【技术实现步骤摘要】
基于局部分解的睡眠可持续性检测调节方法、系统和装置
[0001]本专利技术涉及睡眠可持续性检测量化及辅助调节领域，特别涉及基于局部分解的睡眠可持续性检测调节方法、系统和装置。
技术介绍
[0002]睡眠是人类最重要的生命生理过程之一，稳定且连续性好的睡眠是人们获得精力体力、身心健康的重要保障。现实生活中，由于衰老、睡眠环境、生理疾病及创伤、精神压力等众多因素，整夜睡眠过程中出现多次觉醒、长时间觉醒和睡眠状态急剧震荡等一系列睡眠连续性或可持续性差的事件，极大地影响了人们的睡眠质量和身心体验。长期的低质量的睡眠连续性或可持续性，对人们的身心健康、学习、工作和生活带来重大不良影响。
[0003]申请人提出的在先解决方案中国申请CN2023101940795（公开号CN115862877A）提供了一种睡眠可持续性检测量化及辅助干预的方法、系统和装置，包括以下步骤：对用户睡眠过程的生理状态信号和环境状态信号进行采集监测、信号处理和特征分析，生成生理状态特征和环境状态特征；对所述生理状态特征进行睡眠状态分析、时序成分分析和可持续性量化分析，提取睡眠可持续性指数，生成睡眠可持续性量化日报；重复上述步骤，对用户睡眠过程进行连续监测和跟踪分析，评估睡眠环境对睡眠可持续性的影响，提取最佳睡眠可持续性环境方案并对睡眠环境进行动态优化调整，生成睡眠可持续性量化报告。该技术方案基于睡眠持续期状态特征曲线的时间序列分解，提取了睡眠可持续性指数，实现提出了睡眠可持续性指数作为睡眠连续性或可持续性量化的创新评价指标。但面对睡眠可持续的高效提...
【技术保护点】
【技术特征摘要】
1.一种基于局部分解的睡眠可持续性检测调节方法，其特征在于，包括以下步骤：初始化睡眠可持续性动态检测调节基本方案，对用户睡眠生理信号进行采集和处理，得到睡眠状态特征曲线和睡眠时相曲线；对所述睡眠状态特征曲线进行局部均值分解，剔除异常局部均值分解信号并提取高频局部均值分解信号，得到睡眠可持续性表征信号；对所述睡眠可持续性表征信号进行去噪声处理，得到睡眠可持续性特征曲线，计算睡眠可持续性指数和睡眠可持续性指数曲线；对所述睡眠状态特征曲线和所述睡眠可持续性指数曲线进行趋势预测分析，生成睡眠可持续性动态调节策略，对用户睡眠过程进行动态调节及效果评估，动态迭代优化睡眠可持续性的动态检测调节过程方法策略；生成用户睡眠可持续性检测调节报告；其中，所述睡眠可持续性指数的计算方法具体为：1)获取当前时帧对应的睡眠时相分期、所述睡眠状态特征曲线、睡眠可持续性PF噪声信号和所述睡眠可持续性特征曲线；2)计算所述睡眠状态特征曲线和睡眠可持续性PF噪声信号的差值，得到目标睡眠状态特征曲线；3)分别对所述目标睡眠状态特征曲线和所述睡眠可持续性特征曲线做取绝对值运算并求和，得到目标睡眠状态特征总值和睡眠可持续性PF特征总值；4)根据所述目标睡眠状态特征总值和所述睡眠可持续性PF特征总值的相对变化量，计算得到睡眠可持续性节点特征系数；5)根据所述睡眠可持续性节点特征系数、局部均值分解方法修正系数、用户个性修正系数和睡眠时相分期修正系数的乘积，计算得到所述睡眠可持续性指数。2.如权利要求1所述的方法，其特征在于,所述初始化睡眠可持续性动态检测调节基本方案，对用户睡眠生理信号进行采集和处理，得到睡眠状态特征曲线和睡眠时相曲线的具体步骤还包括：获取用户关键生理信息，从睡眠可持续性通用数据库或用户个性睡眠可持续性数据库中筛选并初始化所述睡眠可持续性动态检测调节基本方案；对用户睡眠生理信号进行动态地监测采集和信号处理，得到睡眠生理状态数据；对所述睡眠生理状态数据进行动态地特征分析和特征选择，生成所述睡眠状态特征曲线；对所述睡眠生理状态数据进行动态地睡眠时相分析，生成所述睡眠时相曲线。3.如权利要求2所述的方法，其特征在于：所述用户关键生理信息至少包括性别、年龄、生理健康状态和心理精神状态。4.如权利要求2或3所述的方法，其特征在于：所述睡眠可持续性通用数据库具体为由规模的不同健康状态人群的睡眠可持续性的检测量化及动态调节数据库，至少包括所述用户关键生理信息、睡眠可持续性检测调节周期、睡眠可持续性检测量化过程方法参数、睡眠可持续性动态调节过程方法参数或策略、睡眠可持续性指数曲线、睡眠可持续性调节效果曲线和睡眠时相曲线。5.如权利要求2或3所述的方法，其特征在于：所述用户个性睡眠可持续性数据库至少
包括所述用户关键生理信息、睡眠状态特征曲线、睡眠时相曲线、睡眠可持续性指数曲线、动态调节效果曲线、时相指数分布特征、时相效果分布特征、动态调节综合效果系数、局部均值分解方法、趋势预测分析方法、睡眠可持续性动态调节策略、所述睡眠可持续性动态检测调节基本方案。6.如权利要求2或3所述的方法，其特征在于：所述睡眠可持续性动态检测调节基本方案至少包括睡眠可持续性检测量化过程方案、睡眠可持续性动态调节过程方案；若用户为新用户，所述睡眠可持续性动态检测调节基本方案从所述睡眠可持续性通用数据库中获取，反之则从所述用户个性睡眠可持续性数据库中获取。7.如权利要求2所述的方法，其特征在于，所述睡眠生理信号至少包括脑电信号、心电信号、呼吸信号中的任一项。8.如权利要求2或7所述的方法，其特征在于，所述信号处理至少包括重采样、重参考、去伪迹、信号矫正、降噪、工频陷波、带通滤波、平滑处理和时帧分割；其中，所述时帧分割是指根据信号的采样率，以预设分帧步长对信号数据进行预设分帧时长窗口的连续滑动分割。9.如权利要求8所述的方法，其特征在于：所述特征分析至少包括数值分析、包络分析、时频分析、熵分析、分形分析和复杂度分析中的任一项。10.如权利要求8所述的方法，其特征在于：所述睡眠状态特征曲线具体由不同睡眠生理状态数据经所述特征分析得到不同睡眠生理状态特征进行线性组合融合而得到，用于描述用户在不同睡眠时期、不同睡眠时相、不同睡眠状态下的生理状态特征的连续变化曲线；其中，所述睡眠时期至少包括入睡前、睡眠中和睡眠后，所述睡眠时相至少包括清醒觉醒期、浅睡眠期、深睡眠期和快速眼动睡眠期。11.如权利要求2或10所述的方法，其特征在于：所述睡眠时相曲线的生成方法具体为：1)通过机器学习算法对规模睡眠用户样本的所述睡眠生理状态数据及其对应睡眠时相分期数据进行学习训练和数据建模，得到睡眠时相识别模型；2)将当前用户的所述睡眠生理状态数据输入所述睡眠时相识别模型，得到所对应的睡眠时相分期并按时序生成所述睡眠时相曲线。12.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠状态特征曲线进行局部均值分解，剔除异常局部均值分解信号并提取高频局部均值分解信号,得到睡眠可持续性表征信号的具体步骤还包括：对所述睡眠状态特征曲线进行动态地局部均值分解，并剔除异常局部均值分解信号，得到睡眠状态特征PF分解信号集；对所述睡眠状态特征PF分解信号集进行动态地频谱分析，并按照特征曲线高频阈值筛选得到睡眠状态特征高频局部均值分解信号；对所述睡眠状态特征高频局部均值分解信号进行线性组合，生成所述睡眠可持续性表征信号。13.如权利要求12所述的方法，其特征在于，所述局部均值分解的方法至少包括LMD、RLMD中的任意一项。14.如权利要求12所述的方法，其特征在于，所述异常局部均值分解信号具体为信号最大值大于所述睡眠状态特征曲线的最大值超过一个数量级的局部均值分解信号。
15.如权利要求12所述的方法，其特征在于，所述特征曲线高频阈值由所述睡眠状态特征曲线的睡眠生理状态特征线性组合融合的数据来源决定。16.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠可持续性表征信号进行去噪声处理，得到睡眠可持续性特征曲线，计算睡眠可持续性指数和睡眠可持续性指数曲线的具体步骤还包括：对所述睡眠可持续性表征信号进行动态地去噪声处理，分离得到睡眠可持续性PF噪声信号和所述睡眠可持续性特征曲线；根据所述睡眠状态特征曲线、所述睡眠可持续性PF噪声信号和所述睡眠可持续性特征曲线，动态计算得到所述睡眠可持续性指数和所述睡眠可持续性指数曲线。17.如权利要求16所述的方法，其特征在于，所述去噪声处理至少包括高斯滤波、均值滤波、傅里叶变换滤波、小波变换滤波和小波包变换滤波中的任一种方法，用于消除由于信号来自体表生理采集和分帧式的信号特征分析对睡眠状态刻画的不连续性，而在所述睡眠状态特征曲线中引入的高斯噪声或白噪声干扰。18.如权利要求1或17所述的方法，其特征在于，所述睡眠可持续性节点特征系数的一种计算公式，具体为：；其中，为所述睡眠可持续性节点特征系数，分别为所述目标睡眠状态特征总值和所述睡眠可持续性PF特征总值。19.如权利要求18所述的方法，其特征在于，所述睡眠可持续性指数的一种计算公式，具体为：；其中，为所述睡眠可持续性指数，分别为所述睡眠可持续性节点特征系数、所述局部均值分解方法修正系数、所述用户个性修正系数和所述睡眠时相分期修正系数，且，2。20.如权利要求18所述的方法，其特征在于，所述睡眠可持续性指数曲线由按照时序拼接所述睡眠可持续性指数而生成得到。21.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠状态特征曲线和所述睡眠可持续性指数曲线进行趋势预测分析，生成睡眠可持续性动态调节策略，对用户睡眠过程进行动态调节及效果评估，动态迭代优化睡眠可持续性的动态检测调节过程方法策略的具体步骤还包括：对所述睡眠状态特征曲线进行动态地趋势预测分析，得到睡眠状态特征预测值；对所述睡眠可持续性指数曲线进行动态地趋势预测分析，得到睡眠可持续性指数预测值；根据所述睡眠状态特征预测值和所述睡眠可持续性指数预测值，按照睡眠可持续性检测调节周期和预设睡眠调节知识库，生成所述睡眠可持续性动态调节策略；根据所述睡眠可持续性动态调节策略，连接并控制睡眠调节外围设备，对用户睡眠过程进行动态调节；对调节效果进行动态跟踪评估，计算动态调节效果系数并生成动态调节效果曲线;
根据所述动态调节效果曲线和所述动态调节效果系数，动态迭代优化睡眠可持续性的所述动态检测调节过程方法策略。22.如权利要求21所述的方法，其特征在于：所述趋势预测分析的方法至少包括AR、MA、ARMA、ARIMA、SARIMA、VAR、深度学习中的任一项。23.如权利要求21所述的方法，其特征在于：所述睡眠可持续性动态调节策略至少包括睡眠场景、睡眠时相、调节方式、执行方式、调节强度、调节时点、持续时间、目标调节值和装置控制参数；其中，所述调节方式至少包括声乐刺激、超声刺激、光刺激、电刺激、磁刺激、温度刺激、湿度刺激、触觉刺激和浓度调控中的任一方式，所述执行方式至少包括离体式和接触式中的任一方式。24.如权利要求21所述的方法，其特征在于：所述睡眠调节外围设备至少包括声乐刺激设备、超声刺激设备、光刺激设备、电刺激设备、磁刺激设备、温度刺激设备、湿度刺激设备、触觉刺激设备和浓度调控设备中的任一项，并由具体的调节方式决定。25.如权利要求22
‑
24任一项所述的方法，其特征在于：所述动态调节效果系数的一种计算方式，具体为：；其中，为所述动态调节效果系数，为趋势预测分析方法修正系数且，为动态调节后的所述睡眠时相分期修正系数，分别为动态调节前、动态调节后的所述睡眠可持续性指数。26.如权利要求25所述的方法，其特征在于，所述动态调节效果曲线由按照时序拼接所述动态调节效果系数而生成得到。27.如权利要求22所述的方法，其特征在于，所述动态检测调节过程方法策略至少包括去高斯噪声处理方法参数、局部均值分解方法参数、特征曲线高频阈值、趋势预测分析方法参数、所述睡眠可持续性动态调节策略和动态调节效果评估方法参数。28....
【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。