CN107998499A - 睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 - Google Patents
睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 Download PDFInfo
- Publication number
- CN107998499A CN107998499A CN201711217355.6A CN201711217355A CN107998499A CN 107998499 A CN107998499 A CN 107998499A CN 201711217355 A CN201711217355 A CN 201711217355A CN 107998499 A CN107998499 A CN 107998499A
- Authority
- CN
- China
- Prior art keywords
- auxiliary content
- sleep
- user
- sleepiness
- sleep auxiliary
- 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.)
- Pending
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
- A61M21/02—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 for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- 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
- A61M2021/0027—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 by the hearing sense
Abstract
本发明涉及一种睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统,属于睡眠辅助技术领域,所述方法包括:获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;获取用户的当前睡意深度级别,根据当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至用户的客户端进行播放;在播放结束后,接述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。该技术方案,解决现有电子仪器无法带来稳定的睡眠辅助效果的问题,提高了客户端所播放的睡眠辅助信息的科学性,增强了电子仪器的睡眠辅助效果。
Description
技术领域
本发明涉及睡眠辅助技术领域,特别是涉及一种睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统。
背景技术
随着社会的发展,生活节奏的加快,工作压力的增加,运动量的缺乏或其他原因引起的烦躁、身心不安,导致失眠患者越来越多。噪音污染的与日俱增,失眠症的发生率呈上升的趋势,已严重影响到人的身心健康,使工作效率与生活质量下降。由此,治疗失眠便成为尤为迫切的事情。
目前,治疗失眠的方法有很多种,药物疗法、心理疗法、饮食疗法和自我调节疗法等,药品在治病的同时也会给人体带来系列副作用,长期服用易导致肝、肾功能不良,精神混乱等,并对药物产生依赖性。心理疗法等也只能起到辅助治疗的作用。
随着电子技术的快速发展,医学与电子技术相结合,市面上出现了治疗失眠的电子仪器。这些电子仪器通过向用户播放睡眠辅助信息,以达到促进睡眠目的。
但是本发明的发明人在实际使用当中发现至少存在如下问题:由于播放的睡眠辅助信息缺乏科学性,对于不同用户来说,这些电子仪器往往无法带来稳定的睡眠辅助效果,从而影响了治疗失眠的电子仪器的使用。
发明内容
基于此,有必要针对现有电子仪器无法带来稳定的睡眠辅助效果的问题,提供一种睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统。
一种睡眠辅助内容的处理方法,包括:
获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;
获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放;
在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
一种睡眠辅助内容的处理系统,包括:
获取模块,用于获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;
播放模块,用于获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放;
更新模块,用于在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
上述睡眠辅助内容的处理方法和系统,首先获取用户的睡眠辅助内容切换表,然后根据用户的当前睡意深度级别从睡眠辅助内容切换表中选择合适的睡眠辅助内容发送给用户进行播放;在播放结束后,根据用户反馈的睡意深度级别对睡眠辅助内容切换表的播放切换规则进行更新。利用了睡眠辅助对象的微弱电生理信号的变化特性作为参考,通过实时反馈的睡眠辅助,从而使得用户在后续使用过程当中,能够保持得到最适合的睡眠辅助内容,提高了客户端所播放的睡眠辅助信息的科学性,增强了电子仪器的睡眠辅助效果。
一种睡眠辅助服务器系统,该系统包括:至少一个服务器设备,所述服务器设备通过网络连接至少一个客户端;
所述服务器设备实现如上述的睡眠辅助内容的处理方法。
上述睡眠辅助服务器系统,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述的睡眠辅助内容的处理方法。
上述计算机设备,通过所述处理器上运行的计算机程序,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述的睡眠辅助内容的处理方法。
上述计算机存储介质,通过其存储的计算机程序,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
附图说明
图1为一个实施例的睡眠辅助内容的处理方法流程图;
图2是脑电切片示意图;
图3是心电信号示意图;
图4是原始心电信号示意图;
图5是工频陷波后心电信号示意图;
图6为一个实施例的睡眠辅助内容的处理系统结构示意图;
图7是一个实施例的睡眠辅助服务器系统结构示意图。
具体实施方式
下面结合附图阐述本发明的睡眠辅助内容的处理方法和系统的实施例。
本发明实施例的方案相应的服务器上,该服务器可以通过网络与用户的客户端进行通信,所述客户端是可以运行在各种终端设备上,这里的终端设备可以是智能手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)等任意终端设备。所述终端设备可以包括播放视音频信息等功能,可以搭配耳机等设备。
参考图1所示,图1为一个实施例的睡眠辅助内容的处理方法流程图,包括:
S10,获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中。
睡意是人体从清醒过渡到睡眠的一种状态,其表现有注意力不集中、反应时间变长以及动作不协调等,在进入睡眠过程中,脑电信号、心电信号、眼电信号、肌电信号、皮肤电阻和呼吸等微弱电生理信号会发生变化。因此,通过电生理信号中提取的参数,进行睡意识别。
可选的,内容库中睡眠辅助内容可以包括音乐、语音指导、催眠引导词等等。
在一个实施例中,在S10的获取用户的睡眠辅助内容切换表的步骤前,首先建立睡眠辅助内容的内容库;
然后利用所述内容库中的睡眠辅助内容对测试用户进行播放,获取测试用户的睡意深度级别,并利用所述睡意深度级别对该睡眠辅助内容进行标记。根据标记的睡眠辅助内容形成规则库,并得到一张通用切换规则表;在此,通过对已标记睡眠辅助内容及其规则进行不断选择,从而可以形成一个具有泛化能力的通过规则库,可选的,所述通用切换规则表记录对各个用户通用的睡眠辅助内容的名称、初期睡意深度级别、末期睡意深度级别和内容时长。
再根据所述通用切换规则表建立各个用户的睡眠辅助内容切换表存储到所述规则库中;在此,规则库可以存储通用切换规则表和各个用户的睡眠辅助内容切换表。
S20,获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放。
作为实施例,对于上述获取所述用户的睡意深度级别的步骤,具体可以包括如下步骤:
S201,从所述用户的睡眠辅助内容切换表中选择睡意深度级别最高的睡眠辅助内容;在此过程中,也可以设置睡意等级,即根据睡意深度级别进行排序然后划分等级,也可以选择睡意等级最高的睡眠辅助内容。
进一步的,在所述获取所述用户的睡意深度级别的步骤中,当所述规则库不存在所述用户的睡眠辅助内容切换表时,从预存的通用切换规则表中选择睡意等级最高的睡眠辅助内容;建立该用户的睡眠辅助内容切换表,并根据所述通用切换规则表设置睡眠辅助内容切换表的切换规则。
此实施例中,针对于用户第一次使用时,需要建立其睡眠辅助内容切换表,因此,第一次使用时可以使用通用切换规则表的切换规则,并同时建立个性化的睡眠辅助内容切换表。
S202,从内容库获取相应的睡眠辅助内容发送至用户的客户端进行播放;其中,所述客户端检测用户电生理信号并输入到预先训练的睡意深度检测模型中进行识别,得到睡意深度级别。
在此,用户的终端设备播放所述睡眠辅助内容,并通过相关检查器件,检测用户的电生理信号。
对于所述睡意深度检测模型,获取过程可以如下:根据输入的电生理信号建立SVM(Support Vector Machine,支持向量机)回归模型;提取所述电生理信号的特征信息作为训练样本;将所述训练样本输入到SVM回归模型并结合输入的评分值进行SVM训练,得到所述睡意深度检测模型。
在实施过程中,可以根据输入的特征信息,通过训练样本建立SVM回归模型,并作用于测试样本输出检测结果,实现睡意识别;训练原理可以如下:
针对给定样本对{(xi,yi),xi∈RN,yi={0,1,2,...,100}},xi为训练样本,x为待判决样本,选取RBF核函数,如公式(9)所示。
K(x,xi)=exp(-γ*||x-xi||2) (1)
其中,γ为RBF核函数的宽度,是SVM中重要的可调参数;然后,将提取得到的特征作为训练SVM模型的输入样本X,将输入的评分值(可以是专家评分)得到的睡意作为标准,即SVM回归模型的输出Y;(X,Y)共同组成SVM回归模型的训练样本对,进行SVM训练得到睡意深度检测模型,将提取得到的特征作为训练睡意深度检测模型的输入样本X输入模型,进行睡意识别,识别得到睡意深度级别;一般情况下,睡意深度级别可以取值为0~100的整数。
S203,接收所述用户的客户端反馈的睡意深度级别。
