智能睡眠辅助系统、睡眠状态分类方法及存储介质

1.本发明涉及人工智能技术领域，尤其涉及一种及生物学和计算机科学相结合的智能睡眠辅助系统及睡眠状态识别方法。


背景技术：

2.随着新时代消费水平提高，生活质量的提升，越来越多的人在闲暇时间依靠着电子智能设备进行娱乐，由于娱乐时间的增加，导致了睡眠时间减少，忽视了睡眠在成长过程中的重要性。睡眠障碍对年轻人的危害不仅是身体上的，严重的还会危及心理，造成心理上的疾病。
3.早在1937年，美国学者loomis等人就首次提出了根据脑波来进行睡眠深度的判断。在1968年，rechtschaffen和kales两人执笔详细描述了睡眠分期的判断基准，将其用于多导睡眠监测系统(psg)中，目前已经是国际公认的诊断睡眠呼吸暂停低通气综合征的标准。但psg只能作为监测系统，并不能帮助睡眠障碍患者有效解决失眠症状，且售价昂贵；国内这几年在睡眠健康领域也在快速发展，目前市面上涌现了大量的睡眠辅助系统，例如软件类较为典型的有小睡眠、硬件类较为典型的有小米手环。小睡眠是一款针对睡眠障碍患者设计的白噪音小程序，通过播放内置的白噪音音频来帮助用户入睡，但是并不能给与用户有效的睡眠建议措施。小米手环通过脑电波扫描以及眼动观测来描述深睡时间，但其作为睡眠监测系统，并不能干预用户的睡眠。
4.因此，如何设计出一种既可以监测睡眠质量，又能给予睡眠干预的睡眠辅助系统，是一个个亟待解决的问题。


技术实现要素：

5.有鉴于此，有必要提供一种智能睡眠辅助系统及睡眠状态识别方法，用以实现在睡眠过程中既可以监测睡眠质量，又能给予睡眠干预的功能。
6.为了实现上述目的，第一方面，本发明提供了一种智能睡眠辅助系统，包括：通信连接的睡眠辅助设备、云服务器及移动终端；
7.所述睡眠辅助设备用于采集睡眠数据，并基于所述睡眠数据控制与所述睡眠数据相对应的设备进行调整；
8.所述云服务器用于监听所述睡眠数据，并将所述睡眠数据输入已训练的支持向量机模型内得到睡眠分类结果；
9.所述移动终端用于接收并显示所述睡眠分类结果。
10.可选的，所述睡眠数据包括用户语音数据；所述睡眠辅助设备包括控制器、声音传感器以及气囊；
11.所述声音传感器用于采集睡眠环境中的用户语音数据；
12.所述控制器用于当所述用户语音数据包括预定频率语音数据时，控制所述气囊增加或减少充气量。
13.可选的，所述睡眠数据包括外界语音数据；所述睡眠辅助设备包括麦克风、控制器与扬声器；
14.所述麦克风用于采集睡眠环境中的外界语音数据；
15.所述控制器用于当所述外界语音数据的分贝大于预定分贝，控制所述扬声器播放白噪音音频。
16.可选的，所述睡眠数据包括温湿度数据；所述睡眠辅助设备包括温湿度传感器、控制器与温湿度调节器；
17.所述温湿度传感器用于采集睡眠环境中的温湿度数据；
18.所述控制器用于当所述温湿度数据不在预定温湿度范围内，控制所述温湿度调节器调节所述睡眠环境中的温湿度。
19.可选的，所述睡眠数据包括bcg信号；所述睡眠辅助设备包括压电薄膜传感器，所述压电薄膜传感器用于采集用户的bcg信号；
20.所述已训练的支持向量机模型包括利用mit-bih数据库中的样本训练的最优支持向量机模型；所述云服务器具体用于：
21.从所述bcg信号中分离提取心跳间隔序列；
22.对所述心跳间隔序列进行时域特征提取，并采用时变自回归模型对所述心跳间隔序列进行频域特征的提取以构成第一特征矩阵；
23.采用主成分分析法对所述第一特征矩阵进行降维处理得到第二特征矩阵；
24.将所述第二特征矩阵输入所述最优支持向量机模型中，输出用户的快速眼动睡眠期、浅度睡眠期和深度睡眠期的睡眠分类结果。
