【技术实现步骤摘要】
基于多模态深度神经网络的个性化智能唤醒系统及方法
本专利技术涉及计算机
,尤其涉及一种基于多模态深度神经网络的个性化智能唤醒系统及方法。
技术介绍
睡眠是人类日常生活中很重要的一部分,睡眠质量对身心的各个方面都有很大的影响,比如疲劳、情绪、注意力、集中力等。高质量的睡眠可以使人的生活质量有很大的不同。因此,优化唤醒人们的方法是非常重要且必须的。在现有的智能睡眠管理系统或闹铃管理系统中,通用的系统框架通常包括用于监控用户的睡眠阶段的传感器输入模块,以及决定何时触发闹铃的决策模块。现有所谓的“智能”系统可能并不是真正的智能系统,因为它们无法为每个用户找到一个针对个人的优化的唤醒方案。决策模块最常用的策略是设置一个唤醒临界值,并在用户的睡眠阶段在用户设置的闹铃时间段内(通常是30分钟之前)到达一个唤醒临界值时触发闹铃。然而,当用户在唤醒时间段内处于深度睡眠时,这种策略可能无法找到一个触发闹铃的最有效点,当时间耗尽时,用户可能会被迫从深度睡眠中醒来。即使现有的智能睡眠管理系统或闹铃管理系统在用户的睡眠阶段达到临界值后能找到一个好的唤醒点,但是这个唤醒点可能并不能保证是优化的唤醒点,因为用户可能会再次回到深度睡眠。另外,不同的用户可能需要不同的唤醒临界值。因此,现有的智能睡眠管理系统或闹铃管理系统没有配置个性化设置,也就是说,现有的智能睡眠管理系统或闹铃管理系统是非个性化的。此外,现有的智能睡眠管理系统或闹铃管理系统是基于传感数据来监测所述用户的睡眠阶段(如手机、可穿戴环等收集的数据)这些数据可能会非常嘈杂且不可靠。本专利技术所公开方法和系统用于解决上述一个或 ...
【技术保护点】
一种基于多模态深度神经网络的个性化智能唤醒系统的方法,其特征在于,包括:监测用户的睡眠状态;获取用户在当前时间段中的当前睡眠阶段以及在下一时间段中的下一睡眠阶段预测;通过当前睡眠阶段以及下一睡眠阶段预测的结合,调整用户的当前睡眠阶段;基于用户的当前睡眠阶段、来自睡眠相关研究的先验知识以及至少一个与唤醒相关的用户偏好,确定当前时间段的唤醒策略;确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系;识别对于当前时间段的当前睡眠阶段的变化;基于所述当前时间段的所述唤醒策略以及所述多个闹钟脉冲的每一个与用户相应反应之间的关系,确定用于唤醒用户的待触发闹钟脉冲;以及触发所述待触发闹钟脉冲。
【技术特征摘要】
2016.08.25 US 15/247,6651.一种基于多模态深度神经网络的个性化智能唤醒系统的方法,其特征在于,包括:监测用户的睡眠状态;获取用户在当前时间段中的当前睡眠阶段以及在下一时间段中的下一睡眠阶段预测;通过当前睡眠阶段以及下一睡眠阶段预测的结合,调整用户的当前睡眠阶段;基于用户的当前睡眠阶段、来自睡眠相关研究的先验知识以及至少一个与唤醒相关的用户偏好,确定当前时间段的唤醒策略;确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系;识别对于当前时间段的当前睡眠阶段的变化;基于所述当前时间段的所述唤醒策略以及所述多个闹钟脉冲的每一个与用户相应反应之间的关系,确定用于唤醒用户的待触发闹钟脉冲;以及触发所述待触发闹钟脉冲。2.根据权利要求1所述的方法,其特征在于,所述获取用户在当前时间段中的当前睡眠阶段,还包括:接收由能够监测用户睡眠时的身体移动的传感器提供的传感器数据;以及根据所述传感器数据,获取所述用户在当前时间段中的当前睡眠阶段。3.根据权利要求2所述的方法,其特征在于,所述获取下一时间段中的下一睡眠阶段预测,还包括:接收若干个用户睡眠状态的历史数据以及用户睡眠状态的个人数据,以及基于根据所述历史数据而预训练的睡眠阶段预测,以及根据所述个人数据的个性化的睡眠阶段预测,预测用户的所述下一个睡眠阶段。4.根据权利要求3所述的方法,其特征在于,基于递归神经网络模型,预测用户的所述下一个睡眠阶段。5.根据权利要求4所述的方法,其特征在于,通过当前睡眠阶段以及下一睡眠阶段预测的结合,调整用户的当前睡眠阶段,还包括:通过所述传感器数据、预训练睡眠阶段预测以及个性化睡眠阶段预测的结合,调整所述用户的所述当前睡眠阶段,获得校正的当前睡眠阶段。6.根据权利要求5所述的方法,其特征在于,所述校正的用户当前睡眠阶段通过如下算式计算:S=αSsensor+(1-α)Sscaled其中,S表示所述用户的所述校正的当前睡眠阶段,Ssensor表示传感器数据,而Sscaled表示按比例的对用户睡眠阶段的预测,α表示权重。7.根据权利要求6所述的方法,其特征在于,所述权重α通过如下算式计算:所述按比例的对用户睡眠阶段预测Sscaled通过如下算式计算:其中,Sp’表示从RNN模型得出的用户最后一个睡眠阶段的预测;Ss’表示从所述传感器数据中对用户睡眠阶段的最后推断;Swake表示用户的唤醒点阶段;Sw’表示从上一个可用的时间段中得出的唤醒点阶段的阶段预测;而Spredict表示从RNN模型中输出的用户睡眠阶段的当前预测结果。8.根据权利要求1所述的方法,其特征在于,确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系,还包括:接受所述若干个用户的反应的历史数据;通过所述历史数据,训练多模态深度学习模型;采集用户的反应的个人数据;及基于所述用户的反应的个人数据,优化调整所述多模态深度回归模型。9.一种基于多模态深度神经网络的个性化智能唤醒系统,其特征在于,包括:鲁棒睡眠阶段检测模块,用于监测用户的睡眠阶段;获取用户在当前时间段中的当前睡眠阶段以及在下一时间段中的预测睡眠阶段;以及调整用户的当前睡眠阶段;唤醒策略模块,用于基于用户的当前睡眠阶段、来自睡眠相关研究的先验知识以及至少一个与唤醒相关的用户偏好,确定当前时间段的唤醒策略;闹钟和用户反应回归模块,用于确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系;决策融合模块,用于基于所述当前时间段的唤醒策...
【专利技术属性】
技术研发人员:袁健博,汪灏泓,任小波,
申请(专利权)人:TCL集团股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。