本发明涉及睡眠呼吸检测评价及辅助调节领域，特别涉及睡眠呼吸肌状态检测量化及辅助调节方法、系统和装置。
背景技术：
1、呼吸运动是人类生存的最基本行为，原动力来自于呼吸肌；呼吸肌主要包括肋间肌、膈肌、腹壁肌、胸锁乳突肌、背部肌群、胸部肌群等。呼吸运动也不仅带来肺部体积气压的变化，也引发了胸廓、咽喉部和口鼻部等肌肉行为变化。呼吸肌和呼吸相关链路器官的生理状态行为变化，都具备非常好的呼吸动力学特性。此外，由上气道的狭窄和阻塞带来阻塞性睡眠呼吸暂停、低通气、打鼾等事件或现象，都伴随着口咽部、软腭、下颌等多部位振动；而中枢性睡眠呼吸暂停则伴随胸腹部呼吸行为异常，胸腹部呼吸也是睡眠过程中最主要呼吸模式；上述这些事件或现象，不仅直接导致夜间频繁发生间歇性的缺氧，同时伴有睡眠结构和睡眠质量的破坏，还间接对人们的生活工作质量、身体健康和生命安全带来不同程度影响。
2、现有技术方案cn116013470a涉及一种睡眠行为活跃水平动态调节的方法、系统和装置：提供了睡眠行为活跃水平动态调节的方法，对用户睡眠过程的生理状态信号和行为状态信号进行实时采集处理，生成生理、行为状态实时特征，实时识别睡眠时相状态并生成睡眠时相曲线；对所述生理、行为状态实时特征进行实时行为能力量化分析、基线变化分析和极值调和分析，生成肌张水平、中枢运动能力和行为动作水平实时指数；根据上述指数进行实时基线变化分析和极值调和分析，生成睡眠行为活跃水平实时曲线，预测生成睡眠行为活跃水平趋势曲线，实时生成睡眠行为活跃水平动态调节策略并动态调节，生成睡眠行为活跃水平调节报告并建立个性化行为调节长期数据库。该发明实现了对睡眠行为活跃或抑制水平进行科学地检测、评估和训练；但该技术方案中未具体涉及肌状态动力特征的识别提取、睡眠呼吸事件的识别检测、事件强度的计算提取、睡眠呼吸的调节调控等技术过程。
3、总体而言，目前现有技术方案中睡眠呼吸的检测、分析和评估主要依赖多导睡眠图监测仪(psg)，通过口鼻压力、热敏和胸腹带压力等传统呼吸信号波形分析来识别呼吸事件检测和事件类型，并进一步完成低通气指数、呼吸事件次数等简单统计分析。现有技术方案，缺乏对睡眠呼吸肌状态的过程特征、状态事件和发生发展进行系统科学地检测、分析和评估，尤其缺乏从呼吸动力学角度对睡眠呼吸事件强度做出明确定义或特征量化。此外，现有技术方案和现有应用场景中，睡眠呼吸调控设备通常与睡眠呼吸检测设备独立分离，大多睡眠呼吸调控设备能够联网反馈调控参数但仍使用离线的预设程序控制完成设备反馈调控，难以根据用户实时状态进行智能精准的、个性化的动态辅助调节。
4、由上可知，如何对睡眠呼吸肌状态的过程特征、状态事件和发生发展进行系统科学地检测、量化和评价，并进一步优化和提高现有睡眠呼吸调控设备的效率效能，从而辅助用户睡眠呼吸和提高睡眠质量，是目前国内外产品技术方案和实际应用场景中需要进一步解决的问题。
技术实现思路
1、针对现有方法的以上缺陷及改进需求，本发明的目的在于提供一种睡眠呼吸肌状态检测量化及辅助调节方法，通过对睡眠肌状态信号的采集分析并提取睡眠呼吸肌状态动力学信号，结合睡眠运动体位变化特征计算提取睡眠呼吸肌状态事件强度，实现了用户睡眠呼吸的过程特征和状态事件的科学检测量化；通过对睡眠呼吸肌状态事件发生趋势的预测分析，生成睡眠呼吸辅助调节策略并实时发送睡眠呼吸调节设备，实现了用户睡眠呼吸的动态辅助调节；通过睡眠呼吸肌状态的创新评估和辅助调节的一体化架构，辅助用户睡眠呼吸和提高睡眠质量。本发明还提供了睡眠呼吸肌状态检测量化及辅助调节系统，用于实现上述方法。本发明还提供了睡眠呼吸肌状态检测量化及辅助调节装置，用于实现上述系统。
2、根据本发明的目的，本发明提出了一种睡眠呼吸肌状态检测量化及辅助调节方法，包括以下步骤：
3、采集处理用户睡眠过程的肌状态信号和肢体运动信号，分别生成睡眠肌状态信号和睡眠运动体位信号；
4、对所述睡眠肌状态信号进行信号分解、信号识别、信号融合和/或包络提取，生成睡眠呼吸肌状态动力学信号；
