基于脑活动检测的睡眠强化系统的制作方法

1.本发明主要涉及非侵入式脑机接口领域，尤其涉及一种基于脑活动检测的睡眠强化系统。


背景技术：

2.中国睡眠研究会发布的《2021年运动与睡眠白皮书》显示，目前我国有超过3亿人存在睡眠障碍。睡眠障碍涵盖了一系列的表现，包括入睡困难、睡眠维持障碍、早醒、睡眠质量下降等。长期的睡眠障碍不仅影响个人的工作、生活表现，还会带来不可逆的躯体和精神损伤。因此，干预睡眠障碍是长期的社会需求。在整个睡眠过程中，脑活动由高频逐渐过渡到低频，而对睡眠障碍起到恢复作用的主要是低频脑活动所对应的睡眠阶段。研究表明，提升低频脑活动对应的睡眠阶段在整个睡眠过程中的占比、持续时间可以有效提升睡眠效率。
3.目前，干预睡眠障碍的方式主要是在心理、药物、物理三个方面进行。虽然心理干预和药物干预是目前比较主流的干预方法，但二者也有各自的缺点从而限制了其推广。例如，心理干预需花费较高的经济成本和时间成本，药物干预则存在成瘾、不良反应等潜在风险。因此，近年来，物理干预因其“易用易撤”的特点，逐渐成为了干预睡眠障碍的研究的热点。物理干预通过向颅内施放不同的刺激进而使得脑活动朝有利于睡眠的方向改变，进而缓解睡眠障碍。但是，物理干预也存在设备不易使用、佩戴舒适性差和干预效果差异大等问题。


技术实现要素：

4.本发明要解决的技术问题是克服现有技术的不足，提供一种佩戴舒适、能有效提供物理干预并改善睡眠质量的基于脑活动检测的睡眠强化系统。
5.为解决上述技术问题，本发明提供了一种基于脑活动检测的睡眠强化系统，其特征在于，包括：传感器单元，用于获得对象的生理信号，所述生理信号包括脑活动信号；计算核心单元，用于从所述传感器单元接收所述生理信号，根据所述生理信号判断所述对象的清醒状态和睡眠状态，从所述睡眠状态的脑活动信号中检测低频脑活动信号，并在检测到所述低频脑活动信号时发出刺激命令；以及刺激单元，用于从所述计算核心单元接收所述刺激命令，并根据所述刺激命令向所述对象提供物理刺激，所述物理刺激用于改变所述对象的睡眠特征。
6.在本技术的一实施例中，所述计算核心单元被配置为采用下面的步骤判断所述对象的清醒状态和睡眠状态：设置所述清醒状态对应的特征频段；采用优化算法根据所述特征频段确认滤波器的最佳滤波器参数；采用具有所述最佳滤波器参数的滤波器实时地对所述脑活动信号进行滤波，将滤波后的所述脑活动信号作为睡眠指数；以及比较所述睡眠指数和第一阈值，当所述睡眠指数高于所述第一阈值时，判断所述对象处于清醒状态，当所述睡眠指数低于所述第一阈值时，判断所述对象处于睡眠状态。
7.在本技术的一实施例中，所述特征频段为20-200赫兹。
8.在本技术的一实施例中，所述计算核心单元被配置为根据下面的步骤从所述睡眠状态的脑活动信号中检测低频脑活动信号：获取第一预设时长内的一段脑活动信号，对所述一段脑活动信号进行高通滤波和低通滤波，获得滤波后的第一脑活动信号；检测获得所述第一脑活动信号中的每个波谷，每个所述波谷具有对应的波谷幅值；检测每个所述波谷之后的第一个过零点，计算所述波谷和所述第一个过零点之间的时长；以及当所述时长在第二阈值范围内，并且所述波谷幅值在第三阈值范围内时，判断所述波谷是低频脑活动信号的波谷。
9.在本技术的一实施例中，所述计算核心单元还被配置为：当确定所述波谷是低频脑活动信号的波谷时，发出所述刺激命令的时刻对应于所述波谷之后的第一个过零点和所述第一个过零点之后的第一个波峰之间的任意数据时刻。
10.在本技术的一实施例中，所述第二阈值范围是0到1000毫秒。
11.在本技术的一实施例中，述第三阈值范围是-20到-100微伏。
12.在本技术的一实施例中，所述传感器单元还用于将第二预设时长的所述生理信号打包为数据包，并在所述数据包中添加时间标签，所述时间标签用于标记所述生理信号的发生时刻，所述传感器单元实时连续地向所述计算核心单元发送所述数据包；所述计算核心单元还用于从接收到的所述数据包中解析出所述发生时刻，根据所述发生时刻和所述计算核心单元的接收时刻之差获得所述传感器单元和所述计算核心单元之间的传输延迟；所述计算核心单元在检测到所述低频脑活动信号时还配置为：比较预设延迟阈值和所述传输延迟，当所述传输延迟小于等于所述预设延迟阈值时，所述计算核心单元才发出所述刺激命令。
