TWI556188B - Automatic identification of state of mind and real - time control of embedded systems - Google Patents

Description

精神狀況自動辨識與即時調控嵌入式系統

本發明係一種嵌入式系統，尤指一種可識別使用者之精神狀況，並即時調控精神之嵌入式系統。

在有關疲勞的研究與產品中，習知技術較常利用辨識臉部表情與眼睛的閉合時間與頻率等來判斷疲勞。然而在真實情況中，影像判別相當容易受到背景或是使用者不經意的動作影響，而導致較大的誤差。

另外，在使用影像進行判別時，需運行較複雜的演算法因而花費較多的作業時間。使得現行之疲勞檢測方案並無法達到即時分析之。

為解決上述技術之困境，另有利用腦波圖來判斷使用者之疲勞檢測方案。由於在量測腦電波時須在使用者之頭皮表面黏貼許多電極貼片進行訊號量測，而造成相當程度之不便，此外該方案不易放置於可攜式或穿戴式裝置內，進而降低了使用者之意願。

綜上所述，如何提供一種可即時分析並調控使用者精神狀況之技術手段乃本領域亟需解決之技術問題。

為解決前揭之問題，本發明之目的係提供一種可辨識精神狀況並即時調控之嵌入式系統。

為達上述目的，本發明提出一種精神狀況自動辨識與即時調 控嵌入式系統。於嵌入式系統內之穿戴式裝置進一步具有無線通訊電路、複數個生理感測器、肌電感測器、震動馬達、以及控制器。前述之生理感測器用以量測外部之使用者以提供複數個生理資訊。肌電感測器用於感測使用者之肌電變化以提供使用者之肌電感測資訊。控制器係連接無線通訊電路、生理感測器、肌電感測器以及震動馬達；控制器使用切換式決策樹分析生理資訊以提供精神狀況判斷資訊，並更依據肌電感測資訊以切換工作模式，此外，控制器更得依據精神狀況判斷資訊以判斷是否觸發震動馬達產生震動，以對使用者進行心肺同步調控。

綜上所述，本發明之精神狀況自動辨識與即時調控嵌入式系統透過切換式決策樹分析生理資訊，讓系統可以依此產生之精神狀況來控制震動馬達之運作，而能即時的對使用者進行心肺同步調整。

