本发明属于雷达监测技术领域，特别是非接触式睡眠分期方法。
背景技术：
传统的呼吸睡眠监测系统主要依靠人体接触传感器、电极测量，实时获得人体生命参数信号，这些方法需要直接或间接接触人体，接触测量大大限制了其应用范围，电极接触也对生命特征信息产生一定影响，影响其检测准确性，给生命特征信息的处理带来压力。
现有的呼吸睡眠监测系统需要电极或传感器接触生命体，不能远距离检测生命信号（呼吸、心率等），对于睡眠呼吸暂停患者、新生儿、部分睡眠障碍患者，不能监测睡眠状态以预测可能的紧急情况。
技术实现要素：
本发明的目的是为医务人员根据患者的实际睡眠情况，提供安全性高、准确性强的非接触式睡眠分期方法。
本发明的技术解决方案如下：一种非接触式睡眠分期方法：
第一步是过滤雷达回波信号，分别获得呼吸信号和心跳信号；
第二步是根据呼吸信号获得每分钟的呼吸次数RPM、每分钟呼吸次数的方差是RPM Variance，根据心跳信号得到每分钟的心跳次数BPM、每分钟心跳次数的方差是BPM Variance，体动信号根据呼吸信号获得；
步骤3，步骤2获得RPM、RPM Variance，BPM、BPM Variance、聚类分析体动信号；
步骤4，根据声音信号、视频信号和步骤3聚类分析获得的信号划分睡眠状态，得到睡眠状态的划分结果。
此外，步骤1所述将雷达回波信号滤波，分别获得呼吸信号和心跳信号，具体如下：
(1.1)用带通滤波器滤波雷达回波信号，获得呼吸信号；
(1.2)消除原雷达回波信号中的呼吸信号，获得心跳信号。
此外，步骤2根据呼吸信号获得每分钟呼吸次数RPM、每分钟呼吸次数的方差是RPM Variance，根据心跳信号得到每分钟的心跳次数BPM、每分钟心跳次数的方差是BPM Variance，根据呼吸信号获得体动信号如下：
(2.1)根据呼吸信号获得每分钟呼吸次数RPM、每分钟呼吸次数的方差是RPM Variance：用星号标记呼吸信号的所有谷点，以获得谷数RPM；利用所得的RPM先找出平均值，再对RPM求方差得出RPM Variance；
(2.2)根据心跳信号获得每分钟心跳次数BPM、每分钟心跳次数的方差即BPM Variance：用星号标出心跳信号的所有波谷点，以获得波谷数BPM；利用所得的BPM先找出平均值，再对BPM求方差得出BPM Variance；
(2.3)根据呼吸信号获得体动信号:首先存储高于呼吸信号峰值两倍的数据点，记录为Movement，然后计算每分钟比呼吸峰值高两倍的数据点，记录为Movement_count，当Movement_count当大于预设阈值时，认为体动发生在分钟内，将Movement存储中幅值最大的信号点以获得体动信号。
此外，步骤3所述步骤2所得RPM、RPM Variance，BPM、BPM Variance、体动信号分别进行聚类分析，具体如下：
(3.1)定义信号的数据点集合X＝{x1,x2...xn}，聚类中心的集合C＝{c1,c2,...,cn}，定义阈值ε的范围为10-3≤ε≤10-5；
(3.2)随机初始化聚类中心集合C；
(3.3)计算目标函数值k表示数据分类数，p≥表示模糊指数，l表示此次迭代次序，j＝1,2,…,k，i＝1,2,…,n；
(3.4)计算第一个数据点xi到第j聚类中心cj的隶属度∪(cj/xi)：
(3.5)计算每个数据点的权重w(xi)：
(3.6)根据数据点的隶属度∪(cj/xi)和权重w(xi)更新聚类中心cj，公式如下：
(3.7)如果||KHMl 1-KHMl||＜ε，计算停止，输出优化信号；否则，转回步骤(3.3)。
此外，步骤4根据声音信号、视频信号和步骤3聚类分析获得的信号划分睡眠状态，得到睡眠状态的划分结果如下：
(4.1)固定时间内，RPM、BPM定义为深度睡眠，小于等于平均值，波动不超过预定次数，在此期间无体动；
(4.2)固定时间内，RPM、BPM大于等于平均值，而且RPM Variance、BPM Variance这段时间定义为峰值的一半以上REM睡眠；剩余状态定义为浅睡眠；
(4.3)根据声音信号和视频信号，检查雷达检测到的体动部位是否真实发生。
步骤(2.1)用星号标出呼吸信号的所有谷点，以获得谷数RPM，波谷检测RPM将相邻的波谷时间小于平均呼吸周期的一半。
步骤(2.2)用星号标出心跳信号的所有波谷点，以获得波谷数BPM，波谷检测BPM将相邻的波谷时间小于平均心跳周期的一半。
与现有技术相比，本发明的显著优点是：（1）集雷达技术和生物医学工程技术于一体，无需任何电极或传感器接触生命体，可以远距离检测生命体的生命信号；（2）对于睡眠呼吸暂停、新生儿和一些睡眠障碍的患者，能够监测其睡眠状态，预测紧急情况；（3）具有安全性高、准确性高、小型化、智能化等优点，便于医务人员实时、持续掌握患者情况，及时采取治疗措施。
附图说明
图1是本发明的非接触式睡眠分期方法的流程图。
本发明中的呼吸波形图为图2。
图3是本发明的心跳波形图。
图4是本发明的RPM的波形图。
图5是本发明的RPM Variance的波形图。
图6是本发明的BPM的波形图。
图7是本发明的BPM Variance的波形图。