13.在本技术的一实施例中，所述刺激单元和所述计算核心单元集成在同一个计算设备中，所述计算设备独立于所述传感器单元。
14.在本技术的一实施例中，所述传感器单元和所述计算核心单元之间通过蓝牙方式建立通信连接。
15.在本技术的一实施例中，所述传感器单元适于佩戴在所述对象的前额，所述脑活动信号包括无创脑电信号。
16.在本技术的一实施例中，所述传感器单元和所述计算核心单元之间具有一距离，所述距离小于等于2米。
17.在本技术的一实施例中，所述生理信号还包括体温、脉搏、血氧饱和度、加速度中的一个或任意个的组合。
18.在本技术的一实施例中，所述物理刺激包括声音刺激、光刺激、电刺激、热刺激、磁刺激中的一个或任意个的组合。
19.在本技术的一实施例中，还包括控制移动终端，所述控制移动终端包括用户控制模块，所述用户控制模块用于接收用户的输入以控制所述物理刺激的类型、刺激时长、刺激频率中的任意个。
20.在本技术的一实施例中，所述用户控制模块用于接收用户的输入以控制所述传感器单元的启动或停止。
21.在本技术的一实施例中，还包括云端处理单元，所述计算核心单元还用于存储所
述生理信号并将所述生理信号发送至所述云端处理单元，所述云端处理单元用于根据感兴趣时间段内的所述生理信号计算所述对象的入睡前清醒状态和多个睡眠分期，并且评估所述对象的睡眠质量。
22.本技术的基于脑活动检测的睡眠强化系统将传感器单元与计算核心单元、刺激单元分离部署，从而使得对象所需佩戴的硬件设备最简化，降低了设备本身对睡眠本身的负面影响；将数据的处理、刺激的发生部署于非佩戴的计算核心单元所在的硬件内，提高了系统的独立储能的能力，这一方面延长了传感器的工作时长，另一方面拓展了刺激发生器可生成的刺激类型；通过设计特别的算法，考虑信号传输延迟，提升了检测低频脑活动的准确性，从而提高了物理刺激干预低频脑活动的效果。
附图说明
23.包括附图是为提供对本技术进一步的理解，它们被收录并构成本技术的一部分，附图示出了本技术的实施例，并与本说明书一起起到解释本发明原理的作用。附图中：
24.图1是本技术一实施例的睡眠强化系统的系统框图；
25.图2是本技术另一实施例的睡眠强化系统的系统框图；
26.图3是根据本技术一实施例的睡眠强化系统所获得的经滤波的第一脑活动信号的波形图。
27.图4a是本技术一实施例的睡眠强化系统中的低频脑活动信号统计特征图之一；
28.图4b是本技术一实施例的睡眠强化系统中的低频脑活动信号统计特征图之二；
29.图5是根据本技术一实施例的睡眠强化系统所获得的无创脑电信号以及在其上标注的刺激时刻。
具体实施方式
30.为了更清楚地说明本技术的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
31.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
32.除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附
图中不需要对其进行进一步讨论。
33.此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本技术保护范围的限制。此外，尽管本技术中所使用的术语是从公知公用的术语中选择的，但是本技术说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本技术。
34.本技术的基于脑活动检测的睡眠强化系统的应用场景主要为家用，所面向的对象是期望获得睡眠干预的用户。但本技术对该应用场景不做限制。
35.图1是本技术一实施例的睡眠强化系统的系统框图。参考图1所示，本技术的基于脑活动检测的睡眠强化系统包括传感器单元110、计算核心单元120和刺激单元130。其中，传感器单元110用于获得对象的生理信号，生理信号包括脑活动信号；计算核心单元120用于从传感器单元110接收生理信号，根据生理信号判断对象的清醒状态和睡眠状态，从睡眠状态的脑活动信号中检测低频脑活动信号，并在检测到所述低频脑活动信号时发出刺激命令；刺激单元130用于从计算核心单元120接收刺激命令，并根据刺激命令向对象提供物理刺激，该物理刺激用于改变对象的睡眠特征。
36.图1中采用人形图示表示该对象，该对象是本技术的睡眠强化系统的用户。在实际使用中，对象躺卧在床上，传感器单元110设置在该对象身体上的某个位置，本技术对该位置不做限制，只要是能够获取脑活动信号的位置都属于本技术所要保护的范围。
37.在一些实施例中，生理信号除脑活动信号之外，还包括体温、脉搏、血氧饱和度、加速度中的一个或任意个的组合。其中，加速度是用于表征人体的运动生理信号，根据加速度可以获得对象在睡眠过程中的运动、体位等信息。本技术的睡眠强化系统对一段时间内的生理信号进行监测和存储，这些生理信号在后续也可以被用于对睡眠质量的评估。
38.图1中用一个方框表示传感器单元110，不用于限制传感器单元110的数量、形状和大小。本技术的睡眠强化系统根据需要可以包括一个或多个传感器单元110。
39.本技术对传感器单元110的具体硬件实现方式不做限制。该传感器单元110中可以包括所要检测的生理信号所对应的检测电极。用于检测多种生理信号的传感器可以集成在同一个集成电路芯片中。
40.传感器单元110可以设置在可穿戴设备中，本技术对可穿戴设备的具体形式不做限制，例如是帽子形、可以固定在头部的带状物、头箍形等适于穿戴在头部的形式，所要测量的脑活动的来源位置可以包括顶区、颞区、枕区、侧颊部等。
41.脑活动信号指任何可以反映脑活动的信号，不限于电信号、磁信号等。
42.在一些实施例中，传感器单元110适于佩戴在对象的前额，脑活动信号包括无创脑电信号。如图1所示，传感器单元110在使用状态下，可以通过可穿戴设备被固定设置在该对象的前额处，用于从前额处检测该对象的无创脑电信号。对于采集多种生理信号的实施例，也从前额处采集感兴趣的生理信号，因此该生理信号包括任意可以从前额采集到的生理信号。
43.在一些实施例中，生理信号的采样率在0.1到1000赫兹之间。
44.图1中还示出了传感器单元110的局部放大示意图a，根据该局部放大示意图a，该
传感器单元110中包括传感器111、与传感器111偶联的第一主控芯片112和可能包括的刺激发生器113。其中，第一主控芯片112主要用于向传感器111发出控制命令，以命令传感器111开始采集或停止采集，该第一主控芯片112中还包括第一通信单元(图未示)，用于将传感器111采集到的生理信号实时地发送出来。
45.在一些实施例中，第一主控芯片112不包括用于进行信号处理的功能元件。在一些实施例中，传感器单元110中除必要的缓存设备之外不包括用于存储大量数据的存储器。根据这些实施例，传感器单元110具有比较简单的结构以及较轻的重量。
46.在一些实施例中，刺激发生器113用于向用户提供接触式刺激，例如电刺激。刺激发生器113也可以向用户提供例如声音、磁场等非接触式的刺激。在采用性能较好体积较小的传感器及芯片的情况下，在传感器单元110增加设置刺激发生器113，不会对用户造成额外的负担，不会额外影响用户的睡眠。
47.参考图1所示，其中示出了一个计算核心单元120，本技术对计算核心单元120的数量不做限制，可以根据实际需要设置任意个计算核心单元120。在该计算核心单元120中根据需要可以包括多个计算核心，计算核心指具有运算处理能力的硬件设备，包括但不限于arm、c51内核的主控芯片等。
48.在本技术的实施例中，计算核心单元120位于独立于传感器单元110的计算设备中，传感器单元110仅用于获取对象的生理信号，并将生理信号发送至计算核心单元120，传感器单元110本身不用于对生理信号的存储、处理和分析，这样可以最大程度简化需穿戴的用于人体的硬件设备，既减少元件数量也减轻了设备的重量，降低了设备本身对睡眠可能带来的负面影响。
49.具体地，计算核心单元120中可以包括一第二主控芯片(图未示)，该第二主控芯片主要用于对生理信号的处理、分析。第二主控芯片中可以包括存储器，用于存储所获取的生理信号及其处理结果。第二主控芯片中还包括第二通信单元，该第二通信单元一方面用于与传感器单元110之间建立通信连接，另一方面还用于与刺激单元130之间建立通信连接。