5、对所述睡眠呼吸肌状态动力学信号进行事件检测分析，得到睡眠呼吸肌状态事件，进一步结合所述睡眠运动体位信号提取事件强度；
6、对所述睡眠呼吸肌状态动力学信号和所述睡眠运动体位信号进行特征分析，得到睡眠体位肌状态动力特征；
7、对所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征进行信号趋势分析和事件检测分析，预测识别所述睡眠呼吸肌状态事件及事件发生趋势；
8、根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸辅助调节策略并通过信号接口发送睡眠呼吸调节设备。
9、更优地，所述采集处理用户睡眠过程的肌状态信号和肢体运动信号，分别生成睡眠肌状态信号和睡眠运动体位信号的具体步骤还包括：
10、采集处理用户睡眠过程的肌状态信号，生成所述睡眠肌状态信号；
11、采集处理用户睡眠过程的肢体运动信号，生成所述睡眠运动体位信号。
12、更优地，所述采集处理至少包括采集获取、模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、带通滤波、均值滤波、平滑处理和信号时窗分割；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时窗分割，得到多时窗信号集。
13、更优地，所述睡眠肌状态信号至少包括肌电信号、皮肤电信号中的任一项；所述睡眠运动体位信号至少包括肢体加速度信号、视频运动体位检测信号和雷达运动体位检测信号中的任一项。
14、更优地，所述对所述睡眠肌状态信号进行信号分解、信号识别、信号融合和/或包络提取，生成睡眠呼吸肌状态动力学信号的具体步骤还包括：
15、对所述睡眠肌状态信号进行信号分解，得到睡眠肌状态描述信号集合；
16、对所述睡眠肌状态描述信号集合进行信号识别，得到睡眠肌状态动力学描述信号集合；
17、对所述睡眠肌状态动力学描述信号集合进行信号融合和/或包络提取，得到所述睡眠呼吸肌状态动力学信号。
18、更优地，所述信号分解具体为将目标信号分解为多个不同模态、不同来源和不同特性属性的成分信号集合；所述信号分解的方法至少包括时间序列分解、经验模态分解、变分模态分解、局域均值分解、小波变换、小波包变换、时频变换、盲源分离、线性判别分析、去趋势分析、主成分分析、独立成分分析、波形分析和数值拟合，及他们的进化变种方法。
19、更优地，所述信号识别具体为通过波形判定方法或机器学习模型，对目标信号的信号来源进行识别和标识；所述信号来源至少包括呼吸、吞咽、咬牙/磨牙/咀嚼、头部运动、躯体运动。
20、更优地，所述信号融合具体为将同一信号来源的不同成分信号进行同步平均叠加或延时平均叠加，融合成一个源信号。
21、更优地，所述睡眠呼吸肌状态动力学信号至少包括肌电包络信号、皮肤电scl水平信号和皮肤电scr水平信号。
22、更优地，所述对所述睡眠呼吸肌状态动力学信号进行事件检测分析，得到睡眠呼吸肌状态事件，进一步结合所述睡眠运动体位信号提取事件强度的具体步骤还包括：
23、对所述睡眠呼吸肌状态动力学信号进行事件检测分析，提取事件基本信息，得到所述睡眠呼吸肌状态事件；
24、根据对所述睡眠呼吸肌状态动力学信号、所述事件基本信息和所述睡眠运动体位信号，计算得到所述睡眠呼吸肌状态事件的所述事件强度。
25、更优地，所述事件检测分析具体为根据预设睡眠呼吸-肌肉事件知识库和/或机器学习模型，对所睡眠呼吸肌状态动力学信号进行波形特征识别和标记提取，得到所述睡眠呼吸肌状态事件的事件基本信息；所述事件基本信息至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间。
26、更优地，所述睡眠呼吸肌状态事件至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间、事件强度。
