CN113195031B - 用于递送音频输出的系统和方法 - Google Patents
用于递送音频输出的系统和方法 Download PDFInfo
- Publication number
- CN113195031B CN113195031B CN201980083564.7A CN201980083564A CN113195031B CN 113195031 B CN113195031 B CN 113195031B CN 201980083564 A CN201980083564 A CN 201980083564A CN 113195031 B CN113195031 B CN 113195031B
- Authority
- CN
- China
- Prior art keywords
- audio output
- sleep
- subject
- parameters
- values
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000007958 sleep Effects 0.000 claims abstract description 263
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000010801 machine learning Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 36
- 230000007177 brain activity Effects 0.000 claims description 31
- 230000004048 modification Effects 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 abstract description 27
- 230000008667 sleep stage Effects 0.000 description 18
- 230000000873 masking effect Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 230000037046 slow wave activity Effects 0.000 description 11
- 238000013479 data entry Methods 0.000 description 10
- 230000001965 increasing effect Effects 0.000 description 9
- 230000037053 non-rapid eye movement Effects 0.000 description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000007423 decrease Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000010355 oscillation Effects 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000001537 neural effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002618 waking effect Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000004461 rapid eye movement Effects 0.000 description 3
- 208000009205 Tinnitus Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004399 eye closure Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 231100000886 tinnitus Toxicity 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000011491 transcranial magnetic stimulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/38—Acoustic or auditory stimuli
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/02—Casings; Cabinets ; Supports therefor; Mountings therein
- H04R1/028—Casings; Cabinets ; Supports therefor; Mountings therein associated with devices performing functions other than acoustics, e.g. electric candles
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Acoustics & Sound (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Pain & Pain Management (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Signal Processing (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种基于对象的睡眠参数对音频输出的响应来调整音频输出的生成方式的系统和方法。特别地，响应于睡眠参数(即，响应于对象的睡眠状态的参数)的值如何响应于音频输出而改变来修改用于生成音频输出的一个或多个规则。能够迭代修改音频输出以评估不同音频输出的影响。
Description
技术领域
本发明涉及用于向对象提供音频输出的系统的领域，并且尤其涉及希望改变他们的睡眠状态或鼓励某些睡眠特性(例如，深度睡眠时长)的对象。
背景技术
最近的研究表明，在睡眠期间施加的听觉刺激能够通过至少减轻对对象的干扰来向对象或用户提供认知益处和睡眠恢复的增强效果。还认识到，适当控制的音频输出能够帮助影响对象的睡眠状态，以便至少影响对象是清醒的还是睡着的。
睡眠期间的干扰有许多不同的原因，既有对象外部的原因(例如，交通噪音、飞机、打鼾伙伴、邻居、建筑噪音、昆虫噪音、电器等)也有对象内部的原因。内部原因包括生理原因(例如，耳鸣)、心理原因(例如，压力)和行为原因(例如，睡眠不良)。
人们已经认识到，播放音频能够改善睡眠质量，尤其是通过提高晚上入睡的能力以及在半夜醒来后播放音频能够改善睡眠质量。当然，也能够利用播放音频来辅助唤醒用户，以例如将用户从睡眠状态轻柔地移动到清醒状态。
能够通过播放掩蔽声音或者使用抗噪(即，使用声音消除系统)来减轻外部干扰。掩蔽声音通常是记录的重复声音(例如，雨或海浪)或利用在可听频率范围内具有均等分布的声强度(被称为“白噪音”)生成的随机波形。这些声音都旨在淹没突然和/或恼人的外部噪音，并且能够被归为“掩蔽声音”这一术语。
