定義、用途與詞條邊界
雷達睡眠資料集,是將在床或睡眠場景採集的射頻回波、雷達衍生訊號或空間目標表示,與體位、動作、呼吸、心搏、睡眠階段、呼吸事件或其他同步參照及採集詮釋資料組織在一起的資料資源。它可用於非接觸在床監測、呼吸與運動分析、睡眠演算法研究、裝置評測和方法重現。資料價值來自回波、環境、硬體配置和可信參照的組合,而非僅有一欄廠商輸出的呼吸率。
這類資料不等於 PSG,也不保證每個資料集都來自整夜自然睡眠。清醒靜息、主動屏氣、機械胸廓、假人或短時臥床實驗可驗證某些測量鏈路,卻不能直接代表睡眠分期或真實呼吸中止。使用者應先確認參與者是否真正睡眠、是否有同步 PSG 或其他參考、任務是生命徵象估計還是臨床事件識別,以及原始雷達資料是否實際開放。
雷達體制、硬體參數與測量含義
睡眠研究可使用連續波或都卜勒雷達、調頻連續波雷達、超寬頻雷達及毫米波系統。連續波 I/Q 相位可反映微小位移,但通常缺少精細距離分離;調頻或超寬頻系統可形成距離單元、距離—都卜勒圖或角度資訊。不同體制的原始樣本、空間解析度和抗多人干擾能力不同,不能只按「雷達訊號」合併。
可重現資料需要載頻或頻段、頻寬、調頻斜率與時長、每個調頻週期取樣數、週期與幀率、發射接收通道、天線幾何、ADC 配置、發射功率和韌體版本。還應記錄安裝高度、角度、與床的距離、座標系、波束方向及人體目標單元選擇。硬體參數決定可測距離、速度和微位移,後處理無法彌補關鍵配置缺失。
場景設計、同步參照與標籤
房間布局、牆面與家具多路徑、床架、床墊、寢具、體位、遮擋、風扇、床伴、寵物和離床活動都會改變回波。資料集應描述實驗室或家庭、單人或多人、裝置視線、睡姿、運動階段、照護操作和感測器重新放置。只在安靜仰臥且固定距離採集的資料,不能無條件代表側臥、俯臥、翻身或真實家庭中的整夜監測。
參照可來自 PSG、呼吸帶、氣流、血氧、心電、影片或人工事件日誌,每一種只能支援相應標籤。同步應說明硬體觸發、共同時間源或時間戳方法、時鐘漂移、啟動延遲、重新取樣和對齊誤差。若 PSG 與雷達並非同夜同步記錄,差異可能來自夜間生理變化而非模型錯誤。主動屏氣標籤也必須與自然發生的睡眠呼吸事件分開。
資料層級、檔案結構與版本管理
雷達資料可處於原始 ADC、複數 I/Q、調頻週期立方體、距離或都卜勒頻譜、角度圖、點雲、選定距離單元相位、胸壁位移、呼吸心搏波形或最終彙總指標等層級。越靠後的表示越易使用,但越依賴廠商演算法和不可見參數。發布者應標明每個檔案所處層級、維度順序、複數編碼、單位、標度、丟幀值和由上一層生成的處理鏈。
樣本清單應把參與者、夜晚、場景、雷達檔案、參考訊號與標籤連接起來,並提供資料字典、時間軸、校驗值、程式碼、授權、變更日誌和已知問題。靜態雜波去除、距離 FFT、相位展開、目標追蹤、濾波、降取樣和生命徵象分離都會改變結果,需要記錄參數與軟體版本。更新韌體或處理演算法後應形成新版本,不能在相同檔名下靜默替換。
訊號品質、域偏移與選擇偏差
常見問題包括多路徑抵消、目標單元跳變、相位纏繞、人體大動作淹沒微動、多個反射體混合、裝置丟幀、時鐘偏移及參考感測器脫落。品質標籤應區分無人、離床、運動、遮擋、多人、訊號過弱和技術故障,不能將所有失敗都編碼為零呼吸。模型還需要識別何時不可判讀,而不是在無可靠訊號時仍輸出平滑數值。
小型實驗資料往往集中於健康成人、單一房間、固定寢具和一種晶片,臨床樣本又可能富集特定疾病和體型。身體大小、呼吸幅度、體位、寢具、床伴、裝置距離和房間結構都會造成域偏移。資料集應按受試者、夜晚、房間、硬體、體位、疾病和品質等級報告分布;大量雷達幀並不能替代足夠的獨立人員、房間和自然睡眠夜晚。
機器學習劃分、評測與重現
訓練、驗證和測試應按受試者劃分,並在評估環境泛化時進一步按房間、家庭或裝置批次隔離。同一夜的相鄰窗口、由同一原始立方體生成的多種表示、同一人的重複夜晚和同步參照不得跨集合洩漏。雜波模板、正規化、目標選擇、品質篩選和閾值只能使用訓練資料;測試集應保留運動、離床、多人和故障,並進行跨硬體或跨場景驗證。
評測要匹配任務:連續波形可報告相關性和振幅或頻率誤差,事件檢測需定義時間匹配並報告漏報、誤報和持續時間誤差,睡眠分期或在床狀態應報告逐類表現與混淆。僅在可成功提取訊號的片段上評分會高估系統,應同時給出涵蓋率和不可判讀率。重現資料應包含劃分清單、硬體配置、資料與標籤版本、訊號處理、模型、隨機種子和最終閾值。
隱私、部署治理與臨床限制
雷達不採集可見影像,但可持續推斷在床、活動、房間占用、呼吸節律和潛在健康狀態,因此「非接觸」不等於「非個人資料」或無需同意。採集和分享應按目的最小化原始回波與位置細節,明確對床伴和同住者的影響,設定存取、保留、刪除、加密和事件回應。無線運行還需遵守部署地的頻譜、發射和裝置安全要求。
雷達輸出可支援研究和輔助監測,卻不能自動等同於 PSG、技術合格的居家睡眠呼吸中止檢測或臨床診斷。演算法可能在大動作、多人或弱訊號時失敗,單純呼吸波形也不足以確認全部睡眠階段和呼吸事件。用於臨床時需要目標人群、環境與硬體版本的驗證、失敗警示、適當人工覆核和適用監管流程。成熟的資料集應同時展示效能條件、失敗場景和證據邊界。