CN105999508A - 一种基于脑电波分析的智能叫醒方法 - Google Patents
一种基于脑电波分析的智能叫醒方法 Download PDFInfo
- Publication number
- CN105999508A CN105999508A CN201610279613.2A CN201610279613A CN105999508A CN 105999508 A CN105999508 A CN 105999508A CN 201610279613 A CN201610279613 A CN 201610279613A CN 105999508 A CN105999508 A CN 105999508A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- section
- user
- optimum
- intelligence based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0083—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus especially for waking up
Abstract
本发明涉及一种基于脑电波分析的智能叫醒方法,首先设定最优起床时间段;在所述最优起床时间段内用预设的时间长度来划分用户的脑电波,得到若干段脑电波段;针对每一个脑电波段,计算4个特征指标:脑电波频率、脑电波平均值、脑电波标准差、脑电波段的脉冲因子;根据4个特征指标,进行加权计算得到相似性指标;根据相似性指标判断是否叫用户起床。本发明能够让用户的起床体验达到最佳。
Description
技术领域
本发明涉及脑电波分析领域,特别是一种基于脑电波分析的智能叫醒方法。
背景技术
随着科学技术的发展,我们已经能够检测出大脑活动时的脑电波,且能够分析出几种常见的波的类型,这为我们进一步的利用脑电波数据来为医疗健康行业服务奠定了基础。早晨或者中午起床时,有时会觉得很有精神,但有时又会觉得没睡够,研究表明在午睡时如果进入深度睡眠不久就被闹钟叫醒的话,人反而会觉得很困。同样,早上在不合适的时间起床的话,也会觉得没睡够。因此研究最佳起床时间,可以大大改善工作时的精神状态,提高工作效率。本发明基于人工智能方法利用脑电波的各种特征来分析脑电波是否处于合适的叫起阶段。让用户在最合适的时间起床,获得最好的工作状态。
发明内容
有鉴于此,本发明的目的是提出一种基于脑电波分析的智能叫醒方法,让用户的起床体验达到最佳。
本发明采用以下方案实现:一种基于脑电波分析的智能叫醒方法,具体包括以下步骤:
步骤S1:设定最优起床时间段;
步骤S2:在所述最优起床时间段内用预设的时间长度来划分用户的脑电波,得到若干段脑电波段X(n);
步骤S3:针对每一个脑电波段X(n),计算4个特征指标:脑电波频率、脑电波平均值、脑电波标准差、脑电波段的脉冲因子;
步骤S4:根据步骤S3计算的4个特征指标,进行加权计算得到相似性指标;
步骤S5:判断所述相似性指标是否满足预设的阈值,若满足,则对用户进行叫醒,并采集用户反馈信息,根据用户反馈信息调整相似性指标中的特定参数;若整个最优起床时间段的相似性指标都没有满足预设的阈值,则在最优起床时间段的最后时刻对用户进行叫醒。
进一步地,步骤S3中所述脑电波频率F采用下式计算:针对脑电波段X(n),有:
其中,P(X(n))为在片段X(n)内峰值的个数,t是片段X(n)对应的时间长度。
进一步地,步骤S3中所述脑电波平均值Avg采用下式计算:
其中,N为脑电波段长度。
进一步地,步骤S3中所述脑电波标准差S采用下式计算:
其中,|X(n)|代表了第n个时间序列点的信号强度,相当于纵坐标,n相当于横坐标。
进一步地,步骤S3中所述脑电波段的脉冲因子I采用下式计算:
进一步地,步骤S4中所述相似性指标value(i)采用下式计算:
value(i)=w1F(i)+w2Avg(i)+w3S(i)+w4I(i);
其中,i为设定的最优起床时间段内的第i个划分段;w1+w2+w3+w4=1,每个wi的值由系统随机生成,根据用户反馈信息,用户反馈起床体验越好,对应的wi的在下次计算中重复出现的概率越高。
进一步地,步骤S5中所述判断所述相似性指标是否满足预设的阈值具体为:当当前相似性指标的计算值大于历史最优相似性指标的80%,则满足。
进一步地,步骤S5中所述用户反馈信息为用户根据起床体验由差到好进行由0至9的评分,分之越高,起床体验越好。
与现有技术相比,本发明有以下有益效果:本发明利用划分时间段的方法来分析脑电波的特征,然后根据用户反馈最高评分的起床时间的脑电波特征作为标准,当在可以叫起的时间段内,系统发现跟最优起床时间相识的计算结果时启动闹钟叫起。本发明能够让用户在最合适的时间起床,获得最好的工作状态。
附图说明
图1为本发明实施例的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供了一种基于脑电波分析的智能叫醒方法,具体包括以下步骤:
步骤S1:设定最优起床时间段;
步骤S2:在所述最优起床时间段内用预设的时间长度来划分用户的脑电波,得到若干段脑电波段X(n);
步骤S3:针对每一个脑电波段X(n),计算4个特征指标:脑电波频率、脑电波平均值、脑电波标准差、脑电波段的脉冲因子;
