基于局部变换的睡眠趋稳性量化及调节方法、系统和装置与流程

本发明涉及睡眠趋稳性检测量化及辅助调节领域，特别涉及基于局部变换的睡眠趋稳性量化及调节方法、系统和装置。

背景技术：

1、人类的睡眠过程除了非快速眼动睡眠和快速眼动睡眠的多次交替循环属性外，还具有趋势性或趋稳性，即整体睡眠深度基线水平由深到浅，直至睡眠结束。

2、申请人提出的在先解决方案中国申请cn202310195993提供了睡眠趋稳性检测量化及辅助干预的方法，包括：采集用户睡眠过程的生理体征数据和环境因素数据，进行数据预处理、时帧处理和时帧特征分析，生成生理体征特征和环境因素特征；对所述生理体征特征进行睡眠状态分析、时序成分分析和趋稳性量化分析，提取睡眠趋稳性指数，生成睡眠趋稳性量化日报；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趋稳性的影响，提取最佳睡眠趋稳性环境方案并对睡眠环境进行动态优化调整，生成睡眠趋稳性量化报告。该技术方案提出了睡眠趋稳性的创新评价指标，通过时间序列分解方法从睡眠持续期状态特征曲线中提取趋势成分，计算趋势强度并得到睡眠趋稳性指数，已经能够初步解决趋稳性量化的问题。但还存在可以提升的空间，主要包括：首先，时间序列分解方法在计算效率、多场景评价和人群适应度上表现出局限性；其次，睡眠持续期状态特征曲线是基于阶梯式睡眠时相分期值平滑得到的，仅能对用户睡眠状态进行简要描述，而不能细致地刻画和量化，最终了带来了睡眠趋稳性的评价不够细致和灵敏；最后，如何更优地通过睡眠环境的调节来实现对用户睡眠趋稳性的高效干预调节。

3、如何识别更灵敏的用户睡眠状态表征特征；如何进一步更准确快速地提取睡眠趋稳性特征，得到更精确的、不同场景不同人群的睡眠趋稳性评价；如何实现更精准高效的、多手段方式的、实时动态的用户睡眠趋稳性干预调节；如何更进一步整体提高用户个性化的检测量化效率和干预调节效果等，是目前国内外产品技术方案和实际应用场景中需要进一步优化或解决的问题。

技术实现思路

1、针对现有方法的以上缺陷及改进需求，本发明的目的在于提供一种基于局部分解的睡眠趋稳性量化及调节方法，通过对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别，得到睡眠深度特征曲线并进行局部均值分解，提取睡眠趋势特征曲线，进一步而提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，完成用户睡眠趋势性检测量化；对用户睡眠行为趋势进行预测，提取个性时相场景睡眠调节策略，实现多手段方式的、实时动态的用户睡眠趋稳性干预调节；将检测量化和干预调节的关键过程数据纳入数据库，建立并持续更新用户个性化睡眠趋势性数据库，持续提高用户个性化的检测量化效率和干预调节效果。本发明还提供了基于局部分解的睡眠趋稳性量化及调节系统，用于实现上述方法。本发明还提供了基于局部分解的睡眠趋稳性量化及调节装置，用于实现上述系统。

2、根据本发明的目的，本发明提出了一种基于局部分解的睡眠趋稳性量化及调节方法，包括以下步骤：

3、对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别，得到睡眠深度特征曲线和睡眠分期曲线；

4、对所述睡眠深度特征曲线进行局部均值分解，得到pf分量信号集，剔除局部畸形分量并识别趋势分量，提取睡眠趋势特征曲线；

5、根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，生成睡眠趋势性量化报告，建立并更新用户个性化睡眠趋势性数据库；

6、根据所述用户个性化睡眠趋势性数据库，对用户睡眠行为进行动态预测，提取个性时相场景睡眠调节策略并对用户睡眠过程进行干预调节和效果评估，生成用户睡眠趋势性调节报告。

