无约束生理参数测量方法推定睡眠指标和睡眠阶段的系统

摘要

本发明是无约束生理参数测量方法推定睡眠指标和睡眠阶段的系统。提供一种检测系统，为了提高测量精度，采用了独有的技术消除从地板传到床上的外部干扰信号。设置的传感器采集人体生理信号，使用梳状滤波器进行数据处理，从获得心率数、呼吸数和翻身频率的信号波形，连续地提取睡眠阶段的数据，根据高精度的脉搏和体动数据推定睡眠的状态。推测睡眠深度的睡眠阶段算法，采用睡眠阶段分类技术和独有的睡眠推定技术，提高睡眠阶段推定的准确率，从而提供一种高精度地检测睡眠指标的测定系统。

说明书

技术领域

本发明涉及生理检测信号检测装置及对检测信号进行统计处理， 且根据提取的生理信号推测睡眠状态的睡眠测定系统。

背景技术

睡眠具有从疲劳恢复脑力和体力的重要作用，通过确保高质量的 睡眠能够促进健康的维持和强化。

对于为了进行睡眠质量测量而在无约束、无接触的情况下测定脉 搏的技术，已经由本发明者进行了论文发表及日本专利申请。例如， 已提出的一种睡眠深度判定方法及判定装置，其利用封入了空气的空 气垫检测人体生理信息，能够判定测试对象的睡眠阶段的变化，或者 计算各睡眠阶段的时间。

根据所述方法，从改善测试对象的睡眠质量的观点考虑，为了监 视并分析睡眠信息，可用于在测试对象睡眠期间检测人体生理信号， 使用梳状滤波器进行数据处理，使该信息与有关测试对象起床期间测 定的客观的及主观的睡眠参数相关联。本发明提出一种系统，其从改 善测试对象的睡眠质量的观点出发，高精度地测量测试对象的睡眠状 态。

在现有的床主体中利用空气垫检测身体信息，按测试对象的睡眠 阶段的变化检测睡眠阶段的睡眠深度判定方法及判定装置中，有时因 外部环境方面的因素，大量测量数据被损毁，从而影响推定。由于身 体信息信号微小，使用超高灵敏度传感器，因此，也会捡拾测试对象 发出的信号以外的信号，主要通过地面或地板传入。

另外，最近的测定环境，因难以确保环境一致等理由，有时设置 为2层或2层以上床，有时床的振动级别也高。因此，存在如何排除 被测试者的人体生理信息以外的杂乱信号的问题。

在振动传递防止系统中，近年来也开发了装入有用于检测装置的 振动传感器和强制性地控制振动的振幅的能动式控制装置的系统。

但是，由于装置大型化和成本非常高等原因而没有达到实用化。 另外，在目前利用的直接安装于支柱上的兼有橡胶材料的防滑缓冲作 用的橡胶材料小轱辘，难以作为可高效地防止床振动的传递的系统发 挥作用。需要开发以低成本且实现防止地板振动向本装置上传递为目 的，虽然没有如所述测定装置那样强制地抑制从装置本身发生的振动 的效果，但能够防止地板振动向床主体传递，使测定装置本身发生的 振动高效地衰减的防振系统。

发明内容

本发明是鉴于上述问题点而设立的，其目的在于，提供一种检测 系统，其在无约束、非接触下测定与就寝于床上的测试对象的睡眠质 量相关的多个客观的参数，防止通过床的支柱从地板传入的外部振动， 由此，消除了人体生理信号以外的信号，与目前使用的床相比，能够 高精度地检测人体信号。另外，依靠本发明的传感器结构，并和垫子 组合在一起的睡眠测定装置，能够对REM睡眠和非REM睡眠的周期、 对应的睡眠深度等级的出现率、剔除中途觉醒的实际睡眠时间、睡眠 效率、无呼吸状态之类的各种信息进行高精度判定。作为本发明的一 个实施例，以减轻所设置的场所的地板振动的影响为目的，如图13 所示，能够在从地板向床的振动传递路径中沿垂直方向和水平方向配 置空气弹簧，将垂直分量和水平分量的振动传递抑制得较低。