50.在图1所示的实施例中，刺激单元130设置在一独立设备中，该独立设备独立于传感器单元110、计算核心单元120而存在。为了与传感器单元110、计算核心单元120建立连接，在刺激单元130中还包括第三通信单元(图未示)。
51.本技术对第一通信单元、第二通信单元、第三通信单元的具体硬件设备和所采用的通信方式不做限制。该通信方式包括有线或无线的方式，通过网络进行信号的传输，该网络包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(wlan)、城域网(man)、公共电话交换网(pstn)、蓝牙tm网络、zigbeetm网络、近场通信(nfc)网络等或者其任意组合。
52.在优选的实施例中，传感器单元110和计算核心单元120之间通过蓝牙方式建立通信连接。
53.本技术对刺激单元130所要提供的物理刺激的类型不做限制。在一些实施例中，该物理刺激包括声音刺激、光刺激、电刺激、热刺激、磁刺激中的一个或任意个的组合。相应地，该刺激单元130包括产生该些物理刺激的设备。
54.在本技术的优选实施例中，刺激单元130用于提供声音刺激。该刺激单元130包括发声装置，例如音箱。刺激单元130可以由该对象主动放置在适当的位置。睡眠强化系统也
可以给出一应遵守的距离提示，用于提示刺激单元130和用户对象之间的距离范围，在该距离范围内可以获得较佳的睡眠强化效果。
55.在一些实施例中，刺激单元130提供的物理刺激所要改变的对象的睡眠特征包括入睡时间、睡眠总时长、睡眠结构、各睡眠期时长中的一个或任意个的组合。根据实验研究发现，本技术的睡眠强化系统所提供的物理刺激可以有效地改善这些睡眠特征，从而进一步的提升该对象在接受刺激后的次日脑功能，该脑功能包括但不限于工作记忆、注意力、精细或非精细运动能力等，该些脑功能和该对象的认知功能相关。
56.在一些实施例中，刺激单元130和计算核心单元120集成在同一个计算设备中，该计算设备独立于传感器单元110。
57.图2是本技术另一实施例的睡眠强化系统的系统框图。在图2所示的实施例中，计算核心单元120中包括第二主控芯片121和刺激单元122。该刺激单元122被集成在计算核心单元120中。刺激单元122和刺激单元130在功能上基本相同，但是由于所处的设备不同而带来一些结构、软件控制逻辑上的不同。在该实施例中，传感器单元110和计算核心单元120之间具有一距离，该距离小于等于2米。本技术的发明人经过实验研究发现，当该距离小于等于2米时，可以确保传感器单元110和计算核心单元120之间的信号传输延迟在一个可接受的范围内，不会影响睡眠强化系统对对象的睡眠干预效果。
58.计算核心单元120根据生理信号判断对象的清醒状态和睡眠状态。以下以生理信号包括脑活动信号为例说明计算核心单元120如何判断对象的清醒状态和睡眠状态。在其他的实施例中，计算核心单元120可以综合利用所获得的相关生理信号，例如结合体温、加速度和脑活动信号等一起来确定对象的清醒状态以及睡眠状态。在一些实施例中，睡眠状态包括各个睡眠阶段，例如非快速眼动睡眠期(nrem)和快速眼动睡眠期(rem)。
59.在一些实施例中，计算核心单元120被配置为采用下面的步骤判断对象的清醒状态和睡眠状态：
60.步骤s20：设置清醒状态对应的特征频段；
61.步骤s21：采用优化算法根据所述特征频段确认滤波器的最佳滤波器参数；
62.步骤s22：采用具有最佳滤波器参数的滤波器实时地对脑活动信号进行滤波，将滤波后的脑活动信号作为睡眠指数；
63.步骤s23：比较睡眠指数和第一阈值，当睡眠指数高于第一阈值时，判断对象处于清醒状态，当睡眠指数低于第一阈值时，判断对象处于睡眠状态。
64.以下展开说明上述的步骤s20-s23。
65.在步骤s20中，本技术发明人经过研究发现，人在入睡前清醒期和入睡后的脑电信号具有显著区别，具体表现在清醒期的低γ频段脑电较睡眠期活跃，将该低γ频段作为特征频段，在一些实施例中，特征频段的具体范围为20-200赫兹。
66.在步骤s21，采用优化算法根据所设置的特征频段获得优化之后的滤波器的最佳滤波器参数，该滤波器的作用是从脑活动信号中将处于该特征频段内的脑活动信号过滤出来，用于后续的分析。滤波器参数可以包括滤波器的截止频率、阶数等。本技术对滤波器的类型不做限制，可以是有限/无限冲激响应滤波器。