抗噪(声音消除)是一种特殊形式的掩蔽声音，它要求麦克风靠近耳朵以拾取声音振动，以便播放正确的相移抗噪。已经提出了与睡眠兼容的噪音消除耳机。
内部干扰的主要原因通常是压力或担忧。这能够通过播放平静的声音或音乐、引导式冥想和/或随机生成的词语来缓解，这些措施都旨在降低头脑的觉醒状态。这些方法都旨在使用户平静下来，以便他们能够更轻松地入睡并且能够被归为“平静音频”这一术语。通常，使用平静音频与背景音乐的组合。
已知的基于睡眠的系统使用睡眠检测特征来创建反馈回路。在特定示例中，响应于对象入睡而停止向对象输出某种音频。
期望改进向睡眠对象或试图睡觉的对象提供音频输出的系统。
发明内容
本发明由权利要求来限定。
基于根据本发明的一个方面的示例，提供了一种用于向对象递送音频输出的系统。所述系统包括：睡眠参数监测器，其适于获得对象的一个或多个睡眠参数的值；音频输出设备，其适于：通过使用一个或多个规则的集合处理对象特性和/或所述一个或多个睡眠参数的第一值来确定针对音频输出的特性，其中，一个或多个规则的所述集合处理所述对象特性和/或第一值以确定所述音频输出的所述特性；并且向所述对象提供具有所确定的特性的所述音频输出；以及处理系统，其适于基于所述一个或多个睡眠参数的第二值来修改一个或多个规则的所述集合，其中，所述第二值包括在所述音频输出设备开始向所述对象提供所述音频输出之后获得的所述一个或多个睡眠参数的值。
该系统适于基于对象的特性(例如，元数据)和/或对象的睡眠参数来提供音频输出。特别地，这些特征是使用一个或多个规则来处理的，以确定音频输出的特性。
然后使用对象对音频输出的响应来修改用于生成音频输出的(一个或多个)规则。这提供了反馈系统，该反馈系统使得系统能够自动适应不同用户及其对特定音频输出的响应。实施例由此可以提供更好地辅助改变或鼓励对象的睡眠状态的改变(例如，鼓励对象入睡或醒来)的系统。
因此，不是基于对象的睡眠参数对音频输出的响应直接调节音频输出(例如，如果音频输出太高则调低音量)，而是修改或校准如何生成音频输出的一个或多个规则。
因此，提供了用户特定的和用户自适应的系统，该系统调整对象的长期趋势并修改如何为该对象生成音频输出的基本方法。
一般来说，规则定义了不同的输入和输出之间的关系。一些实施规则的方法包括IF语句、机器学习算法(即，基于规则的机器学习)、基于规则的系统、决策树等。因此，一个或多个规则的集合可以包括用于生成音频输出的特性的模型或者由其组成。
睡眠参数是对对象的睡眠状态的变化或其他期望的基于睡眠的特性(例如，慢波活动的量或(N)REM睡眠的长度)的变化做出响应的对象的任何参数或特性。睡眠参数的示例包括：温度、运动、脑电图(EEG)响应、神经振荡、心率、呼吸速率、睡眠开始时间等。对象特性可以包括例如对象的身份、对象的年龄、对象的性别等。因此，对象特性能够包括对象的元数据。
优选地，处理系统适于基于一个或多个睡眠参数的第二值来修改一个或多个规则的集合中的至少一个规则。
特别地，所述处理系统可以适于通过以下操作来修改一个或多个规则的所述集合：基于所述一个或多个睡眠参数的所述第二值来修改一个或多个规则的所述集合中的规则中的至少一个规则的一个或多个系数。
因此，在特定示例中，使用一个或多个睡眠参数的第二值来修改该规则集合中的至少一个规则的一个或多个参数。换句话说，可以维持用于生成音频输出的规则集合的结构/格式，其中，基于一个或多个睡眠参数的第二值来适当修改一个或多个规则的集合的(一个或多个)参数。
规则集合由可以用于确定针对音频输出的特性的所有规则组成，并且可以例如包括在生成音频输出时可供使用的所有规则。例如，可以对对象的不同模式或睡眠状态应用不同的规则(但是所有规则形成一个或多个规则的集合)。例如，可以在对象的不同睡眠状态期间应用规则的不同子集。优选地，所述处理系统适于：使用所述一个或多个睡眠参数的所述第二值来确定所述一个或多个睡眠参数对所述音频输出的响应；并且基于所确定的所述一个或多个睡眠参数对所述音频输出的响应来修改一个或多个规则的所述集合。以这种方式，能够修改一个或多个规则的集合以反映对象如何对特定音频输出做出响应，使得能够针对特定对象或用户来定制系统的未来音频输出。第二值优选与用于修改音频输出的相同睡眠参数相关联。
优选地，所述音频输出被设计为影响所述对象的睡眠状态。对象的睡眠状态可以表示对象的当前清醒/睡眠状态和/或睡眠周期(例如，REM或非REM睡眠周期)。不同的音频输出能够影响或鼓励特定类型的睡眠状态(即，鼓励改变用户的睡眠状态)。例如，白噪音可以鼓励对象入睡，从而从清醒状态改变为睡眠状态，或者鸟鸣可以鼓励对象醒来，从而从睡眠状态改变为清醒状态。这提供了更有用的基于睡眠的系统。
一个或多个规则的所述集合包括机器学习算法或者由其组成，所述机器学习算法用于处理所述一个或多个睡眠参数的所述第一值和/或对象特性以确定针对所述音频输出的特性。机器学习算法(例如，机器学习分类器)是(复杂)规则的优选示例，它定义了输入与输出之间的关系。优选实施例利用机器学习算法来确定针对音频输出的合适特性。因此，机器学习算法提供了能够很容易地得到修改或训练以适应特定对象的特性或对音频输出的响应的规则(或规则集合)。
优选地，所述音频输出设备适于迭代修改所述音频输出的至少一个特性。
因此，值的第二集合能够表示对象对音频输出的不同特性的响应。这允许系统学习对象如何对特定特性做出响应(例如对象的睡眠状态改变得有多快)，从而能够自动识别针对音频输出的适当特性以鼓励影响对象的不同睡眠状态。例如，某些音频特性(例如，响度或白噪音的类型)可能对于不同的人来说能够更有效地鼓励他们入睡。因此，该系统能够自动学习并适应个体对象。
所述处理系统可以适于：针对所述音频输出的至少一个特性的每次迭代修改，获得所述一个或多个睡眠参数的值的集合；并且基于针对对每次迭代修改获得的值的集合来修改一个或多个规则的所述集合。因此，对音频输出的每次修改都能够与针对一个或多个睡眠参数的值的集合相关联。这意味着能够隔离出对象对不同音频输出的特定响应并将其用于确定哪些特性最适合个体和/或针对该个体所期望的睡眠状态。
所述睡眠参数监测器优选适于监测所述对象的脑部活动，使得所述一个或多个睡眠参数包括所述对象的脑部活动的至少一个量度。脑部活动能够用于准确确定对象的睡眠状态，从而确定对象对特定音频输出的响应。这提供了更准确的系统。睡眠参数监测器可以例如包括用于监测对象的神经振荡或“脑电波”的脑电图系统。这样的神经振荡指示对象的睡眠状态。
优选地，所述睡眠参数监测器适于监测在预定频段中的脑部活动。神经振荡或脑电波是能够例如使用脑电图(EEG)系统监测到的脑部活动的示例。对象的脑部活动能够被分成不同的频带，其中，不同频段中的活动能够表示不同的睡眠阶段。例如，一种或多种基于EEG的导数可以(并行地)用作针对睡眠阶段的标记物(例如，α频段、β频段、γ频段、δ频段和/或θ频段中的功率)。对于监测睡眠开始，至少监测“α频段”或“α谱”中的频率(例如，α频段中的EEG功率，其通常与8-15Hz之间的波长相关联)将是特别有利的，因为该频段的频率对从清醒状态到睡眠状态的转变高度敏感。在一种替代方案(优于其他替代方案)中，能够监测12.5Hz至30Hz之间的β频段中的频率(例如，β频段中的EEG功率)。通常情况下，(例如由EEG监测到的)脑部活动在睡眠开始期间减慢，并且这反映在从清醒到睡眠的转变时β频段中的功率发生降低。
因此，能够确定对对象睡眠阶段的更准确的确定，并且还能够确定对象对特定音频输出的响应的更准确的识别。
