本发明涉及信号处理，尤其是一种基于bcg信号的呼吸暂停识别方法、系统、装置及介质。
背景技术：
1、睡眠呼吸暂停的类型可分为中枢型睡眠呼吸暂停(csa)、阻塞型睡眠呼吸暂停(osa)和混合型睡眠呼吸暂停(msa)。现阶段，中枢型睡眠呼吸暂停主要是通过多导睡眠图进行识别检测，然而，多导睡眠图是通过不同部位的生物电或通过不同传感器获得生物讯号，经前置放大，输出为不同的电讯号，记录出不同的图形以供分析，因此需要通过热敏电阻传感器监测口、鼻气流，通过伸缩阻抗式传感器监测胸腹呼吸，通过红、紫外线传感器监测血氧饱和度。由此可见，基于多导睡眠图的呼吸暂停识别方法需要对用户进行多方位的生理数据采集，实施成本较高，使用并不方便，且各类传感器的设置影响了用户的睡眠体验，并不适用于普通的家居环境。此外，多导睡眠图的数据处理过程较为繁琐，无法快速地识别出用户的呼吸暂停情况。以上问题亟需解决。
技术实现思路
1、本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
2、为此，本发明实施例的一个目的在于提供一种基于bcg信号的呼吸暂停识别方法，降低了呼吸暂停识别的成本，提高了呼吸暂停识别的实时性，也提高了用户的使用体验。
3、本发明实施例的另一个目的在于提供一种基于bcg信号的呼吸暂停识别系统。
4、为了达到上述技术目的，本发明实施例所采取的技术方案包括：
5、第一方面，本发明实施例提供了一种基于bcg信号的呼吸暂停识别方法，包括以下步骤：
6、获取目标人员的目标bcg信号；
7、根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号；
8、确定所述目标呼吸信号的目标时域特征和目标频域特征，并将所述目标时域特征和所述目标频域特征输入到预先训练好的呼吸暂停识别模型，得到所述目标人员的呼吸暂停识别结果。
9、进一步地，在本发明的一个实施例中，所述获取目标人员的目标bcg信号，包括：
10、通过压电陶瓷传感器获取所述目标bcg信号；
11、其中，所述压电陶瓷传感器设置在床垫内部，且位于预先标定的人体肩部位置至人体腰部位置之间。
12、进一步地，在本发明的一个实施例中，所述目标频率范围为0.2至0.5hz，所述根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号，包括：
13、通过预设的巴特沃斯带通滤波器对所述目标bcg信号进行滤波处理，提取得到0.2至0.5hz内的信号分量作为所述目标呼吸信号。
14、进一步地，在本发明的一个实施例中，所述确定所述目标呼吸信号的目标时域特征和目标频域特征，包括：
15、确定所述目标呼吸信号的最大值、最小值、均值、方差、均方根以及短时能量，根据所述最大值、所述最小值、所述均值、所述方差、所述均方根以及所述短时能量生成所述目标时域特征；
16、对所述目标呼吸信号进行加窗和短时傅里叶变换，提取得到频率标准差、重心频率以及均方根频率，进而根据所述频率标准差、所述重心频率以及所述均方根频率生成所述目标频域特征。
17、进一步地，在本发明的一个实施例中，所述呼吸暂停识别方法还包括预先训练所述呼吸暂停识别模型的步骤，其具体包括：
18、获取预设的多个样本bcg信号，并确定各所述样本bcg信号的标签信息；
19、根据所述样本bcg信号提取得到所述目标频率范围内的样本呼吸信号，并确定所述样本呼吸信号的样本时域特征和样本频域特征；
20、根据所述样本时域特征、所述样本频域特征以及对应的所述标签信息构建训练数据集；
21、将所述训练数据集输入到预先构建的深度神经网络进行训练，得到训练好的所述呼吸暂停识别模型。
22、进一步地，在本发明的一个实施例中，所述将所述训练数据集输入到预先构建的深度神经网络进行训练，得到训练好的所述呼吸暂停识别模型，包括：
23、将所述训练数据集输入到所述深度神经网络，得到呼吸暂停预测结果；
24、根据所述呼吸暂停预测结果和所述标签信息确定所述深度神经网络的损失值；
25、根据所述损失值通过反向传播算法更新所述深度神经网络的模型参数，并返回将所述训练数据集输入到所述深度神经网络这一步骤；
26、当所述损失值达到预设的第一阈值，停止训练，得到训练好的所述呼吸暂停识别模型。
27、进一步地，在本发明的一个实施例中，所述根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号之前，还包括：
28、对所述目标bcg信号进行体动识别，根据识别结果判断所述目标bcg信号是否包括体动信号；
29、当所述目标bcg信号包括体动信号，重新获取所述目标人员的所述目标bcg信号。
30、第二方面，本发明实施例提供了一种基于bcg信号的呼吸暂停识别系统，包括：
31、信号获取模块，用于获取目标人员的目标bcg信号；
32、信号提取模块，用于根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号；
33、识别模块，用于确定所述目标呼吸信号的目标时域特征和目标频域特征，并将所述目标时域特征和所述目标频域特征输入到预先训练好的呼吸暂停识别模型，得到所述目标人员的呼吸暂停识别结果。
34、第三方面，本发明实施例提供了一种基于bcg信号的呼吸暂停识别装置，包括：
35、至少一个处理器；
36、至少一个存储器，用于存储至少一个程序；
37、当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于bcg信号的呼吸暂停识别方法。
38、第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于bcg信号的呼吸暂停识别方法。
39、本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
40、本发明实施例获取目标人员的目标bcg信号，根据目标bcg信号提取得到目标频率范围内的目标呼吸信号，确定目标呼吸信号的目标时域特征和目标频域特征，并将目标时域特征和目标频域特征输入到预先训练好的呼吸暂停识别模型，得到目标人员的呼吸暂停识别结果。本发明实施例基于bcg信号提取得到目标人员的呼吸信号，然后确定呼吸信号的时域特征和频域特征，输入到预先训练好的呼吸暂停识别模型得到目标人员的呼吸暂停识别结果，一方面无需对用户进行多方位的生理数据采集，降低了呼吸暂停识别的成本，提高了用户的使用体验，另一方面可快速识别出用户的呼吸暂停情况，提高了呼吸暂停识别的实时性。
1.一种基于bcg信号的呼吸暂停识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述获取目标人员的目标bcg信号，包括：
3.根据权利要求1所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述目标频率范围为0.2至0.5hz，所述根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号，包括：
4.根据权利要求1所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述确定所述目标呼吸信号的目标时域特征和目标频域特征，包括：
5.根据权利要求1所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述呼吸暂停识别方法还包括预先训练所述呼吸暂停识别模型的步骤，其具体包括：
6.根据权利要求5所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述将所述训练数据集输入到预先构建的深度神经网络进行训练，得到训练好的所述呼吸暂停识别模型，包括：
7.根据权利要求1至6中任一项所述的一种基于bcg信号的呼吸暂停识别方法，其特征在于，所述根据所述目标bcg信号提取得到目标频率范围内的目标呼吸信号之前，还包括：
8.一种基于bcg信号的呼吸暂停识别系统，其特征在于，包括：
9.一种基于bcg信号的呼吸暂停识别装置，其特征在于，包括：
10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于bcg信号的呼吸暂停识别方法。