在本发明中，使用高灵敏度压力传感器测量睡眠中的脉搏信号， 从脉搏信号高精度地分离脉搏分量和体动分量的方法，采用梳状滤波 器。根据分离出来的脉搏和体动，对表示REM睡眠状态的指标和表示 睡眠的深度的指标做了定义。另外，设计了按照年龄区分的各睡眠阶 段平均出现率和标准偏差的计算函数。提案有关这两个睡眠的指标和 使用函数推定睡眠阶段的算法。对10名男性测试对象（平均年龄22.2 岁）的20个夜晚的睡眠，用本提案的方法算出的睡眠阶段和R－K法 的睡眠阶段的结果相比较，在睡眠等级分为6阶段（觉醒、REM、Non －REM1、2、3、4）、分为5阶段（觉醒、REM、Non－REM1、2、3/4）、 分为3阶段（觉醒、REM、Non－REM）时，各自的一致率的平均值 为51.6%，56.2％，77.5%。另外，k统计量的平均值为0.29，0.39， 0.48。

当前，作为用于把握睡眠的状态的国际标准使用R－K法。

该方法以脑波、眼球运动、颚筋电为基础，将睡眠的状态分类为 觉醒、REM睡眠、Non－REM睡眠1、2、3、4等6阶段。但是，该方 法需要将用于测量脑波、眼球运动、颚筋电的电极粘贴于头部、脸、 及颚，因此，约束性高。另外，装置为大规模且价格高，因此，个人 每天在家里使用困难。用于在家里无约束地监视睡眠状态的基础研究 至今有多个报告。这些报告均根据由设置于床上的无约束型的传感器 所测量的脉搏及体动等而推定睡眠状态。

在一方面，本发明提供一种检测系统，在测试对象的床上，设置 至少一个以上的无约束、无接触的传感器，检测出上述测试对象在床 上就寝时与睡眠质量有关的体动、呼吸、心跳之类的多个人体生理信 号，然后对所述生理信号进行数据处理,提取伴随着睡眠状态的脉搏 信号和体动信号，所述检测系统在床的支柱上设置了消除通过床传入 外部信号的结构来防止外部干扰。

在另一方面，本发明提供一种检测系统，在测试对象的床上，设 置至少一个以上的无约束、无接触的传感器，检测出上述测试对象在 床上就寝时的睡眠质量有关的体动、呼吸、心跳等的多个人体生理信 号，然后对所述生理信号进行数据处理，提取伴随睡眠状态的心脏跳 动和体动，所述检测系统在床的支柱和床主体的连接部安装具有防振 动传递特性的弹性体，从而防止来自地板振动的传递。

在另一方面，本发明提供一种睡眠深度监测系统，其包括前述的 检测系统，还包括根据由所述信号提取装置提取的心跳、呼吸和翻身 体动的各频率信号波形，连续地推定并输出所述测试对象的睡眠阶段 的推定装置，根据此推定装置输出的睡眠阶段的变动图形判定睡眠深 度。

附图说明

图1空气压力方式测量脉搏的原理；

图2以空气压力方式测量出的人体信号；

图3梳状滤波器的频率－增益特性；

图4使用梳状滤波器群的心率推定；

图5每个年龄的各睡眠阶段的平均出现率和标准偏差；

图6REM睡眠阶段的分布；

图7觉醒阶段，Non－REM睡眠阶段的分布；

图8测量系统；

图9梳状滤波器/FFT算出的心率数分别和ECG的心率数的比较；

图10REM睡眠指标和δ波、纺锤波、急速眼球运动的比较；

图11睡眠深度指标和δ波的比较；

图12睡眠阶段的比较；

图13床腿部的防振型传感器信号接受机构的例子。

具体实施方式

2.气动方式的实施例

2.1气动方式

图1表示发明者提案的气动方式的原理。在家庭用床的床垫下面 （或褥子下面），铺设厚度5mm左右的乙烯制的充气床垫。充气床垫 的内压为与大气压相同的压力，人躺在床垫上时，脉搏及翻身等形成 的体动通过床垫传播给充气床垫中的空气。

用超高灵敏度压力传感器（株式会社PRIMO制S11－M2）测量该 空气的压力变化。

压力传感器可测量0.2Pa－2Pa的压力变动，以0.1－3kHz具有 平坦的频率特性[13]，由压力传感器测量的信号被输入人体信号分 离电路。

在人体信号分离电路中通过5－10Hz的带通滤波器后，实施全波 整流、包络处理并输出。睡眠中的人的心率数约为0.8Hz～1.5Hz， 但在由压力传感器测量的波形中存在谐波分量，以S/N比相对较高的 5～10Hz进行滤波。