所述睡眠参数监测器可以适于测量所监测的脑部活动的α谱中的间歇。如前所述，脑部活动的α谱表示入睡并且对入睡做出响应，因此能够被监测以准确确定对象对不同音频输出的响应。α谱中的间歇或间隙特别响应于对象入睡。
所述睡眠参数监测器可以包括适于获得原始脑电图信号的脑电图系统，并且其中，所述一个或多个睡眠参数包括根据所述原始脑电图信号导出的一个或多个参数。脑电图系统提供了一种感测对象的神经振荡或脑部活动的方法，同时将侵入性、不适性和复杂性降到最低。特别地，某些频率或频段的功率响应于睡眠状态或睡眠状况的变化。
在一些实施例中，睡眠参数监测器适于监测脑部活动的某些特性，例如，α波(或任何其他合适的脑电波)、波纹、顶点和/或睡眠纺锤波的时间分布。脑部活动的这样的特性表示特定的睡眠状态和/或响应于睡眠状态的变化。对这样的特性的识别可以发生在脑部活动的预定频谱内。
作为另一示例，睡眠参数监测器可以监测心率、呼吸速率和/或体温。这些参数中的每个参数都响应于对象的睡眠状态的变化并且因此能够被认为是对象的睡眠参数。因此，睡眠参数监测器可以包括心率监测器(例如，光体积描记监测器)、呼吸速率监测器和/或温度计。相机是合适的心率和/或呼吸速率监测器的一个示例。
基于根据本发明的一个方面的示例，提供了一种向对象提供音频输出的方法。所述方法包括：获得对象特性和/或针对所述对象的一个或多个睡眠参数的第一值；使用一个或多个规则的集合来处理所述对象特性和/或针对所述对象的一个或多个睡眠参数的所述第一值以确定针对音频输出的特性，其中，一个或多个规则的所述集合处理所述对象特性和/或第一值以确定所述音频输出的所述特性；向所述对象提供具有所确定的特性的音频输出；随后获得针对所述对象的所述一个或多个睡眠参数的第二值，所述第二值由此包括在开始向所述对象提供所述音频输出之后获得的所述一个或多个睡眠参数的值；并且基于针对所述对象的所述睡眠参数的所述第二值来修改一个或多个规则的所述集合。
修改一个或多个规则的所述集合的步骤包括：使用所述一个或多个睡眠参数的所述第二值来确定所述一个或多个睡眠参数对所述音频输出的响应；并且基于所确定的所述一个或多个睡眠参数对所述音频输出的响应来修改一个或多个规则的所述集合。
可以调整所述方法，其中：提供所述音频输出的步骤包括迭代修改所述音频输出的至少一个特性；获得第二值的步骤包括针对对所述音频输出的所述至少一个特性的每次迭代修改获得所述一个或多个睡眠参数的值的集合；并且修改一个或多个规则的所述集合的步骤包括基于针对每次迭代修改所获得的值的集合来修改一个或多个规则的所述集合。在至少一个实施例中，所述一个或多个睡眠参数包括所述对象的脑部活动的至少一个量度。
基于根据本发明的另一方面的示例，提供了一种包括代码单元的计算机程序，所述代码单元用于在所述程序在计算机上运行时实施任何描述的方法。
参考下文描述的(一个或多个)实施例，本发明的这些方面和其他方面将变得显而易见并且得到阐明。
附图说明
为了更好地理解本发明并且更清楚地示出如何将本发明付诸实践，现在将仅通过示例的方式来参考附图，在附图中：
图1示出了用于向对象递送音频输出的系统；
图2图示了用于向对象递送音频输出的方法；并且
图3图示了脑部活动的频段的相对功率在不同睡眠阶段期间如何变化。
具体实施方式
将参考附图来描述本发明。
应当理解，详细描述和具体示例虽然指示了装置、系统和方法的示例性实施例，但这仅用于说明的目的且并不旨在限制本发明的范围。根据以下描述、权利要求和附图，本发明的装置、系统和方法的这些和其他特征、方面和优点将得到更好的理解。应当理解，这些附图仅仅是示意性的且并不是按比例绘制的。还应当理解，贯穿附图使用相同的附图标记来指示相同或相似的部分。
根据本发明的构思，提出了一种基于对象的睡眠参数对音频输出的响应来调整音频输出的生成方式的系统和方法。特别地，响应于睡眠参数(即，响应于对象的睡眠状态的参数)的值如何响应于音频输出而改变来修改用于生成音频输出的一个或多个规则。能够迭代修改音频输出以评估不同音频输出的影响。
实施例至少部分基于这样的认识：不同的个人或对象(即使他们共享相似的特性(例如，年龄、性别等))会以不同的方式响应于相同的音频输出，使得没有统一的解决方案来提供用于帮助或辅助(试图入睡)睡着的对象的音频输出。因此已经提出了基于对象的睡眠参数对音频输出的响应来调节向对象提供的音频输出的生成方式。
例如，说明性实施例可以用在可穿戴睡眠设备(例如，耳机)或其他睡眠监测系统中。一些实施例可以由若干设备(例如包括移动电话、警报和/或音频输出系统(例如，扬声器))形成。
图1图示了根据本发明的实施例的系统1。系统1适于向对象10提供音频输出9。
系统1包括适于获得对象的一个或多个睡眠参数的值的睡眠参数监测器3。睡眠参数监测器3包括用于获得响应于对象的睡眠状态的变化的值(或对象的其他期望的睡眠信息(例如，慢波活动的量))的任何合适的传感器，例如，(例如用于测量呼吸速率或对象运动的)相机、心率监测器或由一个或多个电极形成的脑电图(EEG)系统。
系统1还包括音频输出设备4。音频输出设备确定针对音频输出9的特性并且向对象提供音频输出9。音频输出优选是用于辅助或鼓励对象的睡眠状态的改变的合适的音频输出。因此，音频输出可以被设计为影响对象的睡眠状态。音频系统9可以包括用于确定特性的(微)处理器(未示出)和用于输出音频输出的扬声器(未示出)。
合适类型(例如用于睡眠诱导)的音频输出的示例包括用于掩蔽外部噪音(例如，白噪音)的掩蔽声音。其他示例包括平静的声音，例如，音乐、引导式冥想和/或随机生成的词语，它们都旨在减少或修改对象的唤醒状态。当然，当希望唤醒对象时，也可以提供适当的音频输出(例如，鸟鸣)。
作为另一示例，音频输出可以包括睡眠刺激音调的序列。睡眠刺激音调可以例如包括在时间上分开的脉冲的序列。已知使用这样的脉冲来增加慢波活动(SWA)，从而增强深度睡眠，以供例如在检测到的睡眠阶段期间使用。因此，音频输出可以在睡眠期间保持活动，但是可以根据睡眠状态或其他睡眠参数(即，基于睡眠参数的第一值)来调节特性(例如，频率和/或幅度)。替代地，可以仅在某些睡眠阶段期间使用这些特性。
举个另外的示例，睡眠刺激音调可以包括通过恒定的1秒长的音调间间隔而彼此分开的50毫秒长的音调的序列。替代地，音调可以由可变时间间隔(例如，随机时间间隔)分开。50ms的时间段也只是一个可能的示例。音调间间隔的长度和/或音调的长度可以由一个或多个规则的集合来控制。
为了确定针对音频输出的特性，音频输出设备使用一个或多个规则的集合来处理由睡眠参数监测器3监测的对象特性和/或睡眠参数的(第一)值。因此，音频输出(或其特性)可以取决于对象的当前状态和/或对象的元数据。
(第一)值和/或对象特性在被规则集合处理之前可以被预处理。举例来说，可以处理(第一)值以确定对象的当前睡眠状态，其中，对象的当前睡眠状态然后可以由规则集合处理以确定音频输出的特性。作为另一示例，可以例如使用分类算法来处理对象的年龄，以确定对象的类别(例如，“年轻”、“年老”)，然后能够通过规则集合来处理该类别以确定音频输出的特性。对于技术人员而言，预处理规则集合的其他示例将是显而易见的。
一个或多个规则的集合也可以使用其他参数，例如，一天中的时间、一周中的某天(例如，工作日与周末)等。
一个或多个规则的集合由此基于关于对象的信息(例如，它们的特性或某些睡眠参数的测量值)来定义音频输出的特性。因此，对于某种情况和/或某个人，一个或多个规则的集合可以定义音频输出的以下特性中的一个或多个特性：音量；音量调制；频率；频率调制；音频输出的类型；播放的波形；播放速度；播放的波形的数量；音调序列中的每个音调序列之间的长度；音调序列中的每个音调序列的长度等。调制被认为是特性的上升或下降(即，特性的变化或增量)。
仅作为示例，睡眠参数监测器可以适于确定对象的睡眠阶段，并且一个或多个规则的集合可以定义针对该睡眠阶段的音频特性。作为另一示例，一个或多个规则的集合可以基于对象的身份来定义音频特性，使得不同的对象能够具有用于生成音频输出的不同规则。基于对象信息和/或监测到的睡眠参数来提供音频输出的各种其他方式对于技术人员来说将是显而易见的。
对象特性(音频输出可以基于该对象特性)包括例如：对象的身份；对象的年龄；对象的性别；对象的睡眠时间表；对象的日历信息；对象的警报信息等。
一个或多个规则的集合例如可以被存储在系统1的电子存储装置7中。音频输出设备4可以适于检索所存储的一个或多个规则的集合，以便处理对象特性和/或一个或多个睡眠参数的第一值，以确定音频输出9的特性。在其他实施例中，音频输出设备4本身包括或存储一个或多个规则的集合。
可以基于对象的特性(例如识别与当前对象最相似的对象)来选择一个或多个规则的初始集合(即，未修改的)。否则，它可能只是一个或多个规则的默认集合。
规则集合中的每个规则可以包括一个或多个规则参数(例如，系数)，它们是在处理对象特性和/或监测的睡眠参数以生成音频输出时使用的权重或值。
系统1还包括处理系统5。处理系统适于基于(如由睡眠参数监测器3获得的)睡眠参数的第二值来修改一个或多个规则的集合。在音频输出设备4开始向对象10提供音频输出9之后获得第二值。
特别地，处理系统5可以适于基于一个或多个睡眠参数的第二值来修改一个或多个规则的集合中的至少一个规则。以这种方式，可以修改关于如何生成音频输出的(一个或多个)规则。
因此，存在修改(例如，重新训练或定制)关于如何生成音频输出9的(一个或多个)规则的反馈系统。特别地，能够使用一个或多个规则的集合来生成未来的音频输出，这一个或多个规则已经基于当提供先前的音频输出时获得的睡眠参数的值而被修改。
在特定示例中，可以使用睡眠参数的第二值来修改一个规则或规则集合中的至少一个规则的参数或系数。换句话说，规则集合的结构/格式可以保持不变(即，它们是相同的规则集合)，但是具有不同的系数和/或参数。
一个或多个规则的集合优选包括机器学习算法或者由其组成。机器学习算法是任何处理输入数据以产生输出数据的自训练算法。这里，输入数据包括对象特性和/或一个或多个睡眠参数的第一值，并且输出数据包括音频输出的特性。
在本发明中采用的合适的机器学习算法对于技术人员来说是显而易见的。合适的机器学习算法的示例包括决策树算法和人工神经网络。其他机器学习算法(例如，逻辑回归、支持向量机或朴素贝叶斯模型)都是合适的替代方案。
人工神经网络(或简称为神经网络)的结构受到人脑的启发。神经网络由层组成，每一层包括多个神经元。每个神经元包括数学运算。特别地，每个神经元可以包括单一类型变换的不同加权组合(例如，相同类型的变换、sigmoid等，但具有不同的权重)。在处理输入数据的过程中，每个神经元对输入数据执行数学运算以产生数值输出，并且神经网络中的每一层的输出依次馈入下一层。最后一层提供输出。
训练机器学习算法的方法是众所周知的。通常，这样的方法包括获得训练数据集，该训练数据集包括训练输入数据条目和对应的训练输出数据条目。初始化的机器学习算法应用于每个输入数据条目以生成预测的输出数据条目。预测的输出数据条目与对应的训练输出数据条目之间的误差用于修改机器学习算法。能够重复这个过程，直到误差收敛为止，并且预测的输出数据条目与训练输出数据条目足够相似(例如±1％)。这通常被称为监督学习技术。
例如，在机器学习算法由神经网络形成的情况下，可以修改每个神经元的数学运算(的权重)，直到误差收敛为止。已知的修改神经网络的方法包括梯度下降、反向传播算法等。
训练输入数据条目对应于睡眠参数和/或对象特性的(一个或多个)示例第一值。训练输出数据条目对应于音频输出的特性。
处理系统5可以适于使用值的第二集合(即，对象对特定音频输出的响应)来重新训练机器学习算法。重新训练机器学习算法更新或修改由机器学习算法用于处理睡眠参数和/或对象特性以生成音频输出的权重或系数。这有效地修改了机器学习算法的参数和/或系数(即，规则集合)。技术人员将能够容易地将这样的学习能力集成到处理系统中。例如，如果利用某个音频输出实现了期望的响应，则可以向上修正某些权重以鼓励这个实现期望的响应的针对输入的特定音频输出。如果接收到不合需要的响应，则可以向下修正某些权重以阻止该音频输出。
举个简单的示例，考虑以下场景：其中一个或多个规则的集合基于在清醒到睡眠转变期间β频段中的EEG功率来定义音频输出特性，其中，音频输出是白噪音，并且特性包括音量调制。在特定示例中，一个或多个规则的集合基于在预定积分时段期间β频段中的功率来定义音量的初始时间导数(即，音量随时间的减小是音量调制)。所期望的响应是β功率的急剧下降，并且在每个积分时段之后评价音量调制(即，音量的增大或减小)以确定对β功率的影响并控制针对音量调制的下一设置(即，控制规则如何处理输入的参数)。
例如，如果音频输出是降雨，则根据测量的β功率或其一阶导数(即，增大或减小)，雨的强度能够变得更大或更小(即，更大声或更安静)。降雨音频的特性变化的速度(作为规则集合中的一个规则的参数)基于β功率的降低速度。
在另一示例中，一个或多个规则的集合可以包括使用某个常数(即，规则的参数)将对象的β功率(在预定时间段内)的变化与掩蔽音量进行关联的规则。该规则可以旨在提供降低β功率的掩蔽声音，从而使对象进入睡眠或进入更深的睡眠状态。在向对象播放掩蔽声音之后，监测对象的β功率的响应(即，在相同长度的后续时间段内)以确定使用具有该常数的特定规则生成的掩蔽声音的效果。响应于对象的β功率增大，可以确定规则引起掩蔽声音的音量太低。然后能够修改某个常数，使得在下一时间段中该规则使掩蔽声音的音量保持相对较高。以这种方式，该规则适应了对象的特定敏感性。在随后的夜晚，规则则能够先发制人地根据时间(例如通过考虑在“闭眼”事件后经过的时间)调节某个常数。
个性化或改变一个或多个规则的集合的另一种方式是采用某个睡眠参数(例如，β功率)并相应地(例如，根据规则，例如如上所述的那样)调节音频输出的特性。随后，能够“在背景中”监测其他参数的相关性(即，不主动将音频输出基于它们)。能够进行定期评估，以便将所有监测到的信号与最终目标(更短的睡眠开始潜伏期)进行关联，并且如果存在具有更好相关性的参数，则选择不同的管理参数。一个或多个规则的集合然后可以适于使用额外的睡眠参数(先前被监测的但未用于修改音频输出的参数)来随后修改音频输出。例如，由一个或多个规则的集合使用的睡眠参数可能会改变，例如在识别出更好的睡眠参数与所期望的睡眠状态/益处之间的相关性(从而个性化规则集合)的情况下。
换句话说，可以监测除了用于控制音频输出的特性的那些睡眠参数之外的其他睡眠参数，并且能够识别与期望的睡眠状态或其他睡眠益处(例如，慢波活动)相关的睡眠参数以用作针对一个或多个规则的集合的额外的或替代的输入。
这样的实施例允许增加对规则集合的个性化，因为对象/人可能对睡眠状态的变化有不同的响应(例如，更强的α功率)，使得某些睡眠参数在一些对象中可能比在其他对象中更可测量。
因此，存在各种设想到的调节一个或多个规则的集合的方法，包括改变被监测的睡眠参数与音频输出的特性之间的关系或者改变哪个(哪些)被监测的睡眠参数控制音频输出的特性。特别地，实施例可以包括修改或细化用于生成音频输出的(一个或多个)规则的一个或多个参数。这使得能够增加对音频输出系统的个性化。
在一些实施例中，一个或多个规则的不同子集可以用于不同目的(即，取决于对象的期望睡眠状态或其他睡眠特性)。例如，当希望鼓励睡眠时，可以使用一个或多个规则的第一子集。当希望鼓励睡眠时，也可以使用一个或多个规则的不同的第二子集。当希望鼓励睡眠的某些特性(例如，慢波活动)时，也可以使用一个或多个规则的不同的第三子集。
实施一个或多个规则的集合的其他方法包括IF语句、决策树等。调节这样的规则的合适方法对于技术人员来说也是显而易见的。
该系统优选对音频输出的特性执行迭代调节并监测对象对特性变化的响应(例如，某些睡眠参数)。以这种方式，该系统能够自动学习被监测的输入与(通过被监测的对象的响应确定的)期望的睡眠状况之间的最佳关系。这可以用于定义用于控制音频输出的特性的一个或多个规则的集合。
该系统还可以包括用户接口8。用户接口可以适于允许用户手动覆盖或修改由音频输出系统提供的音频输出的特性(例如调低音量或者改变音频输出的类型——例如在平静的音乐与波浪噪音之间切换)。例如，处理系统也可以使用这样的手动改变来修改或改变一个或多个规则的集合以考虑用户偏好(即，用户输入可以充当反馈)。
虽然睡眠参数监测器3、音频输出系统4和处理系统5(以及任选的电子存储装置7和用户接口8)被示为单独的实体，但这并不旨在进行限制。系统1的一些和/或所有部件和/或其他部件可以被分组到一个或多个单一设备中。例如，系统1的一些和/或所有部件可以被分组为头带和/或要由对象10穿戴的(一件或多件)其他衣服的部分。
音频输出设备适于在睡眠期之前、睡眠期期间、睡眠期之后和/或在其他时间向对象10提供听觉刺激。声音旨在诱导、维持、鼓励和/或调节对象的睡眠状态或睡眠特性。例如，声音可以包括掩蔽声音(用于掩蔽外部噪音)、平静的声音(用于舒缓内部干扰，例如，压力)、白噪音(例如用于减轻耳鸣)或在时间上分开的脉冲序列(例如被设计为增大慢波活动)。
睡眠参数监测器3用于生成输出信号，该输出信号传达与对象10的睡眠状态响应特性有关的信息。检测发生在对象10的睡眠期期间、睡眠期期间的规则间隔、睡眠期之前、睡眠期之后和/或其他时间。因此，睡眠参数监测器获得对象的一个或多个睡眠参数的值。
睡眠参数响应于对象的睡眠状态或其他睡眠特性的变化，例如以下变化：对象10的睡眠深度、当前睡眠阶段、慢波活动(SWA)和/或对象10的其他特性。对象10的被监测的睡眠参数可以与快速眼动(REM)睡眠、非快速眼动(NREM)睡眠和/或其他睡眠相关联。对象10的睡眠阶段可以包括以下各项中的一项或多项：NREM阶段N1睡眠阶段、NREM阶段N2睡眠阶段或NREM阶段N3睡眠阶段、REM睡眠阶段和/或其他睡眠阶段。N1对应于浅睡眠状态，并且N3对应于深睡眠状态。NREM阶段N3睡眠或NREM阶段N2睡眠可以是慢波(例如，深度)睡眠。
睡眠参数监测器可以包括脑电图(EEG)电极，但是也可以使用其他传感器来代替或补充EEG电极。EEG信号在整个睡眠期中表现出变化，因此能够准确表示对象的睡眠参数。特别地，在睡眠期间，对象的脑部活动会减慢，使得随着对象的睡眠阶段的变化，脑部活动的不同频率变得占主导地位。例如，在深度睡眠期间，EEGδ功率通常占主导地位并且是可见的，而在“清醒”状态期间，EEGα或β功率通常更具主导性。
(由神经振荡形成的)脑部活动通常被分成不同的频段组。这些频段包括“α”频段(在7.5-12.5Hz或8-13Hz的区域中)；“β”频段(在12.5Hz至30Hz的区域中)；“γ”频段(在30-100Hz或32-100Hz的区域中)；“δ”频段(在0.1-3Hz的区域中)；以及“θ”频段(在3/4-7/8Hz的区域中)。
图2图示了(例如要由参考图1描述的系统执行的)向对象提供音频输出的方法20。
方法20包括获得对象特性和/或针对对象的一个或多个睡眠参数的第一值的步骤21。
然后执行步骤22，在步骤22中，使用一个或多个规则的集合来处理对象特性和/或针对对象的一个或多个睡眠参数的第一值，以确定针对音频输出的特性。在步骤23中，然后向对象提供具有所确定的特性的该音频输出。
在步骤23之后的步骤24包括获得针对对象的一个或多个睡眠参数的第二值。因此，第二值包括在最初向对象提供音频输出之后获得的一个或多个睡眠参数的值。
步骤25包括基于针对对象的睡眠参数的第二值来修改一个或多个规则的集合。特别地，步骤25可以包括修改一个或多个规则的集合中的至少一个规则的一个或多个参数或系数。
在一些实施例中，步骤25包括预处理第二值以获得根据第二值导出的参数(例如，睡眠开始时间或睡眠状态改变的时间)。修改一个或多个规则的集合可以基于所导出的值。
先前已经描述了修改一个或多个规则的集合的方法。
步骤21和24可以由睡眠参数监测器来执行，步骤22-23能够由音频输出设备来执行，并且步骤25能够由参考图1描述的系统的处理系统来执行。
优选地，方法20包括迭代修改音频输出的至少一个特性。以这种方式，针对至少一个特性的每次修改，能够获得值的集合。换句话说，每当音频输出的(一个或多个)特性改变时，能够确定一个或多个睡眠参数对特性改变的响应。
因此可以存在修改音频输出的特性的额外步骤26(在步骤24之后)。这形成了修改音频输出26的特性的迭代过程27；向对象提供23经修改的音频输出；并且获得24针对经修改的音频输出的一个或多个睡眠参数的值的集合。
因此，步骤25可以被修改为包括基于针对每次迭代修改所获得的值的集合来修改一个或多个规则的集合。因此，可以在步骤25中使用(由迭代过程27生成的)值的多个集合来修改一个或多个规则的集合。
在优选实施例中，每次生成一个或多个值的集合时，对其进行评估以确定对对象的睡眠的影响。优选地，如果已经进行了预定数量的修改(例如，某个次数的迭代)而没有改善对象的睡眠(或者没有实现另一期望目标，例如将对象移向清醒阶段或者移向某个睡眠状态)，则迭代停止，并且音频输出的特性恢复到原始设置。此后可以停止或暂停(例如在晚上的剩余时间里)对音频输出的迭代改变。
评估对对象的睡眠的影响的步骤可以取决于生成的值的集合。例如，如果值的集合包括对象的运动，则增加的运动将指示对象没有入睡。作为另一示例，如果值的集合包括呼吸速率，则增加的呼吸速率将指示对象没有入睡。作为又一示例，如果值的集合包括(脑部活动或神经振荡的)δ频段的功率量度，则缺乏增加的δ功率可以指示对象没有入睡或者没有移向更深的睡眠状态。
在修改之间的时段(即，步骤26的迭代之间的时段)可以是预定的。该时段可以例如小于5分钟(例如，1分钟)，小于10分钟，小于30分钟。在其他示例中，该时段更长(例如，一天或更长时间)。
提出了一个实施例，其中，被监测的睡眠参数是睡眠开始时间(是(例如基于脑部活动或阈值呼吸速率)确定对象入睡的时间)，并且音频输出的特性是每天调节一次(例如，每一次对象试图入睡时)。一个或多个规则的集合(例如包括强化学习算法或机器学习算法)用于通过随时间对音频输出进行(小的)调节并测量音频输出对测量开始时间的影响来学习针对对象的个体最优设置是什么。一个或多个规则的集合由此能够确定针对个体和音频类型的个性化的最佳设置。
例如：初始音频输出可能包括白噪音。白噪音在每个频率中具有相同的功率。然而，人们对这种声音的体验不同，这归因于例如听力能力的年龄差异(年轻人听到更高的音调的能力更好)以及声音的体验方式。一个或多个规则的集合可以通过以下操作来学习跨整个频段的哪个功率谱最适合用户：在对象每次试图入睡时调节某个频率、频段或频段组合的功率(例如每晚调节音频输出的特性)并登记睡眠参数的响应(例如，睡眠开始时间)。随着时间的推移，能够通过学习哪些主导频率与短暂的睡眠开始最相关并修改规则来调节一个或多个规则的集合，以便将这些主导频率提供给对象。
每天晚上/白天仅修改一次特性(即，每一次对象尝试入睡时仅修改一次特性)将使得方法虽然准确，但收敛速度较慢。
在实施例中，该系统可以适于随着对象从一种睡眠状态移动或试图移动到另一种睡眠状态(例如入睡或从快速眼动(REM)睡眠状态移动到非快速眼动(REM)状态)时动态改变音频信号的特性。
特别地，在“入睡”阶段期间，能够通过监测脑部活动(例如，由脑电图(EEG)系统测量的脑电图原始信号)来测量调节音频参数的影响。该系统能够在睡眠状态(尝试)改变期间动态地/迭代地改变音频输出的特性并将音频输出的特性的所述变化与EEG信号的变化进行关联。
特别地，该系统可以将音频输出的变化的影响与α谱中的间歇(即，间隙)的发生(是睡眠开始的第一迹象)进行关联。因此，EEG信号的α谱中的间歇可以充当“一个或多个睡眠参数”。
替代地，能够监测原始EEG信号的某些导数以了解音频输出的特性变化的影响。通常，在睡眠开始期间脑部活动会减慢，并且这反映在特定频段(例如，β频段)中的功率降低。因此，特定频段中的功率变化(即，被监测的功率的导数)反映了对象睡眠状态的变化(例如，入睡、从快速眼动(REM)睡眠状态移动到非快速眼动(REM)状态等)。
这种理解在图3中得到了最好的说明，图3说明了脑部活动的β频段随时间的相对功率。不同的时间段t1、t2、t3表示不同的睡眠阶段。第一时间段t1表示“睁眼清醒”阶段，第二时间段t2表示“闭眼清醒”阶段，并且第三时间段t3表示“睡眠”阶段。如图3所示，移动的功率平均值在不同阶段中降低。特别地，随着对象在移动到“睡眠”阶段时入睡，功率在“闭眼清醒”阶段内降低。
不同的音频输出能够帮助促进不同睡眠阶段之间的移动(例如通过掩蔽干扰性的外部噪音以帮助对象入睡，或者增大噪音音量以帮助对象醒来)。
提出当对象在不同睡眠状态之间移动或试图移动时，该系统改变音频参数并确定对特定频段的EEG信号的斜率的影响。例如，当对象处于“清醒状态”(但试图入睡，例如闭眼)时，该系统可以迭代调节声音强度、频率或者修改音频输出的类型。如果该系统记录了(在该频段中的)EEG信号的斜率变化，则认为该调节对入睡过程有影响，然后能够利用该知识来更新规则集合。
先前已经描述了更新或修改规则集合的方法，但是可以包括修改形成规则的算法的某个常数或者重新训练或修改机器学习算法的权重。换句话说，更新或修改规则集合可以包括修改规则集合中的至少一个规则的一个或多个参数或系数。
特别地，该系统可以选择在选定时间(例如，1分钟、2分钟或5分钟)内监测音频信号的变化的影响并计算在该时间后的斜率(变化)。以这种方式，可以以动态方式确定改变参数的影响，从而允许该系统比先前描述的每天一次的方法更快地学习。
响应于对象的睡眠状态的变化的其他合适的标记物(而不是在特定EEG频段中的功率)可以用作一个或多个睡眠参数(例如，α、β、γ、δ和/或θ频段中的功率)、呼吸/气息速率、心率、对象运动等)。根据上述标记物导出的值(例如，睡眠开始时间、切换睡眠状态的时间)也可以用作针对一个或多个睡眠参数的值。
以这种方式，基于能够调节的输入(即，音频输出的特性)和已知作为针对期望的最终结果(例如，对象入睡、醒来或者改善睡眠)的指示物的标记物来修改规则集合。
优选地，为了避免在实验期间过多地干扰睡眠开始时间(例如当迭代修改音频输出时)，该系统可以选择限制具有负面影响的调节次数。因此，如果超过了某个次数(例如不少于3或不少于5)，则已经进行了以负面方式影响睡眠开始转变的调节，音频输出恢复到其原始设置并避免任何更多变化。
能够根据实施细节来(例如在迭代更改期间)更改音频输出的各种特性。例如，音频设备可能能够调节特定音频输出的速度或音量，或者可能能够调节音频输出的内容(例如在不同波形之间切换，例如在海浪的不同声音之间切换或者在慢雨和强雨的波形之间切换)。
通过响应于不同声音而适当修改规则集合，当观察到脑电波频率减慢(或测量参数的其他适当变化，例如，呼吸减慢)时，该系统可以适于奖励特定声音的时段，并且当观察到脑部活动(或其他参数变化)很快或速度加快时，惩罚特定声音的时段。因此，该系统能够学习哪些声音与脑部活动减慢(入睡)的时段和脑部活动增加(醒来)的时段相关联。随着时间的推移，该系统能够学习如何最佳地处理对象的动态特性并调节自身以在每种情况下为每个对象递送最佳声音。
当随着时间的推移执行所提出的实施例时，所提出的系统/方法能够收集许多睡眠开始曲线(例如，针对增加的睡眠深度的睡眠开始曲线)、从清醒到深度睡眠的转变和β功率降低。该系统能够学习识别何时发生睡眠开始问题以及何时需要辅助。然后该系统能够仅在需要时递送合适的声音类型。
因此，在一些实施例中，修改一个或多个规则的集合可以包括修改规则集合，使得音频输出设备仅针对某些场景(例如，某些睡眠阶段)输出音频。
本发明利用声音生成，但这并不排除使用其他刺激，例如，气味、视觉刺激、触觉、味觉和/或其他刺激。例如，可以将经颅磁刺激施加到对象10以触发、鼓励或阻止期望的睡眠状态。
一般而言，已经在提供鼓励睡眠的(音频)刺激或音频输出的背景中描述了上述示例，但是其他实施例可以旨在提供用于阻止睡眠或鼓励睡眠的某些特性(例如，慢波活动的产生)的音频输出。特别地，规则集合可以基于对象特性和/或睡眠参数的值来定义针对音频输出的特性。因此，所监测的睡眠参数可以响应于任何期望的睡眠特性(例如，警觉性的量度、慢波活动的量度等)。
技术人员将能够容易地开发用于执行先前描述的方法的处理系统。因此，流程图的每个步骤可以表示由处理系统执行的不同动作，并且可以由处理系统的相应模块来执行。
实际上，如上所述，实施例利用了处理系统。该处理系统能够利用软件和/或硬件以多种方式来实施，从而执行所要求的各种功能。处理器是采用一个或多个微处理器的处理系统的一个示例，这一个或多个微处理器可以使用软件(例如，微代码)进行编程以执行所要求的功能。然而，处理系统可以在使用或不使用处理器的情况下实施，并且还可以被实施为用于执行一些功能的专用硬件和用于执行其他功能的处理器(例如，一个或多个编程的微处理器和相关联的电路)的组合。
可以在本公开内容的各种实施例中采用的处理系统部件的示例包括但不限于常规的微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
在各种实施方式中，处理器或处理系统可以与一种或多种存储介质相关联，这一种或多种存储介质例如为易失性和非易失性计算机存储器，例如，RAM、PROM、EPROM和EEPROM。可以利用一个或多个程序来编码存储介质，这一个或多个程序当在一个或多个处理器和/或处理系统上运行时执行所需的功能。各种存储介质可以被固定在处理器或处理系统内，或者可以是可转移的，使得存储在其上的一个或多个程序能够被加载到处理器或处理系统中。
应当理解，所公开的方法优选是计算机实施的方法。正因如此，还提出了计算机程序的构思，该计算机程序包括用于当所述程序在计算机上运行时实施任何描述的方法的代码单元。因此，根据实施例的计算机程序的不同的代码部分、代码行或代码块可以由处理器/计算机来运行以执行本文描述的任何方法。
本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。虽然某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分而供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信系统分布。权利要求中的任何附图标记都不应被解释为对范围的限制。
Claims (10)
1.一种用于向对象递送音频输出的系统，所述系统包括：
睡眠参数监测器，其适于获得对象的一个或多个睡眠参数的第一值和第二值；
音频输出设备，其适于：
通过使用一个或多个机器学习算法的集合处理对象特性和/或所述一个或多个睡眠参数的所述第一值来确定针对音频输出的特性，其中，一个或多个机器学习算法的所述集合处理所述对象特性和/或所述第一值以确定所述音频输出的所述特性；
向所述对象提供具有所确定的特性的所述音频输出；以及
处理系统，其适于基于所述一个或多个睡眠参数的所述第二值来修改一个或多个机器学习算法的所述集合，其中，所述一个或多个睡眠参数的所述第二值在所述音频输出设备开始向所述对象提供所述音频输出之后获得，
其中，所述音频输出被设计为影响所述对象的睡眠状态，
其中，所述音频输出设备适于迭代修改所述音频输出的至少一个特性，
其中，所述处理系统适于：
针对所述音频输出的至少一个特性的每次迭代修改，获得所述一个或多个睡眠参数的值的集合；
基于针对每次迭代修改获得的值的集合来修改一个或多个机器学习算法的所述集合；
针对所述每次迭代修改将所述音频输出与所述一个或多个睡眠参数的值的集合相关联；并且
确定所述音频输出的特性中哪些或哪个最适合期望的睡眠状态。
2.根据权利要求1所述的系统，其中，所述处理系统适于通过以下操作来修改一个或多个机器学习算法的所述集合：基于所述一个或多个睡眠参数的所述第二值来修改一个或多个机器学习算法的所述集合中的机器学习算法中的至少一个机器学习算法的一个或多个系数。
3.根据权利要求1或2所述的系统，其中，所述处理系统适于：
使用所述一个或多个睡眠参数的所述第二值来确定所述一个或多个睡眠参数对所述音频输出的响应；并且
基于所确定的所述一个或多个睡眠参数对所述音频输出的响应来修改一个或多个机器学习算法的所述集合。
4.根据权利要求1至2中的任一项所述的系统，其中，所述睡眠参数监测器适于监测所述对象的脑部活动，使得所述一个或多个睡眠参数包括所述对象的脑部活动的至少一个量度。
5.根据权利要求4所述的系统，其中，所述睡眠参数监测器适于监测在预定频段中的脑部活动。
6.根据权利要求4所述的系统，其中，所述睡眠参数监测器适于测量所监测的脑部活动的α谱中的间歇。
7.根据权利要求1至2中的任一项所述的系统，其中，所述睡眠参数监测器包括适于获得原始脑电图信号的脑电图系统，并且其中，所述一个或多个睡眠参数包括根据所述原始脑电图信号导出的一个或多个参数。
8.一种计算机程序产品，其存储用于执行向对象提供音频输出的方法的包括代码单元的计算机程序，所述方法包括：
获得对象特性和/或针对所述对象的一个或多个睡眠参数的第一值；
使用一个或多个机器学习算法的集合来处理所述对象特性和/或针对所述对象的一个或多个睡眠参数的所述第一值以确定针对音频输出的特性，其中，所述一个或多个机器学习算法处理所述对象特性和/或第一值以确定所述音频输出的所述特性；
向所述对象提供具有所确定的特性的音频输出；
随后获得针对所述对象的所述一个或多个睡眠参数的第二值，所述一个或多个睡眠参数的所述第二值在开始向所述对象提供所述音频输出之后获得；并且
基于针对所述对象的所述睡眠参数的所述第二值来修改一个或多个机器学习算法的所述集合，
其中，所述音频输出被设计为影响所述对象的睡眠状态，
其中，所述的向所述对象提供具有所确定的特性的音频输出的步骤包括迭代修改所述音频输出的至少一个特性，
所述的随后获得针对所述对象的所述一个或多个睡眠参数的第二值的步骤包括：针对所述音频输出的至少一个特性的每次迭代修改，获得所述一个或多个睡眠参数的值的集合；
所述的基于针对所述对象的所述睡眠参数的所述第二值来修改一个或多个机器学习算法的所述集合的步骤包括基于针对每次迭代修改获得的值的集合来修改一个或多个机器学习算法的所述集合；
并且其中，所述方法还包括：
针对所述每次迭代修改将所述音频输出与所述一个或多个睡眠参数的值的集合相关联；并且
确定所述音频输出的特性中哪些或哪个最适合期望的睡眠状态。
9.根据权利要求8所述的计算机程序产品，其中，修改一个或多个机器学习算法的所述集合的步骤包括：
使用所述一个或多个睡眠参数的所述第二值来确定所述一个或多个睡眠参数对所述音频输出的响应；并且
基于所确定的所述一个或多个睡眠参数对所述音频输出的响应来修改一个或多个机器学习算法的所述集合。
10.根据权利要求8至9中的任一项所述的计算机程序产品，其中，所述一个或多个睡眠参数包括所述对象的脑部活动的至少一个量度。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18213011.2 | 2018-12-17 | ||
| EP18213011.2A EP3669922A1 (en) | 2018-12-17 | 2018-12-17 | A system and method for delivering an audio output |
| PCT/EP2019/084612 WO2020126736A1 (en) | 2018-12-17 | 2019-12-11 | A system and method for delivering an audio output |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113195031A CN113195031A (zh) | 2021-07-30 |
| CN113195031B true CN113195031B (zh) | 2024-04-12 |
Family
ID=64744413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980083564.7A Active CN113195031B (zh) | 2018-12-17 | 2019-12-11 | 用于递送音频输出的系统和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220016386A1 (zh) |
| EP (2) | EP3669922A1 (zh) |
| JP (1) | JP2022513843A (zh) |
| CN (1) | CN113195031B (zh) |
| WO (1) | WO2020126736A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11654258B2 (en) * | 2020-08-21 | 2023-05-23 | Stimscience Nc. | Systems, methods, and devices for measurement, identification, and generation of sleep state models |
| EP3991646A1 (en) * | 2020-10-27 | 2022-05-04 | Koninklijke Philips N.V. | System and method for analyzing brain activity |
| CN113685989B (zh) * | 2021-08-20 | 2022-10-28 | 珠海拓芯科技有限公司 | 一种空调自动发声的控制系统、方法及空调器 |
| CN115721830A (zh) * | 2021-08-25 | 2023-03-03 | 安徽华米健康科技有限公司 | 助眠音乐的生成方法，装置，计算机设备及存储介质 |
| CN114917451A (zh) * | 2022-06-09 | 2022-08-19 | 北京清霆科技有限公司 | 一种基于实时测量信号的助眠方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1886707A1 (en) * | 2006-08-10 | 2008-02-13 | Future Acoustic LLP | Sleep enhancing device |
| CN107715276A (zh) * | 2017-11-24 | 2018-02-23 | 陕西科技大学 | 闭环路径中睡眠状态反馈的声音睡眠控制系统及其方法 |
| CN108310587A (zh) * | 2018-02-02 | 2018-07-24 | 贺鹏程 | 一种睡眠控制装置与方法 |
| JP2018138137A (ja) * | 2017-02-24 | 2018-09-06 | パナソニックＩｐマネジメント株式会社 | 快眠支援装置及び快眠支援方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9764110B2 (en) * | 2013-03-22 | 2017-09-19 | Mind Rocket, Inc. | Binaural sleep inducing system |
| CN113397491A (zh) * | 2013-12-12 | 2021-09-17 | 皇家飞利浦有限公司 | 用于方便睡眠阶段转换的系统和方法 |
| US10660569B2 (en) * | 2016-10-03 | 2020-05-26 | Teledyne Scientific & Imaging, Llc | Apparatus, system, and methods for targeted memory enhancement during sleep |
| JP7132936B2 (ja) * | 2016-12-06 | 2022-09-07 | コーニンクレッカ フィリップス エヌ ヴェ | 覚醒を促すシステム及び方法 |
-
2018
- 2018-12-17 EP EP18213011.2A patent/EP3669922A1/en not_active Withdrawn
-
2019
- 2019-12-11 CN CN201980083564.7A patent/CN113195031B/zh active Active
- 2019-12-11 EP EP19813905.7A patent/EP3897799A1/en active Pending
- 2019-12-11 US US17/413,651 patent/US20220016386A1/en active Pending
- 2019-12-11 JP JP2021533740A patent/JP2022513843A/ja active Pending
- 2019-12-11 WO PCT/EP2019/084612 patent/WO2020126736A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1886707A1 (en) * | 2006-08-10 | 2008-02-13 | Future Acoustic LLP | Sleep enhancing device |
| JP2018138137A (ja) * | 2017-02-24 | 2018-09-06 | パナソニックＩｐマネジメント株式会社 | 快眠支援装置及び快眠支援方法 |
| CN107715276A (zh) * | 2017-11-24 | 2018-02-23 | 陕西科技大学 | 闭环路径中睡眠状态反馈的声音睡眠控制系统及其方法 |
| CN108310587A (zh) * | 2018-02-02 | 2018-07-24 | 贺鹏程 | 一种睡眠控制装置与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022513843A (ja) | 2022-02-09 |
| US20220016386A1 (en) | 2022-01-20 |
| CN113195031A (zh) | 2021-07-30 |
| EP3669922A1 (en) | 2020-06-24 |
| EP3897799A1 (en) | 2021-10-27 |
| WO2020126736A1 (en) | 2020-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113195031B (zh) | 用于递送音频输出的系统和方法 | |
| JP6374483B2 (ja) | 睡眠徐波活性を増強するための感覚刺激強さの調整 | |
| JP2017536219A (ja) | 徐波活動を向上させるために睡眠中の感覚刺激の持続時間を調節するためのシステム及び方法 | |
| JP2018500968A (ja) | 仮眠の回復値を増加させるためのシステム及び方法 | |
| JP7383723B2 (ja) | 前頭部脳活動モニタリングセンサからの情報に基づいた深い睡眠の強化 | |
| CN113302681B (zh) | 噪声掩蔽设备以及用于掩蔽噪声的方法 | |
| US11975155B2 (en) | Method to predict the slow-wave response | |
| JP7448538B2 (ja) | 聴覚的な睡眠刺激を伝えるためのシステム | |
| US20210121657A1 (en) | Method for determining the risk of a user waking up in an undesirable state | |
| US11724060B2 (en) | Method and system for enhancement of slow wave activity and personalized measurement thereof | |
| US11433214B2 (en) | System and method to shorten sleep latency | |
| US20220225920A1 (en) | Systems and methods for processing biological signals | |
| CN118001546A (zh) | 一种动态干预睡眠的方法、装置、助眠设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |