CN109199325B - 一种睡眠监测方法及装置 - Google Patents

Abstract

本申请涉及计算机技术领域，尤其涉及一种睡眠监测方法及装置，用以解决现有技术中存在的对可穿戴设备的存储空间要求高以及无法实时地分析睡眠状态的问题。本申请提供的一种睡眠监测方法包括：采集用户的加速度数据；每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。

Description

一种睡眠监测方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种睡眠监测方法及装置。

背景技术

随着穿戴式设备和智能终端的飞速发展，可以利用穿戴式设备以及智能终端实现对人们睡眠状况的监测。

现有技术中实现睡眠监测的大体流程为：由穿戴式设备实时采集用户睡眠时的肢体运动数据并保存，在采集到用户整晚的肢体运动数据后，将存储的整晚的所有肢体运动数据上传至智能终端。而智能终端在接收到穿戴式设备上报的所有肢体运动数据之后，对接收的所有肢体运动数据进行分析，最终得到睡眠状态报告。上述方案中，可穿戴设备需要存储大量的肢体运动数据，这对可穿戴设备的存储空间要求较高。并且，可穿戴设备是在采集到整晚的肢体运动数据后，统一上报给智能终端，由智能终端进行分析，故在用户睡眠的过程中并不能实时地分析睡眠状态。此外，可穿戴设备将存储的肢体运动数据上报给智能终端的过程中，也需要花费一定时间，若使用网络传输的话，还要消耗用户的数据流量。

基于此，目前需要一种新的睡眠监测方案以克服上文所提出的问题。

发明内容

本申请实施例提供一种睡眠监测方法及装置，用以解决现有技术中存在的对可穿戴设备的存储空间要求高以及无法实时地分析睡眠状态的问题。

本申请实施例提供的具体技术方案如下：

第一方面，一种睡眠监测方法，包括：

采集用户的加速度数据；

每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；

基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。

进一步地，所述采集用户的加速度数据，具体包括：

按照预设采样频率，采集用户在三维空间上的三轴加速度数据；

所述基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，包括：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态。

进一步地，所述根据比较的结果，确定该预设时间区间内的睡眠状态，包括：

若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态；

若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态；

若所述比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

进一步地，在确定出各预设时间区间内的睡眠状态之后，所述方法还包括：

依次遍历各预设时间区间所对应的睡眠状态；

将第一个睡眠状态为浅睡眠状态的预设时间区间所对应的初始时刻确定为入睡时刻；

将最后一个睡眠状态为浅睡眠状态的预设时间区间所对应的结束时刻确定为醒来时刻；

将所述入睡时刻与所述醒来时刻之间的时长作为睡眠周期，将处于所述睡眠周期内的各预设时间区间所对应的睡眠状态进行优化；

所述生成包含有每种睡眠状态的总时长的睡眠状态报告，包括：

基于优化后的各预设时间区间所对应的睡眠状态，统计在所述睡眠周期内每种睡眠状态的总时长；

生成包含有入睡时刻、醒来时刻以及每种睡眠状态的总时长的睡眠状态报告。

进一步地，根据以下方式对清醒状态进行优化：

依次遍历睡眠周期内清醒状态的预设时间区间；

若在所述睡眠周期内存在清醒状态的预设时间区间，则判断所述清醒状态的预设时间区间是否为连续的时间区间且连续的时间区间的个数是否大于设定的第四阈值；

若是，则不改变所述清醒状态的预设时间区间的睡眠状态；

若否，则将所述清醒状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，根据以下方式对深睡眠状态进行优化：

依次遍历所述睡眠周期内深睡眠状态的预设时间区间；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为浅睡眠状态的预设时间区间，则不改变所述深睡眠状态的预设时间区间的睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为清醒状态的预设时间区间，则将所述连续的时间区间中与所述清醒状态的预设时间区间相邻的时间区间的睡眠状态改为浅睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数小于设定的第五阈值，则将所述深睡眠状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，在生成睡眠状态报告之后，所述方法还包括：