2.2问题记录

在本发明中，使用以图1的气动方式测量信号的提案如下。

（P1）根据输出信号，高精度地分离脉搏分量和体动分量的方法。

（P2）定义表示REM睡眠的指标。

（P3）定义表示睡眠深度的指标。

（P4）按照健康人群的年龄段定义的算出各睡眠阶段的平均出现 率、标准偏差的函数。

（P5）提出推定R－K法顺次睡眠阶段的算法。

3.梳状滤波器

对问题（P1）进行研究，发明者们对传感器输出数据，实施 FFT处理，根据脉搏的基本波、谐波分量和其它的分量，将脉搏分量 和体动分量分离[9－12]。但是，在伴随翻身等的体动中多含有心率 数附近的低频分量，因此，有时根据FFT的峰值频谱求取的心率数含 有误差。

在本发明中，提出有一种方法，其为了有效地利用脉搏分量的谐 波分量，高精度地分离脉搏和体动，使用了梳状滤波器。

在身体信号分离中输出的信号用Δt=0.01sec进行取样，保存 为图2所示的时间序列数据。将1min间隔的离散时间设为k， k＝1,2，…,T_ib。T_ib是测试对象横躺在床上测量的总时间。将离散时间k 的1min内的毎个Δt的离散时间设为l，l＝1,2,…,N(＝60/Δt)。在将离 散时间k、l的脉搏分量设为xk（l）、将体动分量设为n_k（l）时，身 体信号分离电路的输出yk（l）如（1）式那样用脉搏分量和体动分 量的线性和表示。

y_k(l)＝x_k(l)+n_k(l)                       （1）

只要根据（1）式可分离脉搏分量和体动分量，就能够高精度地 推定心率数。将梳状滤波器的死区时间设为T时，在离散时间中 τ＝T/Δt。另外，将梳状滤波器的反馈增益设为g（0≤g≤1）。

这时，离散时间k、l的脉搏分量和体动分量作为（2）式、（3） 式的梳状滤波器的输出给予。

$\widehat{x_k}\left(l\right)=y_k\left(l\right)+y_k(l-\tau )+g·{\hat{x}}_k(l-\tau )---\left(2\right)$

${\hat{n}}_k\left(l\right)=y_k\left(l\right)-y_k(l-\tau )+g·{\hat{n}}_k(l-\tau )---\left(3\right)$

图3（a）、（b）表示（2）式、（3）式的梳状滤波器的频率－增 益特性。

（2）式的滤波器如图3（a）所示在直流分量和1/T的整数倍的 频率下具有峰值。反过来，（3）式的滤波器如图3（b）所示在与图3 （a）的峰值频率相同的频率下增益为0。图3（a）、（b）的频率特 性的峰值的敏锐度根据反馈增益g而变化，在接近1时变得敏锐。在 （2）式、（3）式中，在T与真的心率周期接近的情况下，（2）式的 滤波器使脉搏分量的振幅增幅，反过来，（3）式的滤波器使脉搏分量 衰减，使体动等分量增幅。在此，如图4所示，并列排列有78个死 区时间T分别为0.66s、0.67s、0.68s…、1.43s的（2）式的梳状滤 波器。第1个梳状滤波器的死区时间T=0.66s，峰值频率为1.51Hz 的整数倍，因此，与90次/min的脉搏共振。同样地，第78个梳状 滤波器的死区时间T=1.43s，峰值频率为0.7Hz的整数倍，因此， 与42次/min的脉搏共振。以每1分种的心率数计，这些梳状滤波器 的死区时间的分解能为60Δt/T²，在90次/min时为1.35次/min，在 42次/min时为0.29次/min。因此，这78个梳状滤波器群在42次 /min～90次/min的范围内可覆盖平均分解能0.82次/min的脉搏。 将观测信号y_k(l)并联输入该梳状滤波器群，比较来自各个梳状滤波 器的输出的振幅。推定其中输出振幅最大的的梳状滤波器的 死区时间，作为心率周期。接着，对作为该心率周期推定的死区时间 T，（3）式的输出使脉搏分量衰减，相反，使体动等分量增幅。 由此，能够推定体动的大小。

4.睡眠指标

4.1以REM睡眠为特征的指标

对问题（P2）进行研究。

使用（2）式的梳状滤波器定义关于REM睡眠的指标。

REM睡眠具有如下的特征[2、14]：

（1）表示与Non－REM1及觉醒相似的脑波。

（2）δ波、纺锤波的发生频率降低。

（3）抗重力筋的紧张完全消失。

（4）出现急速眼球运动。

（5）脉搏数、呼吸数增加，节奏为不规则。另外，血压上升。

（6）在成人的情况下，以平均90～100min的周期出现REM 睡眠。

（7）在REM睡眠的前后体动集中。

在R－K法中，REM睡眠阶段的判定如特征（1）～（4）所示， 着重为脑波、颚筋电、眼球运动。在本发明中，按照气动方式的特征 （5）,着眼于“在REM睡眠时心率数的节奏变得不规则”。

将离散时间k的1min数据的前半30s的数据 y_k(1),y_k(2),y_k(3)…,y_k(N/2)输入图4的梳状滤波器群。这时的输出的振幅为最大，将推定为心率周期的死区时间设为同样地，对离 散时间k的后半30s的数据y_k(N/2+1),y_k(N/2+2),y_k(N/2+3)…,y_k(N)， 将振幅成为最大的死区时间设为由此，该离散时间k的1min 中的前半和后半的心率数的变化用表示。用k＝1,2，…，T_ib进 行同样的处理，用前后q个数据进行移动平均，求取表示REM睡眠 的状态的指标。

$\mathrm{RS}\left(\mathrm{kI}\right)=\frac{1}{2q+1}\underset{i=-q}{\overset{q}{\Sigma }}60|1/T_{k+i}^1-1/T_{k+i}^2|---\left(4\right)$

从REM睡眠的特征（5）可知，该指标在REM睡眠时保持大的值。

4.2以觉醒、Non－REM睡眠为特征的指标

对问题（P3）进行研究。使用（2）式、（3）式的梳状滤波器， 定义关于睡眠的深度的指标。

Non－REM睡眠

（1）与睡眠的深度成比例，δ波的发生频率变高。

（2）在睡眠阶段Non－REM2中，发生纺锤波。

（3）随着睡眠从觉醒状态逐渐变深，体动的大小变小，发生 频率变少。

（4）脉搏数随着睡眠变深而变低。

（5）Non－REM1有时在Non－REM3、4或REM睡眠发生后， 随着大的体动而出现。

与REM睡眠的情况同样地根据气动方式的特质，由特征（3）的 特征“随着睡眠变深，体动的大小变小，发生频率变少”，定义睡 眠的深度指标。

与心率周期接近的死区时间T的（3）式的梳状滤波器的输出， 使脉搏分量衰减，使体动等分量增幅。在离散时间k中将该输出的平 均振幅设为在浅睡眠中体动的发生频率多，成为较大的值， 在深度睡眠中成为较小的值。

传感器输出信号水平因寝具及测试对象或睡姿而不同。为了将该 不同基准化，将离散时间k的传感器输出y_k(l)的平均振幅设为用 除而求出另外，在有体动的情况下和没有体动的情 况下大幅变化，即使在几乎没有体动的状态下也有微小的变化。为了 控制住该体动导致的大的变化，并将微小的变化放大，求出的 对数，作为表示睡眠深度的指标。

$\mathrm{SDI}\left(k\right)=\frac{1}{2}{\log }_2\left(\frac{P_k^n}{P_k^y}\right)---\left(5\right)$

该指标在深睡眠时成为小的值，随着变浅而成为大的值。

5.睡眠阶段的推定

5.1年龄不同的睡眠阶段的出现率

对于问题（P4）进行研究，决定输入测试对象的实际年龄时其年 龄的各睡眠阶段的平均的出现率、和输出标准偏差的函数。该函数对 在参考文献[15－18]的3岁～92岁的306人的各睡眠阶段的出现率， 用4次曲线近似决定。

各睡眠阶段的出现率用（6）式表示，标准偏差用（7）式表示。 （6）式、（7）式对各睡眠阶段分别表示。表1表示系数c₀～c₄及决定 系数R²。

f_x＝c₄a⁴+c₃a³+c₂a²+c₁a+c₀          （6）

δf_x＝c₄a⁴+c₃a³+c₂a²+c₁a+c₀         （7）

表1(6)式，(7)式的系数及决定系数

x表示各睡眠阶段。a的定义域设定为成为制作该函数的数据基 础的306人的年龄幅度3～92。（6）式、（7）式即使将次数设定为5 次以上，决定系数也几乎不变，因此，设定为4次。图5（a）表示 用（6）式表示的各睡眠阶段的平均的出现率。

