【技术实现步骤摘要】
基于小波分析的睡眠周期性检测及调节方法、系统和装置
[0001]本专利技术涉及睡眠周期性检测量化及辅助调节领域，特别涉及基于小波分析的睡眠周期性及调节方法、系统和装置。
技术介绍
[0002]健康优质的人类睡眠过程具备非常好的周期性，即非快速眼动睡眠NREM和快速眼动睡眠REM的周期性循环交替，每个周期持续90
‑
120分钟。睡眠周期性是人类睡眠健康和睡眠质量的一个非常重要的衡量指标，但由于精神压力、生理状况和睡眠环境等多种因素，睡眠周期性受到很多干扰和挑战。
[0003]申请人提出的在先解决方案中国申请CN2023101959912提供了一种睡眠周期性检测量化及辅助干预的方法，包括以下步骤：采集用户睡眠过程的生理状态数据和环境状态数据，进行信号数据预处理和时帧处理，得到生理状态信息和环境状态信息；对所述生理状态信息和所述环境状态信息进行时帧状态特征分析，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、时序成分分析和周期性量化分析，评价用户睡眠状态的睡眠基线周期变化强度、基线周期变化趋势和变化模式合理性，提取睡眠周期性指数，生成睡眠周期性量化日报；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周期性的影响，提取最佳睡眠周期性环境方案并对睡眠环境进行动态优化调整，生成睡眠周期性量化报告。该技术方案提出了睡眠周期性指数作为睡眠循环周期规律量化的创新评价指标，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睡眠持续期状态时序周期成分，计算睡眠周期性强度...
【技术保护点】
【技术特征摘要】
1.一种基于小波分析的睡眠周期性检测及调节方法，其特征在于，包括以下步骤：采集分析用户睡眠生理状态，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去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线；对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估；根据所述睡眠时相曲线、所述睡眠周期性指数曲线和动态调控效果曲线，提取时相周期性耦合指数、时相调节分布特征和周期指数调控系数，生成用户睡眠周期性检测及调节报告；对用户睡眠周期性过程进行持续检测量化和动态调节，建立并动态更新用户睡眠周期特征数据库；根据所述用户睡眠周期特征数据库，动态优化小波分析方法参数、所述周期边界频率、动态预测分析方法参数和所述睡眠周期动态调节策略。2.如权利要求1所述的方法，其特征在于,所述采集分析用户睡眠生理状态，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：对用户的睡眠生理状态信号进行采集监测和信号处理，生成睡眠生理状态时帧数据；对所述睡眠生理状态时帧数据中的全部时帧数据进行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时帧数据中的全部时帧数据进行睡眠时相分析，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：所述睡眠生理状态信号至少包括脑中枢状态信号、自主神经状态信号中的任一项；其中，所述脑中枢状态信号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，所述自主神经状态信号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。4.如权利要求2所述的方法，其特征在于：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、矫正处理和分帧处理；其中，所述矫正处理具体为对目标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，所述分帧处理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进行连续滑动分割。5.如权利要求2或3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。6.如权利要求2或3所述的方法，其特征在于：所述睡眠状态特征曲线具体为准确刻画用户在不同睡眠时期、不同睡眠时相的睡眠生理状态连续变化的特征曲线，由从所述特征分析得到的目标特征集中筛选出预设特征数量的目标特征并进行加权计算组合得到；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。7.如权利要求2或3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)通过深度学习算法对规模睡眠用户样本的所述睡眠生理状态时帧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，得到睡眠时相分期识别模型；
2)将当前用户的所述睡眠生理状态时帧数据输入所述睡眠时相分期识别模型，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。8.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去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线的具体步骤还包括：对所述睡眠状态特征曲线进行去趋势处理，得到睡眠状态特征基线曲线；根据所述睡眠状态特征曲线的特征组合生成方式，确定所述周期边界频率和小波分析的方法参数，选取所述小波基函数；对所述睡眠状态特征基线曲线进行小波分解和或小波包分解，得到睡眠状态特征WT分量信号集;从所述睡眠状态特征WT分量信号集中，筛选满足所述周期边界频率的WT分量信号，加和生成所述周期WT分量信号；根据所述睡眠状态特征基线曲线和所述周期WT分量信号，计算得到所述睡眠周期性指数并按时序生成所述睡眠周期性指数曲线。9.如权利要求8所述的方法，其特征在于：所述去趋势处理具体为移除目标信号中线性趋势成分和极低频趋势成分，至少包括去均值处理、低通滤波处理、去趋势分析FDA、多重分形去趋势分析MFDFA、非对称消除趋势波动分析ADFA中的任意一项。10.如权利要求9所述的方法，其特征在于：所述小波分析的方法至少包括小波分解、小波包分解中的任一项。11.如权利要求10所述的方法，其特征在于：所述小波分解至少包括连续小波变换CWT、离散小波变换DWT、经验小波变换EWT、同步挤压小波变换SWT、最大重叠离散小波变换MODWT、同步提取小波变换WSET中的任意一项。12.如权利要求8所述的方法，其特征在于：所述周期边界频率至少包括带通截止频率、低通截止频率中的任一项。13.如权利要求8所述的方法，其特征在于：所述睡眠周期性指数的计算方法，具体为：1)获取所述睡眠状态特征基线曲线和所述周期WT分量信号；2)计算所述睡眠状态特征基线曲线和所述周期WT分量信号的信号差值，得到睡眠状态特征残差曲线；3)分别对所述睡眠状态特征残差曲线和所述周期WT分量信号进行取平方计算，得到睡眠状态特征残差平方曲线和周期WT分量平方信号；4)根据所述睡眠时相曲线、所述睡眠状态特征残差平方曲线和所述周期WT分量平方信号，计算得到睡眠周期性节点系数并按时序生成睡眠周期性节点系数曲线；5)根据所述睡眠周期性节点系数曲线、小波分析方法对应预设方法修正系数和用户生物状态信息相关的预设用户个性修正系数，计算得到所述睡眠周期性指数。14.如权利要求13所述的方法，其特征在于，所述睡眠周期性节点系数的计算公式，具体为：；
其中，为所述睡眠周期性节点系数，分别为所述睡眠状态特征残差平方曲线中的第 个点数值和所述周期WT分量平方信号中的第 个点数值，为所述睡眠时相曲线中的第 个点时相数值对应的时相修正系数。15.如权利要求13或14所述的方法，其特征在于，所述睡眠周期性指数的一种计算公式，具体为：；其中，为所述睡眠周期性指数，分别为预设用户个性修正系数和预设方法修正系数，为所述睡眠周期性节点系数曲线中的第 个点数值，为所述睡眠周期性节点系数曲线的数据长度。16.如权利要求13所述的方法，其特征在于，所述睡眠周期性指数曲线具体为按照时序顺序拼接所述睡眠周期性指数而生成得到的曲线。17.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估的具体步骤还包括：对所述睡眠时相曲线进行趋势预测分析，得到睡眠时相预测值；对所述睡眠状态特征曲线进行趋势预测分析，得到睡眠状态周期特征预测值；对所述睡眠周期性指数曲线进行趋势预测分析，得到睡眠周期性指数预测值；按照预设动态调节周期，根据所述睡眠时相预测值、所述睡眠状态周期特征预测值、所述睡眠周期性指数预测值和预设睡眠周期调控知识库，动态生成所述睡眠周期动态调节策略；根据所述睡眠周期动态调节策略，连接并控制睡眠周期调节外围设备，对用户睡眠过程进行动态干预调节；对动态干预调节的效果进行动态跟踪评估，提取动态调节效果系数并生成动态调节效果曲线，计算得到调节效果综合指数。18.如权利要求17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、MR、ARMA、ARIMA、SARIMA、VAR、深度学习中的任一项。19.如权利要求17所述的方法，其特征在于，所述睡眠周期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。20.如权利要求17所述的方法，其特征在于，所述睡眠周期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。21.如权利要求17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，为预设用户个性修正系数，为趋势预测修正系数，分别为动态调节前、动态调节后的所述睡眠周期性指数，为取绝对值算符。22.如权利要求21所述的方法，其特征在于，所述趋势预测修正系数的计算公式，具体为：；其中，为所述趋势预测修正系数，分别为动态调节后的所述睡眠周期性指数和动态调节前的所述睡眠周期性指数预测值，分别为动态调节后的所述睡眠状态特征曲线中睡眠状态周期特征数值和动态调节前的所述睡眠状态周期特征预测值。23.如权利要求18
‑
22任一项所述的方法，其特征在于，所述动态调节效果系数将用于后续小波分析方法参数、动态预测分析方法参数、所述趋势预测分析的方法选择、所述睡眠周期动态调节策略的动态优化。24.如权利要求18
‑
22任一项所述的方法，其特征在于，所述调节效果综合指数具体为所述动态调节效果曲线的平均值或均方根。25.如权利要求1或2所述的方法，其特征在于：所述根据所述睡眠时相曲线、...
【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。