CN206045144U - 一种新型智能助眠和自然唤醒的装置 - Google Patents

Abstract

本实用新型涉及助眠和唤醒技术领域，更具体而言，涉及一种新型智能助眠和自然唤醒的装置，具体是一种基于虚拟摇摆节拍和脑电信号生物反馈的智能助眠和自然唤醒系统；首包括DSP处理器、睡眠时相测量设备、人机交互设备、电源控制设备、音频发生设备和数据存储和通讯设备，睡眠时相测量设备由多个传感器构成，人机交互设备包括人机按键接口和实时时钟模块，电源控制设备包括开关和供电模块，音频发生设备包括音频数据存储器、音频播放器和左右声道立体声耳机，数据存储和通讯设备包括睡眠数据存储器、USB和蓝牙，利用双耳音频节拍原理，逐步激发较低频率或较高频率的脑波用于助眠或自然唤醒；本实用新型主要应用在睡眠方面。

Description

一种新型智能助眠和自然唤醒的装置

技术领域

本实用新型涉及助眠和唤醒技术领域，更具体而言，涉及一种新型智能助眠和自然唤醒的装置，具体是一种基于虚拟摇摆节拍和脑电信号生物反馈的智能助眠和自然唤醒系统。

背景技术

睡眠主要有五个阶段，睡眠1期、2期、3期、4期和快速眼动期。这五个阶段周而复始的循环，从1期开始，然后进入快速眼动期，再经过2、3、4期，再回到睡眠1期，进行下一轮循环。睡眠1期是入睡期，大脑神经θ波在这个阶段出现，α波减少。人体处于睡眠和欲睡的过渡期，这个阶段眼球运动很慢，肌肉松驰下来，时而清醒，时而睡着，这个时期很容易完全清醒过来；在睡眠2期，眼球停止运动，脑电波频率降低，这个时期脑电波会出现阵发性的纺锤梭型波和K复合波，纺锤梭型波实际上是α波变异出来的δ波；在睡眠3期，这个时期是中度睡眠期，脑波频率进一步降低，δ波出现；在睡眠4期，大脑主要产生δ波，人体进入深睡。睡眠的1、2、3、4期合起来被称做慢波睡眠，快速眼动期被称为快波睡眠，在慢波睡眠中，脑电波呈现慢波状态，视、嗅、听、触等感觉功能减退，肌肉活动减弱，呼吸和心跳缓慢。快波睡眠期，心跳和呼吸加快，血压增高，眼球会快速运动，这个期间人体可能做奇怪的梦。睡眠中人大约50％的时间是在睡眠2期，20％时间在快速眼动期，剩下的30％在其他的三个时期。

睡眠的每一个阶段都与某类大脑活动相关，当人脑处于清醒的意识，精神处于紧张状态，这时呈现的脑电波是β波，脑波在该波段主要频率范围在14-30HZ之间，低频段β波与人体的失眠密切相关，激发适度的β波有助于改善情绪、体能和注意力；清醒并且放松的状态主要与α波相关，大约在8HZ-14HZ，在α波为优势脑波时，人的意识清醒，但身体却是放松的，身心能量耗费最少，相对地脑部所获得的能量较高，运作就会更加快速、顺畅、灵感及直觉敏锐，脑的活动十分活跃，现代科学积极倡导α波是为人们学习与思考的最佳脑波状态；θ波的震荡频率范围3HZ-8HZ，脑波处于该频率时人的精神处于深度松弛状态，注意力高度集中，灵感涌现，创造力空前高涨，对于触发深层记忆、强化长期记忆等帮助极大，所以，在科学界称θ波为通往记忆与学习之门，但是未经训练者一旦脑电波降到这么低的频率，会很快进入睡眠状态；δ波在人的睡眠过程中出现时频率一般在1HZ-3HZ之间，在睡眠3期时开始出现，在睡眠4期成为主要脑波，人只有在睡眠中出现δ脑电波，第二天才能精神饱满，否则，即使睡上10个小时，在第二天也是精神倦怠。一般定义睡眠3期脑波中δ波出现低于50％，而睡眠4期δ波出现高于50％。

