一、研究背景：運動員睡眠障礙的識別需求

運動員的競技狀態不僅依賴于訓練量和技術能力，也高度依賴于恢復質量，而恢復的核心在于深度、高質量的睡眠。睡眠紊亂問題在高強度競技環境中普遍存在，典型表現為睡眠呼吸暫停綜合征（Sleep Apnea）、失眠（Insomnia）與夜間躁動等現象，這些問題嚴重干擾深度睡眠階段，影響身體代謝、認知功能與神經系統恢復效率。

其中，仰臥位睡姿對氣道壓力影響較大，是誘發呼吸暫停的高風險體位；而頻繁變換睡姿則往往暗示神經系統激活、焦慮或慢性失眠問題。傳統多導睡眠圖（PSG）盡管是標準檢測手段，但其成本高、舒適性差、場景適應性弱，難以在日常或運動康復場景中廣泛部署。因此，需要一種可持續監測、非侵入式、具備動態分析能力的檢測機制。

本研究（來源：scientific reports）提出的RFID嵌入式床墊系統，正是針對上述需求，構建一種融合被動射頻識別技術與姿態識別算法的低功耗睡眠狀態檢測平臺，以實現對睡姿、動作頻率與睡眠行為的高精度解析，為睡眠障礙識別與干預提供技術支撐。

二、系統結構設計：床墊多層構造與傳感布局

該智能床墊系統以152 cm × 196 cm標準床墊為基礎，共嵌入343個無源RFID傳感標簽（分布為7 × 49網格），構建三維坐標感知網絡。床墊結構分為五層：

1、舒適表層：與人體直接接觸，負責壓力均勻分布；

2、導電彈性層：通過調節壓強和位移改變天線回波特征，反映壓力變化，同時作為電磁屏蔽層，防止長時間輻射暴露；

3、傳感矩陣層：記錄各點壓強變化，形成空間位移圖；

4、非導電結構層：增強結構穩定性，屏蔽外部金屬干擾；

5、底部天線陣列：安裝RFID閱讀器接收信號并實時回傳至計算平臺。

用于睡眠行為測試設置的 RFID嵌入式床墊

RFID嵌入式床墊層（側視圖）

此結構確保系統既能保持被動激活條件下的高靈敏度響應，又能滿足長時間使用時的人體工學要求和電磁安全標準。

三、數據采集流程與處理方法

在實際應用過程中，床墊下方配置的RFID讀取天線以6 dBi增益讀取標簽數據，傳感標簽為ISO18000-6C協議下的H47無源標簽（40 mm × 40 mm）。系統每秒讀取700次，總采集時間為10秒，單次試驗產生約120萬個數據點。

數據記錄結構如下：

（1）每個標簽的EPC（電子產品碼）；

（2）平均幅度與相位信息；

（3）每點最大值、最小值與標準差；

（4）標簽二維坐標（x, y）與因體重壓力造成的z方向位移。

數據采集流程如圖3所示，分為：

（1）檢測床上是否有人；

（2）若有人，延遲10秒后開始采集；

（3）檢測是否有移動；

（4）若有移動，暫停采集并判斷是否離床；

（5）若離床，計數一次出入行為，并重置狀態。

數據經Visual Basic腳本解析并導入Excel，隨后用MATLAB執行預處理流程，包括數據標準化與5%高斯濾波，以確保輸入模型的數據穩定性。

姿勢識別數據采集流程圖

四、姿態與行為識別建模：回歸算法構建識別模型

實驗以五名受試者為樣本，分別記錄其在仰臥（supine）與俯臥（prone）兩種體位下的傳感響應。由壓力集中度（z方向變形）差異判別體位。因傳感點位固定（x、y為常數），z軸變化為分類依據，因此研究選擇回歸模型分析。

模型選型：

（1）高斯過程回歸（GPR）：建模非線性壓力分布變化，適用于細微姿態差異與睡眠中段動作捕捉；

（2）線性回歸（LR）：快速判別大體姿態方向（仰臥/俯臥）和整體移動趨勢。

數據集設置如下：

（1）人體識別任務：5組數據（各對應1人），測試集20%，訓練集80%，GPR處理；

（2）姿態識別任務：2組數據（仰臥/俯臥），同樣20%測試集，LR處理。

采用5折交叉驗證方式，對每組模型計算RMSE（均方根誤差）評估模型性能。

五、結果分析：模型性能與系統有效性驗證

本研究系統在姿態識別和動作監測方面均展現出良好性能：

（1）姿態識別任務RMSE：0.42165，誤差較小，可精確還原體位分布結構；

（2）動作頻率檢測RMSE：0.14501，響應速度高，可捕捉夜間頻繁翻身或躁動行為；

（3）數據實時性強，可實現10秒級別行為響應；

該精度水平在現有無接觸式監測體系中具有較強競爭力，特別適合對失眠、睡眠呼吸障礙等問題的早期識別。通過頻率與體位結合判斷，還可初步區分睡眠階段或判定行為干擾。

六、系統特性總結與應用價值分析

與其他睡眠監測技術相比（如雷達、壓力傳感器、圖像識別系統），RFID系統具備以下特點：

非接觸性：避免貼附穿戴，提升用戶舒適度；

無源標簽結構：降低系統成本，適用于大范圍部署；

空間定位能力強：在床面可達毫米級分辨；

實時性與可擴展性高：便于集成至醫院、康復中心、訓練基地或家庭場景。

通過體位數據與動作頻率結合，該系統具備以下識別能力：

（1）判斷睡眠行為是否過于頻繁變換，提示失眠風險；

（2）識別長時間仰臥且無移動，提示潛在呼吸暫停；

（3）監測起夜頻率，輔助分析夜尿或慢性疼痛等問題。

系統不依賴于主動操作，適合連續觀察與趨勢判斷，為運動心理干預與康復計劃提供動態反饋依據。