25.可选的，所述移动终端还用于设置睡眠参数，所述睡眠参数包括睡眠开启时间；
26.所述睡眠辅助设备包括震动模块，所述震动模块用于在所述睡眠开启时间进行震动。
27.可选的，所述睡眠辅助设备还包括：负离子发生器，所述负离子发生器用于释放负离子。
28.可选的，所述睡眠辅助设备还包括：脉搏心率传感器，所述脉搏心率传感器用于检测用户的心跳频率。
29.第二方面，本发明还提供了一种睡眠状态分类方法，包括：
30.通过睡眠辅助设备采集睡眠数据，并基于所述睡眠数据控制与所述睡眠数据相对应的设备进行调整；
31.通过云服务器监听所述睡眠数据，并将所述睡眠数据输入已训练的支持向量机模型内得到睡眠状态分类结果；
32.通过移动终端接收并显示所述睡眠状态分类结果。
33.第三方面，本发明还提供一种计算机存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如所述智能睡眠辅助系统中的功能。
34.采用上述实施例的有益效果是：本发明通过睡眠辅助设备采集睡眠数据，并基于睡眠数据控制与睡眠数据相对应的设备进行调整，通过干预用户的睡眠过程，提高用户的睡眠质量；然后通过云服务器将睡眠数据输入已训练的支持向量机模型内得到睡眠状态分类结果，并且在移动终端进行查看该结果，精准的睡眠监测可以让用户清楚地知道自身的
睡眠状况，针对自己的睡眠状况做出针对性的改善；最后采用睡眠辅助设备、云服务器及移动终端的云架构模式来完成各个功能模块的协同合作，使得信息的传输整合比传统模式更加高效。
附图说明
35.图1为本发明提供的智能睡眠辅助系统一实施例的整体架构图；
36.图2为本发明提供的智能睡眠辅助设备一实施例的硬件结构图；
37.图3为本发明提供的云服务器一实施例的结构示意图；
38.图4为本发明提供的一种移动终端与云服务器一实施例的通信流程图；
39.图5为本发明提供的一种支持向量机一实施例的算法流程图；
40.图6为本发明提供的一种睡眠状态分类方法一实施例的流程图。
具体实施方式
41.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本发明一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
42.在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
43.本发明提供了一种智能睡眠辅助系统、睡眠状态分类方法及存储介质，以下分别进行说明。
44.请参阅图1，图1为本发明提供的智能睡眠辅助系统一实施例的整体架构图。本发明的一个具体实施例，公开了一种智能睡眠辅助系统，包括：通信连接的睡眠辅助设备10、云服务器20及移动终端30；睡眠辅助设备10用于采集睡眠数据，并基于睡眠数据控制与睡眠数据相对应的设备进行调整；云服务器20用于监听睡眠数据，并将睡眠数据输入已训练的支持向量机模型内得到睡眠分类结果；移动终端30用于接收并显示睡眠分类结果。
45.如图1所示，本发明采用云架构模式来完成各个功能模块的协同合作，其中，在数据通信上使用socket(套接字)来实现睡眠辅助设备10与云服务器20的通信，移动终端30主要通过http协议与云服务器20进行交互。
46.需要说明的是，睡眠辅助设备10的硬件架构以stm32为核心进行设计，具有多数据的采集、数据处理、数据的显示与传送功能，
47.请参阅图2，图2为本发明提供的智能睡眠辅助设备一实施例的硬件结构图。主要包括电源模块101、传感器模块102(包含多种传感器)、信号调理(模块)103及微控制单元104，其中，微控制单元104为soc最小系统，具体包括i/o(模块)1041、串口单元1042、无线模块1043、按键模块1044、时钟模块1045、显示模块1046、存储模块1047、调试单元1048。