27、更优地，所述事件强度具体由所述睡眠呼吸肌状态事件的持续时长、起始时间、结束时间、峰谷值和峰谷值处相对时间，以及睡眠呼吸肌状态特征幅度变化来决定。
28、更优地，所述事件强度的计算生成方法，具体为：
29、1)获取所述睡眠呼吸肌状态事件的起始时间、结束时间、持续时长、峰谷值和峰谷值处时间，以及预设睡眠呼吸肌状态动力学信号阈值；
30、2)计算所述睡眠呼吸肌状态事件的峰谷值和预设睡眠呼吸肌状态动力学信号阈值的相对变化量，得到峰谷相对值；
31、3)根据所述睡眠呼吸肌状态事件的起始时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷前沿斜率；
32、4)根据所述睡眠呼吸肌状态事件的结束时间、峰谷值和峰谷值处时间计算线性斜率，得到峰谷后沿斜率；
33、5)根据所述睡眠运动体位信号，提取睡姿角度和睡姿方向信息或预设睡眠体位修正计算策略，根据预设睡眠体位修正系数对照表，提取得到睡眠体位修正系数；
34、6)根据所述根据睡眠呼吸肌状态动力学的信号来源，根据预设动力学信号来源-修正系数对照表，提取动力学信号来源修正系数；
35、7)根据所述睡眠呼吸肌状态事件的持续时长、所述峰谷相对值、所述峰谷前沿斜率、所述峰谷后沿斜率、所述睡眠体位修正系数、所述动力学信号来源修正系数的数值融合计算，得到所述事件强度。
36、更优地，所述对所述睡眠呼吸肌状态动力学信号和所述睡眠运动体位信号进行特征分析，得到睡眠体位肌状态动力特征的具体步骤还包括：
37、对所述睡眠呼吸肌状态动力学信号进行特征分析，得到所述睡眠呼吸肌状态特征；
38、对所述睡眠运动体位信号进行特征分析，得到所述睡眠运动体位特征；
39、将所述睡眠呼吸肌状态特征和所述睡眠运动体位特征归集，得到所述睡眠体位肌状态动力特征。
40、更优地，所述特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析；其中，数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度，所述时频特征至少包括频带功率、频带功率占比和频带中心频率，所述非线性特征至少包括熵特征、分形特征和复杂度特征。
41、更优地，所述睡眠体位肌状态动力特征至少包括所述睡眠呼吸肌状态特征和所述睡眠运动体位特征；所述睡眠呼吸肌状态特征至少包括呼吸数值特征、肌电特征、皮肤电特征中的任一项；所述睡眠运动体位特征至少包括肢体运动特征、睡姿体位特征。
42、更优地，所述对所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征进行信号趋势分析和事件检测分析，预测识别所述睡眠呼吸肌状态事件及事件发生趋势的具体步骤还包括：
43、对所述睡眠呼吸肌状态动力学信号进行信号趋势分析，得到睡眠呼吸肌状态动力学预测信号；
44、对所述睡眠运动体位信号进行信号趋势分析，得到睡眠运动体位预测信号；
45、对所述睡眠体位肌状态动力特征进行信号趋势分析，得到睡眠体位肌状态动力预测特征；
46、对所述睡眠呼吸肌状态动力学预测信号进行事件检测分析，结合所述睡眠运动体位预测信号，预测识别所述睡眠呼吸肌状态事件及所述事件强度；
47、根据所述睡眠呼吸肌状态事件及所述事件强度，结合所述睡眠体位肌状态动力预测特征，提取生成所述事件发生趋势。
48、更优地，所述信号趋势分析至少包括指数平滑法、holt-winters法、ar、ma、arma、arima、sarima、sarimax、var、varma、varmax、机器学习中的任一项。
49、更优地，所述事件发生趋势至少包括事件发生类型、事件发生概率和事件发生强度；所述事件发生趋势由机器学习对所述睡眠呼吸肌状态事件相关的所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征等规模睡眠用户样本数据进行学习训练、数据建模和分析计算后得到。
50、更优地，所述根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸辅助调节策略并通过信号接口发送睡眠呼吸调节设备的具体步骤还包括：
51、根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸辅助调节策略；
52、通过信号接口将所述睡眠呼吸辅助调节策略发送睡眠呼吸调节设备，优化睡眠呼吸调节设备控制执行，以实现用户睡眠呼吸的动态辅助调节；
53、按照预设周期或策略，生成和输出睡眠呼吸肌状态检测及辅助调节报告，更新所述用户睡眠呼吸数据库。
54、更优地，所述睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸-肌肉运动规律、常见睡眠呼吸事件特征、常用睡眠呼吸调节方法及场景干预参数指导；所述用户睡眠呼吸数据库至少包括所述睡眠呼吸肌状态事件、所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号、所述睡眠体位肌状态动力特征、所述事件发生趋势和所述睡眠呼吸辅助调节策略。
55、更优地，所述睡眠呼吸辅助调节策略至少包括呼吸频率目标值、呼吸深度目标值、调节方式、调节时点、持续时间和装置控制参数。
56、更优地，所述睡眠呼吸调节设备至少包括呼吸机、智能床垫、气味刺激设备、电刺激设备、触觉刺激设备、环境温湿度调控设备和环境co2浓度调控设备中的任一项。
57、更优地，所述睡眠呼吸肌状态检测及辅助调节报告至少包括所述睡眠呼吸肌状态事件的统计分析，睡眠呼吸肌状态检测评价总结，辅助调节评价总结，以及睡眠呼吸行为改进建议。
58、根据本发明的目的，本发明提出了一种睡眠呼吸肌状态检测量化及辅助调节系统，包括以下模块：
59、睡眠行为检测模块，用于采集处理用户睡眠过程的肌状态信号和肢体运动信号，分别生成睡眠肌状态信号和睡眠运动体位信号；
60、肌动力学分析模块，用于对所述睡眠肌状态信号进行信号分解、信号识别、信号融合和/或包络提取，生成睡眠呼吸肌状态动力学信号；
61、事件检测分析模块，用于对所述睡眠呼吸肌状态动力学信号进行事件检测分析，得到睡眠呼吸肌状态事件，进一步结合所述睡眠运动体位信号提取事件强度；
62、状态特征分析模块，用于对所述睡眠呼吸肌状态动力学信号和所述睡眠运动体位信号进行特征分析，得到睡眠体位肌状态动力特征；
63、事件趋势预测模块，用于对所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征进行信号趋势分析和事件检测分析，预测识别所述睡眠呼吸肌状态事件及事件发生趋势；
64、策略辅助调节模块，用于根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸辅助调节策略并通过信号接口发送睡眠呼吸调节设备；
65、数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。
66、更优地，所述睡眠行为检测模块还包括以下功能单元：
67、肌状态检测单元，用于采集处理用户睡眠过程的肌状态信号，生成所述睡眠肌状态信号；
68、运动状态检测单元，用于采集处理用户睡眠过程的肢体运动信号，生成所述睡眠运动体位信号。
69、更优地，所述肌动力学分析模块还包括以下功能单元：
70、信号分解单元，用于对所述睡眠肌状态信号进行信号分解，得到睡眠肌状态描述信号集合；
71、信号识别单元，用于对所述睡眠肌状态描述信号集合进行信号识别，得到睡眠肌状态动力学描述信号集合；
72、融合提取单元，用于对所述睡眠肌状态动力学描述信号集合进行信号融合和/或包络提取，得到所述睡眠呼吸肌状态动力学信号。
73、更优地，所述事件检测分析模块还包括以下功能单元：
74、事件检测分析单元，用于对所述睡眠呼吸肌状态动力学信号进行事件检测分析，提取事件基本信息，得到所述睡眠呼吸肌状态事件；
75、事件强度计算单元，用于根据对所述睡眠呼吸肌状态动力学信号、所述事件基本信息和所述睡眠运动体位信号，计算得到所述睡眠呼吸肌状态事件的所述事件强度。
76、更优地，所述状态特征分析模块还包括以下功能单元：
77、肌状态特征分析单元，用于对所述睡眠呼吸肌状态动力学信号进行特征分析，得到所述睡眠呼吸肌状态特征；
78、运动体位特征分析单元，用于对所述睡眠运动体位信号进行特征分析，得到所述睡眠运动体位特征；
79、状态特征归集单元，用于将所述睡眠呼吸肌状态特征和所述睡眠运动体位特征归集，得到所述睡眠体位肌状态动力特征。
80、更优地，所述事件趋势预测模块还包括以下功能单元：
81、肌状态预测单元，用于对所述睡眠呼吸肌状态动力学信号进行信号趋势分析，得到睡眠呼吸肌状态动力学预测信号；
82、运动体位预测单元，用于对所述睡眠运动体位信号进行信号趋势分析，得到睡眠运动体位预测信号；
83、动力特征预测单元，用于对所述睡眠体位肌状态动力特征进行信号趋势分析，得到睡眠体位肌状态动力预测特征；
84、事件检测提取单元，用于对所述睡眠呼吸肌状态动力学预测信号进行事件检测分析，结合所述睡眠运动体位预测信号，预测识别所述睡眠呼吸肌状态事件及所述事件强度；
85、事件趋势识别单元，用于根据所述睡眠呼吸肌状态事件及所述事件强度，结合所述睡眠体位肌状态动力预测特征，提取生成所述事件发生趋势。
86、更优地，所述策略辅助调节模块还包括以下功能单元：
87、辅助策略生成单元，用于根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成所述睡眠呼吸辅助调节策略；
88、策略辅助控制单元，用于通过信号接口将所述睡眠呼吸辅助调节策略发送睡眠呼吸调节设备，优化睡眠呼吸调节设备控制执行，以实现用户睡眠呼吸的动态辅助调节；
89、报告数据管理单元，用于按照预设周期或策略，生成和输出睡眠呼吸肌状态检测及辅助调节报告，更新所述用户睡眠呼吸数据库。
90、更优地，所述数据运行管理模块还包括以下功能单元：
91、用户信息管理单元，用于用户信息的登记输入、编辑、查询、输出和删除；
92、数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；
93、数据运营管理单元，用于对所述系统中所有数据的存储、备份、迁移和导出。
94、根据本发明的目的，本发明提出了一种睡眠呼吸肌状态检测量化及辅助调节装置，包括以下模组：
95、睡眠行为检测模组，用于采集处理用户睡眠过程的肌状态信号和肢体运动信号，分别生成睡眠肌状态信号和睡眠运动体位信号；
96、肌动力学分析模组，用于对所述睡眠肌状态信号进行信号分解、信号识别、信号融合和/或包络提取，生成睡眠呼吸肌状态动力学信号；
97、事件检测分析模组，用于对所述睡眠呼吸肌状态动力学信号进行事件检测分析，得到睡眠呼吸肌状态事件，进一步结合所述睡眠运动体位信号提取事件强度；
98、状态特征分析模组，用于对所述睡眠呼吸肌状态动力学信号和所述睡眠运动体位信号进行特征分析，得到睡眠体位肌状态动力特征；
99、事件趋势预测模组，用于对所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征进行信号趋势分析和事件检测分析，预测识别所述睡眠呼吸肌状态事件及事件发生趋势；
100、策略辅助调节模组，用于根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸辅助调节策略并通过信号接口发送睡眠呼吸调节设备；
101、数据运行管理模组，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。