7、更优地，所述对用户睡眠过程生理状态进行采集处理和特征分析，得到睡眠深度特征曲线和睡眠分期曲线的具体步骤还包括：

8、对用户睡眠过程生理状态进行采集监测和信号处理，得到用户睡眠生理状态时帧数据；

9、对所述用户睡眠生理状态时帧数据进行特征分析和特征融合，得到所述睡眠深度特征曲线；

10、对所述用户睡眠生理状态时帧数据进行时相识别和睡眠分期，得到所述睡眠分期曲线。

11、更优地，所述信号处理至少包括ad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、矫正处理和时帧分割；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、信号预测和平滑处理，所述时帧分割是指根据信号采样率，以预设时间窗口长度和预设时间平移步长对目标信号数据进行连续滑动分割。

12、更优地，所述用户睡眠生理状态时帧数据至少包括脑中枢状态数据、自主神经状态数据中的任一项；其中，所述脑中枢状态数据至少包括脑电图信号、脑磁图信号、血氧水平依赖信号中的任一项，所述自主神经状态数据至少包括中血氧水平依赖信号、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的任一项。

13、更优地，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。

14、更优地，所述特征融合是指从所述特征分析得到的目标特征集中，选择预设特征数量的目标特征并进行加权计算，生成所述睡眠深度特征曲线。

15、更优地，所述睡眠深度特征曲线具体为表征用户在预设入睡前时期、睡眠持续期、预设结束睡眠后时期的睡眠深度和时相状态的特征曲线，其计算生成方法具体为：

16、1)对所述用户睡眠生理状态时帧数据中时帧数据逐个进行特征分析，按时序拼接得到睡眠生理状态时帧特征曲线集；

17、2)从所述睡眠生理状态时帧特征曲线集中，筛选目标相关特征曲线，并按照预设特征融合权重进行加权计算，生成所述睡眠深度特征曲线。

18、更优地，所述睡眠分期曲线的生成方法具体为：

19、1)通过深度学习算法对规模睡眠用户样本的所述用户睡眠生理状态时帧数据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；

20、2)将当前用户的所述用户睡眠生理状态时帧数据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并按时序生成所述睡眠分期曲线。

21、更优地，所述对所述睡眠深度特征曲线进行局部均值分解，得到pf分量信号集，剔除局部畸形分量并识别趋势分量，提取睡眠趋势特征曲线的具体步骤还包括：

22、对所述睡眠深度特征曲线进行局部均值分解，得到所述pf分量信号集；

23、从所述pf分量信号集中剔除局部畸形分量并识别趋势分量，生成所述睡眠趋势特征曲线。

24、更优地，所述局部均值分解的方法至少包括lmd、rlmd中的任意一项。

25、更优地，所述局部畸形分量的一种剔除法具体为：

26、1)从所述pf分量信号集中，选择分量信号幅值小于等于原始信号幅值一个数量级的pf分量信号，得到同级pf分量信号集；

27、2)从所述同级pf分量信号集，进一步剔除直流成分超过预设信号长度阈值的pf分量信号，得到正常pf分量信号集。

28、更优地，所述趋势分量的一种识别方法具体为：

29、1)对所述pf分量信号集中全部pf分量信号进行时频分析，识别最大功率位置处的频率，得到pf分量信号峰频率集；

30、2)从所述pf分量信号峰频率集中，筛选低于预设超低频频率阈值的频率集合并识别其所对应的pf分量信号，得到趋势pf分量信号集；

31、3)对所述趋势pf分量信号集进行频率加权融合计算，生成所述睡眠趋势特征曲线。

32、更优地，所述预设超低频频率阈值由所述局部均值分解的最大pf分量数、目标信号的采样率和所述时帧分割的预设时间窗口长度、动态调节效果来决定。

33、更优地，所述频率加权融合计算的具体为以信号的加权权重与其中心频率成反比为计算原则，对目标信号集进行加权融合，生成信号频率加权特征描述曲线。

34、更优地，所述根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，生成睡眠趋势性量化报告，建立并更新用户个性化睡眠趋势性数据库的具体步骤还包括：

