【技术实现步骤摘要】
一种睡眠行为活跃水平动态调节的方法、系统和装置
[0001]本专利技术涉及睡眠行为活跃水平动态调节领域,特别涉及一种睡眠行为活跃水平动态调节的方法、系统和装置。
技术介绍
[0002]人类正常睡眠过程中,中枢神经运动能力表征、肌张力水平以及肢体运动等行为动作水平都会随着不同睡眠时相发生周期性的变化,呈现高低交替循环的睡眠行为活跃或抑制水平。然而,年龄、衰老、疾病、疼痛、疲倦、精神压力、睡眠环境突变等多种因素会导致用户睡眠质量变差和睡眠行为活跃水平或行为抑制水平的异常。
[0003]现有技术方案CN113995939A公开一种基于脑电信号的睡眠音乐播放方法、装置及终端,所述方法包括:获取目标用户的睡眠脑电信号;确定所述睡眠脑电信号对应的目标脑部活跃级别;根据所述目标脑部活跃级别确定目标音乐和目标音量,根据所述目标音量播放所述目标音乐。以及,现有技术方案CN113926045A公开了一种辅助睡眠的家纺产品的智能控制方法,其中,所述方法应用于一家纺产品的智能控制系统,所述系统包括一温度传感装置和一压力传感装置,所述方法包括 ...
【技术保护点】
【技术特征摘要】
1.一种睡眠行为活跃水平动态调节的方法,其特征在于,包括以下步骤: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地采集监测、信号处理和时帧特征分析,生成生理状态实时特征和行为状态实时特征,实时识别睡眠时相状态并生成睡眠时相曲线;对所述生理状态实时特征和所述行为状态实时特征进行实时地行为能力量化分析、基线变化分析和极值调和分析,生成肌张水平实时指数、中枢运动能力实时指数和行为动作水平实时指数;根据所述肌张水平实时指数、所述中枢运动能力实时指数和所述行为动作水平实时指数进行实时地基线变化分析和极值调和分析,得到睡眠行为活跃水平实时指数并生成睡眠行为活跃水平实时曲线,预测计算生成睡眠行为活跃水平趋势曲线;根据睡眠行为水平优化知识库、所述睡眠时相曲线、所述睡眠行为活跃水平实时曲线和所述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,并对用户睡眠过程的行为活跃水平进行实时动态调节;重复上述步骤,完成全部所述睡眠行为活跃水平的循环动态调节,评估动态调节效果,提取时相行为活跃相关系数和行为水平动态调节效果系数,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。2.如权利要求1所述的方法,其特征在于,所述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地采集监测、信号处理和特征分析,生成生理状态实时特征和行为状态实时特征,实时识别睡眠时相状态并生成睡眠时相曲线的具体步骤还包括:对用户睡眠过程的生理状态和行为状态进行实时地采集监测,生成生理状态实时信号和行为状态实时信号;对所述生理状态实时信号和所述行为状态实时信号进行实时地信号处理,分别生成生理状态实时数据和行为状态实时数据;对所述生理状态实时数据和所述行为状态实时数据进行实时地特征分析,生成所述生理状态实时特征和所述行为状态实时特征;根据所述生理状态实时特征和所述行为状态实时特征识别睡眠时相实时状态,得到所述睡眠时相曲线。3.如权利要求1或2所述的方法,其特征在于:所述生理状态信号包括中枢神经生理信号、自主神经生理信号和肌肉系统生理信号至少一项;其中,所述中枢神经生理信号包括脑电信号、脑磁信号、血氧水平依赖信号至少一项,所述自主神经生理信号包括心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号至少一项,所述肌肉系统生理信号包括血氧水平依赖信号、肌电信号、皮肤电信号和加速度信号至少一项。4.如权利要求3所述的方法,其特征在于:所述行为状态信号包括睡眠姿态体位信号、肢体运动信号至少一项。5.如权利要求1所述的方法,其特征在于:所述信号处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和时帧划分;其中,所述矫正处理具体为对信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理,所述时帧划分是指按照预设时间窗口和预设时间步长对目标信号进行移动截取处理。