48.stm32最小系统主要由电源电路、程序的下载与调试电路、晶振电路和复位电路等所组成，晶振电路由8mhz的无源晶振以及相应的匹配电容和电阻组成，内部包含有多个时钟源作为系统时钟，可以通过软件对时钟源进行选择，同时stm32支持jtag和swd方式的软
件下载调试。在最小系统中可以扩展多个模块，满足嵌入式易于裁剪的要求。在信号的采集端有多种类型的信号，需要做好引脚的分配与电路的设计。
49.可以理解的是，睡眠辅助设备可以通过其包括的各种传感器采集用户在睡眠环境中的睡眠数据，然后基于睡眠数据使用睡眠辅助设备中的控制模块控制睡眠数据对应的设备，达到调整睡眠数据的作用，通过干扰睡眠过程，使用户的睡眠得到保障。
50.需要说明的是，本发明中的云服务器20在软件上采用层次化和结构化的设计思想。将软件分解为多个功能模块，请参阅图3，图3为本发明提供的云服务器一实施例的结构示意图。云服务器20包括数据通信模块201、数据存储模块202和数据处理模块203。
51.在数据通信模块201中，通过使用socket程序持续不断监听来自睡眠辅助设备，具体是压电薄膜传感器经过消噪后发送给云服务器的睡眠数据来实现云服务器与睡眠辅助设备的数据交互。然后对数据进行简单的处理后，存储到数据库中，便于移动终端与云服务器之间的通信。
52.在数据存储模块202中，使用云数据库来存储用户的身份信息以及用户的一些睡眠参数：比如睡眠时长等。
53.在数据处理模块203中，云服务器用于监听睡眠数据，并将睡眠数据输入已训练的支持向量机模型内得到睡眠分类结果。
54.移动终端30用于接收并显示睡眠分类结果。请参阅图4，图4为本发明提供的一种移动终端与云服务器一实施例的通信流程图。
55.步骤s401：移动终端先通过http协议将数据请求发送到云服务器；
56.步骤s402：云服务器将移动终端请求的数据封装成json格式，再通过http协议响应到移动终端；
57.步骤s403：移动终端对接收到的json格式数据进行解析后呈现在网页上。
58.此外，移动终端30还可以完成设置睡眠参数、获取监测到的用户睡眠参数。
59.本发明通过睡眠辅助设备采集睡眠数据，并基于睡眠数据控制与睡眠数据相对应的设备进行调整，通过干预用户的睡眠过程，提高用户的睡眠质量；然后通过云服务器将睡眠数据输入已训练的支持向量机模型内得到睡眠状态分类结果，并且在移动终端进行查看该结果，精准的睡眠监测可以让用户清楚地知道自身的睡眠状况，针对自己的睡眠状况做出针对性的改善；最后采用睡眠辅助设备、云服务器及移动终端的云架构模式来完成各个功能模块的协同合作，使得信息的传输整合比传统模式更加高效。
60.在本发明的一个实施例中，睡眠数据包括用户语音数据；睡眠辅助设备包括控制器、声音传感器以及气囊；
61.声音传感器用于采集睡眠环境中的用户语音数据；
62.控制器用于当用户语音数据包括预定频率语音数据，睡眠辅助设备控制气囊增加或减少充气量。
63.可以理解的是，在用户入眠后，如果特定频率语音数据，如打鼾的声音被声音传感器检测到，睡眠辅助设备可以缓慢调整睡眠者枕头的高度，改变颈部姿态。其中，睡眠辅助设备可以内嵌在枕头中，睡眠辅助设备本身也可以作为睡眠者的枕头进行使用。具体的，通过控制气囊中的充气量，即通过向枕头内部、靠近人体颈部的单个气囊进行定量的充、放气操作，来减轻人体颈部的受力和弯曲程度，使颈部的弯曲得以伸展，同时减轻颈部受力，使
