基于脑电信号的音乐诱导睡眠方法及系统与流程

本发明涉及辅助睡眠技术领域，具体涉及一种音乐诱导睡眠的方法和系统。

背景技术：

睡眠是所有人必须的，绝大部分人的寿命的三分之一的是在睡眠中度过的，睡眠与人的身体机能和心理机能密不可分，而且对人体的身体健康、正常生活及其正常工作产生重大影响。经过睡眠，可以让疲劳的神经细胞恢复正常的生理功能，使人的精神和体力恢复。

据世界卫生组织对14个国家两万余名在基层医疗就诊者调查发现，有27％的人有睡眠问题。中国睡眠研究会公布的睡眠调查结果显示，中国成年人失眠发生率为38.2％。偶尔失眠，对身体无多大损害，但长期失眠对人们的精神和躯体将产生巨大的危害。高品质的睡眠是健康生活的重要基础，研究表明睡眠质量比睡眠时间更重要，大部分失眠是可预防、可改善的。

音乐是人的感情的宣泄，不同类型、风格的音乐可以表达不同的情绪。反之，音乐对人的情绪、状态等也会产生较大的影响，而这种影响是通过大脑的神经元活动来进行的，因此在脑电信号中应当有所体现。鉴于脑电的这种特性，人们很早就将它应用于生物反馈中，作为一种疾病治疗的辅助手段。

脑电信号(eeg)是大脑生理活动的反映，eeg信号是由α波(频率为8～13hz，在头部的任何部位均可记录到，而以枕叶处最明显)、β波(频率为13～30hz，在额叶和中央区最容易出现，一般幅值不超过20微伏)、θ波(频率为4～8hz，一般在顶叶、颞区较明显)、δ波(频率为1～4hz，一般在颞区与枕区比较明显)、纺锤波、锯齿波和k复合波组成的，人体不同睡眠期会出现不同的节律波。

根据这一特点，早在2007年，美国睡眠医学会(americanacademyofsleepmedicine,aasm)提出了aasm睡眠标准，将睡眠划分成五期：清醒期(awake)、过渡期(nrem1)、浅睡期(nrem2)、中等深度睡眠期(nrem3)和快速眼动期(rem)。

清醒期——入睡前的准备阶段，指人心态平和、闭眼准备入睡的状态，此时人是有意识的，清醒期eeg信号主要表现为β波和α波。

nrem1期——脑电信号中α波比例减少，θ波出现增多，实际上是由完全清醒至睡眠之间的过渡阶段，对外界刺激的反应减弱，精神活动进入飘浮境界，思维和现实脱节。

nrem2期——脑电波以纺锤波与k一复合波为主，δ波含量低于20％，实际上人已经进入了真正的睡眠，而属于浅睡。

nrem3期——该阶段为睡眠的中等深度睡眠阶段，脑电信号δ节律波含量在20％以上。

rem期——会发生眼球快速运动，为人做梦的阶段，脑电δ节律波明显减少，能明显看到锯齿波出现。

在上述理论基础的支撑下，人们结合生活实际，提出了通过检测脑电波，判断人体的睡眠状态，然后根据睡眠状态播放不同类型的音乐，诱导人体入睡的方法或者系统。现有技术中有一些基于脑电的睡眠监测的方法和系统(参考文献:[1]一种通过脑电波辅助睡眠的方法和系统cn105126187a(童路遥王君迪林通等)提出了一种通过脑电波辅助睡眠的方法和系统，采集脑电波，分析脑电波种类来判断大脑的状态，根据大脑状态和外部环境选择播放音乐，辅助用户的睡眠；[2]一种基于脑电信号的睡眠检测及睡眠辅助方法及装置cn105476631a(李远清、庄晓滨)公开了通过采集人体脑电信号，实时检测睡眠状态，对音乐播放系统进行控制。)

但是，在建立音乐类型(可以具体曲目)与睡眠状态的对应关系时，采用简单的映射方式，即某个时期固定的播放这些音乐，如果这个音乐类型的分类在前期就存在问题，将会给用户造成极大的困扰，如本来用户已经处于浅睡期了，音乐突然变得高昂，将用户唤醒，这就由睡眠辅助变成睡眠干扰了，影响用户体验；而且判断用户逐渐进入睡眠状态，仅仅是通过降低播放音乐的音量或关闭音乐；还有就是播放的音乐曲目过于单一，而用户往往有自己的个人喜好或者个人习惯，可能存在这首曲目的音乐对某些特定的用户并不能产生较好的诱导睡眠的效果，因此在诱导用户睡眠时，加入用户个性化的部分，这样才更能够提升诱导用户睡眠的效果。