在此过程中,用户的的终端设备将睡意深度级别反馈至服务器端。
在一个实施例中,步骤S20的根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放的步骤,可以包括如下过程:
基于用户的当前睡意深度级别,从睡眠辅助内容切换表中选择睡意深度级别最高(或睡意等级最高)的睡眠辅助内容,结合音量变化规则,发送至所述用户的客户端;所述客户端依据所述音量变化规则以相应的音量进行播放。
上述实施例,通过选择睡意深度级别最高或睡意等级最高的睡眠辅助内容,并且结合音量变化规则,这样能够让用户得到最佳的催眠内容,从而可以提升催眠效果。
S30,在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
在一个实施例中,所述步骤S30的过程,具体可以包括如下步骤:
在用户的客户端播放睡眠辅助内容后,接收所述用户的客户端反馈的睡意深度级别;若该反馈的睡意深度级别未达到设定的睡意深度阈值范围,对该段睡眠辅助内容的播放切换规则进行更新,形成新的睡眠辅助内容切换表。
如上述各个实施例的方案,在应用过程当中,可以先建立基于睡意深度级别的睡眠辅助内容通用切换规则;然后建立各个用户的基于睡意深度级别的睡眠辅助内容个性化切换规则。
(1)首先,建立云端的内容库,包括音乐、语音指导、催眠引导等内容;然后,通过一批测试用户使用该内容库的睡眠辅助内容进行测试,并对所有睡眠辅助内容进行规则标记,并对所有已经标记的睡眠辅助内容及其切换规则进行选择测试,得到睡眠辅助内容切换规则库。并最终形成一个睡眠辅助内容切换通用表,表上可以记录所有睡眠辅助内容相关信息,适用于新用户进行初次使用;例如,可以包括睡眠辅助内容曲目、初期睡意状态、末期睡意状态、内容时长等,其中睡意状态可以采用睡意深度级别标记。
(2)睡眠辅助的目标是提高用户的睡意深度级别,因此,对于每个使用的用户而言,可以针对其设置独立的睡眠辅助内容个性化切换规则。实施的步骤可以如下:
Step1:用户登录睡眠辅助内容切换规则库;
Step2:分析睡眠辅助内容切换规则库内是否存在含有该用户的用户名的睡眠辅助内容切换表;若是,则跳到Step4,否则跳到Step3;
Step3:为该用户建立一张新的睡眠辅助内容切换表,基于睡眠辅助内容切换通用表更新该表,包含用户名,睡眠辅助内容切换规则采用睡眠辅助内容切换通用表的通用规则,在该用户后续使用过程中,不断更新为用户自身的切换规则。
Step4:基于用户当前的睡意深度级别Gi(i=1,2,....,100),结合用户的睡眠辅助内容切换表,从内容库里找到表中睡意深度级别最高的睡眠辅助内容曲目,结合音量变化规则,以合适的音量播放给用户。
Step5:在播放结束,记录用户当前的睡意深度级别,并重新更新该曲目的切换规则,为用户个性化的切换规则。
Step6:重复Step4~Step5,直到用户的睡意维持在一定睡意深度级别(如80~100)一段时间,时间阈值可由用户自行更改,设置默认值T。
上述技术方案,根据睡意深度级别进行睡眠辅助内容的选择、标记和播放,能够精准地选取最适合用户的睡眠辅助内容,搭配耳机,播放给用户,帮助使用者放松身心,缓解焦虑抑郁,实现实时反馈的睡眠辅助。从而使得用户在后续使用过程当中,能够保持得到最适合的睡眠辅助内容。
在实施过程中,可以使用的电生理信号包括:脑电信号、心电信号、呼吸信号、肌电信号中的至少两种;
所述脑电信号的特征信息包括脑电波的能量特征信息;
所述心电信号的特征信息包括R波的特征信息和心率变异性;
所述呼吸信号的特征信息包括呼吸率;
所述肌电信号的特征信息包括表层肌电的积分肌电值和均方根值,表层肌电的平均功率频率和中位频率。
下面结合上述提供的电生理信号,并以其使用的特征信息为例,对相关检测处理过程实施例进行描述。该实施例的过程,主要由运行在用户的终端设备的客户端来执行。
(A)对于脑电信号:
从睡眠辅助对象的脑电信号中提取脑电波,并计算所述脑电波的能量特征信息;此步骤中,睡眠辅助对象的可以是进行睡眠辅助的用户,在睡眠辅助过程中,通过相关器件提取到脑电信号,并提取到脑电信号中的脑电波,并以此脑电波计算其能量特征信息。作为实施例,所述能量特征信息可以包括能量值及其能量分布密度。
具体的,可以提取睡眠辅助对象的脑电的Delta(δ)、Theta(θ)、Alpha(α)、Beta(β)、Gamma(γ)波,并计算该Delta、Theta、Alpha、Beta、Gamma波的能量特征信息。
在一个实施例中,所述提取睡眠辅助对象的脑电的Delta、Theta、Alpha、Beta、Gamma波,并计算得到Delta、Theta、Alpha、Beta、Gamma波的能量及其能量分布密度的步骤,可以包括如下:
(a)对所述脑电信号进行预处理得到脑电切片;
如图2所示,图2是脑电切片示意图;可以先对原始脑电信号进行去平均、抑制基线漂移、去除肌电/眼电伪迹等,去除高于100Hz脑电信息等预处理,对脑电信号进行滑动切片。
(b)从所述脑电切片提取Delta、Theta、Alpha、Beta、Gamma波;
可以针对预处理得到的脑电切片,采用小波变换和独立成分分析相结合的方法,提取其中脑电信号的Delta(0.5~3Hz)、Theta(3~7Hz)、Alpha(8~13Hz)、Beta(14~17Hz)、Gamma(34~Hz)波。
对于所述步骤(b)的从所述脑电切片提取Delta、Theta、Alpha、Beta、Gamma波的步骤,可以包括如下:
(b-1)对脑电切片中的脑电信号进行中心化和白化处理;
