有人体肌肉状态检测功能的软硬可调智能床垫。 参见 图1， 示出了该系统的总体架构示意图， 所述系统包括软硬可调床垫本体1、 人体动作识别单 元2、 睡眠状态分析单元3以及床垫调节单元4。 0048 所述软硬可调床垫本体1从其结构上看， 如图2所示， 包括软硬调节层101、 舒适接 触层102以及一个或者多个功能层103。 其中， 软硬调节层101采用改变充气量的原理。

31、实现对 床垫软硬程度之调节。 具体来说， 软硬调节层被划分为若干个可以独立充气和放气的充气 腔室101A， 每个充气腔室101A安装进出气阀门， 并且该阀门通过导气管与充气泵连通， 通过 对充气腔室101A充气可以增大其内部气压， 从而表现为床垫硬度增加， 而对充气腔室101A 放气可以降低其内部气压， 从而表现为床垫硬度降低； 由于每个腔室101A可以独立进行硬 度调节， 从而使整个床垫的不同位置可以具有不同的硬度， 因此能够适应人体的生理曲线 和感觉偏好。 舒适接触层102设置在软硬调节层101之上， 包括乳胶、 填充棉、 表面亲肤织物 等多层结构， 该层与人体相接触， 提供较为舒适的接触。

32、触感。 一个或者多个功能层103可以 嵌入到该舒适接触层之内， 每个所述功能层103包括功能单元103A以及连接各个功能单元 103A的柔性导线103B。 如图3所示， 软硬可调床垫本体1的功能层103被划分为若干个矩阵分 布的检测网格103C， 并且每个检测网格103C内设置一个功能单元103A。 所述柔性导线103B 用于连接功能单元103A， 实现功能单元103A信号的输入与输出。 例如， 所述功能层103可以 是温度调节功能层， 该功能层的功能单元103A为电加热器， 根据柔性导线103B传递的温度 调节信号， 功能单元103A调节其自身的发热温度， 从而营造与用户体感相适宜的睡眠温度。

33、 环境。 0049 并且， 所述软硬可调床垫本体的功能层103至少包括一个肌肉状态检测功能层， 所 述功能层可以敷设与舒适接触层的表层。 所述肌肉状态检测功能层的功能单元103A的结构 如图4所示， 包括耦合电容贴片电极103A1、 干扰屏蔽壳103A2以及电路板103A3。 其中， 如图5 所示， 电路板103A3上设置信号放大模块103A4、 消混滤波模块103A5、 模数转换模块103A6。 所述耦合电容贴片电极103A1通过与人体肌肉表面耦合形成电容， 感应肌肉动作产生的电 说 明 书 5/9 页 8 CN 108836012 A 8 位差信号， 并且将所述电位差信号传输至所述信号放大。

34、模块103A4； 耦合电容贴片电极 103A1不需要与人体表皮肌肤直接贴合， 可以隔着衣物与人体表面相耦合而形成电容体， 从 而感应人体表面电信号。 人体肌肉运动产生的电信号为微弱电信号， 且混杂各种噪声电信 号， 易受到干扰， 其信噪比比较低， 频率范围一般在50Hz-2KHz之间， 信号幅度0-2mV。 所述信 号放大模块103A4用于对肌肉动作产生的电位差信号进行放大， 并且将放大后的电位差信 号传输至消混滤波模块103A5。 所述消混滤波模块103A5采用低通滤波器， 截止频率在2KHz 左右， 对放大后的电位差信号进行滤波， 消除混杂信号， 然后输送至所述模数转换模块 103A5。 。

35、所述模数转换模块103A5采用高精度AD转化器， 对滤波后的电位差信号进行模数转 换， 生成表示肌肉动作的数字信号， 并通过连接每个功能单元的所述柔性导线103B输出至 所述人体动作识别单元2。 所述干扰屏蔽壳103A2用于对外界干扰信号进行屏蔽， 保证肌肉 动作产生电信号的准确性， 所述干扰屏蔽壳103A2由内至外依次包括绝缘层、 金属屏蔽层以 及硅胶外罩层。 0050 人体动作识别单元2用于接收肌肉状态检测功能层的每个功能单元103A输出的表 示肌肉动作的数字信号， 并且根据全部所述数字信号对人体动作模式进行识别。 如图6所 示， 该人体动作识别单元2具体包括： 肌肉动作信号特征提取模块2。

36、01以及动作模式分类神 经网络202。 0051 肌肉动作信号特征提取模块201用于从每个功能单元103A输出的所述表示肌肉动 作的数字信号当中提取特征量； 设有n个功能单元103A， 所述肌肉动作信号特征提取模块 201对每个功能单元输出的所述表示肌肉动作的数字信号如下计算特征量： 0052 0053 其中XPi表示第i个功能单元输出的表示肌肉动作的数字信号的特征量， Pi(f)表示 第i个功能单元输出的表示肌肉动作的数字信号的功率谱； 其中i的取值范围为1-n。 进而， 肌肉动作信号特征提取模块201整合全部n个功能单元的特征量， 形成全身肌肉动作信号特 征组XPXP1， XP2XPiXP。