102、本发明提供了睡眠呼吸肌状态检测量化及辅助调节方法、系统和装置，通过对睡眠肌状态信号的采集分析并提取睡眠呼吸肌状态动力学信号，结合睡眠运动体位变化特征计算提取睡眠呼吸肌状态事件强度；通过对睡眠呼吸肌状态事件发生趋势的预测分析，生成并发送睡眠呼吸辅助调节策略，进一步优化和提高睡眠呼吸调控设备的效率效能；最终，通过睡眠呼吸的创新评估和辅助调节的一体化架构，辅助用户睡眠呼吸和提高睡眠质量。
103、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
1.一种睡眠呼吸肌状态检测量化及辅助调节方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述采集处理用户睡眠过程的肌状态信号和肢体运动信号，分别生成睡眠肌状态信号和睡眠运动体位信号的具体步骤还包括：
3.如权利要求2所述的方法，其特征在于, 所述采集处理至少包括采集获取、模数转换、重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、带通滤波、均值滤波、平滑处理和信号时窗分割；其中，所述信号时窗分割具体为以预设长度时间窗口、预设平移时间步长对目标信号进行连续时窗分割，得到多时窗信号集。
4.如权利要求2所述的方法，其特征在于, 所述睡眠肌状态信号至少包括肌电信号、皮肤电信号中的任一项；所述睡眠运动体位信号至少包括肢体加速度信号、视频运动体位检测信号和雷达运动体位检测信号中的任一项。
5.如权利要求1所述的方法，其特征在于, 所述对所述睡眠肌状态信号进行信号分解、信号识别、信号融合和/或包络提取，生成睡眠呼吸肌状态动力学信号的具体步骤还包括：
6.如权利要求5所述的方法，其特征在于，所述信号分解具体为将目标信号分解为多个不同模态、不同来源和不同特性属性的成分信号集合；所述信号分解的方法至少包括时间序列分解、经验模态分解、变分模态分解、局域均值分解、小波变换、小波包变换、时频变换、盲源分离、线性判别分析、去趋势分析、主成分分析、独立成分分析、波形分析和数值拟合，及他们的进化变种方法中的任一者。
7.如权利要求5所述的方法，其特征在于，所述信号识别具体为通过波形判定方法或机器学习模型，对目标信号的信号来源进行识别和标识；所述信号来源至少包括呼吸、吞咽、咬牙/磨牙/咀嚼、头部运动、躯体运动。
8.如权利要求5或7所述的方法，其特征在于，所述信号融合具体为将同一信号来源的不同成分信号进行同步平均叠加或延时平均叠加，融合成一个源信号。
9.如权利要求1或5所述的方法，其特征在于，所述睡眠呼吸肌状态动力学信号包括肌电包络信号、皮肤电scl水平信号和皮肤电scr水平信号至少一项。
10.如权利要求1所述的方法，其特征在于，所述对所述睡眠呼吸肌状态动力学信号进行事件检测分析，得到睡眠呼吸肌状态事件，进一步结合所述睡眠运动体位信号提取事件强度的具体步骤还包括：
11.如权利要求10所述的方法，其特征在于，所述事件检测分析具体为根据预设睡眠呼吸-肌肉事件知识库和/或机器学习模型，对所睡眠呼吸肌状态动力学信号进行波形特征识别和标记提取，得到所述睡眠呼吸肌状态事件的事件基本信息。
12.如权利要求11所述的方法，其特征在于，所述事件基本信息至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间。
13.如权利要求10-12任一项所述的方法，其特征在于，所述睡眠呼吸肌状态事件至少包括事件类型、起始时间、结束时间、持续时长、峰谷值、峰谷值处时间、事件强度。
14.如权利要求13所述的方法，其特征在于，所述事件强度具体由所述睡眠呼吸肌状态事件的持续时长、起始时间、结束时间、峰谷值和峰谷值处相对时间，以及睡眠呼吸肌状态特征幅度变化来决定。
15.如权利要求13所述的方法，其特征在于，所述事件强度的计算生成方法包括：
16.如权利要求1所述的方法，其特征在于，所述对所述睡眠呼吸肌状态动力学信号和所述睡眠运动体位信号进行特征分析，得到睡眠体位肌状态动力特征的具体步骤还包括：