另外，图5（b）表示用（7）式表示的各睡眠阶段平均出现率的 标准偏差。

如图5（a）所示，f_Wake+f_REM+f_NR1+f_NR2+f_NR3+f_NR4=100[％]成立。

睡眠的出现率随着年龄增高而觉醒的出现率上升，相反深睡眠的 出现率减少。

5.2睡眠阶段的推定

对问题（P5）进行研究。

由REM睡眠指标RSI(k)、（6）式、（7）式推定REM睡眠的时间。

将测试对象的实际年龄代入（6）式、（7）式的a，求f_REM,δf_REM。

这时REM睡眠的出现率设定在f_REM±δf_REM范围内。

如图6所示，将REM睡眠指标RSI(k)按下降的顺序排序，在 f_REM±δf_REM的范围中，将发生最大的体动时保持以上的RSI(k)的时 间带作为REM睡眠时间进行分配。这是利用了REM睡眠的特征（7）。

其次，根据SDI(k)、（6）式、（7）式分配觉醒、Non－REM睡眠1、 2、3、4的时间。

将除了REM睡眠的时间带的睡眠深度指标SDI(k)按图7所示的 下降的顺序排序。

与REM睡眠的情况同样地将测试对象的实际年龄代入（6）式、 （7）式，

求出觉醒、Non－REM1、2、3、4各睡眠阶段的出现率。

这时各睡眠阶段的出现率分别设定在如下范围内：

觉醒：[f_Wake-δf_NR1,f_Wake+δf_Wake]

Non－REM1：  [f_NR1-δf_NR2,f_NR1+δf_NR1]

Non－REM2：  [f_NR2-δf_NR3,f_NR2+δf_NR2]

Non－REM3：  [f_NR3-δf_NR4,f_NR3+δf_NR3]

Non－REM4：  [f_NR4-δf_NR3,f_NR4+δf_NR4]

觉醒和Non－REM1的出现率与REM睡眠同样，将在各自的范围中 体动大的部位设定为其出现率。Non－REM2、3、4的出现率，将SDI(k) 按下降的顺序排序，倾斜大的地方设定为其出现率，如此来分配觉醒、 Non－REM1、2、3、4的睡眠阶段。

分配了各睡眠阶段后，返回到原来的时间序列，作为R－K法顺 次睡眠阶段。

6.测试验证

6.1测试对象和测试环境

测试对象以健康成人男性10名（A～J）、平均年龄22.2岁为对 象，取得知情同意后，测量20个晚上。

图8表示测量状况。

采用气动方式脉搏及体动测量。作为脉搏、睡眠阶段的比较用， 通过多种波动描记器（SANYOFIT2500NEC三荣），同时测量了ECG、 脑波及眼球运动。

6.2梳状滤波器的有效性的验证

关于问题（P1）的有效性，对使用梳状滤波器推定的心率数和由 FFT推定的心率数进行比较验证。

将测试对象J的第2晩（以后设为J－2）的数据输入图4的梳 状滤波器群而推定心率数。该梳状滤波器群的反馈增益为g=0.95。

另外，用FFT求J－2的毎1分钟的心率数。作为心率数的参照 从ECG的数据读取R－R间隔，求毎1min的平均心率数。图9（a） 表示由梳状滤波器推定的心率数和由ECG求取的心率数，图9（b） 表示由FFT推定的心率数和由ECG求取的心率数。在10min～100min 内，由梳状滤波器进行的心率数推定结果这一方与FFT的推定结果相 比，与ECG的心率数的误差小。由于该时间带有呼吸分量及体动等低 频杂音的混入，因此认为用具有增幅到谐波的特性的梳状滤波器的推 定结果正确。对全部测试对象的数据，用梳状滤波器、FFT、ECG推 定了心率数。表2表示通过梳状滤波器的FFT推定的心率数和通过 ECG求取的心率数的平方平均误差。