而且现有的对音乐催眠能力或者说在用户不同睡眠时期适合听的音乐的判断方法，主要是根据人的经验进行判断的。判断方法，主要是播放给不同的人听，然后以问卷调查的方式来判断这首曲目的音乐对用户睡眠的影响。这样的方法用时较多，并且现在用户在网络上能够获得各种各样曲目的音乐，这种判断方法对更新的曲目，无法及时进行判断。

即现有诱导人体入睡的方法或者系统，让用户睡眠期和音乐曲目直接对应(映射)，存在没有充分考虑音乐与睡眠状态的对应关系，仅仅是判断用户逐渐进入睡眠状态，降低播放音乐的音量或关闭音乐，同时某些曲目不能对某些用户产生较好的诱导睡眠效果的技术问题，并且现有的诱导人体入睡的方法或者系统，对新更新的音乐，都没有有效的判断方法。

技术实现要素：

本发明针对现有诱导人体入睡的系统，没有充分考虑音乐与睡眠状态的对应关系，同时存在某些曲目不能对某些用户产生较好的诱导睡眠效果的技术问题，提供一种基于脑电信号的音乐诱导睡眠方法及系统。

本发明提供的基础方案为：基于脑电信号的音乐诱导睡眠方法，包括如下步骤：

音乐分级步骤：对音乐的固有参数进行分析，形成音乐特征矢量，根据音乐特征矢量将音乐分为至少两个适合在用户不同睡眠分期播放的等级；

信号采集步骤：对用户的脑电信号进行采集；

信号处理步骤：将采集到的脑电信号进行放大、滤波处理，并将处理之后的信号传输到搭载有bp神经网络分类模型的智能终端中；

睡眠分期步骤：智能终端对接收到的脑电信号进行处理，结合aasm睡眠分期标准，判断用户的睡眠分期状态；

曲目选取步骤：智能终端根据用户的睡眠分期状态选取适合该等级播放的音乐，并根据用户的睡眠分期状态调节音乐播放的音量，对音乐进行播放，对用户进行听觉刺激，诱导用户睡眠；

自动跟踪步骤：当一首曲目的音乐播放完毕后，以bp神经网络分类模型为基准，重复睡眠分期步骤和曲目选取步骤，达到自动跟踪用户的睡眠分期状态，并根据用户睡眠分期状态的变化调节播放的曲目，再次播放完成后，重复自动跟踪步骤；

自动停止步骤：当智能终端根据接收到的脑电信号判断用户的睡眠分期状态处于nrem3期后，智能终端停止播放音乐，进入待机状态。

本发明的工作原理及优点在于：在音乐分级步骤中，可以对在线的、云端的、本地的音乐的参数进行分析，判断音乐适于在用户的何种睡眠分期中播放，充分考虑音乐与睡眠状态的对应关系。这样就极大了拓展了能够催眠的音乐的选取范围，这样的形式能够让用户方便的更新自己的具有催眠性质的音乐库。

信号采集步骤、信号处理步骤以及睡眠分期步骤都是较为现有的技术，是为了获得用户的睡眠状态(即上文提及的睡眠分期状态)，以用户的睡眠分期状态作为依据，选取适合该睡眠状态的音乐。

简单的表述来说，在清醒状态时，播放旋律优美、节奏欢快、频率和音量较高，抒情、慢板为主的独奏曲；在nrem1期和nrem2期，播放节奏缓慢、频率和音量较低、给人低沉舒缓，抒情中板、慢板为主的轻音乐。但是，在实际情况下，上述的形容词更多的在表述自我主观的感受，而缺乏客观的判断依据。在本发明中，采用对音乐自身固有的参数进行分析，从而将音乐分为不同的等级，以契合用户的睡眠分期状态。

但是简单的将音乐分等级之后，是还不够的，这种情况可能会出现用户并不喜欢的一些音乐，影响用户的使用体验。即，这样将音乐分等级的方法，虽然比现有的主观分级的方法更加客观，但是这种形式又缺乏了用户个性化的部分。所以加入了bp神经网络分类模型，bp神经网络分类模型在应用时，可基于现有的分类，对其进行预设训练指标。

