具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本公开实施例中提供的方法可以用于智能可穿戴设备,包括但不限于智能手环、智能手表、智能手镯、智能戒指、智能项链、智能脚链,智能皮带等,如图1所示,图1是根据一示例性实施例示出的一种实时睡眠周期分析方法,包括以下步骤:
在步骤101中,采集用户日常活动时的生理特征数据值。
在一实施例中,智能可穿戴设备可以通过预先安装的加速度传感器、陀螺仪传感器或磁感应传感器中的至少一个测量所述用户日常活动时的数据,进而按照相关技术计算得到所述生理特征数据值。其中,所述生理特征数据值可以包括活动量或步数中的至少一项,所述活动量用于表征所述用户活动时的剧烈程度,所述步数用于表征所述用户进行周期性活动的次数。
以三轴加速度传感器为例,预先安装在所述智能可穿戴设备上的所述三轴加速度传感器实时采集用户日常活动时分别在x、y、z三个轴上产生的加速度数据,从而按照相关技术计算得到所述用户的所述活动量和/或所述步数。
所述智能可穿戴设备可以针对每个预设时间段计算所述生理特征数据值,所述预设时间段可以以分钟为单位。
在步骤102中,对所述生理特征数据值进行分析,确定所述用户的睡眠时间段。
本一实施例中,所述智能可穿戴设备可以根据与每个所述预设时间段对应的所述生理特征数据值,确定每个所述预设时间段所属的状态区间。所述状态区间可以包括表征睡眠状态的睡眠区间、表征清醒状态的间隔区间和断点。
本公开实施例中,可以将所述活动量和所述步数均为零的所述预设时间段所属的状态区间确定为所述睡眠区间。将所述活动量不为零并且所述步数为零的所述预设时间段所属的状态区间确定为所述间隔区间。将所述活动量和所述步数均不为零的所述预设时间段所属的状态区间确定为所述断点。
在确定了每个所述预设时间段所属的所述状态区间后,可以记录下所述用户相应的状态——睡眠或清醒。当前状态区间如果是所述睡眠区间,则确定所述用户处于睡眠状态,当前状态区间如果是所述间隔区间,则确定所述用户处于清醒状态。
如果多个所述状态区间中只有最后一个区间是所述睡眠区间,其他区间均为所述间隔区间,且所述睡眠区间的起点处包括第一断点,可以说明用户从所述清醒状态转入到所述睡眠状态,那么所述第一断点处就对应所述用户的所述睡眠时间段的起始点。
如果多个所述状态区间中只有最后一个区间是所述间隔区间,其他区间均为所述睡眠区间,且所述间隔区间的起点处包括第二断点,可以说明用户从所述睡眠状态转入到所述清醒状态,那么所述第二断点处就对应所述用户的所述睡眠时间段的终止点。
所述用户的所述睡眠时间段即从所述起始点到所述终止点之间的时间段,如图2所示。
在步骤103中,根据所述睡眠时间段对应的睡眠生理特征数据值对所述睡眠时间段进行划分,确定所述用户在目标深睡眠区间和目标浅睡眠区间的实时睡眠周期分析结果。
在确定了所述睡眠时间段之后,本公开实施例中,所述智能可穿戴设备可以根据所述睡眠时间段对应的所述睡眠生理特征数据值对所述睡眠时间段进行划分,从而确定所述实时睡眠周期分析结果。
可选地,步骤103如图3所示,可以包括:
在步骤103-1中,计算所述睡眠时间段对应的睡眠生理特征数据值中低于预设阈值的数据所占的第一比例值。
本步骤中,为了降低噪声影响和数据波动,便于后续对所述睡眠时间段的分期处理,可以先对所述睡眠生理特征数据值进行平滑处理,再计算所述第一比例值。
在进行平滑处理时,可以先计算多个相邻预设时间段所对应的所述睡眠生理特征数据值的平均值,进而将所述平均值作为多个相邻所述预设时间段中位于最中央的时间段所对应的所述睡眠生理特征数据值。本公开实施例中,选取的所述睡眠生理特征数据值的个数可以根据滑动窗口的窗口值来确定,所述窗口值是不小于3的奇数。
如图4所示,所述窗口值为3,所述预设时间段为1分钟。则可以计算相邻3分钟的所述睡眠生理特征数据值的平均值,将所述平均值确定为所述滑动窗口中最中间的1分钟所对应的所述睡眠生理特征数据值。
在完成所述平滑处理后,可以计算所述睡眠生理特征数据值中低于所述预设阈值的数据所占的所述第一比例值。所述预设阈值是通过分析所述用户的所述睡眠生理特征数据值的统计信息来设定出的所述用户的微小活动阈值,如图5所示,所述统计信息包括平均值、方差、标准差等。进一步地,根据所述预设阈值来计算微小活动所产生的所述睡眠生理特征数据值在整个所述睡眠时间段对应的所述睡眠生理特征数据值中所占的比例值,即所述第一比例值。
在步骤103-2中,根据所述第一比例值计算与所述睡眠时间段对应的自适应睡眠参数。
可以预先根据对多个不同用户的所述睡眠生理特征数据值的统计分析结果建立睡眠周期分析模型。本步骤中,将所述用户的微小活动相应的所述第一比例值和所述用户的所述睡眠时间段对应的所述睡眠生理特征数据值输入所述睡眠周期分析模型,从而通过所述睡眠周期分析模型计算得到与所述睡眠时间段对应的所述自适应睡眠参数。
可选地,所述自适应睡眠参数可以包括以下参数中的至少一项:
深睡眠阈值、深睡眠比例值、深睡眠比例值上界、深睡眠比例值下界、深睡眠筛选窗口值、深睡眠扩展阈值、最短深睡眠长度值、最短浅睡眠长度值和浅睡眠扩展阈值。
其中,所述深睡眠阈值用于表征所述深睡眠区间对应的所述睡眠生理特征数据值的最大值,即处于所述深睡眠区间时所述用户最大活动量值或最大体动值。所述深睡眠比例值表征所述深睡眠区间在所述用户的整个所述睡眠时间段中所占的比例值。所述深睡眠比例值上界和所述深睡眠比例值下界分别表征所述深睡眠区间占所述睡眠时间段的所述比例值的最大值和最小值。所述深睡眠筛选窗口值表征进行深睡眠筛选时窗口的大小。所述深睡眠扩展阈值和所述浅睡眠扩展阈值分别表征进行深睡眠区间扩展和进行浅睡眠区间扩展时的阈值。所述最短深睡眠长度值和所述最短浅睡眠长度值分别表征所述深睡眠区间的最小长度值和所述浅睡眠区间的最小长度值。
在步骤103-3中,根据所述自适应睡眠参数和所述睡眠生理特征数据值对所述睡眠时间段进行划分。
本公开实施中,将所述睡眠时间段划分为所述深睡眠区间和所述浅睡眠区间,需要依次判断所述睡眠时间段内与当前预设时间段对应的所述睡眠生理特征数据值是否小于所述预设阈值,且还需要判断第二目标预设时间段对应的所述睡眠生理特征数据值的平均值是否不超过所述自适应睡眠参数中的所述深睡眠阈值。其中,所述第二目标预设时间段是以所述当前预设时间段为中心,窗口值为所述深睡眠筛选窗口值的时间段。
如果所述当前预设时间段对应的所述睡眠生理特征数据值小于所述预设阈值,且所述第二目标预设时间段对应的所述睡眠生理特征数据值的所述平均值不超过所述深睡眠阈值,则可以确定所述当前预设时间段对应的睡眠区间为深睡眠区间,否则为浅睡眠区间。
例如,所述深睡眠筛选窗口值为3,所述预设时间段为1分钟,当前这1分钟所对应的所述活动量值小于所述预设阈值,且以当前这1分钟为中心,相邻的3个所述活动量值的平均值小于所述深睡眠阈值,则可以确定当前这1分钟对应的睡眠区间属于深睡眠区间。
本公开实施例中,为了让睡眠分区结果尽可能接近所述用户真实的睡眠情况,可以根据所述睡眠生理特征数据值对所述睡眠时间段进行多次分期,另外,还需要进行扩展和优化处理,如下:
在划分出所述深睡眠区间和所述浅睡眠区间后,可以先判断是否需要对上述睡眠区间进行扩展,避免划分出的睡眠区间太短而不符合所述用户的真实睡眠情况。
可选地,如果所述深睡眠区间的深睡眠区间长度值小于所述最短深睡眠长度值,则需要扩展所述深睡眠区间。同样地,如果所述浅睡眠区间的浅睡眠区间长度值小于所述最短浅睡眠长度值,则需要扩展所述浅睡眠区间。
在进行扩展时,以深睡眠区间为例,如果已经划分出的一个深睡眠区间的深睡眠区间长度值小于所述自适应睡眠参数中的所述最短深睡眠长度值,需要向左右两个方向扩展所述深睡眠区间。在扩展的时候,可选地,哪个方向对应的所述睡眠生理特征数据值小,说明该方向对应的区间越接近深睡眠区间,则优先向哪个方向扩展。直到扩展到左右两个方向的所述睡眠生理特征数据值大于所述自适应睡眠参数中的所述深睡眠扩展阈值就停止扩展,如图6所示。
在扩展所述浅睡眠区间时,方式与扩展所述深睡眠区间相同,只是在扩展时优先向所述睡眠生理特征数据值大的方向进行扩展,直到左右两个方向的所述睡眠生理特征数据值都小于所述自适应睡眠参数中的所述浅睡眠扩展阈值就停止扩展。
本公开实施例中,如果扩展后的所述深睡眠区间或所述浅睡眠区间仍然太短,则需要进行滤波去除。即如果扩展后的所述深睡眠区间长度值小于所述最短深睡眠长度值,将所述深睡眠区间确定为所述浅睡眠区间;如果扩展后的所述浅睡眠区间长度值小于所述最短浅睡眠长度值,将所述浅睡眠区间确定为所述深睡眠区间。
一般情况下,所述用户的所述睡眠时间段应该是以所述浅睡眠区间开始,并以所述浅睡眠区间结束。考虑到在进行了上述滤波处理后,有可能会将所述睡眠时间段的所述起始点和所述终止点对应的所述睡眠区间处理为所述深睡眠区间,因此需要重新将所述起始点和所述终止点对应的所述睡眠区间确定为所述浅睡眠区间,如图7所示。
通过上述方式对所述深睡眠区间和所述浅睡眠区间进行扩展和滤波处理后,就确定了所述睡眠时间段内每个所述预设时间段所属的所述睡眠区间的睡眠分期结果,此时还需要进一步对上述睡眠分期结果进行优化调整。
如果所述深睡眠区间长度值占所述睡眠时间段的整体长度值的所述第二比例值大于所述自适应睡眠参数中的所述深睡眠比例值上界,说明此时所述用户的所述深睡眠区间过多,需要剔除掉一部分所述深睡眠区间,将剔除的所述深睡眠区间重新确定为所述浅睡眠区间。本公开实施例中,对之前确定的所有所述深睡眠区间划分了优先级,优先级越高对应越活跃的所述深睡眠区间,也就越接近所述浅睡眠区间,因此,在需要剔除时,可以优先剔除优先级高的所述深睡眠区间,直到所述第二比例值不大于所述深睡眠比例值上界。
同样地,如果所述深睡眠区间长度值占所述睡眠时间段的整体长度值的所述第二比例值小于所述自适应睡眠参数中的所述深睡眠比例值下界,说明此时所述用户的所述浅睡眠区间过多,需要剔除掉一部分所述浅睡眠区间,将剔除的所述浅睡眠区间重新确定为所述深睡眠区间。本公开实施例中,对之前确定的所有所述浅睡眠区间同样划分了优先级,优先级越高对应越平静的所述浅睡眠区间,也就越接近所述深睡眠区间,因此,在需要剔除时,可以优先剔除优先级高的所述浅睡眠区间,直到所述第二比例值不小于所述深睡眠比例值下界。
本公开实施例中,采用以下方式确定不同的所述深睡眠区间的优先级:
第一种情况,所述第一深睡眠区间的第一深睡眠区间长度值与所述第二深睡眠区间的第二深睡眠区间长度值的差值大于预设长度差值。
此种情况下,睡眠区间长度值越小的深睡眠区间越活跃,对应的优先级也越高。即在所述第一深睡眠区间长度值小于所述第二深睡眠区间长度值时,所述第一深睡眠区间的优先级高于所述第二深睡眠区间的优先级。
第二种情况,所述第一深睡眠区间长度值与所述第二深睡眠区间长度值的差值不大于所述预设长度差值,但对应的所述睡眠生理特征数据值不相等。
所述睡眠生理特征数据值越高说明该深睡眠区间越活跃,因此,当所述第一深睡眠区间对应的所述睡眠生理特征数据值大于所述第二深睡眠区间对应的所述睡眠生理特征数据值时,所述第一深睡眠区间的优先级高于所述第二深睡眠区间的优先级。
第三种情况,所述第一深睡眠区间长度值与所述第二深睡眠区间长度值的差值不大于所述预设长度差值,且对应的所述睡眠生理特征数据值相等。
此时,同样是睡眠区间长度值越小的深睡眠区间越活跃,对应的优先级也越高。即在所述第一深睡眠区间长度值小于所述第二深睡眠区间长度值时,所述第一深睡眠区间的优先级高于所述第二深睡眠区间的优先级。
采用以下方式确定不同的所述浅睡眠区间的优先级:
所述浅睡眠区间的优先级的确定方式与所述深睡眠的优先级的确定方式相同,当所述第一浅睡眠区间的第一浅睡眠区间长度值与所述第二浅睡眠区间的第二浅睡眠区间长度值的差值大于所述预设长度差值时,则浅睡眠区间长度值越小的越平静,也就越接近所述深睡眠区间,对应的所述浅睡眠区间的优先级就越高。
当所述第一浅睡眠区间长度值与所述第二浅睡眠区间长度值的差值不大于所述预设长度差值时,对应的所述睡眠生理特征数据值越小则越平静,同样对应的所述浅睡眠区间的优先级就越高,或者所述睡眠生理特征数据值相同时,浅睡眠区间长度值越小的越平静,也就越接近所述深睡眠区间,对应的所述浅睡眠区间的优先级就越高。
在经过多次优化调整后,最终得到的所述深睡眠区间即为所述实时睡眠周期分析结果中的所述目标深睡眠区间,得到的所述浅睡眠区间即为所述实时睡眠周期分析结果中的所述目标浅睡眠区间。
可选地,得到所述实时睡眠周期分析结果后,上述实时睡眠周期分析方法如图8所示,还可以包括:
在步骤104中,发送所述实时睡眠周期分析结果到智能电子设备,以使所述智能电子设备显示所述实时睡眠周期分析结果。
本步骤中,所述智能可穿戴设备将上述实时睡眠周期分析结果发送到预先绑定的所述智能电子设备,所述智能电子设备可以是智能手机、智能电脑、或者智能家居中的任意智能电子设备等。由所述智能电子设备进行显示,以便所述用户得知所述实时睡眠周期分析结果。
可选地,所述智能可穿戴设备在获取了上述实时睡眠周期分析结果后,还可以对该实时睡眠周期分析结果进行进一步地分析,获得所述用户的睡眠情况的统计值,该统计值可以包括深睡眠区间的起始点和终止点,深睡眠的总时长,浅睡眠的起始点和终止点,浅睡眠的总时长,深浅睡眠比例等。还可以基于上述统计值、所述睡眠时间段的所述起始点、所述终止点、醒来的次数和醒来的时间点等计算所述用户的睡眠质量指数。并将上述分析结果发送给所述智能电子设备进行显示。
上述实施例中,智能可穿戴设备在采集到用户日常活动时的生理特征数据值之后,确定出所述用户的睡眠时间段,进而直接根据所述睡眠时间段对应的睡眠生理特征数据值对所述睡眠时间段进行划分,实时的确定所述用户在目标深睡眠区间和目标浅睡眠区间的实时睡眠周期分析结果,实时性好,准确度高,提升了用户体验。
与前述方法实施例相对应,本公开还提供了装置的实施例。
如图9所示,图9是本公开根据一示例性实施例示出的一种实时睡眠周期分析装置框图,包括:数据采集模块210、睡眠时间段确定模块220和睡眠周期分析结果确定模块230。
其中,所述数据采集模块210,用于采集用户日常活动时的生理特征数据值;
所述睡眠时间段确定模块220,用于对所述生理特征数据值进行分析,确定所述用户的睡眠时间段;
所述睡眠周期分析结果确定模块230,用于根据所述睡眠时间段对应的睡眠生理特征数据值对所述睡眠时间段进行划分,确定所述用户在目标深睡眠区间和目标浅睡眠区间的实时睡眠周期分析结果。
可选地,所述睡眠周期分析结果确定模块230包括:第一计算子模块231、第二计算子模块232和划分子模块233。
其中,所述第一计算子模块231,用于计算所述睡眠时间段对应的睡眠生理特征数据值中低于预设阈值的数据所占的第一比例值;
所述第二计算子模块232,用于根据所述第一比例值计算与所述睡眠时间段对应的自适应睡眠参数;
所述划分子模块233,用于根据所述自适应睡眠参数和所述睡眠生理特征数据值对所述睡眠时间段进行划分。
可选地,所述第一计算子模块231包括:平滑处理单元2311和第一计算单元2312。
其中,所述平滑处理单元2311,用于对所述睡眠时间段对应的睡眠生理特征数据值进行平滑处理;
第一计算单元2312,用于计算平滑处理后的所述睡眠生理特征数据值中低于预设阈值的数据所占的所述第一比例值。
可选地,所述第一计算单元2311包括:计算子单元310和第一确定子单元320。
其中,所述计算子单元310,用于计算多个相邻预设时间段所对应的所述睡眠生理特征数据值的平均值;
所述第一确定子单元320,用于将所述平均值确定为第一目标预设时间段所对应的所述睡眠生理特征数据值,所述第一目标预设时间段为多个相邻所述预设时间段中位于最中央的时间段。
可选地,所述第二计算子模块232包括:输入单元2321和第二计算单元2322。
其中,所述输入单元2321,用于将所述第一比例值和所述睡眠生理特征数据值输入预先建立的睡眠周期分析模型;
第二计算单元2322,用于通过所述睡眠周期分析模型计算与所述睡眠时间段对应的所述自适应睡眠参数。
可选地,所述自适应睡眠参数包括以下参数中的至少一项:
深睡眠阈值、深睡眠比例值、深睡眠比例值上界、深睡眠比例值下界、深睡眠筛选窗口值、深睡眠扩展阈值、最短深睡眠长度值、最短浅睡眠长度值和浅睡眠扩展阈值。
可选地,所述划分子模块233包括:第一判断单元2331和第一确定单元2332。
其中,所述第一判断单元2331,用于依次判断与当前预设时间段对应的所述睡眠生理特征数据值是否小于所述预设阈值,且第二目标预设时间段对应的所述睡眠生理特征数据值的平均值是否不超过所述深睡眠阈值,所述第二目标预设时间段是以所述当前预设时间段为中心,窗口值为所述深睡眠筛选窗口值的时间段;
所述第一确定单元2332,用于如果所述当前预设时间段对应的所述睡眠生理特征数据值小于所述预设阈值,且所述第二目标预设时间段对应的所述睡眠生理特征数据值的所述平均值不超过所述深睡眠阈值,确定所述当前预设时间段对应的睡眠区间为深睡眠区间,否则为浅睡眠区间。
可选地,所述睡眠周期分析结果确定模块230还包括:第一扩展子模块234、第二扩展子模块235和调整子模块236。
其中,所述第一扩展子模块234,用于如果所述深睡眠区间的深睡眠区间长度值小于所述最短深睡眠长度值,扩展所述深睡眠区间;
所述第二扩展子模块235,用于如果所述浅睡眠区间的浅睡眠区间长度值小于所述最短浅睡眠长度值,扩展所述浅睡眠区间;
所述调整子模块236,用于根据所述自适应睡眠参数,对扩展后的所述深睡眠区间和所述浅睡眠区间进行优化调整,获得所述实时睡眠周期分析结果。
可选地,所述第一扩展子模块234包括:第一扩展单元2341。
其中,所述第一扩展单元2341,用于依次向第一目标方向和第二目标方向扩展所述深睡眠区间,直到扩展后的所述深睡眠区间两端的所述睡眠生理特征数据值大于所述深睡眠扩展阈值,所述第一目标方向对应的所述睡眠生理特征数据值小于所述第二目标方向的所述睡眠生理特征数据值。
所述第二扩展子模块235包括:第二扩展单元2351。
其中,所述第二扩展单元2351,用于依次向第一目标方向和第二目标方向扩展所述浅睡眠区间,直到扩展后的所述浅睡眠区间两端的所述睡眠生理特征数据值小于所述浅睡眠扩展阈值,所述第一目标方向对应的所述睡眠生理特征数据值大于所述第二目标方向的所述睡眠生理特征数据值。
如图10所示,图10是本公开根据一示例性实施例示出的另一种实时睡眠周期分析装置框图,该实施例在前述图9所示实施例的基础上,所述装置还包括:第一确定模块240、第二确定模块250和第三确定模块260。
其中,所述第一确定模块240,用于如果扩展后的所述深睡眠区间长度值小于所述最短深睡眠长度值,将所述深睡眠区间确定为所述浅睡眠区间;
所述第二确定模块250,用于如果扩展后的所述浅睡眠区间长度值小于所述最短浅睡眠长度值,将所述浅睡眠区间确定为所述深睡眠区间;
所述第三确定模块260,用于如果所述睡眠时间段的起始点和终止点对应的所述睡眠区间为所述深睡眠区间,确定所述睡眠时间段的起始点和终止点对应的所述睡眠区间为所述浅睡眠区间。
可选地,所述调整子模块236包括:第二判断单元2361、第一调整单元2362、第三判断单元2363和第二调整单元2364。
其中,所述第二判断单元2361,用于判断第二比例值是否大于所述深睡眠比例值上界,所述第二比例值是扩展后的所述深睡眠区间长度值占所述睡眠时间段的整体长度值的比例值;
所述第一调整单元2362,用于如果所述第二比例值大于所述深睡眠比例值上界,按照优先级由高到低的顺序将所述深睡眠区间调整为所述浅睡眠区间;
所述第三判断单元2363,用于判断所述第二比例值是否低于所述深睡眠比例值下界;
所述第二调整单元2364,用于如果所述第二比例值低于所述深睡眠比例值下界,按照优先级由高到低的顺序将所述浅睡眠区间调整为所述深睡眠区间;
第二确定单元,用于将调整后的所述深睡眠区间确定为所述实时睡眠周期分析结果中的所述目标深睡眠区间,将调整后的所述浅睡眠区间确定为所述实时睡眠周期分析结果中的所述目标浅睡眠区间。
如图11所示,图11是本公开根据一示例性实施例示出的另一种实时睡眠周期分析装置框图,该实施例在前述图10所示实施例的基础上,所述装置还包括:第四确定模块270、第五确定模块280。
其中,所述第四确定模块270,用于当所述第一深睡眠区间的第一深睡眠区间长度值与所述第二深睡眠区间的第二深睡眠区间长度值的差值大于预设长度差值时,所述第一深睡眠区间长度值小于所述第二深睡眠区间长度值,确定第一深睡眠区间的优先级高于第二深睡眠区间的优先级;
所述第五确定模块280,用于当所述第一深睡眠区间长度值与所述第二深睡眠区间长度值的差值不大于所述预设长度差值时,所述第一深睡眠区间对应的所述睡眠生理特征数据值大于所述第二深睡眠区间对应的所述睡眠生理特征数据值,或所述第一深睡眠区间长度值小于所述第二深睡眠区间长度值,确定第一深睡眠区间的优先级高于第二深睡眠区间的优先级。
如图12所示,图12是本公开根据一示例性实施例示出的另一种实时睡眠周期分析装置框图,该实施例在前述图10所示实施例的基础上,所述装置还包括:第六确定模块310和第七确定模块320。
其中,所述第六确定模块310,用于当所述第一浅睡眠区间的第一浅睡眠区间长度值与所述第二浅睡眠区间的第二浅睡眠区间长度值的差值大于所述预设长度差值时,所述第一浅睡眠区间长度值小于所述第二浅睡眠区间长度值,确定第一浅睡眠区间的优先级高于第二浅睡眠区间的优先级;
所述第七确定模块320,用于当所述第一浅睡眠区间长度值与所述第二浅睡眠区间长度值的差值不大于所述预设长度差值时,所述第一浅睡眠区间对应的所述睡眠生理特征数据值小于所述第二浅睡眠区间对应的所述睡眠生理特征数据值,或所述第一浅睡眠区间长度值小于所述第二浅睡眠区间长度值,确定第一浅睡眠区间的优先级高于第二浅睡眠区间的优先级。
如图13所示,图13是本公开根据一示例性实施例示出的另一种实时睡眠周期分析装置框图,该实施例在前述图9所示实施例的基础上,所述装置还包括:发送模块330。
其中,所述发送模块330,用于发送所述实时睡眠周期分析结果到智能电子设备,以使所述智能电子设备显示所述实时睡眠周期分析结果。
上述实施例中,智能可穿戴设备在采集到用户日常活动时的生理特征数据值之后,确定出所述用户的睡眠时间段,进而直接根据所述睡眠时间段对应的睡眠生理特征数据值对所述睡眠时间段进行划分,实时的确定所述用户在目标深睡眠区间和目标浅睡眠区间的实时睡眠周期分析结果,实时性好,准确度高,提升了用户体验。
本公开还提出了图14所示的根据本申请的一示例性实施例的智能可穿戴设备的示意结构图。如图14所示,在硬件层面,该智能可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成实时睡眠周期分析装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。