(b-2)对所述脑电信号进行小波变换获取各分辨率下的小波系数,对小波系数进行折中阈值处理,并进行逆小波变换得到多个脑电波信号;
具体的,对脑电信号进行小波变换,获得各分辨率下的小波系数,对小波系数进行折中阈值处理,进行逆小波变换得到多个脑电波信号。
(b-3)依次对各个脑电波信号进行独立成分分析,提取脑电波信号的Delta、Theta、Alpha、Beta、Gamma波。
具体的,选择一个具有单位范数的初始化(可随机选取)向量w。根据式子w←E{zg(wTz)}-E{g'(wTz)}w更新w;其中,wTz为z在w上的投影。
然后标准化w:w←w/||w||,对于多个独立分量,每一次提取一个独立分量后从观测信号中减去该独立分量,重复更新w的步骤,直至所有分量都提取完成为止。其中,E为数学期望,g可以是任意的非二次函数;g'表示函数g的倒数;zg表示函数g的z变换;
从观测信号中减去该独立分量的方法可以如下公式所示:
假设已经估计了P个分量,当相邻两次的w变化很小或者没有变化时,可认为y=s,迭代过程结束;其中,wj表示第j个w向量,wp+1表示第p+1个w向量,T表示转置运算;s和y是具有相同均值和协方差矩阵的高斯变量,在此处表示s表示源信号,y表示经过独立分析之后的信号;
利用独立成分分析和小波变换相结合的方法,依次提取得到脑电的独立分量Delta、Theta、Alpha、Beta、Gamma波。
(c)分别提取Delta、Theta、Alpha、Beta、Gamma波的幅度值;
具体的,通过提取得到的Delta、Theta、Alpha、Beta、Gamma波,数值代表幅度A,T=1/fs,因此可以表示为A(t);Delta、Theta、Alpha、Beta、Gamma波分别为A1(t)~A5(t)。
(d)根据Delta、Theta、Alpha、Beta、Gamma波的幅度值和频率值计算Delta、Theta、Alpha、Beta、Gamma波的能量及其能量分布密度;
具体的,对于计算能量P,可以如下面公式所示,其中积分范围为-T/2到T/2。那么Delta、Theta、Alpha、Beta、Gamma波的能量分别为P1~P5,此时能量P1~P5就代表Delta、Theta、Alpha、Beta、Gamma波信号。
对于计算能量分布密度S,如下面公式所示,其中,ω=2πf=2π/T,f为频率,T=1/f;那么Delta、Theta、Alpha、Beta、Gamma波的能量分布密度分别为S1~S5;
其中,ω=2πf=2π/T为角频率,f为频率,T=1/f为时间常数,A表示幅度。
(B)对于心电信号:
获取睡眠辅助对象的心电信号,识别心电信号中的R波,计算R波的特征信息和心率变异性;作为实施例,所述R波的特征信息可以包括RR间期和R波幅度;参考图3所示,图3是心电信号示意图,实际采集获得的心电信号包含各种噪声,波形粗糙,不光滑,导致QRS波中的有用信息难以被提取。
因此,可以采用低通数字滤波器(巴特沃斯滤波器)进行低通滤波,滤除高频噪声(300Hz以上),从而得到心电信号中的QRS波。
在一个实施例中,所述步骤S20的识别心电信号中的R波,计算R波的特征信息和心率变异性的步骤,可以包括如下:
(a)对心电信号进行经验模态分解得到本征模函数,根据所述本征模函数识别心电信号中的R波;
具体的,采用经验模态对心电信号进行分解。假设经滤波后的心电信号为x(t),对其进行三尺度的经验模态分解(EMD),得到三个表征信号特征时间尺度的本征模函数(简称IMF),分别为IMF1、IMF2、IMF3和残量R,其中IMF1、IMF2和IMF3用于R波识别,那么心电信号可以表示为如下公式所示。
x=IMF1+IMF2+IMF3 (5)
(b)采用差分阈值搜索方法确定心电信号的阈值;
具体的,可以采用差分阈值法求得心电信号的阈值D。差分阈值基本原理如如下公式所示,假设初始阈值D0=λ*Deriv(0<λ<1),本实施例中λ=0.6,是经过多次试验得到的经验参数。
Deriv=0.125×[2×x(i-3)+x(i-2)-x(i-1)-2×x(i)] (6)
(c)利用所述阈值在所述心电信号上进行搜索,将心电信号的最大值作为第一个R波的位置;
采用阈值搜索法确定第一个R波的位置T1。在原始信号x(t)上搜索第一个比D0大的作为第一个R波的初始位置T10,在R波的初始位置前后12个采样点之间计算原始信号的最大值,作为R波的位置T1,R波幅值为RA。
(d)在所述心电信号上逐个搜索每个R波的位置,并计算相邻两个R波的RR间期;
具体的,逐个搜索每个R波的位置,根据如下公式进行阈值搜索,通常μ=0.4,根据心电信号每次搏动的一般最小间隔为400ms,在搜索到一个R峰的位置后,在400ms之内不会出现第二个R波的位置,每搜索到一个R波的初始位置,再在其前后12个采样点之间计算原始信号x(t)的最大值,作为R波的位置Tn。
D=μ·D+μ·RA (7)
由此,可以计算得到相邻两个R波的间距RR,即RR间期,如下面公式(8)所示:
RR=Tn-Tn-1 (8)
(e)根据所述RR间期确定所述心电信号的心率变异性;具体的,心率变异性HRV通常用相邻RR间期差值均方根来表示,如下面公式所示:
上述技术方案,提出了一种改进的差分阈值方法,识别心电信号中的R波,并根据提取得到的R波,便于计算RR间期、R波幅度和心率变异性。
(C)对于呼吸信号:
可以通过对心电信号进行滤波获取用户的呼吸信号,进而计算呼吸率。具体的,本发明实施例提出一种新型的从单导联心电信号中提取呼吸信号的方法,通过构造卡尔曼滤波器,由卡尔曼滤波器提取呼吸信号,计算呼吸率RP。
