CN105476631A - 一种基于脑电信号的睡眠检测及睡眠辅助方法及装置 - Google Patents

Abstract

本发明公开了一种基于脑电信号的睡眠检测及睡眠辅助方法及装置，其中所述方法包括：S1、采集人体单通道脑电信号；S2、对所述脑电信号进行处理，包括成分提取以及特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和；S3、利用前后两个能量向量的向量夹角作为对能量变化的评估；S4、通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。该方法通过在线的能量变化评估方法分析睡眠状态并实施睡眠辅助,兼具实用性和通用性，同时使用者还可以根据自己的喜好对辅助过程进行个性化修改，具有方便灵活的特点。

Description

一种基于脑电信号的睡眠检测及睡眠辅助方法及装置

技术领域

本发明涉及辅助睡眠研究的技术领域，特别涉及一种基于脑电信号的睡眠检测及睡眠辅助方法及装置。

背景技术

睡眠是一种非常重要的生理活动。通过睡眠活动，人体可以消除疲劳恢复体力，可以提高自身免疫力、提高脾脏和骨髓的造血能力，可以保持大脑清晰和反应敏捷。睡眠质量的好坏直接影响了人的健康、学习、生活以及工作。然而，现代人的生活节奏日益加快，承受着工作和生活上越来越大的压力，各种睡眠疾病的发病率也随之增加。其中，失眠是最常见的一种睡眠疾病。长期的睡眠不足容易造成人精神状态不佳、注意力不集中，还可能引发焦虑、抑郁等心理疾病。

自从德国精神病学家伯格(Berger)于1924年第一次记录头皮脑电信号以来，脑电信号就被用于大脑活动的研究。睡眠研究是大脑活动研究中最重要的课题之一。1968年，RechtschaffenA和KalesA提出了人体睡眠情况分为三个阶段：清醒状态、非快速眼动状态和快速眼动状态。实验人员通过多导睡眠图(Polysomnogram，PSG)记录仪记录脑电图(Electroencephalogram,EEG)、眼动图(Electrooculogram，EOG)和肌电图(Electromyogram，EMG)，然后由专家依据美国睡眠医学会(AmericanAcademyofSleepMedicine，AASM)制定的规则分析出睡眠结构和睡眠质量。

然而，对于一个睡眠辅助系统而言，入睡之前的睡眠分析中才是核心任务。因为如果辅助系统一直工作，就会在人体进入睡眠状态之后变成了睡眠干扰。另外，由于清醒到睡眠状态的过渡时间较短，所以和睡眠分期(SleepStageScoring)相比，入睡开始检测(SleepOnsetDetection)对检测算法的灵敏性和精确性有更高的要求，在难度上也高于睡眠分期。目前，关于入睡开始检测的研究还比较少，现有的算法可分为规则主导和模式识别主导的分析方法。前者对信号幅度、均值、峭度、频率功率等指标设定阈值，原理简单，但是实际操作很繁琐。后者先提取EEG波形特征，然后转化为分类问题，虽然在个体上可以取得较高准确率，但是不同个体需要分别独立训练得到不同模型，在通用性上有很大的局限性。

在睡眠辅助手段上，有针灸疗法、催眠疗法等专业医学治疗以及按摩疗法、音乐疗法，环境温度调节等自主辅助睡眠手段。由于医疗资源有限，所以使用成本较高，而自主辅助的方法不但成本低，使用起来还特别方便，适合用于长期修复睡眠结构。关于音乐和睡眠质量的关系在科学研究上还没有确切的结论，但是心理研究表明，音乐对人具有暗示调节、放松调节、呼吸调节和想象调节等作用。适当的音调传入人的大脑中时，可以使他们的心律减慢，体温下降，人的情绪也因此变得比较平静，更快进入睡眠。这也说明了音乐在调节使用者睡前情绪上是有很大作用的。

1、现有技术一的技术方案

目前，杨纯等人公开了一种基于声音检测技术的睡眠辅助系统。通过在用户枕头两端防止声音传感器，然后对声音信号进行特征提取并分析睡眠状态。然后根据用户的睡眠状态控制室内空调和通风扇，调节温度从而辅助睡眠。该方案采集的是用户睡眠鼾声，对用户的辅助措施是通过温度调节的方式。