步骤S4:根据步骤S3计算的4个特征指标,进行加权计算得到相似性指标;
步骤S5:判断所述相似性指标是否满足预设的阈值,若满足,则对用户进行叫醒,并采集用户反馈信息,根据用户反馈信息调整相似性指标中的特定参数;若整个最优起床时间段的相似性指标都没有满足预设的阈值,则在最优起床时间段的最后时刻对用户进行叫醒。
特别的,在完成一轮叫醒之后,系统根据新增数据和历史数据重复上述步骤,计算新一天的起床时间。
在本实施例中,步骤S3中所述脑电波频率F采用下式计算:针对脑电波段X(n),有:
其中,P(X(n))为在片段X(n)内峰值的个数,t是片段X(n)对应的时间长度。
较佳的,根据脑电波的频率我们可以将脑电波划分为一下几种类型:
α波、清醒,安静,闭眼及正常血糖范围情况下出现;
β波、在睁眼和大脑皮层处在紧张活动状态时出现(即正常人白天工作时会出现的脑电波);
κ波、进入慢波睡眠时出现;
δ波、成人入睡后,或成年人困倦时出现;
θ波、少年或成年人困倦时出现。
在本实施例中,步骤S3中所述脑电波平均值Avg采用下式计算:
其中,N为脑电波段长度。|X(n)|实际代表了第n个时间序列点的信号强度相当于纵坐标,n相当于横坐标,于是上式中的Avg就代表了异常片段的平均强度。
在本实施例中,步骤S3中所述脑电波标准差S采用下式计算:
其中,|X(n)|代表了第n个时间序列点的信号强度,相当于纵坐标,n相当于横坐标。|X(n)|实际上代表了脑电波段的信号强度,脑电波信号的强弱可以反应出睡眠的状态。S描述了脑电波段的波动程度,将其作为特征指标,能够体脑电波段的活动情况|X(n)|波动变大,则S显著变大。
在本实施例中,步骤S3中所述脑电波段的脉冲因子I采用下式计算:
脉冲因子用于衡量脑电波片段内的脉冲流量的强度。正常情况下,比较平稳时,脉冲影响因子接近于1,当受到特殊影响时,信号强度会有所变化,而导致脉冲影响因子也会随着变化。
在本实施例中,步骤S4中所述相似性指标value(i)采用下式计算:
value(i)=w1F(i)+w2Avg(i)+w3S(i)+w4I(i);
其中,i为设定的最优起床时间段内的第i个划分段;该划分段的长度由用户设定一般为(3-10分钟),如图1说明所示,系统到达可以起床的时间段(即最优起床时间)后,对每一个划分的时间段计算value(i)值,当value(i)值大于等于历史最优value(i)值的80%时,启动叫起程序。比如历史记录最优起床value(i)值是200,则当某时间片段的value(i)值大于160时,系统叫起。如果到最后一个划分片段都没有达到最优起床value(i)值的80%则,在规定起床时间段的最后一段时间的结束时刻启动闹钟叫起,保证不影响用户起床的最后时间。w1+w2+w3+w4=1,每个wi的值由系统随机生成,根据用户反馈信息,用户反馈起床体验越好,对应的wi的在下次计算中重复出现的概率越高。
在本实施例中,步骤S5中所述判断所述相似性指标是否满足预设的阈值具体为:当当前相似性指标的计算值大于历史最优相似性指标的80%,则满足。
在本实施例中,步骤S5中所述用户反馈信息为用户根据起床体验由差到好进行由0至9的评分,分之越高,起床体验越好。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (8)
1.一种基于脑电波分析的智能叫醒方法,其特征在于:包括以下步骤:
步骤S1:设定最优起床时间段;
步骤S2:在所述最优起床时间段内用预设的时间长度来划分用户的脑电波,得到若干段脑电波段X(n);
步骤S3:针对每一个脑电波段X(n),计算4个特征指标:脑电波频率、脑电波平均值、脑电波标准差、脑电波段的脉冲因子;
步骤S4:根据步骤S3计算的4个特征指标,进行加权计算得到相似性指标;
步骤S5:判断所述相似性指标是否满足预设的阈值,若满足,则对用户进行叫醒,并采集用户反馈信息,根据用户反馈信息调整相似性指标中的特定参数;若整个最优起床时间段的相似性指标都没有满足预设的阈值,则在最优起床时间段的最后时刻对用户进行叫醒。
2.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S3中所述脑电波频率F采用下式计算:针对脑电波段X(n),有:
其中,P(X(n))为在片段X(n)内峰值的个数,t是片段X(n)对应的时间长度。
3.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S3中所述脑电波平均值Avg采用下式计算:
其中,N为脑电波段长度。
4.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S3中所述脑电波标准差S采用下式计算:
其中,|X(n)|代表了第n个时间序列点的信号强度,相当于纵坐标,n相当于横坐标。
5.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S3中所述脑电波段的脉冲因子I采用下式计算:
6.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S4中所述相似性指标value(i)采用下式计算:
value(i)=w1F(i)+w2Avg(i)+w3S(i)+w4I(i);
其中,i为设定的最优起床时间段内的第i个划分段;w1+w2+w3+w4=1,每个wi的值由系统随机生成,根据用户反馈信息,用户反馈起床体验越好,对应的wi的在下次计算中重复出现的概率越高。
7.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S5中所述判断所述相似性指标是否满足预设的阈值具体为:当当前相似性指标的计算值大于历史最优相似性指标的80%,则满足。
8.根据权利要求1所述的一种基于脑电波分析的智能叫醒方法,其特征在于:步骤S5中所述用户反馈信息为用户根据起床体验由差到好进行由0至9的评分,分之越高,起床体验越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610279613.2A CN105999508B (zh) | 2016-04-29 | 2016-04-29 | 一种基于脑电波分析的智能叫醒方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610279613.2A CN105999508B (zh) | 2016-04-29 | 2016-04-29 | 一种基于脑电波分析的智能叫醒方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105999508A true CN105999508A (zh) | 2016-10-12 |
CN105999508B CN105999508B (zh) | 2019-06-14 |
Family
ID=57081596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610279613.2A Active CN105999508B (zh) | 2016-04-29 | 2016-04-29 | 一种基于脑电波分析的智能叫醒方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105999508B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777972A (zh) * | 2016-12-15 | 2017-05-31 | 清华大学 | 脑电波分析方法和系统 |
CN108595673A (zh) * | 2018-04-28 | 2018-09-28 | 深圳市科迈爱康科技有限公司 | 辅助学习、教学方法、终端设备及计算机可读存储介质 |
CN110192879A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号脉冲因子的测谎方法 |
CN110279396A (zh) * | 2019-05-27 | 2019-09-27 | 北京爱可达科技有限公司 | 为脑波特定波段分析的脑电波测定装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070249952A1 (en) * | 2004-02-27 | 2007-10-25 | Benjamin Rubin | Systems and methods for sleep monitoring |
JP2008292439A (ja) * | 2007-05-28 | 2008-12-04 | Shuichi Inoue | 目覚まし装置 |
CN102179001A (zh) * | 2011-04-25 | 2011-09-14 | 暨南大学 | 一种基于脑电图生物反馈的睡眠治疗装置及其控制方法 |
KR20120066387A (ko) * | 2010-12-14 | 2012-06-22 | 이상석 | 기상 보조 장치 |
CN102671276A (zh) * | 2012-06-07 | 2012-09-19 | 北京师范大学 | 基于脑电信号的智能唤醒系统 |
CN103645626A (zh) * | 2013-11-28 | 2014-03-19 | 苏州罗马冯环保科技有限公司 | 脑电波闹钟 |
CN104970773A (zh) * | 2015-07-21 | 2015-10-14 | 西安交通大学 | 一种基于双重特征筛选的自动睡眠分期方法 |
-
2016
- 2016-04-29 CN CN201610279613.2A patent/CN105999508B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070249952A1 (en) * | 2004-02-27 | 2007-10-25 | Benjamin Rubin | Systems and methods for sleep monitoring |
JP2008292439A (ja) * | 2007-05-28 | 2008-12-04 | Shuichi Inoue | 目覚まし装置 |
KR20120066387A (ko) * | 2010-12-14 | 2012-06-22 | 이상석 | 기상 보조 장치 |
CN102179001A (zh) * | 2011-04-25 | 2011-09-14 | 暨南大学 | 一种基于脑电图生物反馈的睡眠治疗装置及其控制方法 |
CN102671276A (zh) * | 2012-06-07 | 2012-09-19 | 北京师范大学 | 基于脑电信号的智能唤醒系统 |
CN103645626A (zh) * | 2013-11-28 | 2014-03-19 | 苏州罗马冯环保科技有限公司 | 脑电波闹钟 |
CN104970773A (zh) * | 2015-07-21 | 2015-10-14 | 西安交通大学 | 一种基于双重特征筛选的自动睡眠分期方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777972A (zh) * | 2016-12-15 | 2017-05-31 | 清华大学 | 脑电波分析方法和系统 |
CN106777972B (zh) * | 2016-12-15 | 2019-04-05 | 清华大学 | 脑电波分析方法和系统 |
CN108595673A (zh) * | 2018-04-28 | 2018-09-28 | 深圳市科迈爱康科技有限公司 | 辅助学习、教学方法、终端设备及计算机可读存储介质 |
CN110192879A (zh) * | 2019-05-24 | 2019-09-03 | 中南民族大学 | 基于多导脑电信号脉冲因子的测谎方法 |
CN110279396A (zh) * | 2019-05-27 | 2019-09-27 | 北京爱可达科技有限公司 | 为脑波特定波段分析的脑电波测定装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105999508B (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105748043B (zh) | 睡眠质量监测方法及装置、可穿戴设备 | |
CN105999508A (zh) | 一种基于脑电波分析的智能叫醒方法 | |
CN103372258B (zh) | 失眠治疗仪 | |
CN109414562A (zh) | 用于基于睡眠深度时延来调节睡眠段期间的听觉刺激音量的系统和方法 | |
CA2516093A1 (en) | Automated insomnia treatment system | |
EP4356830A2 (en) | Physiological signal monitoring | |
CN106175799A (zh) | 基于脑电波评估人体情绪和疲劳状态的方法及系统 | |
JP5544826B2 (ja) | 刺激効果予測装置、刺激効果予測方法及び車両制御装置 | |
KR101552515B1 (ko) | 뉴로 피드백을 이용한 수면 유도 장치 및 방법 | |
US11478187B2 (en) | Method and system for monitoring and improving sleep pattern of user | |
CN114306873B (zh) | 睡眠唤醒方法、装置、智能眼罩及存储介质 | |
CN115171850B (zh) | 一种睡眠方案生成方法、装置、终端设备及存储介质 | |
CN107402635A (zh) | 结合脑电波与虚拟现实的心理健康调节方法及系统 | |
US20240041398A1 (en) | Method and system for providing feedback to user for improving performance level management thereof | |
WO2019019489A1 (zh) | 运动指导装置、装置和智能穿戴设备 | |
CN109846291A (zh) | 一种智能枕头唤醒方法及智能枕头 | |
Lisowska et al. | From Personalized Timely Notification to Healthy Habit Formation: a Feasibility Study of Reinforcement Learning Approaches on Synthetic Data. | |
CN114145717A (zh) | 基于ppg心率特征参数和运动量的睡眠状态分析方法 | |
CN115316991A (zh) | 一种激惹情绪的自适应识别预警方法 | |
CN105662394B (zh) | 一种向用户提示信息的方法和装置 | |
EP3957248A1 (en) | Systems, methods and devices for biomarker shaping and sleep profile enhancement | |
US20220059210A1 (en) | Systems, methods, and devices for custom sleep age implementation | |
EP3821793A1 (en) | A method for determining the risk of a user waking up in an undesirable state | |
CN116459432B (zh) | 一种睡眠质量监测与干预的管理系统及方法 | |
CN109243610A (zh) | 评估用户生理状态的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |