入睡环境调光优化方法技术

本发明专利技术公开了入睡环境调光优化方法，首先以灯组中u个LED串的驱动电流、及v个照射角度作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数为输出量，建立动态递归Elman神经网络；然后，经训练的神经网络在现场光环境中用来对入睡效率参数值进行预测，所述预测值被用来在基于多目标优化算法对光色参数进行寻优过程中计算光色条件的入睡效率评价值；寻优结果传送给灯组内的驱动器进行调光，能实现室内固定灯组环境下有助于用户入睡的照明。

【技术实现步骤摘要】
入睡环境调光优化方法本申请为申请号201910442902.3、申请日2019年05月26日、专利技术名称“入睡环境调光优化方法及灯具调控方法”的分案申请。
本专利技术涉及智能照明与睡眠辅助领域，具体涉及一种入睡环境调光优化方法。
技术介绍
人体与其他生物一样，都受到日夜这种自然节律的影响。对比研究表明，按照人的心理、智力和体力活动的生物节律，来安排一天、一周等的作息制度，能提高工作效率和学习成绩，减轻疲劳，预防疾病防止意外事故的发生。反之，假如突然不按体内的生物钟的节律安排作息，人就会在身体上感到疲劳、在精神上感到不舒适，这是由于生物钟基因及其下游基因以二十四小时为周期呈现节律性地波动表达，并由此导致各个脏器活动以及多种激素分泌的节律性波动。在人体视交叉上核神经核团(SCN)细胞的作用机制中，光照刺激非常重要，正常情况下，SCN细胞会在白天根据视网膜的光线信号进行重置，也会在夜间根据松果体分泌褪黑激素的情况进行重置，从而使得大脑内部的时钟与外部的昼夜节律联系起来了。光照与人体睡眠直接相关，为了帮助宇航员稳定昼夜节律，提高睡眠质量，NASA在国际空间站中使用LED灯，使其在一天中交替发出蓝色、白色和淡红色的光，以模拟地球上典型的昼夜周期。其中，红色的灯光用来帮助或引导人进入睡眠状态。为了引导对象入睡，还有很多方案被提出。如飞利浦公司的申请号为2009801153425的中国专利，采用时变光图案来诱导对象、特别是从睡眠中醒来的对象入睡。而苹果公司在中国申请号为2015800746753的PCT专利，通过分布式计算机系统依据入睡用户的身体姿势变化来确定睡眠质量。由于照明光色变化组合模式不可枚举，随着可自动调光灯具的普及应用，一个新的问题被提出，即在不同光照条件下，个体从准备睡觉到进入睡眠这个阶段，将表现出什么样的过渡过程？进而在处理该问题的基础上，如何根据光照对入睡效率或速度的影响而自动进行照明优化控制，帮助用户入睡？为此，需要一种能对具体用户，基于光照条件到入睡效率有关因素之间的模型，通过优化搜索向其提供能帮助其入睡的调光优化方法。
技术实现思路
入睡前，人们常会进行一些过渡性的活动如阅读书或数码设备中的内容，此时，人们往往倾向于采用柔和低色温的灯光。但在近乎无穷的光色组合中，什么样的光照条件将更有助于入睡呢？为此，我们需要一个模型，来反映入睡效率或入睡速度与光照条件之间的关系。另外，光环境特性包括光通量、照度、眩光、亮度、光谱等。昏暗发黄的灯光容易让人昏昏欲睡，光的强度和光色都会对人体睡眠形成不同影响。但何种光色条件更有助于用户入睡，这需要通过优化才能进行进行照明控制的决策。通过研究发现，人体入睡是一个连续的动态过程，相邻时间周期内人体特征之间有着密切相关性。为此，本专利技术采用动态递归神经网络来对系统进行建模。与静态前馈型神经网络不同，动态递归网络通过存储内部状态，使其具备映射动态特征的功能。本专利技术基于动态递归Elman神经网络，对光照条件与入睡效率因素之间的复杂非线性映射关系进行建模，其中光照条件包括阅读面照度、色温、颜色的xyz色坐标值，入睡效率因素则通过用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率5个参数来表征。