67.本技术对所采用的优化算法不做限制，优选地，优化算法是网格搜索法。
68.在一些实施例中，最佳滤波器参数包括最佳截止频率，滤波器类型是巴特沃斯滤
波器。
69.在步骤s22，采用该最佳的滤波器对脑活动信号进行实时滤波。例如，采用下面的公式(1)获得该睡眠指数：
[0070][0071]
其中，na是反馈滤波器阶数，nb是前馈滤波器阶数。x
(n)
是当前输入滤波器的脑活动信号的数据点的值，即信号幅度，n是该数据点的索引，用于表示数据点的时刻，a和b为缓冲变量。y
(n)
为滤波后获得的数据点的值，该值反映n时刻滤波后的脑活动信号幅度，定义y
(n)
为睡眠指数。
[0072]
在步骤s23，预先设置一第一阈值th1，当睡眠指数y
(n)
高于第一阈值th1时，算法输出“0”表示清醒状态；当睡眠指数y
(n)
低于第一阈值th1时，算法输出“1”表示睡眠状态。此处算法的输出仅为示例，在其他实施例中可以采用任意方式的输出来表示清醒状态或睡眠状态，例如文字、图形等。
[0073]
本技术的睡眠强化系统中的计算核心单元120只在判断对象处于睡眠状态时，才从脑活动信号中检测低频脑活动信号。如果对象处于清醒状态，则不执行检测低频脑活动信号的算法。当人处于清醒状态时，脑活动信号中可能也包括低频脑活动信号，但是由于清醒时无需进行物理刺激干扰，因此计算核心单元120不执行相关的检测步骤。
[0074]
在一些实施例中，低频脑活动的频率范围是小于等于4.0赫兹。低频脑活动包括从脑电信号中获得的慢波信号。
[0075]
在一些实施例中，计算核心单元120被配置为根据下面的步骤从睡眠状态的脑活动信号中检测低频脑活动信号：
[0076]
步骤s30：获取第一预设时长t1内的一段脑活动信号，对该一段脑活动信号进行高通滤波和低通滤波，获得滤波后的第一脑活动信号；
[0077]
步骤s31：检测获得第一脑活动信号中的每个波谷，每个波谷具有对应的波谷幅值；
[0078]
步骤s32：检测每个波谷之后的第一个过零点，计算波谷和第一个过零点之间的时长t；
[0079]
步骤s33：当时长t在第二阈值范围th2内，并且波谷幅值在第三阈值范围th3内时，判断波谷是低频脑活动信号的波谷。
[0080]
以下结合图3说明上述的步骤s30-s33。
[0081]
本技术对步骤s30中的第一预设时长t1的长度不做限制。在一些实施例中，计算核心单元120从传感器单元110所接收的生理信号以数据包的形式获得，该数据包中包括了一段时间内的所有生理信号，第一预设时长t1可以等于该数据包中的实际生理信号的总时长。
[0082]
图3示出了经滤波之后的一段脑活动信号301，即步骤s30中所获得的第一脑活动信号301。本技术对步骤s30中的高通滤波和低通滤波的具体实施方式不做限制。
[0083]
在一些实施例中，取脑活动信号中的x
(n)
、x
(n-1)
、x
(n-2)
、x
(n-3)
、x
(n-4)
根据公式(1)所示的滤波器进行实时滤波，可以调整该滤波器的截止频率、阶数以满足后续的分析需要。在该实施例中，以x
(n)
作为当前信号的数据点，同时根据其前面4个时刻的数据点x
(n-1)
、x
(n-2)
、
x
(n-3)
、x
(n-4)
一起经过滤波器之后获得对应于x
(n)
的滤波后的y
(n)
。经过实时滤波处理之后可以获得该段第一脑活动信号301。
[0084]
在步骤s31，检测第一脑活动信号301中的每个波谷。
[0085]
参考图3所示，其中横轴为时间time，单位为秒(s)，纵轴为幅度magnitude，单位为(微伏)，其中间示出了幅度为0的一条虚直线303。第一脑活动信号301是一种在幅度0上下不断摆动的震荡信号。
[0086]
本技术对检测波谷的方法不做限制，可以采用本领域任何方法。
[0087]
例如，根据滤波后的第一脑活动信号301，假设当前数据点为y
(n)
，同时获得其前一个数据点y
(n-1)
和后一个数据点y
(n+1)
，计算δ
t1
和δ
t2
:
[0088]
δ
t1
＝y
(n-1)-y
(n)
ꢀꢀꢀ