喉部肌肉放松、呼吸通道打开，最终停止打鼾，通过干预睡眠过程，使用户的睡眠得到保障。
64.在本发明的一个实施例中，睡眠数据包括外界语音数据；睡眠辅助设备包括麦克风、控制器与扬声器；
65.麦克风用于采集睡眠环境中的外界语音数据；
66.控制器用于当若外界语音数据的分贝大于预定分贝，睡眠辅助设备控制扬声器播放白噪音音频。
67.其中，睡眠辅助设备上配备了isd1820扬声器模块，用于播放白噪音。当睡眠辅助设备中的麦克风检测到的外界语音数据的噪音大于50分贝时，会向服务器进行数据请求，播放预先储存在服务器上白噪音音频用来抵消外界噪音，辅助用户进行睡眠。
68.在本发明的一个实施例中，睡眠数据包括温湿度数据；睡眠辅助设备包括温湿度传感器；睡眠辅助设备包括温湿度传感器、控制器与温湿度调节器；
69.温湿度传感器用于采集睡眠环境中的温湿度数据；
70.控制器用于当温湿度数据不在预定温湿度范围内，睡眠辅助设备控制温湿度调节器调节睡眠环境中的温湿度。
71.可以理解的是，人类对睡眠的温湿度环境非常敏感，当室内温度为20℃-23℃时，是最为理想的睡眠条件，如果温度低于这个阈值，就会因为寒冷而难以入眠，如果温度超过了23℃，就很有可能因为发热而导致内心烦闷难以入眠。睡眠辅助设备上配备了dht11温湿度传感器，用来监测睡眠环境的温湿度情况。当当前温度不在设定的温度范围内，睡眠辅助设备可以控制温湿度调节器，如风扇、空调等调控睡眠环境中的温湿度。
72.此外，温湿度传感器还可以将获取到的模拟信号转换成相应的数字信号记录到云数据库中，而智能睡眠辅助系统则可以通过数据库获取当前环境的温湿度信号来与智能家居设备进行互联，实现对温湿度的智能化调整。
73.在本发明的一个实施例中，睡眠辅助设备还包括：负离子发生器，负离子发生器用于释放负离子。
74.可以理解的是，负离子发生器可以释放负离子来净化睡眠环境中的空气，使睡眠环境中保持良好的空气质量。
75.在本发明的一个实施例中，睡眠辅助设备还包括：脉搏心率传感器，脉搏心率传感器用于检测用户的心跳频率。
76.通过脉搏心率传感器检测心跳频率，根据频率阈值的时频域数据分析浅睡眠时间和深睡眠时间的数据，记录并显示在移动终端，为其他功能的实现提供信号依据，也可以方便用户在移动终端查看。
77.在本发明的一个实施例中，移动终端还用于设置睡眠参数，睡眠参数包括睡眠开启时间；睡眠辅助设备包括震动模块，震动模块用于在睡眠开启时间进行震动。
78.可以理解的是，由于本发明中的智能睡眠系统中的各结构是通信连接的，在移动终端中设置的睡眠参数也可以控制睡眠辅助设备，比如在移动终端中设定了睡眠开启时间，相当于在睡眠辅助设备中内嵌了“闹钟”，根据移动设备端设置的闹钟时间，内嵌在枕头中的睡眠辅助设备，或本身为枕头的睡眠辅助设备控制震动模块轻微的震动，直到检测到头部离开枕头，防止再次入睡，因采用了枕头内部震动的设计，不会影响同一床上的另一个人，保障了睡眠质量。
79.通过睡眠辅助设备采集睡眠数据，并基于睡眠数据控制与睡眠数据相对应的设备进行调整，通过干预用户的睡眠过程，提高用户的睡眠质量。
80.在本发明的一个实施例中，睡眠数据包括bcg信号，睡眠辅助设备包括压电薄膜传感器，压电薄膜传感器用于采集用户的bcg信号；已训练的支持向量机模型包括利用mit-bih数据库中的样本训练的最优支持向量机模型。
81.请参阅图5，图5为本发明提供的一种支持向量机一实施例的算法流程图。其中，支持向量机睡眠分期算法将睡眠阶段的快速眼动睡眠期、浅度睡眠期和深度睡眠期作为待分类项。
82.步骤s501：从bcg信号中分离提取心跳间隔序列；
83.步骤s502：对心跳间隔序列进行时域特征提取，并采用时变自回归模型对心跳间隔序列进行频域特征的提取以构成第一特征矩阵；