建立了光色参数到入睡效率参数的映射后，可以在对入睡效率各参数建立评价函数的基础上，通过优化算法搜索对特定个体能提高其入睡效率的光环境，并通过调光手段将现场光环境按优化结果进行配置。为此，基于5个入睡效率参数建立光环境评价函数：其中，fi为5个在对用户眼睛开度、闭眼持续时长、心率、体动频率、体温中的各体征参数进行数据拟合后按时间差进行定义的入睡效率各参数的评价值，wi为其对应的权值。所建立的评价函数F在用户入睡时间短即入睡效率高时将有较高评分，否则评分降低。由于入睡效率寻优涉及到多个因素，这是一个多目标优化问题，对于多目标优化问题，其优化解被称为Pareto解。通过多目标遗传优化算法即MOGA来求解该问题。经过优化求解后，获得入睡效率评价高的光色参数。然后，调光映射单元将该优化出的光色参数映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内的驱动器，从而获得有助于用户入睡的光照环境。调光映射单元将光色参数转换为灯组驱动电流的映射，可以基于多种手段。譬如，可以基于一个事先生成的光色空间至驱动电流空间的查找表；或者，可以基于经最小二乘法回归生成的光色空间至驱动电流空间的变换多项式；另外，还可以基于一个BP神经网络，该BP网络以阅读面照度、色温、以及颜色的xyz色坐标值共5个光色参数作为输入量，以灯组的所有驱动电流通道的电流值作为输出量。本专利技术的技术解决方案是，提供一种入睡环境调光优化方法，包括以下步骤：S1、初始化，在控制单元中建立动态递归Elman神经网络，所述神经网络以灯组中u个LED串的驱动电流、及v个照射角度，共w个照明参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个入睡效率参数作为输出量；S2、通过控制单元的输出模块向可调光灯组发出调光信号，对变化后的光环境基于调光信号和入睡识别单元获取所述动态递归Elman神经网络的训练样本；S3、重复进行步骤S2多次，获取所述神经网络的训练样本集，并用样本集对所述神经网络进行训练；S4、确定将w个照明参数进行编解码的策略，并确定其各自取值区间，初始化进化群体；S5、针对搜索空间内进化群体中的各个体，基于其w个照明参数及当前持续学习时间用训练后的动态递归Elman神经网络对其入睡效率参数进行预测，获得用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个预测值；S6、基于所述预测值，按建立的评价函数F计算其入睡效率评价值，并根据评价值进行遗传交叉和变异操作，更新进化群体；S7、转至步骤S5，反复迭代，直至寻优结束后，输出Pareto优化解；S8、将优化解所对应的各驱动电流通道驱动电流值、及照射角度，传送给灯组内的驱动器进行调光。作为优选，所述动态递归Elman神经网络输出量的5个入睡效率参数ki，i＝1,2,3,4,5，按如下方式处理获得：基于入睡识别单元获取各种光照条件下入睡过程中体征参数的变化过程数据并进行记录，对于所记录的每个入睡过程中的体征参数序列中的数据，经滤波和数据融合处理后，对用户闭眼持续时长y1，对其预处理，y1＝max(y1,4)，然后，先基于如下模型进行离线数据拟合，y1＝g1(t)＝8·b/exp(4·c·(a-t))+1，再计算闭眼持续时长变化率，kec＝k1＝t2-t1，其中t1＝g1-1(4e-1),t2＝g1-1(4-4e-1)；对用户眼睛开度、心率、体动频率、体温中的每个体征参数，对其归一化处理后，先分别基于如下模型进行离线数据拟合，y2＝g2(t)＝2·b/exp(4·c·本文档来自技高网...