S101~S107‧‧‧步驟

S200~s227‧‧‧步驟

1‧‧‧穿戴式裝置

11‧‧‧無線通訊電路

12‧‧‧生理感測器

13‧‧‧肌電感測器

14‧‧‧震動馬達

15‧‧‧控制器

2‧‧‧擴香裝置

21‧‧‧擴香控制器

22‧‧‧繼電器

23‧‧‧擴散器

3‧‧‧電子裝置

圖1係為本發明實施例之精神狀況自動辨識與即時調控之嵌入式系統之系統方塊示意圖。

圖2係為本發明之決策樹的建構流程圖。

圖3係為本發明之決策樹之根節點示意圖。

圖4係為本發明之嗜睡判斷決策樹之結構圖。

圖5係為本發明之清醒判斷決策樹之結構圖。

圖6係為本發明之切換式決策樹之效能示意圖。

圖7係為本發明之精神狀況調控流程圖。

圖8係為本發明之擴香裝置內部方塊圖。

以下將描述具體之實施例以說明本發明之實施態樣，惟其並非用以限制本發明所欲保護之範疇。

請參閱圖1，其為本發明一實施例之精神狀況自動辨識與即時調控之嵌入式系統之系統方塊示意圖。前述之嵌入式系統包含穿戴式裝置1以及擴香裝置2。穿戴式裝置1包含無線通訊電路11、複數個生理感測器12、肌電感測器13、震動馬達14以及控制器15。前述之生理感測器12用以量測外部之使用者以提供複數個生理資訊。前述之肌電感測器13用於量測並提供使用者之肌電感測資訊。控制器15連接前述之無線通訊電路11、生理感測器12、肌電感測器13以及震動馬達14；其中控制器15使用決策樹分析生理資訊以提供精神狀況判斷資訊，並依據肌電感測資訊以切換工作模式。控制器15係依據精神狀況判斷資訊以判斷是否經由無線通訊電路11傳送一指令至擴香裝置2，以觸發擴香裝置2釋放精油；或判斷是否觸發震動馬達14產生震動。此外，穿戴式裝置1可將運行之狀態資訊經由無線通訊電路11傳送至電子裝置3，以讓電子裝置3於顯示介面上顯示穿戴式裝置1或擴香裝置2之運作資訊。前述之切換式決策樹係依生理資訊所處之狀態區間以切換執行嗜睡判斷決策樹以及清醒判斷決策樹。

前述之控制器15可選用各式的控制晶片，例如：Arduino系統之控制晶片、8051控制晶片、mega328p控制晶片等，惟控制晶片之類型不在此限。前述之生理感測器12係包含採用編號為DCM03之血氧以及心跳感測器、採用編號為PT100之溫度感測器、肌電感測器13。於一實施例中，前述之肌電感測器13所量測之肌肉群為指淺屈肌(flexor digitorum superficiallys)。

前述之生理資訊選擇的包含血氧濃度值、心跳值、皮膚溫度值、或心間期值之平均值或標準差，各個生理資訊之代號如表1所示：

由於每個人的生理訊號是不斷地在變動，因此需要即時的訊號處理與運算。本案之平均值採用移動平均值(Moving Average)，其計算公式如Eq(1)所示： 為不斷更新量測值。在Eq(1)中，μ _t0為N筆資料初始的平均值，x _N+1為第N+1筆資料，x ₁為第1筆資料。移動平均值可以使資料一直處於最新的狀態，能避免激烈的跳動，並且透過其所計算出來的標準差，誤差也會比較小。

前述生理訊號的標準差(S.D.)，定義Eq(2)所示： 其中，μ為N筆資料的平均值，x _i 為第i筆資料。本案選其作為辨識精神狀況的指標，是由於每個人生理訊號的基礎條件不同，但對於嗜睡反應的變化程度卻沒有太大的差異。也就是說標準差數值的大小，可以一致性地反映出每個人生理訊號的改變程度。當處於嗜睡狀態時，生理訊號的浮動值會下降，進而導致標準差跟著下降。故本案可將生理訊號的標準差(S.D.)視 為辨識精神狀況的良好指標。

本案將切換式決策樹定義為兩種狀態。第一種狀態是在使用者目前精神狀況良好的時候，必須要判斷其是否進入嗜睡的狀態，並定義此狀態為嗜睡判斷決策樹；第二種狀態則是在使用者目前精神狀況處於嗜睡的時候，必須要判斷其是否回復至清醒的狀態，並定義此狀態為判斷清醒判斷決策樹。

舉例來說，當受測者精神狀態良好時，會處在判斷是否嗜睡決策樹。此時會不斷偵測使用者的生理訊號，並判斷其所處的狀態區間，直到判斷出使用者的精神狀態處於嗜睡時，才會進入判斷是否清醒決策樹。切換式決策樹的判斷方式有兩個優點，其一為當使用者精神狀況被判斷為不佳時，為符合真實的實際情形。此決策樹需要讓生理訊號有一定幅度的回升後，才會再判斷回使用者精神狀況處於良好；其二為切換式決策樹中的兩個門檻值間，有一段生理訊號區間相互重疊，此重疊區域能讓切換式決策樹判別出來的結果，不受因生理訊號在門檻值附近徘迴而造成來回跳動之誤差的影響。