缺少睡眠或者失眠会削弱我们的大脑思维活动，限制我们的想象力，让我们的身体得不到休息，总是在疲倦之中。在测试中，整夜不睡觉而开车所造成的危险性相当于酒后驾车，而且，经常缺少睡眠的人群，免疫功能降低，同时对胰岛素等药物的药性敏感性也会降低，这样生病时会大大削弱药物的治疗作用。与不够睡眠会损害人体的健康相反，足够的睡眠会更好的促进人体的健康。同样，如果人体从深度睡眠中突然被惊醒，也会产生疲倦、睡眠不足的感觉，因此睡熟中的个体也需要避免突然醒来，而是自然的从深度睡眠回到浅层睡眠，然后再逐渐醒来。

安眠类药物是最常见的用来帮助失眠，但是安眠药物只是在最初的几个星期有效，长期使用，相反会影响睡眠质量，轻度失眠可以良好的睡觉习惯来治疗，例如睡觉前放松自己的心情，洗个热水澡，读一会儿书等。对于程度较高的失眠患者，研究人员和科学家们尝试采用光和声音调制来改变睡眠习惯的方法来改变患者的昼夜生理节奏，但是其仅仅是把人体带入睡眠，人体在睡眠时会在睡眠1、2、3、4期和快速眼动器循环，大部分时间并不是处于深睡眠状态，休息不好，且容易在睡眠过程中醒来。现有技术中也没有人体唤醒的系统，当人体从睡眠醒来时并不完全是从第1期睡眠状态醒来，有可能会从第二或第三期睡眠状态直接醒来，人体就会觉得很疲倦，没有休息好。因此，有必要对现有技术进行改进。

实用新型内容

为了克服现有技术中所存在的不足，本实用新型提供一种基于虚拟摇摆节拍和脑电信号生物反馈的智能助眠和自然唤醒系统，该系统采用双耳音频节拍，利用脑电波夹带原理，逐步激发较低频率的脑电波用于助眠，反之，则逐步激发较高频率的脑电波用于自然唤醒。

为了解决上述技术问题，本实用新型采用的技术方案为：

一种新型智能助眠和自然唤醒的装置，包括DSP处理器、睡眠时相测量设备、人机交互设备、电源控制设备、音频发生设备和数据存储和通讯设备，所述睡眠时相测量设备包括脑电波测量传感器、眼动信号测量传感器、心率检测传感器和头部微动传感器，所述脑电波测量传感器、眼动信号测量传感器、心率检测传感器和头部微动传感器通过多传感器融合和模式识别模块与DSP处理器连接，所述人机交互设备包括人机按键接口和实时时钟模块，所述人机按键接口和实时时钟模块分别与DSP处理器连接，所述电源控制设备包括开关和供电模块，所述开关通过供电模块与DSP处理器连接，所述音频发生设备包括音频数据存储器、音频播放器和左右声道立体声耳机，所述音频数据存储器与DSP处理器连接，所述左右声道立体声耳机通过音频播放器与DSP处理器连接，所述数据存储和通讯设备包括睡眠数据存储器、USB和蓝牙，所述睡眠数据存储器、USB和蓝牙分别与DSP处理器连接。

所述脑电波测量传感器和眼动信号测量传感器均采用纤维导电布作为电极和接地极，所述电极置于头部的前额上，接地极置于耳垂上。

所述心率检测传感器置于前额的动脉位置或者眶间动脉位置，采用红外发射和红外接收光敏传感器或采用红光LED和红外接收光敏传感器来测量心率。

所述心率检测传感器也可以采用脉搏传感器来替代。

所述头部微动传感器可以为速度传感器、加速度传感器、三维运动传感器、三维空间传感器或摄像照相传感器，来测量头部的移动和方向。

所述多传感器融合和模式识别模块将脑电波测量传感器、眼动信号测量传感器、心率检测传感器和头部微动传感器采集的数据进行信号预处理和信号特征提取，通过模糊数学决策传输到DSP处理器中。

还包括智能手持设备，所述智能手持设备通过蓝牙、无线或射频信号与DSP处理器连接。

所述智能手持设备包括Android系统和苹果系统的应用APP。

所述应用APP包括如下功能：

a、接受睡眠系统上传的睡眠数据和系统设置数；

b、可设置系统的测量和分析参数；

c、可显示某段用户选定时段的睡眠数据和睡眠分析；

d、显示睡眠趋势；

e、保存过去一周、过去一个月以及更长时间的睡眠数据和睡眠分析；

f、具有进一步分析睡眠质量的功能，根据过去某段时间的睡眠数据，给出用户睡眠建议；

g、具备把用户数据保存在手机本地或者上传到云端的功能；

h、可以管理本地或者云端的睡眠数据，添加或者删除睡眠数据；

i、具备用户交互界面，以便用户控制睡眠系统或者管理自己的睡眠质量数据；

j、具有用户睡眠质量分析算法，用户可以根据自己的个人需要修改睡眠分析参数；

k、可以控制睡眠系统的音量，打开或者关闭LED指示灯；

l、与云服务器连接，在远程保存用户的历史数据和睡眠分析数据；

m、实现系统的远程操作和控制，如音量控制、音量平衡、开关机、通讯的启动和关闭、数据采集的启动和关闭、音频节拍的启动和关闭、睡眠追踪的启动和关闭。

所述DSP处理器还可以用微处理器或计算机替代，所述计算机为PC或服务器，所述DSP处理器、微处理器或计算机与各传感器和音频发生设备通过有线或无线连接，根据各传感器的信号判读人体睡眠状态，决定音频的产生及摇摆频率，决定助眠系统的休眠与工作状态。

与现有技术相比本实用新型所具有的有益效果为：

本实用新型测量脑电波采用了纤维导电布作为电极和接地极，并采用双耳接地方式来增加信号的稳定性，并增加人体的舒适度，在通过测量脑电波信号、心率信号、眼动信号和头部微动信号的基础上，全面分析睡眠的时相，从而计算出恰当频率的夹带虚拟摇摆音频，当系统在工作中检测到人体的脑电波状态进入了第一阶段的睡眠，系统就开始调节虚拟摇摆音频的频率使之把脑电波夹带入第二阶段睡眠，然后系统继续监测脑电波，调节虚拟摇摆音频，把睡眠带入第三阶段，再次调节虚拟摇摆音频，直到人体进入深度睡眠。此时停止产生音频信号，人体进入自然睡眠，当未达到使用者设置时间且检测到人体处于清醒期或脑电波频率逼近醒来阈值时，再次启动音频夹带信号把人体带入睡眠。另一方面，逐渐增加夹带音频的频率，与帮助人体睡眠的逐渐降低的夹带音频加载顺序相反，用逐渐加大的夹带音频把脑电波的频率逐渐增加，从而从睡眠的其他阶段慢慢的回到第一阶段，达到自然唤醒的目的。

附图说明

下面通过附图对本实用新型的具体实施方式作进一步详细的说明。

图1为本实用新型的硬件结构示意图；

图2为本实用新型信号采集和睡眠系统工作原理图；

图3为本实用新型脑电波信号测量示意图；

图4为本实用新型心率信号测量示意图；

图5为本实用新型多传感器信息融合示意图；

图6为本实用新型睡眠系统总体流程图；

图7为本实用新型睡眠测量和双耳音频节拍助眠软件流程图。

图中：1为DSP处理器、2为睡眠时相测量设备、3为人机交互设备、4为电源控制设备、5为音频发生设备、6为数据存储和通讯设备、21为脑电波测量传感器、22为眼动信号测量传感器、23为心率检测传感器、24为头部微动传感器、25为多传感器融合和模式识别模块、31为人机按键接口、32为实时时钟模块、41为开关、42为供电模块、51为音频数据存储器、52为音频播放器、53为左右声道立体声耳机、61为睡眠数据存储器、62为USB、63为蓝牙。

具体实施方式

下面结合附图对本实用新型作进一步的描述。

双耳音频节拍是一个物理现象，当两个不同频率的声音分别从两个耳朵进入听觉中枢，听觉中枢判断出两个声音的频率和相位的不同，例如，当100的声音进入左耳，105hz进入右耳，听觉中枢听到两个声音的区别，大脑就会感觉到第三个频率(5Hz)的存在，这个被大脑感觉到的频率就是双耳音频节拍。实际上大脑“听见的”这个声音并不存在，因为并没有5Hz频率的声音信号进入耳朵，而是我们大脑感知到的两个音频信号的频率差。当大脑感知到这个低频信号，由于脑波夹带的原理，大脑电波会开始跟踪追随这个频率，这样脑波的频率就会逐渐与这个被感知的频率谐振，从而被带入到这个频率，通过逐渐的改变两耳间的音频的频率差，大脑电波的频率就可以被夹带到较低的频率范围，也就是有利于进入睡眠的频率范围，相反，则带入脑波频率到到清醒时的频率。

如图1所示，本实用新型硬件包括DSP处理器1、睡眠时相测量设备2、人机交互设备3、电源控制设备4、音频发生设备5和数据存储和通讯设备6，睡眠时相测量设备2包括脑电波测量传感器21、眼动信号测量传感器22、心率检测传感器23和头部微动传感器24，多传感器融合和模式识别模块25将脑电波测量传感器21、眼动信号测量传感器22、心率检测传感器23和头部微动传感器24采集的数据进行信号预处理和信号特征提取，通过模糊数学决策传输到DSP处理器1中。人机交互设备3包括人机按键接口31和实时时钟模块32，电源控制设备4包括开关41和供电模块42，音频发生设备5包括音频数据存储器51、音频播放器52和左右声道立体声耳机53，数据存储和通讯设备6包括睡眠数据存储器61、USB62和蓝牙63。

如图2所示，睡眠时相的采集，由于单一传感器不能可靠准确的分析出睡眠时相，本实用新型采用多个传感器融合的方式。在脑电波信号不能准确的采集的情况下(例如翻身时，脉搏跳动频率偏高时)，通过采集心率信号、历史的脑电波信号和眼动信号，可以预测当前的睡眠时相。心率信号本身在一定的情况下也可以反应睡眠的状态。图中各个信号传感器采集的信号经过睡眠时相分析后，根据当前睡眠时相，产生音频节拍在左右耳间摇摆，摇摆的频率把脑电波的频率夹带到较低的频率，形成一个循坏的过程：测量-产生节拍-夹带脑波-测量。

睡眠时相测量设备2用到的传感器有：

1、如图3所示，脑电波测量传感器21测量时电路由前置测量电路和初级仪用放大器、带通滤波器、陷波滤波器、二次放大电路和A/D转换器组成。各个环节的电路电子元器件参数由计算和实验得出。脑电波测量采用一个或者多个电极紧贴头皮。脑电波信号由于其微弱性和特殊性，相比于心电和肌电信号，用普通的测量仪器是很难检测。脑电波信号的电压幅值很小，只有5～150μV，绝大部分的脑电信号幅值都低于50μV，其频率在0.5-150Hz，极易被外界干扰信号淹没，为了有效的测量这类信号，必须采用高放大倍数、高输入阻抗的仪用放大器进行前级采集。由于实际工频信号的辐射也会在很大程度干扰脑电信号，因此，处理传统的带通滤波器外，还要在信号处理电路中加入陷波滤波器，陷波值为所在区域的工频值。整体脑电波测量电路包含：前置仪用放大器及电路、50Hz陷波器、低通滤波器、高通滤波器、主放大器、A/D转换器等。两级放大器的总放大倍数大约在20000倍，对于中国和欧洲区，采用50Hz的陷波滤波器，对于北美区，采用60Hz的陷波滤波器，前级带通滤波器的频率为0.5Hz-50Hz。采用14位的A/D转换器，采样频率为500Hz。脑电波的频谱不是简单在同一个时间只有一个频谱，而是多个频率掺杂在一起，需要通过算法来分析主频和辅频。FFT分析的窗口为512点，移动式窗口。

2、如图4所示，心率检测传感器23测量时电路的主要元器件为红外发射LED、红外光敏接受器、放大器、比较器、信号整形电路和单片机等组成，采用红光或者红外技术，脉搏的测量并没有采取通过手指或者从心电测量中获得的常规方法，而是考虑到测量信号的同一性，所取得测量位置为额头上的眶上动脉和额动脉，并采用红外反射式脉搏测量电路来分析额动脉和眶上动脉的血流量。心脏的每一次跳动，动脉中通过的血流量会变化，红外LED发射的红外信号在经过变化的血流时，反射到光敏传感器的光通量会随着血流量的变化而变化，变化的幅值和频率与心率一致，因此检测光敏传感器的光通量变化，就能测量出心率。

3、眼动信号测量传感器22采用脑电波测量电路的前置电路，公用脑电波信号采集的电极和公共电极。脑电极采集到的信号通过A/D转换进入DSP后，DSP通过软件算法把眼动信号和实际的脑电波信号分开，提取出眼动信号。眼动信号是一个非周期信号，相比于脑电波信号，其表现为巨大的峰值，可以看作为一个不定时发生的脑电波信号，可以采用模拟量分离原理从原始脑电波信号中提炼出来。

4、头部微动传感器24采用加速度传感器非接触测量人体的轻微动作或者翻身，头动等，微动传感器测量的原理来自于人体在睡眠过程中头部或者身体很少有动作，而在清醒的时候动作相对较多。

5、如图5所示，多传感器融合和模式识别模块25把上述几个传感器的测量结果融合分析出睡眠时相，是多学科交叉的新技术，涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等。本发明涉及到用各个传感器在不同的时态或者不同的程度上标示了睡眠的状态和时相，但任何一个传感器都不能完整的去描述整个睡眠图谱，因此本发明引入了多传感器信息融合的技术理论。多传感器信息融合技术的项目依赖性很强，没有任何一个算法可以被完整的复制到另外一个项目中，每个项目都依赖于设计者根据传感器的特征和需要数据输出的要求重新定义信息融合算法。多传感器融合技术就像大脑重新综合数据一样，充分利用多个传感器的资源，把对多个传感器观测信息加以重新支配和使用，把多个传感器在空间和时间上的冗余或者互补信息依据某种规则来进行组合，以获得对被测对象较完备的一致性解释或描述。在本项目中，加速度传感器，脑电波测量信号，眼球运动信号，脉搏信号，都在某个时段或者某个程度上描述睡眠的质量和时相，综合以上传感器数据，能分析得出更准确的睡眠谱图。

人机交互设备3主要用于系统和用户之间直接交互作用，用户通过人机按键接口31设置系统的测量参数和助眠参数，数据保存功能，蓝牙匹配功能等。人机交互设备3包含系统各种状态的LED指示灯，这些指示灯表明系统电池的充电状态、蓝牙状态、电量状态、数据传输状态和测量状态等。人机交互设备还包括一个实时时钟模块32，可以设置为闹铃。

电源控制设备4产生1.08V、1.3V、1.8V、2.5V和3.3V等5种不同的电压供应不同的设备的要求，由于系统具有测量、控制、音频发生等多种装置以及核心计算微处理器，每个装置和处理器对电源有不同的要求，本系统的基本电源为3.7V的可充电锂电池。

音频发生设备5播放的音频采用WAV、MP3、MP4或者WMV格式。

数据存储和通讯设备6存取睡眠设置参数，脑电波信号等测量参数，用户基本信息以及每次用户某个时段的睡眠时相数据。数据可以通过USB62或者蓝牙63通讯修改、上传或者下载，用户通过手机等手持设备中的APP或者个人电脑中的应用程序访问数据存储单元，单个字符或者批量修改个人参数、传感器测量参数、个人信息设置参数和睡眠参数，睡眠时相数据也可以通过应用上传到手机或者计算机做时段睡眠质量分析。

本发明的程序流程包含两个部分：睡眠系统总体流程图，如图6所示，睡眠系统循环执行通讯判断、睡眠时相测量程序。并且在助眠需要的情况下，产生双耳音频节拍；和睡眠测量和双耳音频节拍助眠软件流程图，如图7所示，当用户开机，戴上睡眠系统，系统自动调出上次使用的测量和助眠参数设置，系统延迟一定的时间，给用户调整系统的位置。系统启动各个传感器，开始睡眠测量，计算出用户的睡眠时相。系统把当前的睡眠时相保存到本地数据存储单元，以备用户手机应用或者计算机调用。根据测量的睡眠时相，判断用户是否睡着或者在睡眠的哪一个阶段，采用该时段的脑电波测量值作为当前脑波频率，计算出需要的中间脑波频率，产生出该中间频率的双耳节拍，播放到耳机。系统连续测量用户的睡眠时相，产生中间频率，直到中间频率到达睡眠时脑电波需要呈现的波形的频率区，既δ波形。此时用户进入中度睡眠状态。传感器继续采集睡眠时相数据，音频发生设备停止工作。直到用户再次醒来，或者设备被关闭，或者测量传感器移开头部。

人体的睡眠模式不是简单的进入熟睡期就停留在睡眠中，一般来说，每个人每晚的睡眠由两个或者三个睡眠周期组成，一般包含两到三个深度睡眠，既第三阶段和第四阶段的睡眠，中间夹杂着几个浅层睡眠，既第一阶段和第二阶段，这样深度和浅层睡眠互相交替，直到第二天清晨醒来。

本发明在通过测量脑电波信号、心率信号、眼动信号和头部微动信号的基础上，全面的分析睡眠的时相，可以用来判断脑电波频率的当前状态，从而计算出恰当频率的夹带虚拟摇摆音频，当系统在工作中检测到人体的脑电波状态进入了第一阶段的睡眠，系统就开始调节虚拟摇摆音频的频率使之把脑电波夹带如第二阶段睡眠，然后系统继续监测脑电波，调节虚拟摇摆音频，把睡眠带入第三阶段，再次调节虚拟摇摆音频，直到人体进入深度睡眠。此时停止产生音频信号，人体进入自然睡眠。这个周而复始的调节过程实际上就是基于不断的测量脑电波信号，根据脑电波信号给出夹带信号的连续生物反馈过程。

在睡眠中，系统继续监测脑电波信号，系统根据睡眠的需要设置了一个脑电波信号阈值，这个阈值就是保证人体在睡眠中不会彻底清醒过来的最高脑电波频率，如果人体在睡眠中被检测到脑电频率开始上升，逐渐逼近阈值，系统就会根据需要，再次根据当前脑电频率产生虚拟摇摆夹带音频，防止人体清醒过来，从而继续保持在睡眠之中。

人体在实际的睡眠中，达到两次深度睡眠后，会有一个短暂的清醒期，系统的传感器此时会检测到人体的动作或者神经活动，而不是预期的熟睡。例如，当用户如果把睡眠的期望时间设置为9个小时，也就是说用户希望睡眠9个小时，而实际系统只检测到了4个小时的睡眠时间，那么在短暂清醒期系统就会再次启动把人体带入睡眠。如果系统监测到了9个小时的睡眠，那么系统就会认为人体已经得到足够的睡眠而不会再次产生音频夹带信号。

系统根据具体用户的睡眠历史数据，找到睡眠中的脑电波的阈值，这样可以根据用户的睡眠模式和周期产生不同的夹带音频，帮助用户保证常规的睡眠模式，例如一晚上两到三次深度睡眠，每个深度睡眠后面是一个以上的浅层睡眠，确保用户睡眠的时相符合实际情况，符合常规的人体睡眠和休息习惯。

本系统也可以把人体从睡眠中唤醒，一般来说，人体如果从睡眠的第一阶段醒来，人体会感觉到休息足够而精神饱满，而如果人体在睡眠的第二或者第三阶段醒来，人体会觉得很疲倦，感觉休息不好，而不想起床。因此本发明在唤醒人体时，充分考虑到睡眠的阶段。最简单的方式是在睡眠中不应用夹带音频，从而人体自然醒来，但是这种方式很多时候不适用，因为人体可能从第二或者第三睡眠阶段醒来。另外一种方式就是加载逐渐频率增加的夹带音频，与帮助人体睡眠的逐渐降低的夹带音频的加载的顺序相反，用逐渐加大的夹带音频把脑电波的频率逐渐增加，从而从睡眠的其他阶段慢慢的回到第一阶段，从而达到自然唤醒的目的。

Claims (8)

1.一种新型智能助眠和自然唤醒的装置，其特征在于：包括DSP处理器(1)、睡眠时相测量设备(2)、人机交互设备(3)、电源控制设备(4)、音频发生设备(5)和数据存储和通讯设备(6)，所述睡眠时相测量设备(2)包括脑电波测量传感器(21)、眼动信号测量传感器(22)、心率检测传感器(23)和头部微动传感器(24)，所述脑电波测量传感器(21)、眼动信号测量传感器(22)、心率检测传感器(23)和头部微动传感器(24)通过多传感器融合和模式识别模块(25)与DSP处理器(1)连接，所述人机交互设备(3)包括人机按键接口(31)和实时时钟模块(32)，所述人机按键接口(31)和实时时钟模块(32)分别与DSP处理器(1)连接，所述电源控制设备(4)包括开关(41)和供电模块(42)，所述开关(41)通过供电模块(42)与DSP处理器(1)连接，所述音频发生设备(5)包括音频数据存储器(51)、音频播放器(52)和左右声道立体声耳机(53)，所述音频数据存储器(51)与DSP处理器(1)连接，所述左右声道立体声耳机(53)通过音频播放器(52)与DSP处理器(1)连接，所述数据存储和通讯设备(6)包括睡眠数据存储器(61)、USB(62)和蓝牙(63)，所述睡眠数据存储器(61)、USB(62)和蓝牙(63)分别与DSP处理器(1)连接。

2.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述脑电波测量传感器(21)和眼动信号测量传感器(22)均采用纤维导电布作为电极和接地极，所述电极置于头部的前额上，接地极置于耳垂上。

3.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述心率检测传感器(23)置于前额的动脉位置或者眶间动脉位置，采用红外发射和红外接收光敏传感器或采用红光LED和红外接收光敏传感器来测量心率。

4.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述心率检测传感器(23)也可以采用脉搏传感器来替代。

5.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述头部微动传感器(24)可以为速度传感器、加速度传感器、三维运动传感器、三维空间传感器或摄像照相传感器，来测量头部的移动和方向。

6.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述多传感器融合和模式识别模块(25)将脑电波测量传感器(21)、眼动信号测量传感器(22)、心率检测传感器(23)和头部微动传感器(24)采集的数据进行信号预处理和信号特征提取， 通过模糊数学决策传输到DSP处理器(1)中。

7.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：还包括智能手持设备，所述智能手持设备通过蓝牙、无线或射频信号与DSP处理器连接。

8.根据权利要求1所述的一种新型智能助眠和自然唤醒的装置，其特征在于：所述DSP处理器(1)还可以用微处理器或计算机替代，所述计算机为PC或服务器，所述DSP处理器、微处理器或计算机与各传感器和音频发生设备通过有线或无线连接，根据各传感器的信号判读人体睡眠状态，决定音频的产生及摇摆频率，决定助眠系统的休眠与工作状态。