在本发明中加入了bp神经网络分类模型后，在使用时，音乐曲目的播放，即相当于bp神经网络分类模型的输入，用户的睡眠分期状态作为反馈，让用户的睡眠状态稳定或进入下一睡眠状态作为期望输出，其他的结果反向回传，作为bp神经网络分类模型的学习过程。通过bp神经网络分类模型，达到一种根据用户的个人特性进行学习的效果，从而达到更加适应客户，寻找到更为适合客户入睡的音乐。

本发明基于脑电信号的音乐诱导睡眠方法及系统，通过预先对音乐进行分等级，然后再对用户的睡眠分期状态进行检测，并且通过bp神经网络分类模型，将音乐与用户的睡眠分期状态进行匹配，利用bp神经网络分类模型的具有学习功能的特点，在通过一定时间的学习后，可达到根据用户的个体差异，选取曲目，避免了重复播放某些不能让用户入睡的曲目。本发明提供的音乐分级方法，通过对音乐的固有参数进行分析，避免了主观判断带来的不准确性，并且能够及时对更新的音乐进行分级，不需要人为的挑选，这样极大的降低了劳动强度，并且还保证了音乐曲目的丰富性。

进一步，所述音乐分级步骤中，所述固有参数包括，音乐自身的频率和能量。对音乐的频率和能量进行研究后，能够对音乐进行较为准确的分级。

进一步，所述音乐分级步骤中，对音乐的能量分析具体为，分析音乐的短时能量、子带能量比。采用这样的方式，是因为在对音乐的能量进行分析时，有较多的分析方法，将短时能量和子带能量比分析，这些是音乐固有的特征，不会因为音乐的音量大小而改变，这样能够确保对音乐分级的准确性。

进一步，音乐分级中，短时能量的分析方法为：对音乐进行分帧处理，获取短时能量的最大值、最小值、平均值和方差；子带能量比分析方法为，利用小波变换对音乐信号进行子带划分，分解为多个波段，利用多个波段的子带能量比特征作为音乐特征矢量的一部分。这种分帧处理的方法，能够确保整首曲目都处于一种平稳的状态，按照常理一般来说曲目中如果有突然高昂的部门，会惊醒用户，因此这种分析方法能够避免这种情况，确保曲目能够对用户的睡眠起到帮助。

进一步，信号采集步骤中，传感器通过头带固定在用户的额头部位。这样能够确保信号采集的稳定性，能够保证用户的睡眠质量。

进一步，曲目选取步骤中，智能终端根据用户的睡眠分期状态调节音乐播放的音量的具体方式为，当智能终端判断用户为清醒期时，音量设置为30db～45db；当用户处于过渡期和浅睡期时，音量设置为15db～30db。这样的数据是实验验证的较好的数值。

基于脑电信号的音乐诱导睡眠系统，包括采集模块、无线发射模块和智能终端，智能终端包括通讯模块、处理模块、存储模块以及播放模块；采集模块用于采集用户的脑电信号并将该脑电信号传递到无线发射模块，无线发射模块用于将采集模块采集到的脑电信号以无线的方式传递给通讯模块，通讯模块用于将接收到的脑电信号传递给处理模块，存储模块用于存储多个曲目的音乐，处理模块用于对存储模块内的音乐进行分级处理，处理模块还用于通过bp神经网络分类模型在存储模块中寻找与训练指标相似曲目的音乐，播放模块用于播放处理模块寻找出的音乐，处理模块还用于根据用户的脑电信号调节播放模块的音量。

训练指标相似的音乐是基于人们对现有的音乐分类，如在一些网络上，通常都存在一些适于睡眠听的歌单，这类音乐即是与训练指标相似的音乐。处理模块可用于对音乐进行分级处理，筛选出适于用户在不同睡眠阶段播放的音乐。由于bp神经网络分类模型，在实际应用中，需要一个学习的过程中，通过预设训练指标，能够减少学习成本。

进一步，处理模块还用于对存储模块中的多个曲目的音乐进行分帧处理，根据每一帧的音乐的频率和能量进行预先分级。音乐在播放的时候，都是一帧一帧的播放，这样的分帧处理的方式，能够较为准确的对音乐进行分级。