首先,由于呼吸作用引起心电图中的基线漂移,呼吸信息是心电信号的低频成分,通过去除呼吸频率范围以外的信号,从而得到所需提取的呼吸信息。
通过心电电极获得原始心电数据O(t),如图4所示,图4是原始心电信号示意图,原始心电信号包含大量的工频干扰,先进行50Hz工频陷波,滤除工频干扰,陷波后的信号X(t)如图5所示,图5是工频陷波后心电信号示意图。
其次,构造卡尔曼滤波器,通过卡尔曼滤波器提取呼吸信号,计算呼吸率RP。
(1)卡尔曼滤波器包括两个主要过程:
预估过程:利用时间更新方程建立对当前状态的先验估计,及时向前推算当前状态变量和误差协方差估计的值,为下一个时间状态构造先验估计值;
校正过程:利用测量更新方程在预估过程的先验估计值及当前测量变量的基础上建立起对当前状态的改进的后验估计。
(2)卡尔曼滤波器的时间更新方程,如公式(9)、(10)所示。
Pk-=APk-1AT+Q (10)
(3)卡尔曼滤波器的状态更新方程,如公式(11)~(13)所示。
Kk=Pk-HT(HPk-HT+R)-2 (11)
Pk=(1-KkH)Pk- (13)
其中,第k步之前的状态是已知的情况下第k步的先验状态估计值(-代表先验,代表估计);A为作用在Xk-1上的n×n状态变换矩阵;B为作用在控制向量Uk-1上的n×1输入控制矩阵;H为m×n观测模型矩阵,该矩阵真实状态空间映射成观测空间;Pk-为n×n先验估计误差协方差矩阵;Pk为n×n后验估计误差协方差矩阵;R为n×n过程噪声协方差矩阵;I为n×n阶单位矩阵;是指卡尔曼残差;Kk为n×m阶矩阵,称为卡尔曼增益或混合因数,是卡尔曼残差的增益系数,作用是使后验估计误差协方差最小,卡尔曼滤波即求解使后验估计误差协方差取最小值的增益矩阵。
最后,利用构造好的卡尔曼滤波器,进行呼吸信号提取,提取得到呼吸波形Y(t),利用已有的呼吸算法,计算得到呼吸率RP。
(D)对于肌电信号:
表面肌电信号(surface electro myographysi gnal,sEMG)是从肌肉表面通过电极引导、记录神经肌肉系统活动时的一维时间序列信号,由于其变化与参与活动的运动单位数量、运动单位活动模式和代谢状态等因素有关,能够实时、准确地和在非损伤状态下反映肌肉活动状态和功能状态。
首先,对于经由表面电极测得的原始sEMG,首先对其进行50Hz陷波处理,以消除工频干扰;然后通过IIR(无限长单位脉冲响应系统)对其进行10~500Hz带通滤波,得到降噪后的肌电信号EMG(t)。
其次,采用时域方法提取表层肌电的特征,包括积分肌电值(iEMG)和均方根值(RMS),计算方法如公式(14)~(15)所示。可在时间维度上反映sEMG信号振幅的变化特征,而后者又取决于肌肉负荷性因素和肌肉本身的生理、生化过程之间的内在联系,因此,上述时域分析指标常被用于实时地、无损伤地反映肌肉活动状态,具有较好的实时性。
最后,采用频域方法提取表层肌电的特征,包括平均功率频率(Mean PowerFrequency,MPF)和中位频率(Median Frequency,MF),如公式(16)~(17)所示,P(f)为肌电功率谱。它们可反映sEMG信号在不同频率分量的变化,故能较好地在频率维度上反映sEMG的变化。
将表层肌电的iEMG、RMS、MPF、MF作为睡意识别信息之一,用于输入SVM回归模型进行睡意评估。
基于上述实施例的方案,将脑电信号、心电信号、呼吸信号、肌电信号等提取的特征信息输入到预先训练的睡意深度检测模型中进行识别,得到睡意深度级别;例如,所述能量特征信息、R波的特征信息和心率变异性等特征信息信息。
作为实施例,对于所述预先训练的睡意深度检测模型,在客户端可以实时识别用户的睡意深度级别,首先根据输入的信号建立SVM回归模型,然后提取脑电信号、心电信号、呼吸信号、肌电信号等信号的特征信息作为训练样本;最后将所述训练样本输入到SVM(Support Vector Machine,支持向量机)回归模型并结合输入的评分值进行SVM训练,得到所述睡意深度检测模型。
参考图6所示,图6为一个实施例的睡眠辅助内容的处理系统结构示意图,包括:
获取模块10,用于获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;
播放模块20,用于获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放;
更新模块30,用于在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
本发明实施例的睡眠辅助内容的处理系统与本发明实施例的睡眠辅助内容的处理方法一一对应,在上述睡眠辅助内容的处理方法的实施例阐述的技术特征及其有益效果均适用于睡眠辅助内容的处理系统的实施例中,特此声明。
参考图7所示,图7是一个实施例的睡眠辅助服务器系统结构示意图,该系统包括:至少一个服务器设备200,所述服务器设备200通过网络连接至少一个终端设备101~104;所述服务器设备200实现如上述任意实施例的睡眠辅助内容的处理方法。
上述睡眠辅助服务器系统,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
基于如上所述的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现如上述各实施例中的任意一种睡眠辅助内容的处理方法。
上述计算机设备,通过所述处理器上运行的计算机程序,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述各睡眠辅助内容的处理方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种睡眠辅助内容的处理方法。
上述计算机存储介质,通过其存储的计算机程序,提高了所播放的睡眠辅助内容的科学性,增强了睡眠辅助效果。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种睡眠辅助内容的处理方法,其特征在于,包括:
获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;
获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放;
在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
2.根据权利要求1所述的睡眠辅助内容的处理方法,其特征在于,所述获取用户的睡眠辅助内容切换表的步骤前,还包括:
建立睡眠辅助内容的内容库;
利用所述内容库中的睡眠辅助内容对测试用户进行播放,获取测试用户的睡意深度级别,并利用所述睡意深度级别对该睡眠辅助内容进行标记;
根据标记的睡眠辅助内容形成规则库,并得到一张通用切换规则表;
根据所述通用切换规则表建立各个用户的睡眠辅助内容切换表存储到所述规则库中。
3.根据权利要求2所述的睡眠辅助内容的处理方法,其特征在于,所述通用切换规则表记录对各个用户通用的睡眠辅助内容的名称、初期睡意深度级别、末期睡意深度级别和内容时长;
所述睡眠辅助内容包括音乐、语音指导和/或催眠引导词。
4.根据权利要求1所述的睡眠辅助内容的处理方法,其特征在于,所述在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新的步骤包括:
在用户的客户端播放睡眠辅助内容后,接收所述用户的客户端反馈的睡意深度级别;若该反馈的睡意深度级别未达到设定的睡意深度阈值范围,对该段睡眠辅助内容的播放切换规则进行更新,形成新的睡眠辅助内容切换表。
5.根据权利要求2至4任一项所述的睡眠辅助内容的处理方法,其特征在于,所述获取所述用户的睡意深度级别的步骤包括:
从所述用户的睡眠辅助内容切换表中选择睡意深度级别最高的睡眠辅助内容;
从内容库获取相应的睡眠辅助内容发送至用户的客户端进行播放;其中,所述客户端检测用户电生理信号并输入到预先训练的睡意深度检测模型中进行识别,得到睡意深度级别;
接收所述用户的客户端反馈的睡意深度级别。
6.根据权利要求5所述的睡眠辅助内容的处理方法,其特征在于,所述获取所述用户的睡意深度级别的步骤,还包括:
当所述规则库不存在所述用户的睡眠辅助内容切换表时,从预存的通用切换规则表中选择睡意等级最高的睡眠辅助内容;
建立该用户的睡眠辅助内容切换表,并根据所述通用切换规则表设置睡眠辅助内容切换表的切换规则。
7.根据权利要求1所述的睡眠辅助内容的处理方法,其特征在于,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放的步骤包括:
基于用户的当前睡意深度级别,从睡眠辅助内容切换表中选择睡意深度级别最高的睡眠辅助内容,结合音量变化规则,发送至所述用户的客户端;所述客户端依据所述音量变化规则以相应的音量进行播放。
8.根据权利要求1所述的睡眠辅助内容的处理方法,其特征在于,还包括:根据输入的电生理信号建立SVM回归模型;提取所述电生理信号的特征信息作为训练样本;将所述训练样本输入到SVM回归模型并结合输入的评分值进行SVM训练,得到所述睡意深度检测模型。
9.根据权利要求1所述的睡眠辅助内容的处理方法,其特征在于,所述电生理信号包括:脑电信号、心电信号、呼吸信号、肌电信号中的至少两种;
所述脑电信号的特征信息包括脑电波的能量特征信息;
所述心电信号的特征信息包括R波的特征信息和心率变异性;
所述呼吸信号的特征信息包括呼吸率;
所述肌电信号的特征信息包括表层肌电的积分肌电值和均方根值,表层肌电的平均功率频率和中位频率。
10.一种睡眠辅助内容的处理系统,其特征在于,包括:
获取模块,用于获取用户的睡眠辅助内容切换表,其中,睡眠辅助内容切换表用于记录所述用户的睡眠辅助内容及其播放切换规则,所述睡眠辅助内容存储在内容库中;
播放模块,用于获取所述用户的当前睡意深度级别,根据所述当前睡意深度级别从睡眠辅助内容切换表中选择对应的睡眠辅助内容发送至所述用户的客户端进行播放;
更新模块,用于在播放结束后,接收所述用户反馈的睡意深度级别,并根据该睡意深度级别对所述睡眠辅助内容切换表的播放切换规则进行更新。
11.一种睡眠辅助服务器系统,其特征在于,该系统包括:至少一个服务器设备,所述服务器设备通过网络连接至少一个终端设备;
所述服务器设备实现如权利要求1至10任意一项所述的睡眠辅助内容的处理方法。
12.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10任意一项所述的睡眠辅助内容的处理方法。
13.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至10任意一项所述的睡眠辅助内容的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217355.6A CN107998499A (zh) | 2017-11-28 | 2017-11-28 | 睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217355.6A CN107998499A (zh) | 2017-11-28 | 2017-11-28 | 睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107998499A true CN107998499A (zh) | 2018-05-08 |