(2)
[0089]
δ
t2
＝y
(n)-y
(n+1)
ꢀꢀꢀ
(3)
[0090]
根据δ
t1
和δ
t2
关系可以判断y
(n)
是否为波谷。
[0091]
在步骤s32，获得每个波谷之后，可以从该波谷的数据点开始向后寻找第一个过零点，例如图3中所示的波谷p1之后的第一个过零点z1。并获得波谷p1和过零点z1之间的时长t。
[0092]
本技术对寻找第一个过零点的方法不做限制。例如，根据y
(n)
、y
(n-1)、y
(n+1)
三者的关系可以确认对应的数据点y
(n)
是否为过零点。
[0093]
在步骤s33，预先设置一第二阈值范围th2和一第三阈值范围th3。
[0094]
图4a是本技术一实施例的睡眠强化系统中的低频脑活动信号统计特征图之一。如图4a所示，其横轴为
△
时间(
△
time)，单位是毫秒(ms)，用于表示所统计数据的含义为时间间隔；纵轴为时间(time)，单位是毫秒(ms)，用于表示上述的时长t。图4a是本技术的发明人经过实验研究之后，根据所获得的大量的时长t数据而画出的分布图，用于表示时长t的分布情况。如图4a所示，其中大部分的数据都位于0-1000ms之间，即大部分低频脑活动中波谷和第一过零点之间的时长t位于0到1000毫秒之间。因此，在一些实施例中，设置第二阈值范围th3是0到1000毫秒。如图4a所示，该第二阈值范围的中位数大约在500毫秒，大部分位于300到700毫秒之间。
[0095]
图4b是本技术一实施例的睡眠强化系统中的低频脑活动信号统计特征图之二。如图4b所示，其横轴为波谷峰值(negativepeakvalue)，用于表示所统计数据的含义，即波谷，纵轴为幅值(magnitude)，单位是微伏(μv)，表示波谷的数据点对应的电压幅值。图4b也是本技术的发明人经过实验研究之后所获得的结果。根据图4b所示的统计结果，大部分低频脑活动的波谷幅度位于-20到-100微伏之间。因此，在一些实施例中，设置第三阈值范围是-20到-100微伏。如图4b所示，该第三阈值范围的中位数大约在-40微伏左右，大部分位于-35到-55微伏之间。
[0096]
需要说明，图4a和图4b中所统计的脑活动信号都是采用本技术的传感器单元110所采集到的生理信号经过步骤s30的滤波之后所得到的。
[0097]
在步骤s33中，只有当两个条件都满足时，即时长t在第二阈值范围th2内，并且波谷幅值在第三阈值范围th3内时，该波谷才是低频脑活动信号的波谷。在本技术的睡眠加强系统根据所获得的脑活动信号确定发出刺激命令的时刻，从而在对象处于低频脑活动时期时对其施加物理刺激，以提升低频脑活动对应的睡眠阶段在整个睡眠过程中的占比、持续
时间等。
[0098]
在一些实施例中，计算核心单元120还被配置为：当确定波谷是低频脑活动信号的波谷时，发出刺激命令的时刻对应于波谷之后的第一个过零点到该第一个过零点之后的第一个波峰之间的任意数据时刻。参考图3所示，对于该段低频脑波活动302来说，可以获得波谷p1之后的第一个过零点z1对应的时刻t
z1
，在该第一个过零点z1之后还具有第一个波峰pp1，检测该第一个波峰pp1获得其所对应的时刻t
pp1
，发出刺激命令的时刻对应于t
z1
和t
pp1
之间的任意时刻，包括t
z1
和t
pp1
该两个时刻。刺激单元130接收到该刺激命令，即向对象提供物理刺激。
[0099]
在一些实施例中，在步骤s30所获取的第一脑活动信号中仅包括一个波谷，并且在该波谷之后仅包括一个过零点，在该过零点之后仅包括一个波峰。如图3所示，在该波峰之后还具有第二个过零点z2，以该第二个过零点z2作为该第一脑活动信号的端点。进一步地，参考图3，在波谷p1之前还具有一个波峰pp0，在该波峰pp0之前还具有一个过零点z0，在选取第一脑活动信号时，以过零点z0和过零点z2分别为该段第一脑活动信号的两个端点。
[0100]
在一些情况下，由于类似蓝牙设备存在传输延迟，造成传感器单元110和计算核心单元120之间具有一定的传输延迟。
[0101]