这类方法简单易行，但是成本较高，通用性不高，对环境依赖性比较强，而且辅助效果有限。因为并不是所有用户的呼吸声都会很明显，很可能会被环境噪声所淹没。另外，从生物信号本身来讲，呼吸鼾声并不能很好的体现睡眠状态，不同个体鼾声特征区别很大。从睡眠辅助方法来讲，温度的调节很难把握，设备成本较高，辅助效果也有限。基于脑电信号的音乐辅助系统，可以从大脑活动的本质上准确检测用户的状态，辅助设备成本也很低。

2、现有技术二的技术方案

可穿戴式设备(WearableDevice)的成为目前的研发热点之一，也出现了一些轻便的传感器。有采用人体活动记录判断人体睡眠状态的发明，其依据的原理是人体在清醒状态和睡眠状态下的肢体的运动规律。使用者在手腕上佩戴有内置加速度传感器的体动计(Actigraphy)，通过采集人体手腕在床上的运动信息，对加速度信息进行实时处理，按照特定的模式，分析出人体是在清醒状态还是在睡眠状态。

这种技术方案虽然轻便，对使用者的干扰很少，但是对于人体睡眠状况的判断准确性行有所欠缺。首先，不同人的运动情况和运动加速度有所不容，难以统一标准；其次，由于运动信息滞后于真实的大脑状态，所以对入睡开始阶段的判断也比较迟钝，错误率比较高。

3、现有技术三的技术方案

近几年来，利用脑电信号判断人体睡眠状态是比较流行的，也是最能从本质上研究睡眠的方法。美国授权专利US6272378B1将电极放置在前额上，然后根据信号频率、幅度以及傅里叶变换后的不同频段信号情况判断人体的睡眠状态，从而进行睡眠辅助。中国授权发明专利201010180030.7采集了前额的脑电波信号和人体运动的加速度信息，然后利用多项判断规则进行睡眠检测。

这种技术方案由于需要部署较多的电极，繁重的设备给使用者造成不良的心理负担，很可能影响使用者正常休息。另外，对于状态的评估是用了较多的规则，通用性不强。根据使用者的反馈，经常出现尚未入睡就判断为入睡的状况。

综上所述，设计出使用方便，检测效果良好，通用性比较高的睡眠辅助方法是十分必要的。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种电极数量少，时间把握准确，通用性强，使用方便的睡眠检测及睡眠辅助方法及装置。该方法使用两个电极采集脑电信号，然后实时评估脑电信号能量变化，当检测到入睡开始阶段，逐渐降低音乐音量，当使用者完全进入睡眠之后，辅助系统停止工作。

根据公开的实施例，本发明的第一方面提出了一种基于脑电信号的睡眠检测及睡眠辅助方法，包括下列步骤：

S1、采集人体单个通道的脑电信号；

S2、对所述脑电信号进行处理，包括成分提取以及特征提取，其中所述成分提取为对所述脑电信号进行不同成分的提取，所述特征提取为针对不同的成分分别进行特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\Σ}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值，N表示信号长度，生成不同成分的能量值构成的能量向量

S3、利用前后两个能量向量的向量夹角作为对能量变化的评估指标，即

${\mathrm{\θ}}_i=arccos\left(\frac{{\stackrel{\→}{E}}_i\·{\stackrel{\→}{E}}_{i-1}}{\left|{\stackrel{\→}{E}}_i\right|\·\left|{\stackrel{\→}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果；

S4、通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。

进一步地，所述评估控制准则具体为：

S41、对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\×\underset{i=0}{\overset{t}{\Σ}}{\mathrm{\θ}}_i$

S42、当θ_i出现极大值点θ_max，并且符合θ_max>2×T_t-5(记T_t-5为B)，则判断为开始向睡眠状态过渡，逐渐调低音乐播放系统的音乐音量；

S43、当θ_i符合θ_i<B时，则判断为进入睡眠，继续降低音乐播放系统的音乐音量直至关闭。

进一步地，所述步骤S1、采集人体的脑电信号的具体过程为：

使用两个电极，一个位于左耳垂后方作为参考电极，另一个位于中央中线的Cz位置，用导电胶水填充头皮和电极之间的空隙，并把阻抗控制在5kΩ以下，然后使用便携式放大器以250Hz的频率采集头皮脑电信号。

进一步地，所述成分提取的具体过程为：

把采集到的所述Cz位置的通道信号减去所述参考电极信号作为原始信号，截取时间长度为30s的原始信号，先经过一个加汉明窗的滤波器在0.1至20Hz的范围内进行带通滤波，然后进行倍数为1/5的下采样处理，得到1500个数据点作为一个处理单元，然后设计若干个不同的加汉明窗的带通滤波器，在每个处理单元上提取若干个不同的成分。

进一步地，所述脑电信号包括6种不同成分，分别为α波、β波、θ波、δ波、纺锤波、锯齿波；其中α波的频率范围为8-13Hz，β波的频率范围为13-24Hz，θ波的频率范围为4-8Hz，δ波的频率范围为0.5-2Hz，纺锤波的频率范围为12-14Hz，锯齿波的频率范围为2-6Hz。

根据公开的实施例，本发明的第二方面提出了一种基于脑电信号的睡眠检测及睡眠辅助装置，包括下列模块：

脑电信号采集模块，用于采集人体单个通道的脑电信号；

脑电信号处理模块，用于对所述脑电信号进行处理，包括成分提取以及特征提取，其中所述成分提取为对所述脑电信号进行不同成分的提取，所述特征提取为针对不同的成分分别进行特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\&Sigma;}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值,N表示信号长度，生成不同成分的能量值构成的能量向量

状态变化评估模块，用于利用前后两个能量向量的向量夹角作为对能量变化的评估指标，即

${\mathrm{\&theta;}}_i=arccos\left(\frac{{\stackrel{\&RightArrow;}{E}}_i\&CenterDot;{\stackrel{\&RightArrow;}{E}}_{i-1}}{\left|{\stackrel{\&RightArrow;}{E}}_i\right|\&CenterDot;\left|{\stackrel{\&RightArrow;}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果；

音乐控制决策模块，用于通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。

进一步地，所述音乐控制决策模块包括：

基准单元，用于对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\&times;\underset{i=0}{\overset{t}{\&Sigma;}}{\mathrm{\&theta;}}_i$

第一决策单元，用于当θ_i出现极大值点θ_max，并且符合θ_max>2×T_t-5(记T_t-5为B)，则判断为开始向睡眠状态过渡，逐渐调低音乐播放系统的音乐音量；

第二决策单元，用于θ_i当符合θ_i<B时，则为判断进入睡眠，继续降低音乐播放系统的音乐音量直至关闭。

本发明相对于现有技术具有如下的优点及效果：

(1)本发明所提出的辅助方法采用单个电极并设计了简单的操作流程，使用者还可以根据自己的喜好对辅助过程进行个性化修改，具有方便灵活的特点；

(2)本发明所提出的在线能量评估方法，可直接用于对入睡开始阶段的检测，不需要依赖使用者的睡眠数据进行建模，也无需对不容使用者加以区分，具有通用性。

(3)多位使用者在使用该辅助方法之后反馈大致的入睡时间，和本发明的分析结果相对比，时间基本吻合，表明本发明具有较高的实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本实施例一中公开的基于脑电信号的睡觉检测及睡眠辅助方法的工作原理图；

图2是本实施例一中采集头皮脑电信号时电极放置位置示意图；

图3是本实施例一中音乐播放系统中音乐播放音量变化示意图；

图4是本实施例一中脑电原始信号和六种不同成分的波形图；

图5是本实施例一中脑电信号能量变化评估结果示意图；

图6是本实施例二中公开的基于脑电信号的睡觉检测及睡眠辅助装置的结构组成图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一