35、根据所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算得到所述睡眠趋势性指数；

36、根据所述睡眠分期曲线和所述睡眠趋势特征曲线进行相关性计算，得到所述时相趋势相关系数；

37、基于所述睡眠分期曲线，对所述睡眠趋势特征曲线进行时相分布统计，得到所述时相趋势分布特征；

38、根据所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线和所述睡眠趋势性指数进行统计分析，生成所述睡眠趋势性量化报告；

39、对用户不同睡眠场景下的睡眠趋势性进行持续检测量化，建立并更新所述用户个性化睡眠趋势性数据库。

40、更优地，所述睡眠趋势性指数的计算方法具体为：

41、1)获取所述睡眠深度特征曲线和所述睡眠趋势特征曲线；

42、2)分别对所述睡眠深度特征曲线和所述睡眠趋势特征曲线进行取平方，得到睡眠深度特征平方曲线和睡眠趋势特征平方曲线；

43、3)计算所述睡眠深度特征平方曲线和所述睡眠趋势特征平方曲线的样本点比值，得到睡眠趋势性曲线；

44、4)求取所述睡眠趋势性曲线的平均值，得到睡眠趋势性特征值；

45、5)计算所述睡眠趋势性特征值、局部均值分解方法对应的预设方法修正系数、与用户生物状态信息相关的预设用户个性修正系数的乘积，生成所述睡眠趋势性指数。

46、更优地，所述睡眠趋势性指数的计算公式具体为：

47、；

48、其中，为所述睡眠趋势性指数，分别为预设用户个性修正系数和预设方法修正系数，分别为所述睡眠趋势特征曲线和所述睡眠深度特征曲线，为所述睡眠趋势特征曲线的数据长度。

49、更优地，所述相关性计算的方法至少包括相干性分析、皮尔逊相关分析、杰卡德相似分析、线性互信息分析、线性相关分析、欧氏距离分析、曼哈顿距离分析、切比雪夫距离分析中的任意一项。

50、更优地，所述时相分布统计具体为按照所述睡眠分期曲线中的睡眠时相分期，对所述睡眠趋势特征曲线中的睡眠趋势特征值进行数值分布统计分析，得到所述睡眠趋势特征曲线的数值分布统计特征。

51、更优地，所述时相趋势分布特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度中的任意一项。

52、更优地，所述睡眠趋势性量化报告至少包括所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线、所述睡眠趋势性指数、所述时相趋势相关系数、所述时相趋势分布特征、用户睡眠趋势性量化总结。

53、更优地，所述用户生物状态信息至少包括性别、年龄、职业、健康状态、疾病状态和教育程度。

54、更优地，所述用户个性化睡眠趋势性数据库至少包括所述用户生物状态信息、睡眠场景、所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线、所述睡眠趋势性指数、所述时相趋势相关系数、所述时相趋势分布特征、调节方式、执行方式、调节方法、目标调节值曲线、调节强度曲线、调节效果曲线。

55、更优地，所述根据所述用户个性化睡眠趋势性数据库，对用户睡眠行为进行动态预测，提取个性时相场景睡眠调节策略并对用户睡眠过程进行干预调节和效果评估，生成用户睡眠趋势性调节报告的具体步骤还包括：

56、根据所述用户个性化睡眠趋势性数据库，对所述睡眠趋势特征曲线进行动态趋势预测，提取睡眠趋势预测特征值，生成睡眠趋势预测特征曲线；

57、根据所述用户个性化睡眠趋势性数据库、预设睡眠趋稳性调节知识库、所述睡眠趋势预测特征值和当前具体睡眠场景，按照预设动态调节周期，动态生成所述个性时相场景睡眠调节策略；

58、根据所述个性时相场景睡眠调节策略，连接并调控睡眠趋势性调节外围设备，对用户睡眠过程进行动态干预调节；

59、对动态干预调节的效果进行动态跟踪评估，提取调节效果系数并生成调节效果曲线；

60、动态更新所述用户个性化睡眠趋势性数据库，并按照预设调节报告周期生成用户睡眠趋势性调节报告。

61、更优地，所述睡眠趋势预测特征值的预测方法至少包括ar、mr、arma、arima、sarima、var、深度学习中的任一项。

62、更优地，所述个性时相场景睡眠调节策略至少包括睡眠场景、睡眠时相、调节方式、执行方式、调节方法、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。