在一些实施例中，传感器单元110还用于将第二预设时长t2的生理信号打包为数据包，并在数据包中添加时间标签，时间标签用于标记生理信号的发生时刻，传感器单元110实时连续地向计算核心单元120发送数据包；计算核心单元120还用于从接收到的数据包中解析出发生时刻，根据发生时刻和计算核心单元120的接收时刻之差获得传感器单元110和计算核心单元120之间的传输延迟d；计算核心单元120在检测到低频脑活动信号时还配置为：比较预设延迟阈值dth和传输延迟d，当传输延迟d小于等于预设延迟阈值dth时，计算核心单元120才发出刺激命令。
[0102]
在该些实施例中，可以在睡眠强化系统开机之后先使其中的所有元件进行初始时间的同步。例如，使传感器单元110和计算核心单元120的时钟同步，例如都通过网络获得一标准时间。在生理信号的采集和传输过程中，传感器单元110所采集到的第一时刻的生理信号，传输至计算核心单元120时，被计算核心单元120接收到的第二时刻与第一时刻之间可能具有一定的差异。由于生理信号以数据包的形式发出，每个数据包的传输延迟d可能是不同的，因此针对每个数据包都具有一个对应的传输延迟d。
[0103]
具体地，传感器单元110采集到的生理信号被转换为二进制格式数据，并与硬件信息、时间或定时器信息、软件信息打包向外部发送，其中数据包的发送频率为不低于10hz(即每秒钟发送不低于10个数据包)。其中，时间或定时器信息来自于晶振或处理器内/外部时钟。
[0104]
时间标签可以为时间戳，本技术对时间戳在数据包中的具体位置和数量不做限制。在一些实施例中，一个时间戳对应于数据包中的第一个有效数据。
[0105]
根据该些实施例，计算核心单元120在确定了低频脑波活动的波谷之后，还要判断该生理信号的传输延迟，也就是该波谷所在的数据包的传输延迟d，如果该传输延迟d超过预设延迟阈值dth，此时若发出刺激命令，刺激动作不能在该对象的低频脑活动期间给出，是不希望发生的，则不发出刺激命令。当传输延迟d小于等于预设延迟阈值dth时，表示刺激命令发出时刻，该对象仍然处于低频脑活动期间，因此可以提供物理刺激。
[0106]
根据上述实施例，充分考虑的通信传输延迟带来的非必要刺激，使刺激时刻更加精准地对应于低频脑活动阶段。
[0107]
在具体实施上述低频脑活动检测、传输延迟比较的数据处理方法时，还可以引入一缓冲变量。引入缓冲变量后的数据处理方法如下：
[0108]
步骤s41：首先，根据δ
t1
和δ
t2
关系，以及y
(n)
是否在第三阈值范围内判断该数据点y
(n)
是否为低频脑活动的波谷；若是，建立缓冲变量b并从该时间点n根据输入数据点的个数进行累加，同时，继续对每个数据点进行滤波以获得当前时刻的δ
t1
和δ
t2
。
[0109]
步骤s42：根据y
(n)
、y
(n-1)
、y
(n+1)
三者的关系可以确认对应的数据点y
(n)
是否为过零点，若是，则判断缓冲变量b的值，该值经累加之后其含义为波谷到其后第一个过零点之间的数据点的个数，将该个数换算为对应的时长，并判断该时长是否在第二阈值范围th2内，若是，则继续判断本数据包的传输延迟d是否小于等于预设延迟阈值dth，若是，计算核心单元120发出刺激命令。
[0110]
图5是根据本技术一实施例的睡眠强化系统所获得的无创脑电信号以及在其上标注的刺激时刻。如图5所示，其中用黑点标记出了计算核心单元120发出刺激命令的时刻，可以理解，这些刺激时刻都位于该对象的低频脑活动阶段。
[0111]
参考图2，在该实施例中，睡眠强化系统还可以包括控制移动终端140，控制移动终端140包括用户控制模块，用户控制模块用于接收用户的输入以控制物理刺激的类型、刺激时长、刺激频率中的任意个。
[0112]
控制移动终端140可以具体实施为手机、平板电脑等移动通信装置，用户控制模块可以具体实施为应用程序，并通过控制移动终端140的显示模块向用户显示，用户可以根据实际需要进行输入。例如，可以选择物理刺激的类型为声音刺激、电刺激等前文所述的各种物理刺激中的一种或多种。设置刺激时长、刺激频率等。在一些实施例中，还通过显示模块向用户实时显示或非实时显示所获得的生理信号，以及所计算得到的结果，例如睡眠质量的评估结果等。
[0113]
在一些实施例中，用户控制模块用于接收用户的输入以控制传感器单元110的启动或停止。
[0114]