37、n。 0054 动作模式分类神经网络202是一个BP神经网络， 该BP神经网络包括输入层、 隐藏层 和输出层； 输入层对应于输入的全身肌肉动作信号特征组XP； 所述隐藏层用于通过以所述 训练样本进行训练， 获得全身肌肉动作信号特征组与人体动作模式类型之间的对应关系， 进而根据实时输入的全身肌肉动作信号特征组XP确定人体动作模式类型； 所述输出层用于 将人体动作模式类型进行输出。 所述训练样本记录了全身肌肉动作信号特征组与人体动作 模式类型对应关系， 例如， 在床垫设计阶段可以通过进行实测， 由测试者执行各种人体动作 模式类型， 例如由平卧变成侧卧、 由左侧卧变成右侧卧、 由侧卧变成平卧等全身性。

38、人体动作 类型， 踢腿等下肢性人体动作类型、 摆臂等上肢性人体动作类型， 腿部轻微颤动等微动性人 体动作类型等， 并且记录下每种人体动作模式类型所产生的全身肌肉动作信号特征组， 从 而产生一个人体动作模式类型与全身肌肉动作信号特征组的对应关系项， 通过累计足够数 量的该对应关系项， 例如10000项， 形成所述训练样本。 进而， 将该积累的训练样本中的全身 肌肉动作信号特征组输入BP神经网络， 对该BP神经网络各个神经元之间的权重和偏差进行 反复调整训练， 使该BP神经网络输出的人体动作模式类型与训练样本记录的人体动作模式 说 明 书 6/9 页 9 CN 108836012 A 9 类型尽可。

39、能接近， 当接近程度达到预期， 则认为该算法训练完成， 保存相应的权重和偏差。 训练好之后的该BP神经网络可以根据实时采集的全身肌肉动作信号特征组XPXP1， XP2 XPiXPn， 输出对应的人体动作模式类型。 更具体来说， 训练动作模式分类神经网络202并 进行人体动作模式类型识别的过程包括以下步骤： 0055 (1)利用训练样本数据， 将全身肌肉动作信号特征组的样本以及相应的的人体动 作模式类型作为学习样本输入到该BP神经网络； 其中， 输入的全身肌肉动作信号特征组Xp xp1.xpN， 其中xp1,xp2,xpN作为输入向量的一个维度， 分别对应于第i个功能单元 输出的表示肌肉动作的数。

40、字信号的特征量； 与该输入的特征组对应的期望输出值为tpm， 该 期望输出值是样本中与该特征组相对应的人体动作模式类型， tpm的不同取值代表人体动作 模式类型。 0056 (2)执行正向传导计算： BP神经网络输入层具有N个输入神经元， 隐藏层具有K个隐 层神经元， 输出层具有M个输出神经元， 则依次计算隐藏层和输出层的数值如下： 0057 0058 0059 其中w1nk是输入层的第n个神经元与隐藏层的第k个神经元之间的权重， O1pk是隐 藏层第k个神经元的输出； w2km是隐藏层第k个神经元与输出层第m个神经元之间的权重， O2pm是第m个输出层神经元的输出， 激活函数i表示第i轮训练。

41、； 0060(3)执行偏差计算：判断本轮(第i轮)的偏差是否小于等于 预定的允许偏差 ， 若判断结果为是， 则停止迭代， 若判断结果为否， 则继续下面的流程； 0061(4)执行反向计算： 0062 0063 其中学习率为 ， 0064 - pm(i)(tpm-O2pm(i)O2pm(i)(1-O2pm(i)， 0065 0066 更改权值如下： 0067 w1nk(i+1)w1nk(i)+w1nk(i+1) 0068 w2km(i+1)w2km(i)+w2km(i+1) 0069 (5)返回第(2)步， 重新进行第i+1轮学习。 0070 经过反复学习， 不断调整神经元之间的权重值， 直至偏。

42、差达到小于等于预定的允 许偏差 ， 则BP神经网络训练完成。 从而， 对于当前实时采集的全身肌肉动作信号特征组XP 说 明 书 7/9 页 10 CN 108836012 A 10 XP1， XP2.XPi.XPn， 可以将其作为一个输入向量输入至训练好的BP神经网络， 将该神 经网络的输出作为用户当前的人体动作模式类型。 0071 因而， 可以每隔约定的单位时间(例如5秒钟)设置一个检测时间点， 由肌肉状态检 测功能层的各个功能单元103A在该检测时间点采集并输出一次表示肌肉动作的数字信号， 进而由人体动作识别单元2识别该检测时间点的人体动作模式类型。 0072 睡眠状态分析单元3接收在每个。

43、检测时间点由人体动作识别单元2输出的人体动 作模式类型； 进而， 睡眠状态分析单元3统计在预定的统计时长(例如距离当前时间5分钟 内)内每种人体动作模式类型的发生次数的计数值， 从而确定人体动作模式类型的分布情 况。 例如， 在统计时长内， 发生全身性人体动作类型1次， 下肢性人体动作类型15次， 上肢性 人体动作类型2次， 微动性人体动作类型38次。 睡眠状态分析单元3计算该分布情况与理想 睡眠状态下人体动作模式类型分布的偏差度； 也就是， 所述睡眠状态分析单元3根据每种人 体动作模式类型在所述统计时长内的发生次数与理想睡眠状态下发生次数的差值， 结合每 种人体动作模式的归一化权重参数， 计。

44、算所述偏差度。 例如， 预设理想睡眠状态下全身性人 体动作类型0次， 下肢性人体动作类型5次， 上肢性人体动作类型5次， 微动性人体动作类型 10次， 则各种人体动作模式类型在所述统计时长内的发生次数与理想睡眠状态下发生次数 的差值分别为全身性人体动作类型+1， 下肢性人体动作类型+10， 上肢性人体动作类型-3， 微动性人体动作类型+28， 将该差值进一步结合每种人体动作模式类型的归一化权重参数， 例如全身性人体动作类型的权重参数为10， 下肢性人体动作类型和上肢性人体动作类型的 权重参数为5， 微动性人体动作类型的权重参数为1， 则计算的偏差度为(+1*10)+(+10*5)+ (-3*5。

45、)+(28*1)73。 0073 所述床垫调节单元4根据所述偏差度， 确定对软硬调节层以及其它功能层进行调 节的调节参数， 进而根据调节参数执行对软硬调节层和其它功能层的调节。 例如， 上述偏差 度值越高， 则说明用户睡眠过程中的动作次数越多、 幅度越大， 表明用户睡眠深度状态不 佳， 则床垫调节单元4可以降低软硬调节层的充气量， 从而使得床垫更为柔软， 有利于用户 进入深度睡眠状态， 而充气量的降低幅度则正比该偏差度， 也就是偏差度越高， 则充气量的 降低幅度越大， 床垫也就变得更加柔软； 反之， 如果偏差度越低， 则充气量的降低幅度越小； 如果偏差度是0或者是负值， 则可以不对软硬调节层的。

46、充气量执行调节。 所述其它功能层包 括温度调节层， 并且所述床垫调节单元可以根据所述偏差度， 对所述温度调节层的温度值 进行调节， 同样， 偏差度值越高， 则说明用户睡眠深度状态不佳， 则对温度的改变量越大； 反 之， 偏差度越低， 则温度的改变量越小； 如果偏差度是0或者是负值， 则可以不对温度执行调 节。 0074 可见， 本申请在睡眠过程中通过软硬可调智能床垫的特定功能层， 能够以非接触 耦合的方式采集人体表面肌肉电信号， 并且对该微弱且混杂的肌肉电信号实施有效的干扰 屏蔽、 消混滤波、 放大以及数字采样； 本发明利用该肌肉电信号提取频域特征量， 进而整合 全身肌肉动作的信号特征组， 利。

47、用BP神经网络实现动作模式类型的确定， 进而分析人体睡 眠质量， 相比现有技术利用压力变化或者气压传感进行人体动作检测和睡眠状态推测的方 式， 可以针对现有技术难以准确监测的人体细微动作实现高可靠性检测分析， 更加精确地 判断人体全身动作类型， 进而使软硬可调智能床垫的调节与人体睡眠状态相匹配， 起到明 显更优的睡眠质量提升效果。 说 明 书 8/9 页 11 CN 108836012 A 11 0075 本发明的各个部件实施例可以以硬件实现， 或者以在一个或者多个处理器上运行 的软件模块实现， 或者以它们的组合实现。 本领域的技术人员应当理解， 可以在实践中使用 微处理器或者数字信号处理器(。

48、DSP)来实现。 本发明还可以实现为用于执行这里所描述的 方法的一部分或者全部的设备或者装置程序(例如， 计算机程序和计算机程序产品)。 这样 的实现本发明的程序可以存储在计算机可读介质上， 或者可以具有一个或者多个信号的形 式。 这样的信号可以从因特网网站上下载得到， 或者在载体信号上提供， 或者以任何其他形 式提供。 0076 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制， 并且本领 域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。 在权利要求中， 不应将位于括号之间的任何参考符号构造成对权利要求的限制。 单词 “包含” 不排除存在未 列在权利要求中的元件或。

49、步骤。 位于元件之前的单词 “一” 或 “一个” 不排除存在多个这样的 元件。 本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实 现。 在列举了若干装置的单元权利要求中， 这些装置中的若干个可以是通过同一个硬件项 来具体体现。 单词第一、 第二、 以及第三等的使用不表示任何顺序。 可将这些单词解释为名 称。 说 明 书 9/9 页 12 CN 108836012 A 12 图1 图2 说 明 书 附 图 1/3 页 13 CN 108836012 A 13 图3 图4 说 明 书 附 图 2/3 页 14 CN 108836012 A 14 图5 图6 说 明 书 附 图 3/3 页 15 CN 108836012 A 15 。