【技术保护点】
1.入睡环境调光优化方法，包括以下步骤：/nS1、初始化，在控制单元中建立动态递归Elman神经网络，所述神经网络以灯组中u个LED串的驱动电流、及v个照射角度，共w个照明参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个入睡效率参数作为输出量；/nS2、通过控制单元的输出模块向可调光灯组发出调光信号，对变化后的光环境基于调光信号和入睡识别单元获取所述动态递归Elman神经网络的训练样本；/nS3、重复进行步骤S2多次，获取所述神经网络的训练样本集，并用样本集对所述神经网络进行训练；/nS4、确定将w个照明参数进行编解码的策略，并确定其各自取值区间，初始化进化群体；/nS5、针对搜索空间内进化群体中的各个体，基于其w个照明参数及当前持续学习时间用训练后的动态递归Elman神经网络对其入睡效率参数进行预测，获得用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个预测值；/nS6、基于所述预测值，按建立的评价函数F计算其入睡效率评价值，并根据评价值进行遗传交叉和变异操作，更新进化群体；/nS7、转至步骤S5，反复迭代，直至寻优结束后，输出Pareto优化解；/nS8、将优化解所对应的各驱动电流通道驱动电流值、及照射角度，传送给灯组内的驱动器进行调光。/n...

【技术特征摘要】
1.入睡环境调光优化方法，包括以下步骤：
S1、初始化，在控制单元中建立动态递归Elman神经网络，所述神经网络以灯组中u个LED串的驱动电流、及v个照射角度，共w个照明参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个入睡效率参数作为输出量；
S2、通过控制单元的输出模块向可调光灯组发出调光信号，对变化后的光环境基于调光信号和入睡识别单元获取所述动态递归Elman神经网络的训练样本；
S3、重复进行步骤S2多次，获取所述神经网络的训练样本集，并用样本集对所述神经网络进行训练；
S4、确定将w个照明参数进行编解码的策略，并确定其各自取值区间，初始化进化群体；
S5、针对搜索空间内进化群体中的各个体，基于其w个照明参数及当前持续学习时间用训练后的动态递归Elman神经网络对其入睡效率参数进行预测，获得用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个预测值；
S6、基于所述预测值，按建立的评价函数F计算其入睡效率评价值，并根据评价值进行遗传交叉和变异操作，更新进化群体；
S7、转至步骤S5，反复迭代，直至寻优结束后，输出Pareto优化解；
S8、将优化解所对应的各驱动电流通道驱动电流值、及照射角度，传送给灯组内的驱动器进行调光。


2.根据权利要求1所述的入睡环境调光优化方法，其特征在于，所述动态递归Elman神经网络输出量的5个入睡效率参数ki，i＝1,2,3,4,5，按如下方式处理获得：
基于入睡识别单元获取各种光照条件下入睡过程中体征参数的变化过程数据并进行记录，对于所记录的每个入睡过程中的体征参数序列中的数据，经滤波和数据融合处理后，
对用户闭眼持续时长y1，对其预处理，
y1＝max(y1,4)，
然后，先基于如下模型进行离线数据拟合，
y1＝g1(t)＝8·b/exp(4·c·(a-t))+1，
再计算闭眼持续时长变化率，
kec＝k1＝t2-t1，其中t1＝g1-1(4e-1),t2＝g1-1(4-4e-1)；
对用户眼睛开度、心率、体动频率、体温中的每个体征参数，对其归一化处理后，先分别基于如下模型进行离线数据拟合，
y2＝g2(t)＝2·b/exp(4·c·(t-a))+1，
再计算其各自变化率，
ki＝t2-t1，其中t1＝g2-1(1-e-1),t2＝g2-1(e-1)，i＝2,3,4,5；
其中，y1、y2为体征参数预处理或归一化后的取值，t为时间，a、b、c为待拟合系数，ki(i＝2,3,4,5)分别对应眼睛开度变化率keo、心率变化率kh、体动频率变化率kb、体温变化率kp。


3.根据权利要求2所述的入睡环境调光优化方法，其特征在于，所述步骤S6中的所述评价函数定义为：



其中，fi分别为对应用户眼睛开度、闭眼持续时长、心率、体动频率、体温5个因素的入睡效率评价值，wi为其对应的权值，各fi的定义如下：















其中，keoT为眼睛开度变化率阈值，kecT为闭眼持续时长变化率阈值，khT1、khT2分别为心率变化率设定区间的两个端点阈值，khT3为设定的心率变化率区间宽度值，kbT为体动频率变化率阈值，kpT1为体温变化率阈值，kpT2为体温变化率区间宽度设定值。


4.根据权利要求1所述的入睡环境调光优化方法，其特征在于：所述入睡识别单元包括图像采集模块、可佩带模块和入睡判断模块，所述图像采集模块采用深度相机进行图像采集，
所述步骤S2包括如下处理过程：
所述入睡判断模块中的图像处理部对用户眼睛开度进...

【专利技术属性】
技术研发人员：邹细勇，夏浩，王育红，徐伟，陈亮，
申请(专利权)人：中国计量大学上虞高等研究院有限公司，
类型：发明
国别省市：浙江;33