在图2所示的实施例中，控制移动终端140可以包括第四通信单元(图未示)，通过该第四通信单元分别与传感器单元110、计算核心单元120建立通信连接。其中，控制移动终端140可以直接将控制命令发送至传感器单元110，例如控制传感器单元110的启动或停止，并直接从传感器单元110接收生理信号，当传感器单元110中设置有图1中所示的刺激发生器113时，控制移动终端140还用于控制该刺激发生器113的启动、停止，以及为刺激发生器113设置刺激参数；控制移动终端140还可以将控制命令发送至计算核心单元120，再由计算核心单元120将控制命令中继发送至传感器单元110，同时，计算核心单元120直接从传感器单元110接收到生理信号，再将该生理信号以及由计算核心单元120所计算处理的结果发送至控制移动终端140。
[0115]
包括控制移动终端140可以为用户提供友好的人机界面，提高睡眠强化系统的可用性和便利性，也有利于用户个性化设置刺激参数，提高睡眠强化系统对不同需求人群的兼容性。
[0116]
如图2所示，在一些实施例中，本技术的睡眠强化系统还包括云端处理单元150，计
算核心单元120还用于存储生理信号并将生理信号发送至云端处理单元150，云端处理单元150用于根据感兴趣时间段内的生理信号计算对象的入睡前清醒状态和多个睡眠分期，并且评估对象的睡眠质量。
[0117]
该云端处理单元150可以具体实施为云服务器等。计算核心单元120可以通过任意通信方式与云端处理单元150建立连接，并向该云端处理单元150上传所有的生理信号和计算核心单元120的计算结果。云端处理单元150可以基于频域、时域或其他信号特征值的时间序列分类算法对生理信号进行二次处理，获得所需要的处理结果。这些算法包括但不限于机器学习算法、阈值触发判断等计算量较大的算法。
[0118]
云端处理单元150还可以与控制移动终端140建立通信连接，将其二次处理的结果发送至控制移动终端140，以提供给用户，有利于对睡眠强化的效果进行跟踪评估。
[0119]
本技术的睡眠强化系统包括以下有益效果：
[0120]
(1)通过前额采集脑活动信号和其他的生理信号来检测睡眠状态和低频脑活动，将传感器与计算核心、刺激发生器分离部署，从而使得对象所需佩戴的硬件设备最简化，降低了设备本身对睡眠本身的负面影响。
[0121]
(2)将数据的处理、刺激的发生部署于非佩戴的计算核心所在的硬件内，提高了系统的独立储能的能力。这一方面延长了传感器的工作时长，另一方面拓展了刺激发生器可生成的刺激类型(如电刺激等)。
[0122]
(3)设计了基于传感器偶联的主控芯片内部软硬件计时器/时钟/晶振的传输延迟检测方法，提升了检测低频脑活动的准确性，从而提高了物理刺激干预低频脑活动的效果。
[0123]
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
[0124]
同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
[0125]
本技术的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理器件(dapd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器或者其组合。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带
……
)、光盘(例如，压缩盘cd、数字多功能盘dvd
……
)、智能卡以及闪存设备(例如，卡、棒、键驱动器
……
)。
[0126]
计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、
或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
[0127]
同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
[0128]
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。