本实施例所实现的睡眠检测及睡眠辅助方法工作原理图如图1所示，信号采集电极所放位置如图2所示。一般来说，用于放松心情调整情绪的音乐是有轻快的节奏的古典音乐或者轻音乐两种类型，但是考虑到不同人对音乐的感觉有所不同，所以本实施例中运用的音乐播放系统允许使用者添加自己喜欢的音乐并调整播放顺序。研究表明，声音是以振动形式传播，人是通过整个身体在听音乐的，所以本实施例的音乐播放系统通过2.1声道音响，根据使用者设定的音量播放音乐，音乐效果更好。在使用前，使用者戴好电极帽，固定电极位置，然后打开音乐播放系统操作界面，设置好播放菜单、播放音量和播放顺序后，音乐播放系统开始运行。使用者只需要和往常一样在床上休息，睡眠环境和日常一致。采集到的脑电信号经过成分提取、特征提取、信号能量变化评估之后，自动控制音乐播放系统。睡眠状态和音乐音量的关系如图3所示。使用者由清醒状态向睡眠状态过渡的阶段，音乐播放系统自动降低音量，最后当使用者进入非快速眼动期时，自动停止音乐播放，信号采集装置停止工作。

本实施例所实现的基于脑电信号的睡眠检测及睡眠辅助方法具体包括下面步骤：

步骤S1、脑电信号采集：在本实施例中，根据国际脑电图学会的建议(简称国际10-20系统)，如图2所示，使用的两个电极，一个位于左耳垂后方作为参考电极，另一个位于中央中线的Cz位置，用导电胶水填充头皮和电极之间的空隙，使得头皮和电极接触良好，并把阻抗控制在5kΩ以下，然后使用便携式放大器以250Hz的频率采集头皮脑电信号。

步骤S2、脑电信号处理：在本实施例中，脑电信号处理包括成分提取和特征提取两部分。具体分析方法和步骤如下所述：

S21、成分提取：首先，把采集到的Cz位置的通道信号减去参考电极信号作为原始信号，截取时间长度为30s的原始信号，先经过一个加汉明窗的滤波器在0.1至20Hz的范围内进行带通滤波，然后进行倍数为1/5的下采样处理(对原始信号重新采样，每间隔四个采样点提取一个采样点出来)，得到1500个数据点作为一个处理单元。然后设计6个不同的加汉明窗的带通滤波器，在每个处理单元上提取6个不同的成分，每种成分的频段定义如表1所示，成分提取结果如图5所示。

表1脑电信号各成分以及对应的频段

S22、特征提取：本实施例利用的特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\&Sigma;}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值,N表示信号长度，在本实施例中，N＝1500。所以对6种不同成分，共可以得到由6个能量值构成的能量向量。

步骤S3、状态变化评估：本实施例中，采用的是每30秒进行一次状态变化评估的机制。为了减少外界干扰，先判断是否存在野点数据。假设第i个30秒得到的采样点的6个能量值构成的向量为向量的6个元素之和sum(i)，则

${\stackrel{\&RightArrow;}{E}}_i=\left\{\begin{array}{cc}{\stackrel{\&RightArrow;}{E}}_i,& sum\left(i\right)<10*\left(sum\right(i-1)+sum(i-2\left)\right)\\ ({\stackrel{\&RightArrow;}{E}}_i+{\stackrel{\&RightArrow;}{E}}_{i-1})*\frac{1}{2},& else\end{array}\right.$

由于人体在不同状态，脑电信号的总能量在不断变化，不同成分的能量关系在不断发生着变化，尤其是在由清醒状态向睡眠状态过渡的时期是能量变化最为剧烈。本发明利用这个规律，利用前后两个特征向量的向量夹角作为对能量变化的评估。

${\mathrm{\&theta;}}_i=arccos\left(\frac{{\stackrel{\&RightArrow;}{E}}_i\&CenterDot;{\stackrel{\&RightArrow;}{E}}_{i-1}}{\left|{\stackrel{\&RightArrow;}{E}}_i\right|\&CenterDot;\left|{\stackrel{\&RightArrow;}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果。当能量向量夹角越接近0，说明不同成分之间内在关系变化越不明显，反之说明不同成分的能量关系变化越明显。

步骤S4、音乐控制决策：本实施例中，通过对能量变化评估来实时检测睡眠状态，如图5所示，图5为脑电信号能量变化评估结果示意图。判断规则及步骤如下：

S41、对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\&times;\underset{i=0}{\overset{t}{\&Sigma;}}{\mathrm{\&theta;}}_i$

S42、当θ_i出现极大值点θ_max，并且符合以下条件，则认为开始向睡眠状态过渡，逐渐调低音乐音量，如图3所示。

θ_max>2×T_t-5

并把这里的T_t-5记为B。

S43、当θ_i符合以下条件时，则认为已经进入睡眠，此时音乐音量继续降低直至关闭，如图4所示。

θ_i<B

综上所述，本实施例公开的基于脑电信号的睡眠检测及睡眠辅助方法主要用于帮助使用者睡前放松心情调整情绪，实现快速进入睡眠。目前虽然有相关的研究，但是仍然存在睡眠状态检测难，系统操作繁琐等的问题。在本发明中，发明了一种基于脑电信号能量评估的方法，本发明的优势在于电极数量少，时间把握准确，通用性强，操作简单。使用者只需要在使用的时候戴上采集脑电的两个电极，并且打上导电胶水，采用单电极采集脑电信号，位于左耳垂后方的电极作为参考电极，位于中央中线的Cz位置的电极作为脑电信号，然后提取脑电信号的不同成分，计算每种成分的能量，对不同时刻的信号能量构成的向量夹角作为评估指标，形成音乐播放系统控制决策。音乐播放系统根据控制决策实现了自动跟踪使用者大脑状态的变化调节音量的功能，当使用者进入非快速眼动期时，停止音乐播放，实现了将辅助最大化，干扰最小化。该睡眠检测及睡眠辅助方法在使用者睡前帮助放松心情，调整情绪，在用户入睡开始阶段减少音乐音量直至停止，避免了将睡眠辅助变成睡眠干扰。

实施例二

本实施例公开的一种基于脑电信号的睡眠检测及睡眠辅助装置，包括下列模块：

脑电信号采集模块，用于采集人体的脑电信号；

脑电信号处理模块，用于对所述脑电信号进行处理，包括成分提取单元以及特征提取单元，其中所述成分提取单元对所述脑电信号进行不同成分的提取，所述特征提取单元针对不同的成分分别进行特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\&Sigma;}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值,N表示信号长度，生成不同成分的能量值构成的能量向量

状态变化评估模块，用于利用前后两个能量向量的向量夹角作为对能量变化的评估，即

${\mathrm{\&theta;}}_i=arccos\left(\frac{{\stackrel{\&RightArrow;}{E}}_i\&CenterDot;{\stackrel{\&RightArrow;}{E}}_{i-1}}{\left|{\stackrel{\&RightArrow;}{E}}_i\right|\&CenterDot;\left|{\stackrel{\&RightArrow;}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果；

音乐控制决策模块，用于通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。

其中，所述音乐控制决策模块包括：

基准单元，用于对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\&times;\underset{i=0}{\overset{t}{\&Sigma;}}{\mathrm{\&theta;}}_i$

第一决策单元，用于当θ_i出现极大值点θ_max，并且符合θ_max>2×T_t-5(记T_t-5为B)，则判断开始向睡眠状态过渡，逐渐调低音乐播放系统的音乐音量；

第二决策单元，用于当θ_i符合θ_i<T_t-5时，则判断进入睡眠，继续降低音乐播放系统的音乐音量直至关闭。

值得注意的是，上述系统实施例中，所包括的各个装置和单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各装置和单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于脑电信号的睡眠检测及睡眠辅助方法，其特征在于，包括下列步骤：

S1、采集人体单个通道的脑电信号；

S2、对所述脑电信号进行处理，包括成分提取以及特征提取，其中所述成分提取为对所述脑电信号进行不同成分的提取，所述特征提取为针对不同的成分分别进行特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\&Sigma;}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值，N表示信号长度，生成不同成分的能量值构成的能量向量

S3、利用前后两个能量向量的向量夹角作为对能量变化的评估指标，即

${\mathrm{\&theta;}}_i=arccos\left(\frac{{\stackrel{\&RightArrow;}{E}}_i\&CenterDot;{\stackrel{\&RightArrow;}{E}}_{i-1}}{\left|{\stackrel{\&RightArrow;}{E}}_i\right|\&CenterDot;\left|{\stackrel{\&RightArrow;}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果；

S4、通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。

2.根据权利要求1所述的基于脑电信号的睡眠检测及睡眠辅助方法，其特征在于，所述评估控制准则具体为：

S41、对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\&times;\underset{i=0}{\overset{t}{\&Sigma;}}{\mathrm{\&theta;}}_i$