若检测到用户针对穿戴式设备做出了指定操作指令，则在所述穿戴式设备的显示界面中显示生成的睡眠状态报告。

第二方面，一种睡眠监测装置，包括：

采集模块，用于采集用户的加速度数据；

处理模块，用于每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；

生成模块，用于基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。

进一步地，所述采集模块具体用于：

按照预设采样频率，采集用户在三维空间上的三轴加速度数据；

所述处理模块具体用于：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态。

进一步地，所述处理模块具体用于：

若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态；

若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态；

若所述比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

进一步地，所述处理模块还用于：

在确定出各预设时间区间内的睡眠状态之后，依次遍历各预设时间区间所对应的睡眠状态；

将第一个睡眠状态为浅睡眠状态的预设时间区间所对应的初始时刻确定为入睡时刻；

将最后一个睡眠状态为浅睡眠状态的预设时间区间所对应的结束时刻确定为醒来时刻；

将所述入睡时刻与所述醒来时刻之间的时长作为睡眠周期，将处于所述睡眠周期内的各预设时间区间所对应的睡眠状态进行优化；

所述生成模块具体用于：

基于优化后的各预设时间区间所对应的睡眠状态，统计在所述睡眠周期内每种睡眠状态的总时长；

生成包含有入睡时刻、醒来时刻以及每种睡眠状态的总时长的睡眠状态报告。

进一步地，所述处理模块具体用于：

依次遍历睡眠周期内清醒状态的预设时间区间；

若在所述睡眠周期内存在清醒状态的预设时间区间，则判断所述清醒状态的预设时间区间是否为连续的时间区间且连续的时间区间的个数是否大于设定的第四阈值；

若是，则不改变所述清醒状态的预设时间区间的睡眠状态；

若否，则将所述清醒状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，所述处理模块具体用于：

依次遍历所述睡眠周期内深睡眠状态的预设时间区间；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为浅睡眠状态的预设时间区间，则不改变所述深睡眠状态的预设时间区间的睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为清醒状态的预设时间区间，则将所述连续的时间区间中与所述清醒状态的预设时间区间相邻的时间区间的睡眠状态改为浅睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数小于设定的第五阈值，则将所述深睡眠状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，所述装置还包括：

显示模块，用于在生成模块生成睡眠状态报告之后，若检测到用户针对穿戴式设备做出了指定操作指令，则在所述穿戴式设备的显示界面中显示生成的睡眠状态报告。

第三方面，一种电子设备，包括：一个或多个处理器；以及一个或多个计算机可读介质，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被所述一个或多个处理器执行时，实现如第一方面任一所述的方法的步骤。

第四方面，一个或多个计算机可读介质，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被一个或多个处理器执行时，使得通信设备执行如第一方面任一所述的方法。

本申请实施例中，可穿戴设备采集用户的加速度数据，并每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态。并在确定出该预设时间区间内的睡眠状态之后，存储睡眠状态以及删除该预设时间区间内的加速度数据。进一步，可以基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。由此可见，采用本申请实施例可直接由可穿戴设备完成数据采集、睡眠状态的分析、以及生成睡眠状态报告的过程，其中，可穿戴设备只存储各预设时间区间的睡眠状态，相比现有技术中在可穿戴设备中存储大量原始运动数据的方案，能够大大降低存储的数据量。并且，可穿戴设备能够根据采集的加速度数据，实时地分析各预设时间区间内的睡眠状态并生成睡眠状态报告，省去上报给智能终端去分析的过程，提高了对睡眠状态分析的实时性，也无需花费用户流量，使用户在睡醒时能够随时在可穿戴设备上查看睡眠状态，提高了用户的体验度。

附图说明

图1为本申请实施例一提供的睡眠监测方法的流程图；

图2a为本申请实施例一提供的对睡眠状态进行优化的示意图一；

图2b为本申请实施例二提供的对睡眠状态进行优化的示意图二；

图3为本申请实施例二提供的睡眠监测装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了解决现有技术中对可穿戴设备的存储空间要求高以及无法实时地分析睡眠状态的问题，本申请实施例提出了一种由可穿戴设备完成数据采集、睡眠状态的分析、以及生成睡眠状态报告的过程的睡眠监测方法。其中，可穿戴设备只存储各预设时间区间的睡眠状态，相比现有技术中在可穿戴设备中存储大量原始运动数据的方案，能够大大降低存储的数据量。并且，可穿戴设备能够根据采集的加速度数据，实时地分析各预设时间区间内的睡眠状态并生成睡眠状态报告，省去上报给智能终端去分析的过程，提高了对睡眠状态分析的实时性，也无需花费用户流量，使用户在睡醒时能够随时在可穿戴设备上查看睡眠状态，提高了用户的体验度。

参照图1，为本申请实施例一提供的睡眠监测方法的流程图，包括以下步骤：

步骤101：采集用户的加速度数据。

这里，可穿戴设备中可配置有加速度传感器。为了尽可能避免采集过多重复的加速度数据，减少数据运算量，可以由加速度传感器按照预设采样频率，采集用户在三维空间上的三轴加速度数据。其中，所谓三维加速度数据即为X、Y、Z三轴分别对应的加速度数据。预设采样频率可以在可穿戴设备出厂前根据实际需求来配置，比如10Hz、15Hz或者20Hz等。

并且，在具体实施中，可穿戴设备中还可配置有用于检测可穿戴设备是否处于佩戴状态的传感器，若使用该传感器检测到可穿戴设备处于佩戴状态，则开启加速度传感器采集加速度数据，若使用该传感器检测到可穿戴设备没有处于佩戴状态，则使设备处于休眠状态，以节省电量。

此外，在检测到可穿戴设备处于佩戴状态之后，还可基于用户根据自身的入睡习惯预先在可穿戴设备中配置的采集加速度数据的采样时间，来确定是否开启加速度传感器采集用户的加速度数据。比如，假设用户预先配置采样时间为晚十点至早七点，那么可以在同时满足可穿戴设备处于佩戴状态且当前时间符合采样时间时，开启加速度传感器来采集用户的加速度数据。并且，由于加速度传感器对运动很敏感，故对于采集的原始加速度数据还可先进行去燥等处理再做分析，这里不再详述。

步骤102：每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储该预设时间区间内的睡眠状态以及删除该预设时间区间内的加速度数据。

其中，预设时间区间可以是设定的一段时间，比如2分钟等。那么每隔预设时间区间，可执行一次上述睡眠状态的分析过程。

具体地，所述基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，包括：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态。

这里，为了提高数据处理的速度，可以首先将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值，该标量值是由X、Y、Z三轴上的加速度数据的平方和，然后开根号得到的。

进一步地，在计算出该预设时间区间内各采样时刻对应的标量值之后，可计算出各标量值之间的离散度以及相似度。其中，离散度可用于表征在该预设时间区间内运动幅度之间彼此分散的程度，具体一维空间中，可用各标量值之间的标准差或者方差来表示。相似度可用于表征在该预设时间区间内运动幅度之间的相似性，具体一维空间中，可用各标量值的平均值来表示。

进一步地，可将计算出的离散度以及相似度分别与预先设定的阈值进行比较。进而根据比较的结果，确定该预设时间区间内的睡眠状态。其中，睡眠状态可分为清醒状态、浅睡眠状态、深睡眠状态。针对每一种睡眠状态的具体判断过程如下：

(1)若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态。

这里，由于用户在清醒状态时，长时间保持肢体不运动或肢体运动幅度相同的情况很少见，故三轴加速度数据的变化很大，因此处于清醒状态下离散度较高而相似度较低。

(2)若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态。

这里，由于用户在深睡眠状态时，肢体不会发生运动或运动幅度很微小，故三轴加速度数据变化很小，因此处于深睡眠状态下离散度较低而相似度较高。

(3)若比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

进一步地，针对每个预设时间区间，在确定出该预设时间区间内的睡眠状态之后，为了节省可穿戴设备的存储空间，可仅存储该预设时间区间内的睡眠状态，同时删除该预设时间区间内的加速度数据。

并且，随着时间的推移，依次计算出至少一个预设时间区间的睡眠状态之后，还可以分析得到入睡时间、清醒时间以及整个睡眠周期。具体地，可依次遍历各预设时间区间所对应的睡眠状态，并将第一个睡眠状态为浅睡眠状态的预设时间区间所对应的初始时刻确定为入睡时刻将最后一个睡眠状态为浅睡眠状态的预设时间区间所对应的结束时刻确定为醒来时刻；将所述入睡时刻与所述醒来时刻之间的时长作为睡眠周期。

具体实施时，由于上述对睡眠状态的分析完全是通过数学统计运算得到的，并没有考虑到各预设时间区间之间的关联，这就可能导致确定出的睡眠状态可能存在不符合人体睡眠的生理规律的情况。比如，对于睡眠周期中单独的清醒状态的预设时间区间，很可能是错误的判定结果。再比如，对于睡眠周期中与清醒状态的预设时间区间相邻的预设时间区间不应该为深睡眠状态，而是浅睡眠区间更为合理。