图8是本发明的体动信号波形图。
图9是本发明的睡眠状态分期图。
图10是本发明的RPM、BPM、RPM Variance、BPM Variance、身体信号，睡眠状态分期图。
具体实施方法
本发明结合附图进一步详细描述。
本发明集雷达技术和生物医学工程技术于一体，基于连续波生物雷达的非接触生命体特征信息监测系统，无需任何电极或传感器接触生命体，可以远距离检测生命体的生命信号（呼吸、心率等）。对于有睡眠呼吸暂停的患者、新生儿和一些有睡眠障碍的人，监测他们的睡眠状态有利于了解他们的身体状况，预测可能的紧急情况。
步骤如下：
第一步:过滤雷达回波信号，分别获得呼吸信号和心跳信号；具体如下:
(1.1)用带通滤波器滤波雷达回波信号，得到如图1所示的呼吸信号。
(1.2)排除原雷达回波信号中的呼吸信号，得到心跳信号，如图2所示。
第二步是根据呼吸信号获得每分钟的呼吸次数RPM、每分钟呼吸次数的方差即RPM Variance，根据心跳信号得到每分钟的心跳次数BPM、每分钟心跳次数的方差是BPM Variance，根据呼吸信号获得体动信号如下：
(2.1)根据呼吸信号获得每分钟呼吸次数RPM、每分钟呼吸次数的方差是RPM Variance：用星号标记呼吸信号的所有谷点，以获得谷数RPM；利用所得的RPM先找出平均值，再对RPM求方差得出RPM Variance；
步骤(2.1)用星号标出呼吸信号的所有谷点，以获得谷数RPM，波谷检测RPM将相邻的波谷时间小于平均呼吸周期的一半。
(2.2)根据心跳信号获得每分钟心跳次数BPM、每分钟心跳次数的方差是BPM Variance：用星号标出心跳信号的所有波谷点，以获得波谷数BPM；利用所得的BPM先找出平均值，再对BPM求方差得出BPM Variance；
步骤(2.2)用星号标出心跳信号的所有波谷点，以获得波谷数BPM，波谷检测BPM将相邻的波谷时间小于平均心跳周期的一半。
(2.3)根据呼吸信号获得体动信号:首先存储高于呼吸信号峰值两倍的数据点，记录为Movement，然后计算每分钟比呼吸峰值高两倍的数据点，记录为Movement_count，当Movement_count当大于预设阈值时，认为体动发生在分钟内，将Movement存储中幅值最大的信号点以获得体动信号。
步骤3，步骤2获得RPM、RPM Variance，BPM、BPM Variance、体动信号分别进行聚类分析，具体如下：
(3.1)定义信号的数据点集合X＝{x1,x2...xn}，聚类中心的集合C＝{c1,c2,...,cn}，定义阈值ε的范围为10-3≤ε≤10-5；
(3.2)随机初始化聚类中心集合C；
(3.3)计算目标函数值k表示数据分类数，p≥表示模糊指数，l表示迭代顺序，j＝1,2,…,k，i＝1,2,…,n；
(3.4)计算第一个数据点xi到第j聚类中心cj的隶属度∪(cj/xi)：
(3.5)计算每个数据点的权重w(xi)：
(3.6)根据数据点的隶属度∪(cj/xi)和权重w(xi)更新聚类中心cj，公式如下：
(3.7)如果||KHMl 1-KHMl||＜ε，计算停止，输出优化信号；否则，转回步骤(3.3)。
步骤4，根据声音信号、视频信号和步骤3聚类分析获得的信号划分睡眠状态，得到睡眠状态的划分结果如下：
(4.1)固定时间内，RPM、BPM定义为深度睡眠，小于等于平均值，波动不超过预定次数，在此期间无体动；
(4.2)固定时间内，RPM、BPM大等于均值，并且RPM Variance、BPM Variance大于峰值的一半，该段时间定义为REM睡眠；剩下的状态定义为浅度睡眠；
(4.3)根据声音信号、视频信号，检验雷达检测到的体动处是否真实发生了体动。
经过步骤(2.1)，将呼吸信号的波谷点全部用星号标注出来，相邻的谷值时间差小于1.67s的谷值舍去，求波谷数得到RPM，得出图4，利用所得的RPM，先求出平均值，再对RPM求方差得出RPM Variance，得出图5。
经过步骤(2.2)，将心跳信号的波谷点全部用星号标注出来，相邻的谷值时间差小于0.5s的谷值舍去，求波谷数得到BPM，如图6所示利用所得的BPM，先求出平均值，再对BPM求方差得出BPM Variance，如图7所示。
经过步骤(2.3)，将高于呼吸峰值两倍的数据点储存下了记为Movement，再计算每分钟高于呼吸峰值两倍的数据点个数，记为Movement_count，当Movement_count大于一个阈值时，认为这分钟发生了体动，将Movement中幅值最大的信号点储存下来，得到体动信号，如图8所示。
经过步骤(4.1)，在RPM、BPM小于等于均值，在一段时间内RPM、BPM波动不超过3次且这段时间内没有体动发生，得出深度睡眠期。
经过步骤(4.2)，在RPM、BPM大于等于均值，而且RPM Variance、BPM Variance大于峰值的一半，得出睡眠的REM期，剩下的状态定义为浅度睡眠期。
经过步骤(4.3)，利用视频和音频信号对体动信号进行检验，得到图9，睡眠状态分期图。图10为本发明的RPM、BPM、RPM Variance、BPM Variance、体动信号、睡眠状态分期图。