S42、当θ_i出现极大值点θ_max，并且符合θ_max>2×T_t-5(记T_t-5为B)，则判断为开始向睡眠状态过渡，逐渐调低音乐播放系统的音乐音量；

S43、当θ_i符合θ_i<B时，则判断为进入睡眠，继续降低音乐播放系统的音乐音量直至关闭。

3.根据权利要求1所述的基于脑电信号的睡眠检测及睡眠辅助方法，其特征在于，所述步骤S1采集人体的脑电信号的具体过程为：

使用两个电极，一个位于左耳垂后方作为参考电极，另一个位于中央中线的Cz位置，用导电胶水填充头皮和电极之间的空隙，并把阻抗控制在5kΩ以下，然后使用便携式放大器以250Hz的频率采集头皮脑电信号。

4.根据权利要求3所述的基于脑电信号的睡眠检测及睡眠辅助方法，其特征在于，所述成分提取的具体过程为：

把采集到的所述Cz位置的通道信号减去所述参考电极信号作为原始信号，截取时间长度为30s的原始信号，先经过一个加汉明窗的滤波器在0.1至20Hz的范围内进行带通滤波，然后进行倍数为1/5的下采样处理，得到1500个数据点作为一个处理单元，然后设计若干个不同的加汉明窗的带通滤波器，在每个处理单元上提取若干个不同的成分。

5.根据权利要求1至4任一所述的基于脑电信号的睡眠检测及睡眠辅助方法，其特征在于，所述脑电信号包括6种不同成分，分别为α波、β波、θ波、δ波、纺锤波、锯齿波；其中α波的频率范围为8-13Hz，β波的频率范围为13-24Hz，θ波的频率范围为4-8Hz，δ波的频率范围为0.5-2Hz，纺锤波的频率范围为12-14Hz，锯齿波的频率范围为2-6Hz。

6.一种基于脑电信号的睡眠检测及睡眠辅助装置，其特征在于，包括下列模块：

脑电信号采集模块，用于采集人体单个通道的脑电信号；

脑电信号处理模块，用于对所述脑电信号进行处理，包括成分提取以及特征提取，其中所述成分提取为对所述脑电信号进行不同成分的提取，所述特征提取为针对不同的成分分别进行特征提取，所述特征是脑电信号中不同成分的能量，每种成分的能量定义为信号幅值的平方和：

$E=\underset{i=0}{\overset{N}{\&Sigma;}}{x_i}^2$

其中，x_i表示第i个采样点的信号幅值,N表示信号长度，生成不同成分的能量值构成的能量向量

状态变化评估模块，用于利用前后两个能量向量的向量夹角作为对能量变化的评估指标，即

${\mathrm{\&theta;}}_i=arccos\left(\frac{{\stackrel{\&RightArrow;}{E}}_i\&CenterDot;{\stackrel{\&RightArrow;}{E}}_{i-1}}{\left|{\stackrel{\&RightArrow;}{E}}_i\right|\&CenterDot;\left|{\stackrel{\&RightArrow;}{E}}_{i-1}\right|}\right)$

其中，表示当前的能量向量，θ_i表示当前的能量变化评估结果；

音乐控制决策模块，用于通过评估控制准则对状态变化进行评估来实时检测睡眠状态，形成应用控制决策对音乐播放系统进行控制。

7.根据权利要求6所述的基于脑电信号的睡眠检测及睡眠辅助装置，其特征在于，所述音乐控制决策模块包括：

基准单元，用于对前期的所有能量变化θ_i进行平均，作为前期的变化基准，记为T_t，

$T_t=\frac{1}{t}\&times;\underset{i=0}{\overset{t}{\&Sigma;}}{\mathrm{\&theta;}}_i$

第一决策单元，用于当θ_i出现极大值点θ_max，并且符合θ_max>2×T_t-5(记T_t-5为B)，则判断为开始向睡眠状态过渡，逐渐调低音乐播放系统的音乐音量；

第二决策单元，用于θ_i当符合θ_i<B时，则为判断进入睡眠，继续降低音乐播放系统的音乐音量直至关闭。