CN111880423B - 晨间唤醒方法及系统 - Google Patents

Abstract

本发明提供了一种晨间唤醒方法及系统，令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息。根据睡眠分期的客观生理指标、机器学习、AI模型等技术指标，达到在环境综合作用之下用户在需要的时间内被唤醒的技术效果。

Description

晨间唤醒方法及系统

技术领域

本发明涉及建筑技术、睡眠医学、环境科学的交叉技术领域，具体地，涉及一种晨间唤醒方法及系统。

背景技术

人一生中大约有1/3的时间是处于睡眠状态，睡眠有助于第二天精神和体力的恢复。根据美国睡眠学会(AASM)制定的标准，人一整夜的睡眠主要有四个阶段：起始于非快速眼动睡眠(NREM)的N1期，之后是睡眠2期(N2)、睡眠3期(N3)，紧接着大概率会转入快速眼动睡眠(REM)，也就是我们通常认为正在做梦的睡眠时期。这四个睡眠阶段是基于睡眠时期的脑电(EEG)、眼电(EOG)、肌电(EMG)，综合每个时期不同波段的特征来划分和判断的。对于每个睡眠期，身体都在进行不同的生理活动。有研究表明，REM期和NREM-N3期与人体的体力、精神恢复有关，而整个NREM期对大脑保留记忆起非常重要的作用。人一整晚睡得好与坏主要以睡眠质量作为评价标准，睡眠质量越高，意味着人一整晚睡得越好，第二天精力恢复得越快，但睡眠质量差，意味着会发生失眠等症状，从而导致力不从心、注意力不集中，甚至会出现一些心脑血管等疾病。能够对人的睡眠产生影响的客观因素有很多，物理环境因素是其中可控因素之一。已有研究表明客观环境中的热环境、光环境、声环境、嗅觉环境等都会不同程度地影响睡眠节律。

近年来，睡眠环境的研究都集中在睡眠阶段，很多研究者对热环境中的温度设定不同的参数，找到能够显著提高睡眠质量的环境参数；对光环境影响人体褪黑素的分泌进而影响睡眠节律等做了深层次的机理探究；对声音的分贝值、频率甚至种类影响睡眠的程度进行调研；对嗅觉环境中的花香种类、浓度等研究缓解失眠症状的效果。然而很少有研究者把目光投在晨间人们从睡眠状态向清醒状态转变的这一阶段。研究晨起这一阶段的重要意义在于，晨起过程伴随的心理状态决定人们白天的心情愉悦程度。晨起过急，特别是在深度睡眠状态下被强力唤醒，会使得人心情烦躁、精神疲惫，工作效率低下。

目前睡眠环境参数自动控制策略的研究较为普遍，同时在房地产开发、设备开发等商业中具有一定的应用需求，因此市场上已经出现了很多与睡眠环境相结合的控制逻辑策略。

专利文献CN104914727A公开一种家用电器设备智能控制系统，主要包括信号采集器，信号转换器，微控制器，无线命令发射器等，采集人体大脑脑电波信号，根据识别的脑电波形，分辨人体处于睡眠或觉醒状态，用于开启或关闭房间内的设备，如空调、电视、灯等。其目的是当睡眠-清醒状态不断切换时，整个房间内的设备开关也不停地切换。

专利文献CN 110972381A公开了一种灯光控制方法，非常详尽地讨论了灯光熄灭强度阈值和点亮强度阈值的步骤，同时还结合了入睡时间和清醒时间对应的灯光控制信息，但是只是将入睡和清醒的时间概念化，并没有说明该灯光控制系统是如何得到入睡和清醒状态信息。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种晨间唤醒方法及系统。