针对上述情况，本申请实施例还提供一种优选的实施方式，即在确定出各预设时间区间内的睡眠状态之后，可以将处于睡眠周期内的各预设时间区间所对应的睡眠状态进行优化。

其中，可以根据以下方式对清醒状态进行优化：

依次遍历睡眠周期内清醒状态的预设时间区间；

若在睡眠周期内存在清醒状态的预设时间区间，则判断清醒状态的预设时间区间是否为连续的时间区间且连续的时间区间的个数是否大于设定的第四阈值；

若是，则不改变清醒状态的预设时间区间的睡眠状态；

若否，则将清醒状态的预设时间区间的睡眠状态改为浅睡眠状态。

其中，可以根据以下方式对深睡眠状态进行优化：

依次遍历睡眠周期内深睡眠状态的预设时间区间；

若深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与连续的时间区间相邻的为浅睡眠状态的预设时间区间，则不改变深睡眠状态的预设时间区间的睡眠状态；

若深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与连续的时间区间相邻的为清醒状态的预设时间区间，则将连续的时间区间中与清醒状态的预设时间区间相邻的时间区间的睡眠状态改为浅睡眠状态；

若深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数小于设定的第五阈值，则将深睡眠状态的预设时间区间的睡眠状态改为浅睡眠状态。

这里，第四、五阈值的大小可根据实际配置的预设时间区间的时长来设定，预设时间区间越长，第四阈值可设定的越小。

为便于理解，下面对睡眠状态进行优化的过程进行举例说明。

假设在一个睡眠周期中存在10个预设时间区间，各预设时间区间对应的睡眠状态中，符号A代表清醒状态、符号B代表浅睡眠状态、符号C代表深睡眠状态。第四阈值、第五阈值均设置为2。

那么，参照图2a所示，第6个预设时间区间为单独的清醒状态的预设时间区间，故可将其修改为浅睡眠状态。第2～5个预设时间区间为连续3个深睡眠状态的预设时间区间，且与第2～5个预设时间区间相邻的均为浅睡眠状态的预设时间区间，则不改变第2～5个预设时间区间的睡眠状态。而第8个预设时间区间为单独的深睡眠状态的预设时间区间，则可以将其修改为浅睡眠状态。优化后的各预设时间区间的睡眠状态如图2a所示。

参照图2b所示，第5～7个预设时间区间均为清醒状态的预设时间区间，故可不改变第5～7个预设时间区间的睡眠状态。而第2～5个预设时间区间虽然为连续的3个深睡眠状态的预设时间区间，但与第5个预设时间区间相邻的为清醒状态的预设时间区间，故将第5个预设时间区间的睡眠状态修改为浅睡眠状态。优化后的各预设时间区间的睡眠状态如图2b所示。当然，具体实施时，改变连续的时间区间中与清醒状态的预设时间区间相邻的时间区间的个数可根据实际需求，比如根据实际各预设时间区间的个数等来确定，本申请对此不作限定。

由此可见，本申请优选的实施方式中通过对睡眠周期内的睡眠状态进行优化，能够使得对睡眠状态的分析结果更为准确，更加贴合人体睡眠的生理规律。

步骤103：基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。

这里，生成的睡眠状态报告中还可包含有入睡时刻、醒来时刻。并且，较佳地，在生成睡眠状态报告时，还可以基于优化后的各预设时间区间所对应的睡眠状态，统计在睡眠周期内每种睡眠状态的总时长。

并且，在生成睡眠状态报告之后，若检测到用户针对穿戴式设备做出了指定操作指令，则在穿戴式设备的显示界面中显示生成的睡眠状态报告。

这里，所述指定操作指令可以为双击穿戴式设备的显示屏的操作，或点击显示界面中预设按钮的操作，或发出的指示显示睡眠状态报告的语音指示等。

此外，可穿戴设备也可将睡眠状态报告以及各预设时间区间内的睡眠状态存储在本地，后续也可以将睡眠状态报告以及各预设时间区间内的睡眠状态上传至智能终端或服务器中，便于用户后期的查看和分析。

由此可见，采用本申请实施例可直接由可穿戴设备完成数据采集、睡眠状态的分析、以及生成睡眠状态报告的过程，其中，可穿戴设备只存储各预设时间区间的睡眠状态，相比现有技术中在可穿戴设备中存储大量原始运动数据的方案，能够大大降低存储的数据量。并且，可穿戴设备能够根据采集的加速度数据，实时地分析各预设时间区间内的睡眠状态并生成睡眠状态报告，省去上报给智能终端去分析的过程，提高了对睡眠状态分析的实时性，也无需花费用户流量，使用户在睡醒时能够随时在可穿戴设备上查看睡眠状态，提高了用户的体验度。

基于同一发明构思，本申请实施例中还提供了一种与睡眠监测方法对应的睡眠监测装置，由于该装置解决问题的原理与本申请实施例睡眠监测方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

参照图3所示，为本申请实施例二提供的睡眠监测装置的结构示意图，包括：

采集模块31，用于采集用户的加速度数据；

处理模块32，用于每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；

生成模块33，用于基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告。

进一步地，所述采集模块31具体用于：

按照预设采样频率，采集用户在三维空间上的三轴加速度数据；

所述处理模块32具体用于：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态。

进一步地，所述处理模块32具体用于：

若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态；

若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态；

若所述比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

进一步地，所述处理模块32还用于：

在确定出各预设时间区间内的睡眠状态之后，依次遍历各预设时间区间所对应的睡眠状态；

将第一个睡眠状态为浅睡眠状态的预设时间区间所对应的初始时刻确定为入睡时刻；

将最后一个睡眠状态为浅睡眠状态的预设时间区间所对应的结束时刻确定为醒来时刻；

将所述入睡时刻与所述醒来时刻之间的时长作为睡眠周期，将处于所述睡眠周期内的各预设时间区间所对应的睡眠状态进行优化；

所述生成模块33具体用于：

基于优化后的各预设时间区间所对应的睡眠状态，统计在所述睡眠周期内每种睡眠状态的总时长；

生成包含有入睡时刻、醒来时刻以及每种睡眠状态的总时长的睡眠状态报告。

进一步地，所述处理模块32具体用于：

依次遍历睡眠周期内清醒状态的预设时间区间；

若在所述睡眠周期内存在清醒状态的预设时间区间，则判断所述清醒状态的预设时间区间是否为连续的时间区间且连续的时间区间的个数是否大于设定的第四阈值；

若是，则不改变所述清醒状态的预设时间区间的睡眠状态；

若否，则将所述清醒状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，所述处理模块32具体用于：

依次遍历所述睡眠周期内深睡眠状态的预设时间区间；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为浅睡眠状态的预设时间区间，则不改变所述深睡眠状态的预设时间区间的睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为清醒状态的预设时间区间，则将所述连续的时间区间中与所述清醒状态的预设时间区间相邻的时间区间的睡眠状态改为浅睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数小于设定的第五阈值，则将所述深睡眠状态的预设时间区间的睡眠状态改为浅睡眠状态。

进一步地，所述装置还包括：

显示模块34，用于在生成模块生成睡眠状态报告之后，若检测到用户针对穿戴式设备做出了指定操作指令，则在所述穿戴式设备的显示界面中显示生成的睡眠状态报告。

本申请实施例还提供一种电子设备，包括：一个或多个处理器；以及一个或多个计算机可读介质，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被所述一个或多个处理器执行时，实现如实施例一中所述的方法的步骤。

本申请实施例还提供一个或多个计算机可读介质，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被一个或多个处理器执行时，使得通信设备执行如实施例一中所述的方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、设备、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、装置(设备)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种睡眠监测方法，其特征在于，该方法包括：

采集用户的加速度数据；

每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；

基于各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告；

所述采集用户的加速度数据，具体包括：

按照预设采样频率，采集用户在三维空间上的三轴加速度数据；

所述基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，包括：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态；

所述根据比较的结果，确定该预设时间区间内的睡眠状态，包括：

若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态；

若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态；

若所述比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

2.如权利要求1所述的方法，其特征在于，在确定出各预设时间区间内的睡眠状态之后，所述方法还包括：

依次遍历各预设时间区间所对应的睡眠状态；

将第一个睡眠状态为浅睡眠状态的预设时间区间所对应的初始时刻确定为入睡时刻；

将最后一个睡眠状态为浅睡眠状态的预设时间区间所对应的结束时刻确定为醒来时刻；

将所述入睡时刻与所述醒来时刻之间的时长作为睡眠周期，将处于所述睡眠周期内的各预设时间区间所对应的睡眠状态进行优化；

所述生成包含有每种睡眠状态的总时长的睡眠状态报告，包括：

基于优化后的各预设时间区间所对应的睡眠状态，统计在所述睡眠周期内每种睡眠状态的总时长；

生成包含有入睡时刻、醒来时刻以及每种睡眠状态的总时长的睡眠状态报告。

3.如权利要求2所述的方法，其特征在于，根据以下方式对清醒状态进行优化：

依次遍历睡眠周期内清醒状态的预设时间区间；

若在所述睡眠周期内存在清醒状态的预设时间区间，则判断所述清醒状态的预设时间区间是否为连续的时间区间且连续的时间区间的个数是否大于设定的第四阈值；

若是，则不改变所述清醒状态的预设时间区间的睡眠状态；

若否，则将所述清醒状态的预设时间区间的睡眠状态改为浅睡眠状态。

4.如权利要求2所述的方法，其特征在于，根据以下方式对深睡眠状态进行优化：

依次遍历所述睡眠周期内深睡眠状态的预设时间区间；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为浅睡眠状态的预设时间区间，则不改变所述深睡眠状态的预设时间区间的睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数大于或等于设定的第五阈值，且与所述连续的时间区间相邻的为清醒状态的预设时间区间，则将所述连续的时间区间中与所述清醒状态的预设时间区间相邻的时间区间的睡眠状态改为浅睡眠状态；

若所述深睡眠状态的预设时间区间为连续的时间区间，且连续的时间区间个数小于设定的第五阈值，则将所述深睡眠状态的预设时间区间的睡眠状态改为浅睡眠状态。

5.如权利要求1或2所述的方法，其特征在于，在生成睡眠状态报告之后，所述方法还包括：

若检测到用户针对穿戴式设备做出了指定操作指令，则在所述穿戴式设备的显示界面中显示生成的睡眠状态报告。

6.一种睡眠监测装置，其特征在于，所述装置包括：

采集模块，用于采集用户的加速度数据；

处理模块，用于每隔预设时间区间，基于该预设时间区间内的加速度数据，确定该预设时间区间内的睡眠状态，并在确定出该预设时间区间内的睡眠状态之后，存储所述睡眠状态以及删除该预设时间区间内的加速度数据；

生成模块，用于基于确定出的各预设时间区间内的睡眠状态，生成包含有每种睡眠状态的总时长的睡眠状态报告；

进一步地，所述采集模块具体用于：

按照预设采样频率，采集用户在三维空间上的三轴加速度数据；

所述处理模块具体用于：

将采集的三轴加速度数据转化为表征单位时间内运动幅度变化量的一维标量值；

计算在该预设时间区间内各标量值之间的离散度以及相似度；

将计算出的离散度分别与预设的第一阈值和第二阈值进行比较，以及，将计算出的相似度与预设的第三阈值进行比较；其中，第一阈值大于第二阈值；

根据比较的结果，确定该预设时间区间内的睡眠状态；

所述根据比较的结果，确定该预设时间区间内的睡眠状态，包括：

若在该预设时间区间内所述离散度大于第一阈值，且所述相似度小于第三阈值，则确定该预设时间区间内的睡眠状态为清醒状态；

若在该预设时间区间内所述离散度小于第二阈值，且所述相似度大于第三阈值，则确定该预设时间区间内的睡眠状态为深睡眠状态；

若所述比较的结果满足以下任一条件时，则确定该预设时间区间内的睡眠状态为浅睡眠状态：

所述离散度大于第二阈值且小于第一阈值；所述离散度小于第一阈值且所述相似度大于第三阈值；所述离散度大于第二阈值且所述相似度小于第三阈值。

7.一种电子设备，其特征在于，包括：一个或多个处理器；以及

一个或多个计算机可读介质，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被所述一个或多个处理器执行时，实现如权利要求1～5中任一项所述的方法的步骤。

8.一个或多个计算机可读介质，其特征在于，所述可读介质上存储有用于执行睡眠监测方法的程序，其中，所述程序被一个或多个处理器执行时，使得通信设备执行如权利要求1～5中任一项所述的方法。

Images