17.如权利要求16所述的方法，其特征在于，所述特征分析至少包括数值特征分析、包络特征分析、时频特征分析、非线性特征分析任一项；其中，数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度任一项，所述时频特征至少包括频带功率、频带功率占比和频带中心频率任一项，所述非线性特征至少包括熵特征、分形特征和复杂度特征任一项。
18.如权利要求16所述的方法，其特征在于，所述睡眠体位肌状态动力特征至少包括所述睡眠呼吸肌状态特征和所述睡眠运动体位特征；所述睡眠呼吸肌状态特征至少包括呼吸数值特征、肌电特征、皮肤电特征中的任一项；所述睡眠运动体位特征至少包括肢体运动特征、睡姿体位特征。
19.如权利要求1所述的方法，其特征在于，所述对所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征进行信号趋势分析和事件检测分析，预测识别所述睡眠呼吸肌状态事件及事件发生趋势的具体步骤还包括：
20.如权利要求19所述的方法，其特征在于，所述信号趋势分析至少包括指数平滑法、holt-winters法、ar、ma、arma、arima、sarima、sarimax、var、varma、varmax、机器学习中的任一项。
21.如权利要求19所述的方法，其特征在于，所述事件发生趋势至少包括事件发生类型、事件发生概率和事件发生强度；所述事件发生趋势由机器学习对所述睡眠呼吸肌状态事件相关的所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号和所述睡眠体位肌状态动力特征等规模睡眠用户样本数据进行学习训练、数据建模和分析计算后得到。
22.如权利要求1所述的方法，其特征在于，所述根据所述睡眠呼吸肌状态事件及所述事件发生趋势，结合睡眠呼吸知识库和用户睡眠呼吸数据库，生成睡眠呼吸辅助调节策略并通过信号接口发送睡眠呼吸调节设备的具体步骤还包括：
23.如权利要求22所述的方法，其特征在于，所述睡眠呼吸知识库主要来自睡眠呼吸相关的健康管理和临床医学的知识经验，至少包括睡眠呼吸-肌肉运动规律、常见睡眠呼吸事件特征、常用睡眠呼吸调节方法及场景干预参数指导；所述用户睡眠呼吸数据库至少包括所述睡眠呼吸肌状态事件、所述睡眠呼吸肌状态动力学信号、所述睡眠运动体位信号、所述睡眠体位肌状态动力特征、所述事件发生趋势和所述睡眠呼吸辅助调节策略。
24.如权利要求22所述的方法，其特征在于，所述睡眠呼吸辅助调节策略至少包括呼吸频率目标值、呼吸深度目标值、调节方式、调节时点、持续时间和装置控制参数任一项。
25.如权利要求22所述的方法，其特征在于，所述睡眠呼吸调节设备至少包括呼吸机、智能床垫、气味刺激设备、电刺激设备、触觉刺激设备、环境温湿度调控设备和环境浓度调控设备中的任一项。
26.如权利要求22-25任一项所述的方法，其特征在于，所述睡眠呼吸肌状态检测及辅助调节报告至少包括所述睡眠呼吸肌状态事件的统计分析，睡眠呼吸肌状态检测评价总结，辅助调节评价总结，以及睡眠呼吸行为改进建议。
27.一种睡眠呼吸肌状态检测量化及辅助调节系统，其特征在于，包括以下模块：
28.如权利要求27所述的系统，其特征在于，所述睡眠行为检测模块还包括以下功能单元：
29.如权利要求27或28所述的系统，其特征在于，所述肌动力学分析模块还包括以下功能单元：
30.如权利要求29所述的系统，其特征在于，所述事件检测分析模块还包括以下功能单元：
31.如权利要求30所述的系统，其特征在于，所述状态特征分析模块还包括以下功能单元：
32.如权利要求30所述的系统，其特征在于，所述事件趋势预测模块还包括以下功能单元：
33.如权利要求31或32所述的系统，其特征在于，所述策略辅助调节模块还包括以下功能单元：
34.如权利要求31或32所述的系统，其特征在于，所述数据运行管理模块还包括以下功能单元：
35.一种睡眠呼吸肌状态检测量化及辅助调节装置，其特征在于，包括以下模组：