決策樹的建構流程如圖2所示。其步驟說明如下：

S101：透過生理感測器12量測的生理特徵點。

S102：決定出相對應之門檻值。

S103：利用所選定之不同門檻值，分別將各個特徵點二值化。

S104：計算每個二值化後的生理特徵點之資料增益。

S105：根據增益結果決定決策樹的根節點。

S106：屏除根結點的屬性後，重新計算剩餘特徵點的資料增益，找到其餘 的中間節點，若未完成分類則執行S104；若已完成分類則至S107。

S107：完成決策樹分類。

本案之決策樹係於一實施例中，係以表2之生理特徵點作為建置依據。表2內共有32筆資料，包括清醒狀態與嗜睡狀態各16筆，每筆資料中各有八個特徵點。包括血氧平均值(SpO2_average)、血氧濃度標準差(SpO2_S.D.)、心跳平均值(HR_average)、心跳標準差(HR_S.D.)、心跳間期平均值(RRi_average)、心跳間期標準差(RRi_S.D.)、溫度平均值(Temp_average)和溫度標準差(Temp_average)。

接著，透過門檻值讓所有樣本資料做二值化的分類。利用門檻值將所有的樣本資料分為True與False兩大類，以便進行資料增益的計算，其結果如表3以及表4所示。若資料大於所設定的門檻值時則歸類至True，小於所設定的門檻值時則歸類至False。本案所使用的切換式決策樹需建構出兩種決策樹，分別是判斷是否清醒決策樹與判斷是否嗜睡決策樹所。兩者所存在的目的不同，故需要選定的門檻值亦不同，而透過不同門檻值所建構出的決策樹也會有所差異。

判斷是否嗜睡決策樹在選定門檻值時，主要判斷使用者何時從清醒狀態進入嗜睡狀態。因此判斷是否嗜睡決策樹的門檻值，可選擇下列兩種方式：第一種為特徵點標準差的門檻值選定方式，其表格中各欄位特徵值相加後取平均，以此做為標準差之門檻值；第二種是特徵點平均值的門檻值選定方式，此種特徵值選定方式為避免隨著不同人或不同時間而有改變。因此利用每次測量的基準值乘上一定比例來做為平均值的門檻值。而基準值為每次戴上手環後，測量之第五十筆到三百五十筆資料的平 均。在判斷是否清醒決策樹在選定門檻值時，其旨在判斷使用者何時脫離嗜睡之狀態，故在門檻值的選定方式與判斷是否是睡決策樹相同也有兩種。包括將表格中各欄位特徵值相加後取平均與基準值乘上一定比例做為門檻值。

若全部資料集合S，總共有15筆醒著、15筆想睡，其資訊增益計算公式Eq(3)所示：

以下計算各個生理特徵值的資訊增益，目標選擇資訊增益最大的生理特徵值，作為決策樹的分類屬性：

以SpO2_Average做分類屬性：

(1)大於等於基準值的98%為True的有16筆資料，其中有13筆醒著、3筆想睡，則資訊增益為：

Entropy(SpO2_Average>=base_98%)=0.6962

(2)小於基準值得98%為False的有14筆資料，其中有2筆醒著、12筆想睡：

Entropy(SpO2_Average<base_98%)=0.5917

(3)SpO2_Average之資訊獲利為：Gain(S,SpO2_Average)=1-(16/30)*(0.6962)-(14/30)*(0.5917)=0.3526

以SpO2_S.D.做分類屬性：

(1)大於等於0.58為True的有12筆資料，其中有9筆醒著、3筆想睡：

Entropy(SpO₂_S.D.>=0.58)=0.8113

(2)小於0.58為False的有18筆資料，其中有6筆醒著、12筆想睡：

Entropy(SpO₂_S.D.<0.58)=0.9183

(3)SpO2_S.D.之資訊獲利為： Gain(S,SpO₂_S.D.)=1-(12/30)*(0.8113)-(18/30)*(0.9183)=0.1245

以HR_Average做分類屬性：

(1)大於等於基準值的90%為True的有17筆資料，其中有13筆醒著、4筆想睡：

Entropy(HR_Average>=base_90%)=0.7871

(2)小於基準值的90%為False的有13筆資料，其中有2筆醒著、11筆想睡：

Entropy(HR_Average<base_90%)=0.6194

(3)HR_Average之資訊獲利為：Gain(S,HR_Average)=1-(17/30)*(0.7871)-(13/30)*(0.6194)=0.2856