63、更优地，所述调控睡眠趋势性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、触觉刺激设备和调控设备中的任一项，并由具体的所述调节方式决定。

64、更优地，所述调节效果系数的具体计算公式具体为：

65、；

66、其中，为所述调节效果系数；分别为所述个性时相场景睡眠调节策略中的目标调节值、所述睡眠趋势预测特征值、动态调节后量化得到的所述睡眠趋势特征曲线中的睡眠趋势特征值；为与所述用户生物状态信息相关的预设用户个性修正系数。

67、更优地，所述调节效果系数反向应用于所述预设超低频频率阈值的动态调整、所述频率加权融合计算中分解信号加权权重的调整、所述个性时相场景睡眠调节策略的生成。

68、更优地，所述用户睡眠趋势性调节报告至少包括所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线、目标调节值曲线、调节强度曲线、所述调节效果曲线、用户睡眠趋势性调节总结。

69、根据本发明的目的，本发明提出了一种基于局部分解的睡眠趋稳性量化及调节系统，包括以下模块：

70、睡眠状态检测模块，用于对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别，得到睡眠深度特征曲线和睡眠分期曲线；

71、局部分解量化模块，用于对所述睡眠深度特征曲线进行局部均值分解，得到pf分量信号集，剔除局部畸形分量并识别趋势分量，提取睡眠趋势特征曲线；

72、趋势量化报告模块，用于根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，生成睡眠趋势性量化报告，建立并更新用户个性化睡眠趋势性数据库；

73、趋势动态调节模块，用于根据所述用户个性化睡眠趋势性数据库，对用户睡眠行为进行动态预测，提取个性时相场景睡眠调节策略并对用户睡眠过程进行干预调节和效果评估，生成用户睡眠趋势性调节报告；

74、数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理。

75、更优地，所述睡眠状态检测模块还包括以下功能单元：

76、状态检测处理单元，用于对用户睡眠过程生理状态进行采集监测和信号处理，得到用户睡眠生理状态时帧数据；

77、深度特征提取单元，用于对所述用户睡眠生理状态时帧数据进行特征分析和特征融合，得到所述睡眠深度特征曲线；

78、睡眠时相识别单元，用于对所述用户睡眠生理状态时帧数据进行时相识别和睡眠分期，得到所述睡眠分期曲线。

79、更优地，所述局部分解量化模块还包括以下功能单元：

80、局部均值分解单元，用于对所述睡眠深度特征曲线进行局部均值分解，得到所述pf分量信号集；

81、趋势分量识别单元，用于从所述pf分量信号集中剔除局部畸形分量并识别趋势分量，生成所述睡眠趋势特征曲线。

82、更优地，所述趋势量化报告模块还包括以下功能单元：

83、趋势指数量化单元，用于根据所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算得到所述睡眠趋势性指数；

84、相关性计算单元，用于根据所述睡眠分期曲线和所述睡眠趋势特征曲线进行相关性计算，得到所述时相趋势相关系数；

85、时相分布统计单元，用于基于所述睡眠分期曲线，对所述睡眠趋势特征曲线进行时相分布统计，得到所述时相趋势分布特征；

86、量化报告生成单元，用于根据所述睡眠分期曲线、所述睡眠深度特征曲线、所述睡眠趋势特征曲线和所述睡眠趋势性指数进行统计分析，生成所述睡眠趋势性量化报告；

87、量化报告输出单元，用于对所述睡眠趋势性量化报告的格式输出、展现形式进行统一管理；

88、趋势性数据库单元，用于对用户不同睡眠场景下的睡眠趋势性进行持续检测量化，建立并更新所述用户个性化睡眠趋势性数据库。

89、更优地，所述趋势动态调节模块还包括以下功能单元：

90、睡眠状态预测单元，用于根据所述用户个性化睡眠趋势性数据库，对所述睡眠趋势特征曲线进行动态趋势预测，提取睡眠趋势预测特征值，生成睡眠趋势预测特征曲线；

91、调节策略生成单元，用于根据所述用户个性化睡眠趋势性数据库、预设睡眠趋稳性调节知识库、所述睡眠趋势预测特征值和当前具体睡眠场景，按照预设动态调节周期，动态生成所述个性时相场景睡眠调节策略；