84.步骤s503：采用主成分分析法对第一特征矩阵进行降维处理得到第二特征矩阵；
85.步骤s504：将第二特征矩阵输入最优支持向量机模型中，输出用户的快速眼动睡眠期、浅度睡眠期和深度睡眠期的睡眠分类结果。
86.可以理解的是，在训练阶段，通过使用mit-bih数据库中的样本进行训练得到最优支持向量机模型，其中，mit-bih是由美国麻省理工学院提供的研究心律失常的数据库。具体的，首先从mit-bih数据库中提取心电rr序列，然后将心电rr序列进行时域特征提取、主成分分析法降维处理后，输入初始的支持向量机模型中进行训练，并使用遗传算法进行参数寻优，使模型达到收敛，得到睡眠分期为六种分类的支持向量机模型与睡眠分期为四种分类的支持向量机模型两种模型，然后通过对上述两种支持向量机模型分别进行测试得到两类支持向量机模型的分类准确率，并选择准确率高的支持向量模型作为最优支持向量机模型，模型训练完成。
87.在预测阶段，获取从压电薄膜传感器所采集的bcg信号，即心冲击图信号，然后对bcg信号进行降噪处理并从降噪后的bcg信号中分离提取心跳间隔序列；对心跳间隔序列进行时域特征提取，并采用时变自回归模型对心跳间隔序列进行频域特征的提取以构成第一特征矩阵；采用主成分分析法对第一特征矩阵进行降维处理得到第二特征矩阵；将第二特征矩阵输入已训练好的最优支持向量机模型中，输出用户的快速眼动睡眠期、浅度睡眠期和深度睡眠期的睡眠分类结果。
88.本发明提供的的一种基于支持向量机的智能睡眠辅助系统，致力于利用局部网络或互联网等通信技术把传感器、控制器、设备、用户和物等通过新的方式联系在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络，并将其应用于睡眠辅助系统中，将用户、硬件设备以及网页端通过互联网物联网联系起来，使用户在睡眠过程中所产生的数据能够快速高效通过wifi传递给硬件设备，硬件设备对数据进行处理后，将分析结果显示在页面上，方便快捷。
89.与现有技术相比，本发明拥有方便高效的设计模式，睡眠辅助平台不应该仅仅应用于医院，更应该走进千家万户，让睡眠障碍患者都能体验到科技带给他们的便利；精准的睡眠监测可以让用户清楚地知道自身的睡眠状况，针对自己的睡眠状况做出针对性的改善，并通过有效的睡眠辅助帮助用户解决诸如睡眠困难、打鼾等一系列问题，使其睡眠质量得到保障；采用云架构模式来完成各个功能模块的协同合作，使得信息的传输整合比传统
模式更加高效。
90.本发明实施例还提供一种睡眠状态分类方法，请参阅图6，图6为本发明提供的一种睡眠状态分类方法一实施例的流程图，包括：
91.步骤s601：睡眠辅助设备采集睡眠数据，并基于睡眠数据控制与睡眠数据相对应的设备的调整；
92.步骤s602：云服务器监听睡眠数据，并将睡眠数据输入已训练的支持向量机模型内得到睡眠状态分类结果；
93.步骤s603：移动终端接收并显示睡眠状态分类结果。
94.这里需要说明的是：上述实施例提供的睡眠状态分类方法可实现上述各系统实施例中描述的技术方案，此处不再赘述。
95.基于上述智能睡眠辅助系统，本发明实施例还相应的提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如上述各实施例中智能睡眠辅助系统中的功能。
96.本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
97.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。