6.如权利要求2所述的方法,其特征在于:所述特征分析包括数值特征、物理学特征分析、时频特征分析、包络特征和非线性特征分析至少一项;其中,所述数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度至少一项;所述物理学特征包括时间信息、时长信息、幅度特征、强度特征、频率特征至少一项;所述时频特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率、心率和心率变异性至少一项;所述包络特征包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度至少一项;所述非线性特征包括熵特征、分形特征和复杂度特征至少一项。7.如权利要求6所述的方法,其特征在于:所述生理状态实时特征包括所述生理状态信号的所述数值特征、所述时频特征、所述包络特征、所述非线性特征至少一项。8.如权利要求6或7所述的方法,其特征在于:所述行为状态实时特征至少包括所述行为状态信号的所述数值特征、所述物理学特征和所述时频特征。9.如权利要求1或2所述的方法,其特征在于:所述睡眠时相曲线的提取方法具体为:1)通过深度学习算法对规模睡眠用户样本的所述生理状态实时特征、所述行为状态实时特征及其对应睡眠分期数据进行学习训练和数据建模,得到睡眠时相自动分期模型;2)将当前用户的所述生理状态实时特征和所述行为状态实时特征输入所述睡眠时相自动分期模型,得到所对应的睡眠时相分期值;3)按照时序获取所述生理状态实时特征和所述行为状态实时特征的所述睡眠时相分期值,生成所述睡眠时相曲线。10.如权利要求1或2所述的方法,其特征在于,所述对所述生理状态实时特征和所述行为状态实时特征进行实时地行为能力量化分析、基线变化分析和极值调和分析,生成肌张水平实时指数、中枢运动能力实时指数和行为动作水平实时指数的具体步骤还包括:对所述生理状态实时特征中的中枢神经生理特征进行实时地中枢运动能力分析、基线变化分析和极值调和分析,提取所述中枢运动能力实时指数;对所述生理状态实时特征中的肌肉系统生理特征进行实时地肌张水平分析、基线变化分析和极值调和分析,提取所述肌张水平实时指数;对所述行为状态实时特征进行实时地行为动作水平分析,提取所述行为动作水平实时指数。11.如权利要求10所述的方法,其特征在于,所述极值调和分析是一种以数值数组的最大值、最小值、绝对值最大值、绝对值最小值至少一项为观察基点基础,以数值数组的均值、中位数、分位数、方差、变异系数、峰度、偏度、绝对值均值、绝对值中位数、绝对值分位数、绝对值方差、绝对值变异系数、绝对值峰度、绝对值偏度至少一项为主要分析调和项,来观察分析数值数组的极值波动状态和总体趋势变化的数据分析方法。12.如权利要求10所述的方法,其特征在于,所述极值调和分析的一种具体计算方式为:对于数值数组来说,其极值调和值的计算方式为;
其中,为数值数组Y的极值调和值,为取绝对值算符,M为正整数,max为取最大值。13.如权利要求10所述的方法,其特征在于,所述中枢运动能力实时指数的计算生成方法为:1)采集当前用户清醒时静息态下的中枢神经生理实时信号和自主神经生理实时信号,进行所述特征分析和特征值均值计算,得到神经静息运动能力基线特征指标集;2)从所述生理状态实时特征中提取所述中枢神经生理实时信号和所述自主神经生理实时信号所对应的特征,生成中枢生理状态实时特征;3)计算所述中枢生理状态实时特征中的特征值与所述神经静息运动能力基线特征指标集中基线特征指标值的基线变化量值,即基线变化分析,得到中枢运动能力表征特征相对变化指标集;4)对所述中枢运动能力表征特征相对变化指标集中的全部指标进行极值调和分析,得到极值调和值,即当前的所述中枢运动能力实时指数。14.如权利要求10所述的方法,其特征在于,所述肌张水平实时指数的计算生成方法为:1)采集当前用户清醒时静息态下的肌肉系统生理信号,并进行所述特征分析和特征值均值计算,得到肌肉静息行为基线特征指标集;2)从所述生理状态实时特征中提取所述肌肉系统生理信号对应的特征,生成肌肉生理状态实时特征;3)计算所述肌肉生理状态实时特征中的特征值与所述肌肉静息行为基线特征指标集中基线特征指标值的基线变化量值,即基线变化分析,得到肌肉张力表征特征相对变化指标集;4)对所述肌肉张力表征特征相对变化指标集中的全部指标进行极值调和分析,得到极值调和值,即当前的所述肌张水平实时指数。15.如权利要求10所述的方法,其特征在于,所述行为动作水平实时指数的计算生成方法为:1)获取所述行为状态实时特征,对行为运动的时间分布、持续时长、运动幅度、运动频率、运动强度、运动规律性进行分析量化,生成行为动作水平表征指数集;2)对所述行为动作水平表征指数集中的全部指标进行加权融合计算,得到当前的所述行为动作水平实时指数。16.如权利要求13或14所述的方法,其特征在于:所述基线变化分析和所述基线变化量值的具体计算方式为:对于实值变量和其非零基线序列来说,其基线变化量值为;其中,分别为实值变量的基线变化量值、第i个基线值以及对应的权重,N为正整数。17.如权利要求1或2所述的方法,其特征在于,所述根据所述肌张水平实时指数、所述
中枢运动能力实时指数和所述行为动作水平实时指数进行实时地基线变化分析和极值调和分析,得到睡眠行为活跃水平实时指数并生成睡眠行为活跃水平实时曲线,预测计算生成睡眠行为活跃水平趋势曲线的具体步骤还包括:根据所述肌张水平实时指数、所述中枢运动能力实时指数和所述行为动作水平实时指数进行实时地基线变化分析和极值调和分析,得到所述睡眠行为活跃水平实时指数,生成或更新所述睡眠行为活跃水平实时曲线;根据所述睡眠行为活跃水平实时曲线进行实时地趋势分析和预测计算,生成或更新所述睡眠行为活跃水平趋势曲线。18.如权利要求17所述的方法,其特征在于,所述睡眠行为活跃水平实时指数和所述睡眠行为活跃水平实时曲线的生成方法具体为:1)获取不同性别、不同年龄层、规模数量的健康用户群体的清醒期静息态、清醒期运动任务态下的标准行为活跃曲线特征基线指标集;2)获取当前的所述肌张水平实时指数、所述中枢运动能力实时指数和所述行为动作水平实时指数,并计算与同年龄层健康人群的所述标准行为活跃曲线特征基线指标集中的静息基线值和任务基线值的基线变化量值,即基线变化分析,得到睡眠行为活跃水平特征变化量集;3)对所述睡眠行为活跃水平特征变化量集中的全部指标进行极值调和分析,得到极值调和值,即当前的所述睡眠行为活跃水平实时指数;4)按时序求得全部过程的所述睡眠行为活跃水平实时指数,生成或更新得到所述睡眠行为活跃水平实时曲线。19.如权利要求17所述的方法,其特征在于,所述睡眠行为活跃水平趋势曲线的计算生成方法如下:1)获取用户当前的所述睡眠行为活跃水平实时指数和所述睡眠行为活跃水平实时曲线;2)对所述睡眠行为活跃水平实时曲线进行趋势分析和指数预测,得到下一时帧的睡眠行为活跃水平指数,生成睡眠行为活跃水平实时预测指数;3)按时序纳入所述睡眠行为活跃水平实时预测指数,生成或更新所述睡眠行为活跃水平趋势曲线。20.如权利要求1或2所述的方法,其特征在于,所述根据睡眠行为水平优化知识库、所述睡眠时相曲线、所述睡眠行为活跃水平实时曲线和所述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,并对用户睡眠过程的行为活跃水平进行实时动态调节的具体步骤还包括:根据睡眠行为水平优化知识库、所述睡眠时相曲线、所述睡眠行为活跃水平实时曲线和所述睡眠行为活跃水平趋势曲线,结合睡眠行为活跃水平动态调节目的,生成所述睡眠行为活跃水平动态调节策略;根据所述睡眠行为活跃水平动态调节策略,对用...
【专利技术属性】
技术研发人员:何将,
申请(专利权)人:安徽星辰智跃科技有限责任公司,
类型:发明
国别省市:
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。