92、动态调控执行单元，用于根据所述个性时相场景睡眠调节策略，连接并调控睡眠趋势性调节外围设备，对用户睡眠过程进行动态干预调节；

93、动态效果评估单元，用于对动态干预调节的效果进行动态跟踪评估，提取调节效果系数并生成调节效果曲线；

94、调节报告生成单元，用于按照预设调节报告周期，生成所述用户睡眠趋势性调节报告；

95、调节报告输出单元，用于对所述用户睡眠趋势性调节报告的格式输出、展现形式进行统一管理；

96、调节数据更新单元，用于将动态量化和动态调节的过程数据，动态地更新入所述用户个性化睡眠趋势性数据库。

97、更优地，所述数据运行管理模块还包括以下功能单元：

98、用户信息管理单元，用于用户基本信息的登记输入、编辑、查询、输出和删除；

99、数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；

100、数据存储管理单元，用于对所述系统中所有数据的统一存储管理；

101、数据运营管理单元，用于对所述系统中所有数据的备份、迁移和导出。

102、根据本发明的目的，本发明提出了一种基于局部分解的睡眠趋稳性量化及调节装置，包括以下模组：

103、睡眠状态检测模组，用于对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别，得到睡眠深度特征曲线和睡眠分期曲线；

104、局部分解量化模组，用于对所述睡眠深度特征曲线进行局部均值分解，得到pf分量信号集，剔除局部畸形分量并识别趋势分量，提取睡眠趋势特征曲线；

105、趋势量化报告模组，用于根据所述睡眠分期曲线、所述睡眠深度特征曲线和所述睡眠趋势特征曲线，计算提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，生成睡眠趋势性量化报告，建立并更新用户个性化睡眠趋势性数据库；

106、趋势数据管理模组，用于对用户不同睡眠场景下的睡眠趋势性进行持续检测量化，建立并更新用户个性化睡眠趋势性数据库；

107、趋势动态调节模组，用于根据所述用户个性化睡眠趋势性数据库，对用户睡眠行为进行动态预测，提取个性时相场景睡眠调节策略并对用户睡眠过程进行干预调节和效果评估，生成用户睡眠趋势性调节报告；

108、数据可视化模组，用于对所述装置中所有过程数据和/或结果数据的统一可视化展示管理；

109、数据管理中心模组，用于对所述装置中所有过程数据和/或结果数据的统一存储和数据运营管理。

110、本发明提供了基于局部分解的睡眠趋稳性量化及调节方法、系统和装置，通过对用户睡眠过程生理状态进行采集监测处理、特征分析和时相识别，得到睡眠深度特征曲线并进行局部均值分解，提取睡眠趋势特征曲线，进一步而提取睡眠趋势性指数、时相趋势相关系数和时相趋势分布特征，完成用户睡眠趋势性检测量化；对用户睡眠行为趋势进行预测，提取个性时相场景睡眠调节策略，实现多手段方式的、实时动态的用户睡眠趋稳性干预调节；将检测量化和干预调节的关键过程数据纳入数据库，建立并持续更新用户个性化睡眠趋势性数据库，持续提高用户个性化的检测量化效率和干预调节效果。

111、本发明在申请人的在先研究基础上进一步优化了趋稳性量化的具体设计，将局部分解应用于趋势性信息的提取，其考量了完整睡眠时期的状态特征，更加全面、适应度广；本技术还进一步改进了趋稳性指数的计算方式，提升了评价的细粒度和灵敏度；还提供了对应的效果系数计算方案，使得对于调整过程的控制有了有力依据。本发明能够提供更加科学高效的睡眠趋稳性检测量化及干预调节的实施方法和落地方案。在实际应用场景中，本发明提供的基于局部分解的睡眠趋稳性量化及调节方法、系统和装置，能够赋能相关睡眠量化或调节的产品及服务，满足不同用户场景需求，辅助用户睡眠。

112、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。