根据本发明提供的一种晨间唤醒方法，包括：

机器学习步骤：令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；

晨间唤醒步骤：向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息。

优选地，所述机器学习步骤包括：

生理参数学习步骤：学习生理指标在清醒阶段和睡眠阶段时的差异，通过比较，选择精准度高的生理指标作为判断进入清醒阶段的依据；

易觉醒学习步骤：令睡眠阶段分成多个睡眠子阶段，在连续设定时间内检测在睡眠子阶段进入清醒阶段的次数，并同时掌握在清醒阶段前的睡眠分期信息；

环境设备学习步骤：分阶段地开启电器设备，记录电器设备对唤醒用户的作用效果时间，令作用效果时间进行排序后，选定重要电器设备、不佳电器设备和辅助设备；

清醒环境学习步骤：学习起床后的生理指标，根据生理指标判定满意清醒环境参数，供AI模型生成舒适起床模式。

优选地，所述晨间唤醒步骤包括：

睡眠期间检测步骤：当临近预定起床时间的设定时间内，令硬件设备实时向AI模型发送第二睡眠分期信息，所述设定时间长于AI模型已掌握的电器设备唤醒时间；

AI模型判定步骤：AI模型将第一睡眠分期信息与第二睡眠分期进行比较，判定进入易觉醒阶段后，打开唤醒服务中需开启的电器设备。

优选地，所述晨间唤醒步骤还包括：

防唤醒步骤：若需要开启电器设备时，检测处于深度睡眠阶段，则根据深度睡眠阶段开启一部分的电器设备，以及开到设定数值，以进行唤醒。

优选地，所述晨间唤醒步骤还包括：

起床组合步骤：当脑电信息被收集之后，邻近起床时接近清醒脑电波，当设备与人之间的时间差确定之后，AI模型进行持续学习。

根据本发明提供的一种晨间唤醒系统，包括：

机器学习模块：令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；

晨间唤醒模块：向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息。

优选地，所述机器学习模块包括：

生理参数学习模块：学习生理指标在清醒阶段和睡眠阶段时的差异，通过比较，选择精准度高的生理指标作为判断进入清醒阶段的依据；

易觉醒学习模块：令睡眠阶段分成多个睡眠子阶段，在连续设定时间内检测在睡眠子阶段进入清醒阶段的次数，并同时掌握在清醒阶段前的睡眠分期信息；

环境设备学习模块：分阶段地开启电器设备，记录电器设备对唤醒用户的作用效果时间，令作用效果时间进行排序后，选定重要电器设备、不佳电器设备和辅助设备；

清醒环境学习模块：学习起床后的生理指标，根据生理指标判定满意清醒环境参数，供AI模型生成舒适起床模式。

优选地，所述晨间唤醒模块包括：

睡眠期间检测模块：当临近预定起床时间的设定时间内，令硬件设备实时向AI模型发送第二睡眠分期信息，所述设定时间长于AI模型已掌握的电器设备唤醒时间；

AI模型判定模块：AI模型将第一睡眠分期信息与第二睡眠分期进行比较，判定进入易觉醒阶段后，打开唤醒服务中需开启的电器设备。

优选地，所述晨间唤醒模块还包括：

防唤醒模块：若需要开启电器设备时，检测处于深度睡眠阶段，则根据深度睡眠阶段开启一部分的电器设备，以及开到设定数值，以进行唤醒。

优选地，所述晨间唤醒模块还包括：

起床组合模块：当脑电信息被收集之后，邻近起床时接近清醒脑电波，当设备与人之间的时间差确定之后，AI模型进行持续学习。

与现有技术相比，本发明具有如下的有益效果：

1、本发明是根据睡眠分期的客观生理指标、机器学习、AI模型等技术指标，达到在环境综合作用之下用户在需要的时间内被唤醒的技术效果。

2、由于机器学习了用户对热环境、光环境、声环境、嗅觉环境等敏感程度的大小，因此在晨间“唤醒服务”中，一些重点电器设备需要尽快开启，一些辅助电器设备建议开启，还有些房间电器设备而不需开启，根据用户对环境因素的敏感程度有针对性地开展晨间环境“唤醒”模式。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为基于睡眠分期的晨间环境“唤醒服务”的思路图；

图2为基于人体睡眠分期的晨间环境“唤醒服务”的自动控制策略框架图。

其中，模块部分用实线框表示，各个框线间带有箭头的线表示整个逻辑框架的路线方向。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本申请涉及用综合环境唤醒用户的自动控制策略思想，是从人体睡眠分期出发，并通过探讨客观环境参数对睡眠分期阶段不同程度的影响，以实现热环境、光环境、声环境、嗅觉环境等“晨起模式”的合理智能化自动控制。重点关注的是环境帮助用户更好地从睡眠向清醒状态进行转化。并且，将人的睡眠分期作为晨起睡眠向清醒状态的变化以及综合环境何时开始控制的重要依据。

本发明通过利用客观物理环境中的温度、湿度、光强、色温、声级、频率、音调、香氛气味浓度等参数，综合成一个智能睡眠环境，旨在帮助用户更容易、舒适、愉悦地从晨间被物理环境所“唤醒”。

本发明旨在为晨起前睡眠综合物理环境，提供新的智能化控制策略，使得用户更容易、舒适、愉悦地从晨间被物理环境所“唤醒”。从此目的出发，整个控制策略核心，即基于睡眠分期对晨间的物理环境进行综合控制，从而环境唤醒用户的思路具有普适性，而自动控制方法需要借助目前热门的“AI机器学习”智能化工具来实现。

本发明是一种晨间环境“唤醒”模式的新方法，主要是基于客观睡眠分期数据，借助目前机器学习的方法，将用户起床前的睡眠分期情况与环境中的空调、灯具、音响、香氛释放器等智能家电的自动控制过程建立联系。从机理出发，综合睡眠环境提供愉悦的、轻松的、舒适的“唤醒服务”。具体见以下实施例：

实施例1

本实施例将以用户体验过程的角度对整个逻辑框架的流程进行详细说明：所述逻辑框架如图1所示，实线框表示的模块部分在应用中应该是具有代表一定功能的实物或者抽象化的概念存在，逻辑框架的整个流程方向还需要参照带有箭头的流程线。整个逻辑框架与用户体验过程结合，晨间唤醒方法的步骤如下：

1)用户体验期间(机器学习期间)：

a.因为是机器学习期间，因此用户需要去佩戴一些能够精确检测睡眠分期信息的设备，并及时将信息传输到AI模型中。

b.用户清醒时的生理参数学习，可以考虑：皮肤温度、核心温度、脑电、血压等生理指标清醒和睡眠状态时的差异，并进行比较，选择精准度高的生理指标作为清醒判断的依据。

c.学习用户容易觉醒的睡眠期。这需要机器学习很长时间，因为一个人一整晚的睡眠具有偶然性，而不具备一定的代表性。可以根据连续一周甚至连续一个月的时间观察用户在哪个睡眠阶段最容易出现觉醒。并且同时掌握用户在日常起床前的睡眠分期情况。

d.在机器学习时期不同的设备分阶段进行开启，并安全地改变环境浓度。若该设备在该状态下能够唤醒用户，记录该阈值和作用效果时间。不同的设备都有对应的作用效果时间，将时间进行排序，耗时较短的设备可以认为是在“唤醒服务”中需要重点工作的电器设备，耗时很长并且用户起床效果不佳的设备可以考虑不开启该设备，其他作为“唤醒服务”中的辅助设备建议开启。

e.机器学习阶段可考察在用户较难唤醒的睡眠阶段，重点和辅助服务的电器设备在安全范围内设定多大的值才能使得用户觉醒，并记录下耗时时长。

f.学习用户起床后主观满意的清醒环境参数，当AI模型感知到用户的生理指标接近清醒状态时，可以考虑开启舒适起床模式，用环境参数积极优化用户由于生理状态变化导致的心理状态和心情变化。

同时为了防止用户在需要清醒的时刻时并不处于最易于清醒的睡眠阶段，如当需要开启设备时，用户恰好处于深度睡眠阶段，如只是采用易于唤醒的睡眠阶段时的环境参数，不一定取得真正唤醒的效果，因此AI模型也需要学习最不利的情况，也就是当用户处于深度睡眠时，开启哪些设备，以及开到多大的数值才能唤醒用户。此外，由于清醒状态和睡眠状态时人的代谢率是不一致的，不同状态时舒适所需的环境参数也是不一致的，因此机器学习还需要掌握用户清醒后起床时期的最佳环境组合，这个目的是为了使用户舒适的同时，也能提高心情的愉悦度、轻松度。

2)“唤醒模式”投入使用后(机器深度学习后)：

a.用户需佩戴好监测睡眠分期的仪器，并向AI模型输入预定的起床时间后，开始进入睡眠状态。

b.睡眠状态期间睡眠检测仪器实时向AI模型发送睡眠分期信息。

c.在临近起床前的一段时间，睡眠分期需非常频繁地向AI模型输送分期信息。其中这段时间应该是略长于机器学习已经充分掌握了的重点工作、建议开启的电器设备能够唤醒用户的时长。

d.当睡眠分期信息传入AI模型中，需要与机器学习掌握的用户较容易觉醒的睡眠分期进行比较。若正好这个睡眠阶段是用户易觉醒的阶段，则AI模型打开“唤醒服务”中的所有重点工作、建议开启的电器设备。若目前不是用户易觉醒的阶段，需要AI模型检索机器学习掌握的用户这一段睡眠时期内睡眠分期情况，查看近期内是否有大概率出现容易觉醒的睡眠阶段。

e.若大概率能出现容易觉醒的睡眠阶段，且这一睡眠分期阶段开始的时刻到起床时刻之间的时长，足以使得环境达到“唤醒服务”的效果，那么就在容易觉醒的睡眠阶段的那一刻开启所有设备。否则，就在安全阈值内，电器设定的参数值切换至机器学习阶段已掌握的较难唤醒的睡眠阶段所对应的参数值。

f.用户即将从睡梦中唤醒时，睡眠分期仪器或一些其他的生理参数指标检测到用户即将清醒的迹象时，AI模型发出指令，即切换为“起床模式”，逐渐将环境调节至清醒状态时对应的满意环境，以保证用户主观心情愉悦。

本发明“晨间唤醒”环境模式的逻辑策略都是基于睡眠分期的。任何能够对睡眠阶段精准划分为N1,N2,N3和REM期的生理指标都是可以的。在本逻辑框架中并不作任何生理参数限制。目前为止，科学界公认地最能够客观划分睡眠阶段的生理参数是脑电(EEG)、眼电(EOG)、肌电(EMG)综合判断。核心思路是具有普遍适用性的。因为目前市场上很少有对用户醒前环境进行研究，或者说很少有研究者关注于用户如何能够轻松、愉悦地在规定的时间前起床。因此本发明结合了睡眠分期，环境针对用户起床前的某个睡眠阶段进行“唤醒服务”。而本次发明中借助的科技工具是AI模型后的机器学习，这一科技工具也可以随着科技的进步被替代，但核心思路应不变。AI模型部分详细描述了需要机器学习的七个部分，这七个部分不仅介绍了环境何时发生变化的判断依据，同时还描述了环境如何发生变化以及变化的程度。AI模型学习的内容特点都是由于用户之间存在个体差异，所以需要借助机器学习等工具，来扩大应用人群范围。“智能家电设备群”的种类主要是根据该电器对应的环境因素是否能对睡眠从机理上产生影响来确定。本专利也较为详细地阐述了已有的研究：如温度影响睡眠的机理，光抑制褪黑素分泌以影响睡眠节律，声音的分贝值、频率和种类不同有助于觉醒以及薄荷等可释放适宜于人们清醒的气味。“家用智能电器设备”，依据以下四点确定设备开启时刻，包括用户自定义起床时间，用户容易觉醒的睡眠期，电器作用效果时长以及用户与设备的相对位置。环境的作用程度是根据用户敏感程度，在安全阈值内进行。

同时为了防止用户在需要清醒的时刻时并不处于最易于清醒的睡眠阶段，如当需要开启设备时，用户恰好处于深度睡眠阶段，如只是采用易于唤醒的睡眠阶段时的环境参数，不一定取得真正唤醒的效果，因此AI模型也需要学习最不利的情况，也就是当用户处于深度睡眠时，开启哪些设备，以及开到多大的数值才能唤醒用户。

此外，由于清醒状态和睡眠状态时人的代谢率是不一致的，不同状态时舒适所需的环境参数也是不一致的，因此机器学习还需要掌握用户清醒后起床时期的最佳环境组合，这个目的是为了使用户舒适的同时，也能提高心情的愉悦度、轻松度。

实施例2

实施例2可以视为是实施例1的优选例。实施例2说明的晨间唤醒系统，利用了实施例1说明的晨间唤醒方法的步骤。

一种晨间唤醒系统，包括：

机器学习模块：令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；

晨间唤醒模块：向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息。

注明：上述第一睡眠分期信息作为机器学习长期检测获得的睡眠分期信息资料，存储在用户睡眠分期信息数据库中，而第二睡眠分期信息为检测设备获得的用户实时睡眠分期信息。

所述机器学习模块包括：

生理参数学习模块：学习生理指标在清醒阶段和睡眠阶段时的差异，通过比较，选择精准度高的生理指标作为判断进入清醒阶段的依据；

易觉醒学习模块：令睡眠阶段分成多个睡眠子阶段，在连续设定时间内检测在睡眠子阶段进入清醒阶段的次数，并同时掌握在清醒阶段前的睡眠分期信息；

环境设备学习模块：分阶段地开启电器设备，记录电器设备对唤醒用户的作用效果时间，令作用效果时间进行排序后，选定重要电器设备、不佳电器设备和辅助设备；

清醒环境学习模块：学习起床后的生理指标，根据生理指标判定满意清醒环境参数，供AI模型生成舒适起床模式。

所述晨间唤醒模块包括：

睡眠期间检测模块：当临近预定起床时间的设定时间内，令硬件设备实时向AI模型发送第二睡眠分期信息，所述设定时间长于AI模型已掌握的电器设备唤醒时间；

AI模型判定模块：AI模型将第一睡眠分期信息与第二睡眠分期进行比较，判定进入易觉醒阶段后，打开唤醒服务中需开启的电器设备。

防唤醒模块：若需要开启电器设备时，检测处于深度睡眠阶段，则根据深度睡眠阶段开启一部分的电器设备，以及开到设定数值，以进行唤醒。

当脑电信息被收集之后，邻近起床时接近清醒脑电波，当设备与人之间的时间差确定之后，AI模型进行持续学习。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (6)

1.一种晨间唤醒方法，其特征在于，包括：

机器学习步骤：令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；

晨间唤醒步骤：向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息；

所述机器学习步骤包括：

生理参数学习步骤：学习生理指标在清醒阶段和睡眠阶段时的差异，通过比较，选择精准度高的生理指标作为判断进入清醒阶段的依据；

易觉醒学习步骤：令睡眠阶段分成多个睡眠子阶段，在连续设定时间内检测在睡眠子阶段进入清醒阶段的次数，并同时掌握在清醒阶段前的睡眠分期信息；

环境设备学习步骤：分阶段地开启电器设备，记录电器设备对唤醒用户的作用效果时间，令作用效果时间进行排序后，选定重要电器设备、不佳电器设备和辅助设备；

清醒环境学习步骤：学习起床后的生理指标，根据生理指标判定满意清醒环境参数，供AI模型生成舒适起床模式；

所述晨间唤醒步骤包括：

睡眠期间检测步骤：当临近预定起床时间的设定时间内，令硬件设备实时向AI模型发送第二睡眠分期信息，所述设定时间长于AI模型已掌握的电器设备唤醒时间；

AI模型判定步骤：AI模型将第一睡眠分期信息与第二睡眠分期进行比较，判定进入易觉醒阶段后，打开唤醒服务中需开启的电器设备。

2.根据权利要求1所述的晨间唤醒方法，其特征在于，所述晨间唤醒步骤还包括：

防唤醒步骤：若需要开启电器设备时，检测处于深度睡眠阶段，则根据深度睡眠阶段开启一部分的电器设备，以及开到设定数值，以进行唤醒。

3.根据权利要求1所述的晨间唤醒方法，其特征在于，所述晨间唤醒步骤还包括：

起床组合步骤：当脑电信息被收集之后，邻近起床时接近清醒脑电波，当设备与人之间的时间差确定之后，AI模型进行持续学习。

4.一种晨间唤醒系统，其特征在于，包括：

机器学习模块：令能够检测睡眠分期信息的硬件设备进行机器学习，将学习成果传输至AI模型中，形成机器学习掌握的第一睡眠分期信息；

晨间唤醒模块：向AI模型输入预定起床时间，进入睡眠阶段，当临近预定起床时间的设定时间内，硬件设备向AI模型输送第二睡眠分期信息，AI模型将第一睡眠分期信息与第二睡眠分期信息进行比较，判定是否进入易觉醒阶段，若是，则切换进入起床阶段，开启环境调节；若否，则继续通过机器学习掌握睡眠分期信息；

所述机器学习模块包括：

生理参数学习模块：学习生理指标在清醒阶段和睡眠阶段时的差异，通过比较，选择精准度高的生理指标作为判断进入清醒阶段的依据；

易觉醒学习模块：令睡眠阶段分成多个睡眠子阶段，在连续设定时间内检测在睡眠子阶段进入清醒阶段的次数，并同时掌握在清醒阶段前的睡眠分期信息；

环境设备学习模块：分阶段地开启电器设备，记录电器设备对唤醒用户的作用效果时间，令作用效果时间进行排序后，选定重要电器设备、不佳电器设备和辅助设备；

清醒环境学习模块：学习起床后的生理指标，根据生理指标判定满意清醒环境参数，供AI模型生成舒适起床模式；

所述晨间唤醒模块包括：

睡眠期间检测模块：当临近预定起床时间的设定时间内，令硬件设备实时向AI模型发送第二睡眠分期信息，所述设定时间长于AI模型已掌握的电器设备唤醒时间；

AI模型判定模块：AI模型将第一睡眠分期信息与第二睡眠分期进行比较，判定进入易觉醒阶段后，打开唤醒服务中需开启的电器设备。

5.根据权利要求4所述的晨间唤醒系统，其特征在于，所述晨间唤醒模块还包括：

防唤醒模块：若需要开启电器设备时，检测处于深度睡眠阶段，则根据深度睡眠阶段开启一部分的电器设备，以及开到设定数值，以进行唤醒。

6.根据权利要求4所述的晨间唤醒系统，其特征在于，所述晨间唤醒模块还包括：

起床组合模块：当脑电信息被收集之后，邻近起床时接近清醒脑电波，当设备与人之间的时间差确定之后，AI模型进行持续学习。

Images