附图说明

图1是本发明基于脑电信号的音乐诱导睡眠方法的流程图；

图2是本发明基于脑电信号的音乐诱导睡眠方法中适合清醒状态音乐短时能量的波形图；

图3是本发明基于脑电信号的音乐诱导睡眠方法中适合浅睡状态音乐短时能量的波形图；

图4是本发明基于脑电信号的音乐诱导睡眠方法中不适合催眠效果音乐短时能量的波形图；

图5是本发明基于脑电信号的音乐诱导睡眠系统的结构框图；

图6是对比实验的结果统计图。

具体实施方式

下面通过具体实施方式对本发明作进一步详细的说明：

说明书附图中的附图标记包括：。

实施例1

流程图如附图1所示：基于脑电信号的音乐诱导睡眠方法，包括如下步骤：

音乐分级步骤：对音乐的频率、短时能量、子带能量比这三个固有参数进行分析，形成音乐特征矢量，对音乐进行分帧处理，获取短时能量的最大值、最小值、平均值和方差；子带能量比分析方法为，利用小波变换对音乐信号进行子带划分，分解为多个波段，利用多个波段的子带能量比特征作为音乐特征矢量的一部分，根据音乐特征矢量将音乐分为两个等级。其中一个等级与清醒期对应，另一个等级与浅睡眠状态(nrem1期和nrem2期)对应。

信号采集步骤：对用户的脑电信号进行采集；

信号处理步骤：将采集到的脑电信号进行放大、滤波处理，并将处理之后的信号通过无线传输的方式传输到bp神经网络分类模型的智能终端中。在信号采集步骤和信号处理步骤中，可以采用符合国际脑电图标准，电极位置分布符合国际通行的10—20系统，将采集脑电信号的传感器置于头带中，在对原始信号进行采集的过程中采用100hz的采样率，对采集到的睡眠脑电信号放大处理后进行第一次滤波，滤波完成后再次放大进行第二次滤波处理，经过放大—滤波—放大—滤波的过程完成信号的采集。具体的可采用ads1299作为脑电信号采集装置，通过对ads1299进行功能的裁剪完成相关的采集，裁撤多余的功能，保留信号放大装置和滤波装置，增加信号采集的效率。

睡眠分期步骤：智能终端对接收到的脑电信号进行处理，结合aasm睡眠分期标准，自动分期，即，根据睡眠脑电信号特征与睡眠状态的关系划分为3个等级：1、清醒状态(清醒期)；2、浅睡眠状态(nrem1期和nrem2期)；3、深睡眠状态(nrem3期和rem期)，判断用户的睡眠分期状态分为三种情况。根据这三种情况，按表2的方式与音乐的具体参数对应。

曲目选取步骤：智能终端根据用户的睡眠分期状态选取适合该等级播放的音乐，并根据用户的睡眠分期状态调节音乐播放的音量，对音乐进行播放，对用户进行听觉刺激，诱导用户睡眠。在bp神经网络模型应用的前期，即用户开始使用的阶段，由于bp神经网络模型未能够和用户达成较好的匹配，在选取音乐曲目时，和现有选取曲目的方式选取的曲目没有明显的区别，但是经过多次学习后，选取的曲目对用户而言更有倾向性。

自动跟踪步骤：当一首曲目的音乐播放完毕后，以bp神经网络分类模型为基准，重复睡眠分期步骤和曲目选取步骤，达到自动跟踪用户的睡眠分期状态，并根据用户睡眠分期状态的变化调节播放的曲目，再次播放完成后，重复自动跟踪步骤。

自动停止步骤：当智能终端根据接收到的脑电信号判断用户的睡眠分期状态处于nrem3期后，智能终端停止播放音乐，进入待机状态。

具体使用时：在音乐分级步骤中，对睡眠不同时期所需的不同音乐类型从频率和能量上进行数据分析和特征提取，其分级具体指标如下：

短时能量

对音乐信号x(n)进行分帧处理，每帧记为si(n)，每帧的短时能量为其中n＝1,2,3...n,n为帧长，i为帧数。

共选取4个与短时能量相关的特征参数，分别如下：

e_max短时能量最大值，即所有音乐片段信号帧中最大短时能量值。

e_min短时能量最小值，即所有音乐片段信号帧中最小短时能量值。

e_mean短时能量均值，即所有音乐片段信号帧短时能量的平均值，计算公式如下:其中，n为音乐片段信号的总帧数，ei为第i帧音乐信号的能量。

e_var短时能量方差，即整个音乐片段信号的均方误差，其计算方法如下:

其中我们对现有的音乐进行了一些初步分析，得到适合清醒状态音乐短时能量(如图2所示)，适合浅睡状态音乐短时能量(如图3所示)，不适合催眠效果音乐短时能量(如图4所示)。

子带能量比

子带能量比用来描述音频信号频率分布的频域特征，它衡量了不同子带的能量占整个频带能量的比例，本方案利用小波变换对音乐信号进行子带划分，分解为8个波段，这6个波段的频段分别为：0.03125～0.0625khz、0.0625～0.125khz、0.125～0.25khz、0.25～0.5khz、0.5～1khz、1～2khz、2～4khz、4～8khz。实验研究表明，适合催眠音乐的能量按照频率的分布主要在125～1000hz范围，可以利用这8个波段的子带能量比特征作为音乐特征矢量用来区分催眠音乐和不具有催眠效果的音乐。

频率

在音乐中，音高主要与声源的振动频率有关，频率越高，音高也越高，频率越低，则音高也越低，但两者之间是一种非线性关系。本实验对具有催眠效果的音乐研究表明，这类音乐频率大都处于125～800hz之间，可以利用这一特征参数用来区分具有催眠效果的音乐和不具有催眠效果的音乐。

综上所述，基于音量、频率和能量特征的音乐分析，提取音乐的13个特征参数(如表1所示)，对音乐进行类型识别，同时，通过实验研究，建立睡眠不同时期与音乐参数的对应关系如表2所示。

表1：音乐特征参数类型表

表2：睡眠分期与音乐参数对应关系表

对比例1

与实施例1相比，不同之处在于没有音乐分级步骤，曲目选取步骤中，是通过构建两个音乐库，分别对应清醒期和浅睡期。

通过随机选取某大学内300名学生作为实验对象，分为三组，前两组在入睡前分别采用实施例1、对比例1两种方式进行辅助睡眠，最后一组不采用任何辅助睡眠的方式作为空白组，仅有信号采集以判断其已经入睡，最后一组的测量的时间起点是人为启动，终点用户进入深睡眠状态。由于前两种方式均对用户进入深睡眠状态有反馈，固采用本方法开始到用户进入深睡眠状态的时间作为主要参考指标，然后用户再根据两种方式选取的音乐与自身的喜好程度打分(满分为5分表示非常喜欢，4分表示喜欢，3分表示一般有辅助睡眠效果，2分表示不喜欢但不会影响睡眠效果，1分表示影响正常睡眠)。

在实验进行过程中，需要排除异常数据的干扰，如某位学生身体不适，或者由于个人原因某晚失眠的情况。在实验进行中，当实验对象觉得自己的数据有异常时，立即反馈，该学生该日的实验数据即作废。在统计时，去除三组实验数据中的最长和最短入睡时间(即进入深睡眠状态的时间)，然后得到如图6所示的统计图。

在开始使用1周和使用3个月后，分别对两种方式进行评价，所得结果由表3所示。

表3

从表3和图6中，通过对比实施例1、对比例1与空白组对比，可以得出结论，入睡前听适于睡眠的音乐能够有助于入睡。

通过对比实施例1与对比例1，可得出结论，在开始时(使用1周时)，两种方式辅助睡眠的效果基本相同，用户对音乐的喜好程度也未有明显差异。但是在使用一段时间(3个月)之后，本发明辅助用户入睡的效果明显优于现有技术，并且在音乐喜好程度方面，本发明也明显优于现有技术。上述结果存在的可能的原因是，本发明根据用户反馈学习到了适于用于睡眠的音乐，能够提升用户入睡的效果。

基于脑电信号的音乐诱导睡眠系统，包括采集模块、无线发射模块和智能终端(如图5所示)，智能终端包括通讯模块、处理模块、存储模块以及播放模块；采集模块用于采集用户的脑电信号并将该脑电信号传递到无线发射模块，无线发射模块用于将采集模块采集到的脑电信号以无线的方式传递给通讯模块，通讯模块用于将接收到的脑电信号传递给处理模块，存储模块用于存储多个曲目的音乐，处理模块用于对存储模块内的音乐进行分级处理，处理模块还用于通过bp神经网络分类模型在存储模块中寻找与训练指标相似曲目的音乐，播放模块用于播放处理模块寻找出的音乐，处理模块还用于根据用户的脑电信号调节播放模块的音量。

具体的，采用ads1299作为脑电信号采集模块，通过对ads1299进行功能的裁剪完成相关的采集，裁撤多余的功能，保留信号放大装置和滤波装置，增加信号采集的效率。无线发射模块采用的是蓝线发射模块，智能终端采用的是现有的安卓智能手机，在其他实施例中也可采用苹果手机。安卓智能手机中集成了通讯模块(即蓝牙接收模块)、处理模块(处理器)、存储模块(内存)、播放模块(播放器)。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。