梳状滤波器的推定结果中，在20种情况中有17种情况误差小。 在梳状滤波器的推定结果中，误差的平均值也比FFT结果的误差小。

表2梳状滤波器的心率数的误差和FFT的心率数误差的比较

6.3REM睡眠指标的妥当性的验证

验证问题（P2）的有效性。

图10表示用C－3的RSI(k)及多种波动描记器测量的脑波的δ波、 纺锤波及急速眼球运动的发生率。

（4）式的RSI(k)的移动平均次数为q＝10。在RSI(k)保持大的值 时，心率数的变动大，因此，与REM睡眠的特征（5）相比，REM睡 眠的可能性高。

图10的灰色的时间带表示δ波、纺锤波的发生率小，急速眼球 运动的出现次数变高，REM睡眠的特征为（2）、（4）特征。

在相同的时间带中REM睡眠指标RSI(k)表示大的值。

另外，RSI(k)的值大的部位以约100分钟周期出现，出现REM睡 眠的（6）的特征。这是表示在REM睡眠中，其特征（2）、（4）及（5） 的状态同时发生，因此，由指标RSI(k)可推定REM睡眠的发生。

6.4睡眠深度指标的妥当性的验证

对于问题（P3）验证有效性。

（3）式设为g=0.8的（5）式的平均振幅由10个数据的 移动平均求出。

图11表示C－3的SDI(k)和δ波。

图11的灰色的时间带中，δ波的出现率高，从Non－REM睡眠 特征（1）可知，位于深的睡眠状态。在该时间带中SDI(k)表示小的 值。

这是表示由于Non－REM睡眠的特征（1）、（3）的状态同时发生， 因此，根据睡眠的深度指标SDI(k)可推定睡眠的深度。

6.5睡眠阶段的推定

对于（P5）的有效性，使用在第5章中叙述的算法而判定睡眠阶 段，与通过R－K法判定的睡眠阶段进行比较。图12表示C－3的数 据的RSI(k)、SDI(k)、推定的睡眠阶段及用R－K法决定的睡眠阶段。

比较由、SDI(k)推定的睡眠阶段和用R－K法推定的睡眠阶段时， 如处于REM睡眠特征（6）的那样的约100分钟周期的节奏的发生部 位、或朝向黎明方向睡眠阶段变浅的样子等整体的形状相似。然而， 在100分钟、280分钟附近，相对于提出的方法判定为Non－REM4的 情况，在R－K法中判定为Non－REM2。

另外，在470min附近，提出的方法中判定为Wake，但在R－K 法中判定为REM。对用提出的方法判定的睡眠阶段、用R－K法判定 的睡眠阶段分别以6阶段（觉醒、REM、Non－REM1、2、3、4）、将 Non－REM3、4合二为一的5阶段（觉醒、REM、Non－REM1、2、3/4） [19]、3阶段（觉醒、REM、Non－REM）中进行比较。

比较方法使用对T_ib的两种方法的判定结果一致的数的比例（一 致数/T_ib）*100[%]的一致率、k统计量。表3表示将全测试对象的 睡眠阶段分为6阶段、5阶段、3阶段时的一致率k统计量、各自平 均值和标准偏差。

表3提案的方式和R－K法的睡眠阶段的一致率及κ统计量

图12的一晩的睡眠=537min的睡眠阶段为6阶段时的一致率为 52.1%，k统计量为0.25，睡眠阶段为5阶段时的一致率为58.7%，k 统计量为0.38，睡眠阶段为3阶段时的一致率为79.5%，k统计量为 0.46。

7.与C－3的测试对象同样，表3的测试对象的各睡眠阶段数 的一致率和k统计量随着阶段数变少而上升。

在睡眠阶段为6阶段的情况下，相对于文献[12]的一致率的平均 36.4%，一致率的平均值上升为51.6%。

这时的k统计量的平均值为0.29，也包括偶然的一致导致的误 差。

另外，在睡眠阶段为5阶段时，一致率的平均值为56.2%时上升 4.6%，相对于此，在3阶段中为77.5%。

这是因为Non－REM1、Non－REM2、Non－REM3/4之间的不一致率 比Non－REM3和Non－REM4之间的判定的不一致率多。

k统计量在5阶段时为0.39，在3阶段时为0.48，能够把握睡 眠的大局的图形及REM睡眠、Non－REM睡眠的节奏。

根据如上所述的方法，可用于在测试对象约束、无侵袭睡眠期间， 检测与测试对象的睡眠质量相关的体动、呼吸、心脏跳动之类的身体 生物信号，使用梳状滤波器进行数据处理，使该信息与有关测试对象 起床期间测定的客观的及主观的睡眠的参数相关联。

从改善测试对象的睡眠质量的观点考虑，需要高精度地测量测试 对象的睡眠。但是，尤其是在实施了防音、防振的用于上述数据取得 的测量室中可进行，但在一般的社会中经济上是比较困难的。因此， 在设置场所为一般的病房、家庭的寝室时，在目前被利用的、直接安 装于支柱上的橡胶材料的防滑缓冲器、移动轮椅的橡胶咕噜等防振动 传递中，对于来自地板的振动，防止振动传递并进行优质地测量非常 难。

本发明鉴于上述课题，将形成防止从地板传入床的支柱的外部振 动进行传递的结构的防振动传递装置，设定为如下构成。

例如，提案有一种防振动传递装置，其在使用设置于无睡眠中的 测试对象的床上的多个传感器，检测在床上就寝时的人体生理信号， 使用梳状滤波器进行数据处理，提取伴随着睡眠状态的脉搏和体动的 检测系统中，在从地板向床的振动传递路径中沿垂直方向和水平方向 配置防振动传递部件，切断垂直分量和水平分量的振动传递。

图13表示防振动传递装置的第1个方案的的实施例子。在实际 的装置中，使用多个（一般为4个）缓冲单元，但本图为其一个侧面 图。

在本构成例中，为了防止在设置部位的地板振动的传递，通常具 备：用于弹性支承装置1的Z方向（上下方向）的空气弹簧304、用 于支承该垂直方向的防振机构并固定于床支柱上的连接轴302、固定 空气弹簧304且在缓冲器移动范围内保持水平方向的移动的外筒303、 而且为了改善空气弹簧304的Z方向的缓冲特性而并设的缓冲器305。 该缓冲器305被固定于装置的下部，且在用于进行Z方向的缓冲的高 防振性时，将外筒303固定在地板300上。

测试对象上下床时，由于一端施加使用状况以上的负荷，因此， 成为连接轴302的一端302a与外筒303抵接，空气弹簧304不会施 加必要以上的负荷。另一方面，在床支柱未接地的情况下，连接轴 302的槽的另一端302b和外筒303仍然抵接且不会扩大到所需范围 以外，这就使空气弹簧304保持原样。

空气弹簧304的空压P0kg/cm**2为测试对象的体重W1kg和床 整体的重量W2kg相加，为W0kg，如果是4根支承的床，即使偏负 荷，平均也为1/4，在设定W0/4kg空气弹簧304的接地面积Scm**2 时，可用空压P=W0/4Skg/cm**2进行计算。作为该计算的附近在振 动传递路径中伸缩的伸缩缓冲器，设定为沿垂直方向和水平方向配置， 能够将垂直分量和水平分量的振动传递抑制为较低的伸缩缓冲器，一 般情况下是有效的。

第2个方案，其特征在于，实施防振动传递部件，因弹簧保持了 床支柱的伸缩自如，经由安装于床支柱的滑轮并用绳索从床主体吊挂， 且可垂直地上下振动，垂直分量的振动在安装于绳索上的拉伸弹簧的 伸缩中被吸收，水平分量的振动在通过吊挂的绳索如摆那样的移动中 被吸收。通过加长用于悬垂的部件，也能够将水平方向的固有振动数 抑制为相当低。

第三方面的防振动传递装置，其特征在于，防振动传递部件使用 磁铁，其在从地板向床的振动传递路径上以非接触方式沿垂直方向和 水平方向配置相反的磁铁或电磁铁，防止垂直分量和水平分量的振动 传递。

第四方面的防振动传递装置，其特征在于，防振动传递部件使安 装有漂浮材料的床主体浮在床支柱或直接设置在地板上的加入有液 体的水槽中，以水槽和所述床主体不相接的方式安装保持部件，使液 体介于床主体和水槽之间而吸收振动。

第五方面的防振动传递装置，其特征在于，从地面的振动经过床 腿传导至床体，在床腿下安装一个有滑动孔的导向轴作为减震器，当 受到来自床体的压力时，床体会在导向轴内滑动，导向轴里装有弹性 体（空气垫圈），床体的水平方向和垂直方向的位置移动都加压在弹 性体（空气垫圈）上，弹性体（空气垫圈）相当于起支撑作用的垂直 伸缩的压缩弹簧，导向轴和弹性体之间加有润滑材料。