Family
ID=62054313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711217355.6A Pending CN107998499A (zh) | 2017-11-28 | 2017-11-28 | 睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107998499A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110841169A (zh) * | 2019-11-28 | 2020-02-28 | 中国科学院深圳先进技术研究院 | 一种用于睡眠调节的深度声音刺激系统和方法 |
CN113812965A (zh) * | 2021-08-19 | 2021-12-21 | 杭州回车电子科技有限公司 | 睡眠状态识别方法、装置、电子装置和存储介质 |
CN113842117A (zh) * | 2021-11-26 | 2021-12-28 | 珠海开悦睡眠之家科技有限公司 | 一种睡眠数据采集处理方法和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110160524A1 (en) * | 2009-12-30 | 2011-06-30 | Shenzhen Futaihong Precision Industry Co., Ltd. | Electronic device and hypnosis method utilizing the same |
CN102131461A (zh) * | 2008-09-01 | 2011-07-20 | 丰田自动车株式会社 | 睡眠判断装置以及睡眠判断方法 |
CN103584840A (zh) * | 2013-11-25 | 2014-02-19 | 天津大学 | 基于脑电、心率变异及两者相干性的自动睡眠分期方法 |
CN104720748A (zh) * | 2013-12-24 | 2015-06-24 | 中国移动通信集团公司 | 一种睡眠阶段确定方法和系统 |
CN104759017A (zh) * | 2014-01-02 | 2015-07-08 | 瑞轩科技股份有限公司 | 睡眠辅助系统及其作业方法 |
CN104812300A (zh) * | 2012-09-19 | 2015-07-29 | 瑞思迈传感器技术有限公司 | 用于确定睡眠阶段的系统和方法 |
CN105451801A (zh) * | 2013-06-11 | 2016-03-30 | 新加坡科技研究局 | 声音诱导的睡眠方法和用于该方法的系统 |
CN106178222A (zh) * | 2016-09-21 | 2016-12-07 | 广州视源电子科技股份有限公司 | 基于催眠术的智能辅助睡眠方法和系统 |
CN106709469A (zh) * | 2017-01-03 | 2017-05-24 | 中国科学院苏州生物医学工程技术研究所 | 基于脑电和肌电多特征的自动睡眠分期方法 |
CN106730236A (zh) * | 2016-12-20 | 2017-05-31 | 广州视源电子科技股份有限公司 | 一种放松引导方法、装置及系统 |
CN107007278A (zh) * | 2017-04-25 | 2017-08-04 | 中国科学院苏州生物医学工程技术研究所 | 基于多参数特征融合的自动睡眠分期方法 |
CN107126615A (zh) * | 2017-04-20 | 2017-09-05 | 重庆邮电大学 | 基于脑电信号的音乐诱导睡眠方法及系统 |
-
2017
- 2017-11-28 CN CN201711217355.6A patent/CN107998499A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102131461A (zh) * | 2008-09-01 | 2011-07-20 | 丰田自动车株式会社 | 睡眠判断装置以及睡眠判断方法 |
US20110160524A1 (en) * | 2009-12-30 | 2011-06-30 | Shenzhen Futaihong Precision Industry Co., Ltd. | Electronic device and hypnosis method utilizing the same |
CN104812300A (zh) * | 2012-09-19 | 2015-07-29 | 瑞思迈传感器技术有限公司 | 用于确定睡眠阶段的系统和方法 |
CN105451801A (zh) * | 2013-06-11 | 2016-03-30 | 新加坡科技研究局 | 声音诱导的睡眠方法和用于该方法的系统 |
CN103584840A (zh) * | 2013-11-25 | 2014-02-19 | 天津大学 | 基于脑电、心率变异及两者相干性的自动睡眠分期方法 |
CN104720748A (zh) * | 2013-12-24 | 2015-06-24 | 中国移动通信集团公司 | 一种睡眠阶段确定方法和系统 |
CN104759017A (zh) * | 2014-01-02 | 2015-07-08 | 瑞轩科技股份有限公司 | 睡眠辅助系统及其作业方法 |
CN106178222A (zh) * | 2016-09-21 | 2016-12-07 | 广州视源电子科技股份有限公司 | 基于催眠术的智能辅助睡眠方法和系统 |
CN106730236A (zh) * | 2016-12-20 | 2017-05-31 | 广州视源电子科技股份有限公司 | 一种放松引导方法、装置及系统 |
CN106709469A (zh) * | 2017-01-03 | 2017-05-24 | 中国科学院苏州生物医学工程技术研究所 | 基于脑电和肌电多特征的自动睡眠分期方法 |
CN107126615A (zh) * | 2017-04-20 | 2017-09-05 | 重庆邮电大学 | 基于脑电信号的音乐诱导睡眠方法及系统 |
CN107007278A (zh) * | 2017-04-25 | 2017-08-04 | 中国科学院苏州生物医学工程技术研究所 | 基于多参数特征融合的自动睡眠分期方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110841169A (zh) * | 2019-11-28 | 2020-02-28 | 中国科学院深圳先进技术研究院 | 一种用于睡眠调节的深度声音刺激系统和方法 |
CN110841169B (zh) * | 2019-11-28 | 2020-09-25 | 中国科学院深圳先进技术研究院 | 一种用于睡眠调节的深度学习声音刺激系统和方法 |
WO2021103084A1 (zh) * | 2019-11-28 | 2021-06-03 | 中国科学院深圳先进技术研究院 | 一种用于睡眠调节的深度声音刺激系统和方法 |
CN113812965A (zh) * | 2021-08-19 | 2021-12-21 | 杭州回车电子科技有限公司 | 睡眠状态识别方法、装置、电子装置和存储介质 |
CN113812965B (zh) * | 2021-08-19 | 2024-04-09 | 杭州回车电子科技有限公司 | 睡眠状态识别方法、装置、电子装置和存储介质 |
CN113842117A (zh) * | 2021-11-26 | 2021-12-28 | 珠海开悦睡眠之家科技有限公司 | 一种睡眠数据采集处理方法和系统 |
CN113842117B (zh) * | 2021-11-26 | 2022-03-01 | 珠海开悦睡眠之家科技有限公司 | 一种睡眠数据采集处理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107961429A (zh) | 睡眠辅助方法和系统、睡眠辅助装置 | |
CN109224242B (zh) | 基于vr交互的心理放松系统及方法 | |
CN107998500A (zh) | 睡眠辅助内容的播放方法和系统、睡眠辅助装置 | |
CN109674468A (zh) | 一种单导脑电自动睡眠分期方法 | |
CN101642368B (zh) | 自主神经功能信号的处理方法、装置和测试系统 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
Sobahi | Denoising of EMG signals based on wavelet transform | |
CN112656427A (zh) | 一种基于维度模型的脑电信号情绪识别方法 | |
CN107951496A (zh) | 基于多尺度熵分析心身关联性的方法及系统 | |
CN108042145A (zh) | 情绪状态识别方法和系统、情绪状态识别设备 | |
CN107998499A (zh) | 睡眠辅助内容的处理方法和系统、睡眠辅助服务器系统 | |
CN109602417A (zh) | 基于随机森林的睡眠分期方法及系统 | |
CN1358074A (zh) | 用于促进生理相干和自主平衡的方法和设备 | |
Zhang et al. | Using Lempel–Ziv complexity to assess ECG signal quality | |
CN109124624A (zh) | 脑电波模板获取方法及相关产品 | |
CN108209902A (zh) | 运动员竞技状态评估方法及系统 | |
CN112603332A (zh) | 一种基于脑电信号特征分析的情感认知方法 | |
CN104688222B (zh) | 基于脑电信号的音色合成装置 | |
CN112754502A (zh) | 一种基于脑电信号的音乐自动切换方法 | |
CN114492501A (zh) | 基于改进smote算法的脑电信号样本扩充方法、介质及系统 | |
CN107233653A (zh) | 基于脑电波情景感知和云平台存储技术的放松减压方法 | |
CN106859641A (zh) | 一种基于自动ica去除eeg信号中核磁伪迹的方法 | |
CN106491120A (zh) | 一种基于皮电的睡眠质量评估方法及系统 | |
CN110353704A (zh) | 基于穿戴式心电监测的情绪评估方法与装置 | |
CN103313748A (zh) | 个性化的治愈声音数据库 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |