[0001] 本发明涉及一种人体姿态测量方法、 装置和应用此方法工作的装置， 尤其是一种非 接触人体姿态测量方法、 装置和应用此方法工作的装置。

背景技术

[0002] 在很多领域中， 需要确定人体的姿态， 例如智能枕头， 需要确定人的睡姿， 然后调 节枕头高度。 现有的确定人体姿态的方法包括在床面上铺设 压力传感阵列， 根据阵列测得的 数据确定姿态， 该方法无法区分仰卧和俯卧。 还有采用人脸识别技术识别出脸的朝向， 据此 判断睡姿， 该方法无法区分侧卧和俯卧侧头姿势。

[0003] 上述方法都无法准确测量躯干的朝向。

发明内容

[0004] 本发明的目的是提供一种利用雷达确定身体姿 态尤其是躯干朝向的方法和装置， 以 及基于此方法工作的装置。

[0005] 本发明的利用雷达确定身体姿态方法包括以下 步骤： S1， 接收身体反射的雷达波信 号； S2, 从所述雷达信号中提取一种 /多种信号特征数据； S3 , 根据一种特征数据的波形 /特 点 /数值 /轨迹或结合二种 /多种特征数据的波形 /特点 /数值 /轨迹判断身体的姿态。 获得人体姿 态信息后， 能够控制后续模块执行与人体姿态对应的操作 。

[0006] 为了提高测量的准确性， 需要预先确定不同人在不同姿态时、 雷达天线与人体处于 不同位置时雷达数据的指示特征。 包括步骤： S1， 确定雷达天线和身体之间的相对位置关 系； S2, 测量人体在不同姿态时的一种 /多种雷达特征数据的数值 /波形； S3 , 分析人体在不 同姿态时特征数据的特点 /不同点， 确定能够指示人体姿态的特征波形 /特征数值 /特征轨迹。

[0007] 一种利用雷达确定身体姿态的装置， 包括： 至少一雷达模块， 能发射雷达波照射身 体， 能接收身体反射的雷达信号； 至少一特征数据处理模块， 能根据接收的雷达信号生成至 少一种雷达特征数据， 能输出 /显示雷达特征数据， 能分析至少一种特征数据的特点和 /或不 同点， 能测定指示身体姿态的特征波形 /数值 /轨迹； 至少一身体姿态判断模块， 能够根据指 示人体姿态的特征波形 /数值 /轨迹确定身体姿态。

[0008] 一种基于雷达确定身体姿态工作的装置， 包括： 至少一雷达模块， 能够发射雷达波 照射身体， 能够接收身体反射的雷达信号； 至少一特征数据处理模块， 能够根据接收的雷达 信号生成至少一种雷达特征数据， 能分析至少一种特征数据的特点 /不同点， 能确定指示人 体姿态的特征波形 /数值； 至少一身体姿态判断模块， 能根据指示人体姿态的特征波形 /数值 确定身体的姿态； 至少一执行模块， 能根据不同人体姿态执行与该人体姿态对应的 操作 /输 出。 执行模块能包括上位机中的控制模块。

[0009] 本发明通过人体反射的雷达信号的特征来确定 身体朝向， 准确度高， 不受遮挡物影 响。 利用此方法工作的装置能够正确判断身体朝向 。

附图说明

[0010] 图 1是本发明装置的原理图；

图 2是后背朝向雷达天线的 Envelope图；

图 3是侧面朝向天线的 Envelope图；

图 4是前胸朝向天线的 Envelope图；

图 5是后背朝向天线的 IQ at Peak图；

图 6是侧面朝向天线的 IQ at Peak图；

图 7是前胸朝向天线的 IQ at Peak图；

图 8是后背朝向天线的 Breathing Movement图；

图 9是侧面朝向天线的 Breathing Movement图；

图 10是前胸朝向天线的 Breathing Movement图；

图 11是后背朝向天线的 Relative Movement图；

图 12是侧面朝向天线的 Relative Movement图；

图 13是前胸朝向天线的 Relative Movement图；

图 14是利用雷达确定人体姿态的方法的流程图；

图 15是基于用雷达确定人体姿态方法工作的装置� ��理图；

图 16是基于用雷达确定人体姿态方法工作的调节� ��度的枕头原理图；

图 17是基于用雷达确定人体姿态方法工作的调节� ��度的枕头原理图。

具体实施方式

[0011] 图 1 中的， 上位机 3包括至少一计算机和 /或 Mini计算机和 /或单片机和 /或智能终端 设备。 上位机 3与雷达模块 2连接， 雷达模块能够发生雷达波照射人体 1， 并接收反射回来 的雷达波。 优选照射人体躯干、 胸腹位置。 雷达模块 2 包括射频芯片 /雷达芯片、 PCB、 天 线 /天线板、 微控制器、 外围电路， 能够包括呼吸检测模块、 存在感应模块、 心跳检测模 块、 运动检测模块， 这些部件能够集成在一块 PCB上。 优选的雷达能包括但不限于 PCR雷 达、 Doppler雷达、 UWB雷达、 超声波雷达。 优选雷达模块包括但不限于基于 X4雷达芯片 的 X4M03、 基于 Acconeer A1 芯片的雷达系统。 雷达模块能产生 5GHz〜 100GHz 的电磁 波， 通过天线定向发射。 电磁波照射人体后， 被反射回雷达模块， 被天线接收。 雷达模块能 够对天线接收到的信号进行处理， 包括但不限于检波、 滤波、 信号特征提取。 呼吸检测模块 能够检测到人体的呼吸， 能够获取基带数据。 存在检测模块可检测人体的存在。 心跳检测模 块能检测到人的心脏跳动， 测量心跳的幅度和波形。 运动检测模块能测量人体躯干和四肢的 运动， 包括转身、 胳膊和腿运动。 信号经过处理后， 雷达模块能够得到但不限于呼吸次数、 单次呼吸波形、 身体活动情况、 心跳次数、 心跳波形、 胸廓运动、 腹部运动、 相对运动等数 据， 能够得到 Envelope数据、 IQ at Peak、 人体部位运动幅度等数据。 这些数据被传递给上 位机 3中的特征数据处理模块。 上位机 3包括至少一特征数据处理模块 31和至少一人体姿 态判断模块 32。 特征数据处理模块 31 能够对雷达模块传递来的各种特征数据进行处 理分 析， 提取出能指示人体姿态的指示表征， 并传递给人体姿态判断模块 32。 人体姿态判断模 块 32能根据指示表征判断人体的姿态， 尤其是躯干相对于雷达模块 /天线的朝向。 指示表征 是雷达信号 /特征数据中能指示 /区分不同人体姿态的具有指示 /标识作用的数值 /波形 /轨迹 等。

[0012] 图 2〜 13 是人躺在床上、 雷达天线布置在与人同高度、 朝向躯干、 距人胸部 0.5-2 米时测得的特征数据图， 仰卧时， 天线位于人体左侧。 通过分析同一特征数据图中不同位置 处的数据特点， 能够判断人体的姿势； 通过综合比较 /结合分析不同特征数据图中的数据特 点， 能够判断人的姿态。 各图中纵坐标即 Y轴， 横坐标即 X轴。 图中 Y轴单位能是距离 /幅 度 /电压 /回波功率的绝对值， 也能是归一化后的相对数值， X 轴能是时间 /距离 /幅度的绝对 值， 也能是归一化后的相对数值。 X 轴能是雷达扫描次数， 雷达模块每完成一次发射 /接受 循环即扫描一次。 每秒完成的扫描次数叫扫描频率， 也叫刷新率。 能设定一个扫描次数的数 值作为采样周期， 如设定 1700次扫描为一采样周期。 雷达模块能自动设定采样周期。

[0013] 图 2、 图 3、 图 4中， 特征数据处理模块收雷达模块传递的 Envelope数据， 并对数据 的特征值 /波形进行分析。 Envelope 是包络数据， 数据反映了心跳和由心跳引起的内脏、 胸 廓运动情况。 心脏跳动时各心房、 心室收缩的先后次序、 幅度、 方向不同， 进而引起人体不 同位置处的内脏、 胸廓的振动在时间、 位置 /区域、 幅度、 方向上也不同， 当人体的不同位 置朝向天线时， Envelope波形有差异。 图 2 是人体侧卧在床、 后背朝向天线， 图 3 是人仰 卧、 身体左侧朝向天线， 图 4是人侧卧、 前胸朝向天线。 图 2、 3、 4 中 X轴能是一个采样 周期中的扫描次数。 特征区域 601 横坐标位于 400〜 700之间， 特征区域 603 横坐标位于 700〜 950之间， 特征区域 605横坐标位于 950〜 1100间， 特征区域 607横坐标位于 1100〜 1350间， 特征区域 609横坐标位于 1350〜 1800间。

[0014] 特征区域能采取等距划分， 如 X轴每一给定数量划分为一个区域， 如每 300单位为 一特征区域， 或把一个周期等距划分为多个特征区域， 如划分为 8个区域。 特征区域能采取 不等距划分， 根据特征数据的波形 /特点， 选择特点明显的区间、 波形显著区别其它身体姿 态的区间、 最小值小于给定闕值的区间、 波形呈 V 形的区间作为特征区域。 能选取波形的 最小值 /多个极小值， 确定这些点的横坐标， 然后以这些点的横坐标为基点沿 X 轴向正负方 向各延伸指定单位， 如 100单位， 作为特征区域。

[0015] 在测量的不同时刻， 采样周期中包括的扫描次数能够不同， 特征区域的起点、 终点 能相应调整。

[0016] 图 2中 603在 750〜 900间数据出现最小值， 最小值小于 10， 接近 0， 波形呈 V形， 最低点两侧的波形陡峭且直。 图 2中 601位置的最小值在 10〜 30， 波形最低点明显大于 0， 即大于 603的最小值， 603处波形平缓。 图 3中 603的最小值在 20〜 50， 明显大于 0， 波形 不是陡峭 V形。 图 3中 601的最小值出现在 400〜 500间， 最小值在 10〜 20， 且 601处最小 值小于 603处最小值。 图 4中 603的最小值在 10〜 40， 波形呈 V形， 最低点两侧线条直但 不陡峭。 图 4中 601处最小值在 10〜 40， 与 603处最小值接近。 因为图 2中 603处的最小 值接近 0且 V形形状明显， 从 603处的数据 /波形特征能够把后背朝向雷达天线的情况与� � 面朝向天线、 前胸朝向天线明显区分开来。 当 603处最小值小于 10, 且波形呈 V形， 则后 背朝向天线。 603处的数值、 波形是指示表征。

[0017] 图 2中 605处最小值在 10〜 20， 出现在横坐标 950〜 1000， 波形比较平缓。 图 3 中 605处最小值出现在横坐标 1000〜 1100， 波形起伏大， 最小值在 15〜 25。 图 4中 605处最 小值出现在 980〜 1050, 最小值数值接近 0, 波形呈 V形， 最低点两侧的波形陡峭且直。 图 4中， 605处的最小值接近 0且 V形特征鲜明， 从 605处的数据特征能把前胸朝向天线的情 况与后背朝向天线、 侧面朝向天线明显区分开来。 605处数值 /波形是指示表征。 当 605处最 小值小于 10且波形呈 V形， 则前胸朝向天线。 结合 603、 605处的数据 /波形特征， 能区分 人体后背、 侧面、 前胸朝向雷达天线的情况。

[0018] 图 2中 607位置处波形变化剧烈， 曲线呈不对称 V型。 图 4中 607处波形平缓。 图 3 中 607处波形起伏程度介于图 2、 图 4之间。

[0019] 确定一个区间中最小值、 各极大值、 极小值的方法是公知技术。

[0020] 能够采用下述方法判断数据波形形态： 记录特征区域内各波峰的极大值、 各波谷的 极小值， 计算特征区域内各点的平均值， 计算多个 （大于 2 个） 极大值 /极小值与平均值之 差的绝对值之和 Sa， 设置一闕值 g， 当 Sa大于闕值 g时， 即认为该特征区域内波形波动较 大。 也能只记录特征区域内的最大值 /最小值， 然后把最大值 /最小值与平均值之差的绝对值 a 与闕值 g 比较， 如果 a 大于 g , 即波动大。 能够设定一个 /多个闕值区间， 例如 gl （20,50）, 和该闕值区间所对应的波形波动情况， 例如 gl对应波动大。 判断 a/Sa落入的闕 值区间， 即能确定波动情况。 例如 a在 gl区间内， 则该区域波动大。

[0021] 判断波形的形态能采用下述方法： 找到特征区域中的最低点， 分别在最低点的左侧 和右侧取多个点 （多于 2个）， 分别用直线拟合最低点左侧的多点和右侧多点 ， 求左侧 /右侧 各点与直线的拟合度。 设定闕值 g， 当拟合优度例如方差小于 g时， 则拟合度好， 该段波形 直 /起伏小， 否则该段起伏大， 不直。 若最低点左侧和右侧拟合直线的拟合度好， 则该处波 形为 V 型。 计算左侧和右侧拟合直线的夹角， 设定一闕值， 如果夹角角度小于闕值， 则形 成的 V形两侧陡峭， 否则平缓。 计算拟合直线与 Y轴的夹角 （取锐角）， 设定一闕值， 如果 夹角小于闕值， 则曲线陡峭， 否则平缓。

[0022] 图 2中 609处波形最小值出现在 X轴 1450〜 1500间， 数值在 0〜 20， 接近于 0。 图 3 中 609处波形最小值出现在 1500〜 1550间， 数值在 0〜 20， 接近于 0。 图 4中 609处波形平 缓平直， 最小值位置不明显， 数值大于 20。 图 4的 609处波形与图 2、 3中 609处波形区别 明显。 图 3中 609处波形整体呈 V形， 从最低点向右整体呈上升趋势。 图 2中 609处波形 在最低点向右先上升后下降， 出现一个波峰。 图 4中 609处数据的各波峰波谷的极大值、 极 小值与 609处的平均值之差的绝对值很小， 小于 40, 609处最小值两侧拟合的两条直线的夹 角大于 150度， 接近 180度， 且两条直线的拟合度好。 图 3中 609处数据的各波峰波谷的极 大值、 极小值与 609 处的平均值之差的绝对值大， 大于 40, 最小值左右两侧的拟合直线夹 角介于 70〜 110度， 左右两侧直线拟合度好。 图 2中 609处数据的各波峰波谷的极大值、 极 小值与 609处的平均值之差的绝对值大， 大于 40, 最小值左右两侧拟合直线夹角介于 110〜 130度， 左侧直线拟合度好， 右侧拟合度不好。 根据图 2、 3、 4中 609处波形的特点能够区 分出各波形， 进而根据波形确定对应的人体姿态。 如果测得的波形 609处曲线平缓且平直， 最小值大于 20, 最小值两侧拟合直线的夹角大于 1507拟合直线与 Y轴夹角大于 75 ° , 则对 应的人体姿势为前胸朝向天线。 如果 609 处最小值小于 10, 且最小值两侧拟合度好， 则为 侧面朝向天线。 如果 609处最小值小于 10, 最小值某侧拟合度不会， 则为后背朝向天线。

[0023] 综合分析 Envelope 图中 601、 603、 605、 607、 609处的数据特征和波形， 能准确地 确定人体相对于天线的不同朝向， 即确定人体姿态。 例如， 603、 609处出现小于 10的极小 值， 则可确定为人体后背朝向天线。 603、 609处的最小值在 10以上且 609处波形平缓， 则 为人体前胸朝向天线。 603处最小值在 10以上， 609处最小值小于 10则为人体侧面朝向雷 达。 605处出现小于 10的极小值且波形呈 V形， 609处波形平缓且最小值大于 10, 则为前 胸朝向天线。 603、 605处最小值都大于 10是侧面朝向天线的特征。 603处最小值小于 10， 605处最小值大于 10则后背朝向天线。

[0024] 把各特征区域的指示数值 /波形等标识性信息传递给人体姿态判断模块� � 人体姿态判 断模块能够根据这些特征确定人体的朝向 /姿态。

[0025] 图 5、 图 6、 图 7中 X轴是 I通道， Y轴是 Q通道， 图中点代表某时刻 IQ分量幅度 峰值。 图中包括了当前时点 （图中最大的点） 和之前一个时间段内的多个点的数据， 因此图 中呈现了 IQ at Peak一段时间内的漂移 /偏移轨迹。 判断 IQ at Peak数据特征的方法包括， 首 先选取一个给定时间段内的多个数据点， 用圆拟合这些数据点， 得到最优拟合圆。 圆的直径 能指示 IQ at Peak的漂移量 /偏移量。 设定一闕值 a， 如 20单位， 当圆直径小于 a时， 则认为 IQ at Peak漂移小， 各点接近重合。 设定一闕值 b， 如 10单位， 把拟合优度指标与 b进行比 较， 如把方差与 b比较， 当方差小于 b且拟合圆直径大于 a时， 则漂移大且轨迹为圆弧， 当 方差大于 b且圆直径大于 a时， 则漂移大胆轨迹不呈圆形。

[0026] 图 6中， 当人体侧面朝向雷达天线时， IQ at Peak漂移小， 各点几乎重合。 图 7中， 当人前胸朝向天线时， IQ at Peak漂移大， 漂移轨迹呈圆弧形， 直径超过 20。 图 6 中， Stddev （标准差） 数值小于 0.5mm, 图 7中 Stddev大于 1.5mm。 图 5中， 人后背朝向天线， IQ at Peak点漂移大， 各点轨迹不呈圆形， Stddev小于 0.5mm。

[0027] 根据 IQ at Peak数据的特征能区分不同人体姿态。 当 IQ at Peak偏移小且 Stddev小于 0.5mm时， 则人侧面朝向天线。 IQ at Peak漂移大、 Stddev小于 0.5mm、 轨迹不呈圆弧形， 则人后背朝向天线。 IQ at Peak偏移大、 Stddev大于 1.5mm， 轨迹为圆弧， 则人前胸朝向天 线。 IQ at Peak的漂移量 /轨迹 /Stddev是指示表征。

[0028] 结合 Envelope、 IQ at Peak数据， 能确定人体姿态。 例如通过 IQ at Peak数据漂移情 况确定是否为侧面朝向雷达， IQ at Peak漂移小， 则身体侧面朝向天线。 如果 IQ at Peak漂 移大， 则根据 Envelope数据区分另两种情况： 如 Envelope数据的 609处波形平缓且大于 15 则为前胸朝向天线。 如果 609 处波形起伏大且最小值小于 15 , 则为后背朝向天线。 结合二 种及以上特征数据来识别身体姿态能够给选择 特征数值 /波形 /轨迹带来更大灵活性， 并且几 种指示特征 /表征相互印证， 能提高判断准确性。

[0029] 图 8、 图 9、 图 10 中 Y轴是 Breathing movement幅度。 图 10 中振幅较大， 超过 3mm, 是前胸朝向天线。 因为此时人在呼吸时胸廓和腹部起伏大， 相对天线的运动大， 雷达 测得的 Breathing movement数值大。 图 8、 图 9中人体相对天线运动小， Breathing movement 幅度小于 3mm。 根据 Breathing movement数据幅度， 能把前胸朝向天线同另两种情况区分 开。 设定一闕值， 当 Breathing movement振幅超过闕值时， 则为前胸朝向天线。

[0030] 结合 Breathing movement、 IQ at Peak, 能确定人体姿态。 通过 IQ at Peak的漂移大小 识别出身体侧面朝向天线， 通过 Breathing movement的幅度识别出前胸朝向天线， 其它情况 为后背朝向天线。 Breathing movement的幅度是指示表征。

[0031] 图 11、 图 12、 图 13中 Y轴是 Relative movement相对运动幅度。 图 11、 12、 13中特 征区域 611是波形的波峰， 特征区域 613是波形的波谷。 各图中振幅最大的波形是呼吸引起 的相对运动波形。 图 12中， 当人侧面朝向天线时， 613处波谷呈单一尖角 V形， 而图 11中 人后背朝向天线和图 13 中人前胸朝向天线时 613处波谷有多个高频小幅振荡， 波谷宽度大 于图 12中 613处的波谷。 前胸朝向天线时， Relative movement振幅大于 4mm, 后背/侧面朝 向天线时 Relative movement振幅小于 4mm。 根据 613处波谷的波形， 能把侧面朝向天线的 情况与另两种情况区分开来。 根据振幅， 能把前胸朝向天线同另两种情况区分开来。

[0032] 当采用多个指示表征来确定人体姿态时， 为避免各指示表征的判断结果出现矛盾， 能够采用如下方法： 对各表征进行排序， 取优先级最高的表征所确定的结果作为人体姿 态， 如果优先级最高的表征不能确定姿态， 则取优先级第二的表征所确定的结果， 依此类推。 如 取 IQ at Peak的漂移量做第一表征， Relative movement振幅做第二表征。 测量时， 首先通过 IQ at Peak 的漂移量判断是否为侧面朝向天线， 如果是， 则确定身体姿态， 如否， 则通过 Relative movement振幅判断是否前胸朝向天线， 如果是， 则确定身体姿态， 如否， 则后背朝 向天线。

[0033] 或给各表征赋予相同 /不同的权重， 然后对指示不同姿态的各个表征的权重进行求 和， 取和最大的结果作为人体姿态。 如取 5个不同的指示表征， 设每个表征的权重为 1， 分 别把指示仰卧、 侧卧、 俯卧的各表征的权重求和， 和最大的结果作为人体姿态， 如 5个指示 表征中有 4个指示侧面朝向天线， 权重之和为 4, 而指示其它姿态的表征的权重之和为 1， 则测量结果为人侧面朝向天线， 仰卧。

[0034] 图 14 中， 步骤 501， 雷达模块接收身体反射回来的雷达信号， 雷达信号被进行后续 处理， 包括但不限于滤波、 去噪、 放大等公知的雷达信号处理操作。 步骤 503 , 从雷达信号 中提取出 IQ at Peak、 Envelope _> Relative Movement、 Movement数据和其它雷达数据， 能对 数据进行归一化等公知的处理， 生成各数据的波形图。 步骤 505， 确定 IQ at Peak、 Envelope _> Relative Movement、 Movement等数据的特征区域， 确定上述数据的特点 /特征数 值 /特征波形 /特征轨迹。 步骤 507, 根据数据的特点 /特征数值 /特征波形 /特征轨迹中的一种， 或多种相结合判断身体的姿态。

[0035] 图 15 中， 包括至少一雷达模块 2, 布置在人体附近， 能够发射雷达波照射人体 1， 接收反射信号。 雷达模块对信号进行处理， 提取各种信息 /特征数据。 包括至少一上位机 3 , 上位机 3包括至少一特征数据处理模块 31， 所述信息 /数据被传递给模块 31， 模块 31 能对 数据中的特征区域 /波形 /特征值 /轨迹进行识别提取分析， 得到表征人体姿态的指示表征。 上 位机 3包括至少一人体姿态判断模块 32。 指示表征被传递给模块 32, 模块 32能根据一个指 示表征， 或多个指示表征的组合确定人体姿态。 上位机包括至少一控制模块 35 , 能接收人 体姿态信息， 能根据姿态信息发出与姿态相对应的控制命令 ， 并把控制命令传给执行模块 4。 执行模块实施相应的操作或动作， 例如产生机械运动或调整设备参数。 控制模块能布置 在执行模块中。

[0036] 图 16 中， 雷达模块或雷达天线能布置在床的一侧， 与人体同高， 优选正对躯干， 距 人体 0〜 4 米， 也能布置在人的上方或侧上方。 雷达天线发出的波束能照射躯干。 优选在枕 头 /床的侧边布置一向上的杆， 雷达模块 /天线布置在杆上。 雷达模块 /天线能布置在床头上或 床头的墙上。 雷达模块 /天线 /上位机能布置在枕头中。 雷达模块 2 测量人体 1， 并把测量结 果传递到上位机 3。 上位机中的特征数据处理模块能对一种 /多种雷达信号中的特征波形 /特 征值 /轨迹进行提取、 分析， 确定指示身体姿态的一个 /多个指示表征。 上位机中的身体姿态 判断模块能根据指示表征确定人体躯干姿态， 能够根据躯干姿态确定人的睡姿。 上位机包括 一控制模块， 控制模块能记录预设的不同睡姿对应的枕头高 度。 控制模块能接收身体姿态判 断模块传递来的睡姿信息， 然后根据睡姿信息确定与该睡姿对应的枕头高 度。 控制模块能记 录当前枕头高度， 能比较当前枕头高度和测量得到的与睡姿对应 的枕头高度， 能得到调整枕 面的方向和幅度。 控制模块把枕头调节命令传递给枕头 41 中的至少一驱动模块 43。 驱动模 块能驱动至少一动作模块 45, 动作模块能够升降以调节枕头高度 /枕面倾斜度 /抖动。 驱动模 块根据控制模块传递来的调节命令驱动动作模 块以调节枕面。 当人前胸朝上、 仰卧时， 控制 模块能根据设定的与仰卧姿势对应的枕头高度 把枕头调节到预设仰卧高度， 侧卧时， 控制模 块能把枕头调节到侧卧高度， 俯卧时能把枕头调节到俯卧高度。 图 16 中的枕头包括至少一 枕头高度调节模块， 该模块能包括上位机中的控制模块、 驱动模块、 动作模块， 能接收睡姿 信息， 能根据睡姿调节枕头的高度。

[0037] 雷达模块包括至少一人体运动测量模块， 能够测量人体躯干、 四肢的运动。 上位机 3 中包括至少一睡眠状态判断模块， 能根据人在睡眠中的身体动作情况 /动作频次、 呼吸频率 / 幅度、 呼吸稳定性 /呼吸频率变化率等人体参数确定人的睡眠状� �， 如深度睡眠、 浅睡眠、 快速眼动期。 上位机中包括一叫醒模块， 能接收睡眠状态信息， 能设定执行叫醒操作时的睡 眠状态和叫醒时间。 当用户设置了叫醒时刻， 只有该时刻人处于设定的睡眠状态时， 才执行 叫醒操作， 否则不执行叫醒操作直到用户进入设定的睡眠 状态。 如， 用户能设定叫醒操作时 的睡眠状态为浅睡眠， 叫醒时刻为 6点。 当 6点时， 叫醒模块判断人是否处于浅睡眠状态， 如果是， 叫醒模块执行叫醒操作， 否则叫醒模块不执行叫醒操作， 直到用户进入浅睡眠姿态 时， 才执行叫醒操作。 叫醒操作包括枕面反复升降、 抖动、 发出声音。

[0038] 图 17, 第二测量模块 71 能够测量人头部的姿态 /朝向， 第二测量模块包括但不限于 人脸识别模块、 三维测量识别模块、 布置在枕头上的压力传感器阵列、 布置在枕面上的变形 传感器阵列。 三维测量识别模块优选三维激光测量、 人体部位识别模块。 人脸识别模块能根 据人脸的朝向判断头部的朝向， 三维测量识别模块能根据头部、 头部器官的空间位置确定头 部的姿态， 压力传感器阵列能根据各点的压力分布判断头 部的哪侧与枕头接触而确定头的姿 态， 变形传感器阵列能根据枕面各处的变形情况确 定头部的哪侧与枕头接触而确定头的姿 态。 第二测量模块的测量结果被传递给上位机 3 , 上位机包括一头部姿态判断模块， 该模块 根据第二测量模块的测量数据确定头部的姿态 。 上位机包括身体姿态判断模块， 该模块根据 雷达模块 2传递来的数据确定躯干的姿态。 身体姿态判断模块根据头部姿态和躯干姿态确 定 人的姿态 /睡姿。 躯干前胸向上且头部脸朝上， 为仰卧睡姿。 前胸向上而脸朝向一侧为仰卧 侧头睡姿。 前胸 /后背朝向一侧、 脸朝侧面为侧睡。 后背朝上脸朝侧面为俯卧睡姿。 上位机 的控制模块根据睡姿控制执行模块 4执行与该睡姿对应的操作， 如在人侧卧时升高枕头， 在 俯卧时降低枕头。

[0039] 为节能， 本发明能采用下述方法工作： 设置至少一运动幅度闕值， 如 5cm。 设置至少 一第一扫描频率 （即刷新率， 雷达每秒完成发射 /接收测量过程的次数）， 如 100Hz， 优选 20Hz。 设置至少一第二扫描频率， 如 200Hz, 优选 800Hz。 初始时， 雷达模块以低于第一扫 描频率工作， 身体姿态判断模块 /后续模块 （包括但不限于控制模块、 执行模块） 能处于低 功耗 /关闭状态。 运动测量模块根据接收的信号测量身体 /肢体的运动幅度， 与运动幅度闕值 比较， 如果运动幅度小于闕值， 则认为人体没有动作， 保持低于第一扫描频率工作； 如超过 闕值， 则认为人体有动作， 人体处于运动中， 如翻身。 运动测量模块持续测量身体运动， 当 检测到身体运动幅度重新小于闕值时， 则认为人已恢复静止。 从人体开始运动到重新恢复静 止后的一个时间段内 （如 3秒）， 任意设定一选定时刻， 如开始运动后 2秒 /静止后 1秒。 在 选定时刻， 调整雷达模块的扫描频率到高于第二扫描频率 ， 这样雷达模块就能测量到身体 / 肢体运动 /心跳 /呼吸的细节。 当人恢复静止后， 身体姿态判断模块 /后续模块开始工作。 身体 姿态判断模块根据特征数据处理模块传递来的 信息判断身体姿态， 并把身体姿态信息传递给 后续模块， 执行与身体姿态对应的操作。 设置一时长闕值， 人恢复静止的时间超过时长闕 值， 则重新降低雷达模块工作频率到低于第一扫描 频率， 身体姿态判断模块 /后续模块变成 低功耗 /关闭状态。

[0040] 因为不同人的心跳幅度、 呼吸时胸廓 /腹部起伏幅度有差异， 雷达测量的各人的各特 征信号的特征数据的数值 /波形会有差异。 当雷达天线与人体处于不同的相对位置时， 雷达 测量的各特征数据的数值 /波形也有差异。 为了准确判断身体姿态， 能预先确定不同人在不 同身体姿态、 雷达天线与人体处于不同相对位置等各种情况 下的雷达特征数据的特点 /数值 / 波形 /轨迹。 首先确定雷达天线和人体之间的相对位置关系 ， 然后测量人体在不同姿态时的 各雷达特征数据， 确定雷达数据 /波形的特征区域， 找出人体在不同姿态时各特征区域的指 示表征， 找出能指示人体姿态的特征波形 /数值。 测量时， 在确定了雷达天线与人体的相对 位置后， 从雷达各特征数据 /信号中找出指示表征并据此确定人体姿态。 步骤包括首先确定 雷达天线和身体之间的相对位置关系； 然后确定一人体姿态， 测量人体在该姿态时的一种 / 多种雷达特征数据的数值 /波形； 然后， 分析数值 /波形的特点， 确定能够指示人体姿态的特 征波形 /数值 /轨迹等指示表征。 然后， 建立各指示表征与不同人体姿态的对应关系并 存储记 录。 这些指示表征能被用于指示人体姿态。 在测量时， 分析接收到的雷达信号的波形 /数值 / 轨迹， 找出指示表征并根据前述对应关系确定人体姿 态。

[0041] 本发明的具体实施方式并不只限于前述， 根据雷达信号特征数据判断人体姿态所依 据的特征数据 /信号种类、 指示表征也不限于前述各种， 雷达信号所包含的一种或多种特征 数据单独或相结合都能够用于提取特征区域、 分析数据 /波形特征、 判断人体姿态。