以HR_S.D.做分類屬性：

(1)大於等於4.50為True的有15筆資料，其中有11筆醒著、4筆想睡：

Entropy(HR_S.D.>=4.50)=0.8366

(2)小於4.50為False的有15筆資料，其中有4筆醒著、11筆想睡：

Entropy(HR_S.D.<4.50)=0.8366

(3)HR_S.D.之資訊獲利為： Gain(S,HR_S.D.)=-(15/30)*(0.8366)-(15/30)*(0.8366)=0.1634

以Temp_Average做分類屬性：

(1)大於等於36.0為True的有16筆資料，其中有8筆醒著、8筆想睡：

Entropy(Temp_Average>36.0)=1

(2)小於36.0為False的有14筆資料，其中有7筆醒著、7筆想睡：

Entropy(Temp_Average<36.0)=1

(3)Temp_Average之資訊獲利為：Gain(S,Temp_Average)=1-(16/30)*(1)-(14/30)*(1)=0.00

以Temp_S.D.做分類屬性：

(1)大於等於0.43為True的有10筆資料，其中有7筆醒著、3筆想睡：

Entropy(Temp_S.D.>=0.43)=0.8813

(2)小於0.43為False的有20筆資料，其中有8筆醒著、12筆想睡：

Entropy(Temp_S.D.<0.43)=0.9710

(3)Temp_Average之資訊獲利為：Gain(S,Temp_Average)=1-(10/30)*(0.8813)-(20/30)*(0.9710)=0.0589

以RRi_Average做分類屬性：

(1)大於等於108%為True的有12筆資料，其中有3筆醒著、9筆想睡：

Entropy(RRi_Average>108%)=0.8113

(2)小於108%為False的有18筆資料，其中有12筆醒著、6筆想睡：

Entropy(RRi_Average<108%)=0.9183

(3)RRi_Average之資訊獲利為：Gain(S,RRi_Average)=1-(12/30)*(0.8113)-(18/30)*(0.9183)=0.1245

以RRi_S.D.做分類屬性：

(1)大於等於5.11為True的有12筆資料，其中有7筆醒著、5筆想睡：

Entropy(RRi_S.D.>=5.11)=0.9798

(2)小於5.11為False的有18筆資料，其中有8筆醒著、10筆想睡：

Entropy(RRi_S.D.<5.11)=0.9911

(3)RRi_S.D.之資訊獲利為：Gain(S,RRi_S.D.)=1-(12/30)*(0.9798)-(18/30)*(0.9911)=0.0022

從上述八個生理特徵點所算出的資訊增益可得知，SpO2_Average最適合做為分類屬性，因此本案選擇SpO2_Average做為判斷是否嗜睡決策樹之根節點，其根節點示意圖如圖3所示。

在建立出根節點後，跟著同時建立出兩條分支，根結點為血氧濃度平均值。其中血氧濃度平均值大於等於基準值98%的資料共有16筆，血氧濃度平均值小於基準值98%的資料共有14筆。分別對兩分支的資料做資訊增益的計算，尋找出兩分支的其餘中間節點。此時屏除血氧濃度平均值後剩餘的七個生理特徵點，繼續計算資訊增益。重複上述動作，持續分類至所有分支下無法在做任何分類時，便能完成嗜睡判斷決策樹之建構。嗜睡判斷決策樹之結構圖如圖4所示，第一層子節點之判斷依據包含了心跳值之平均值或標準差，第二層子節點之判斷依據包含了皮膚溫度之平均值或心間期值之平均值。

判斷是否清醒決策樹與上述建構的方式相同，不同的地方為 將資料二值化時所設的門檻值。特徵點標準差的門檻值是利用各欄位特徵值的加權平均值選定出來，其加權比例為嗜睡：清醒=3：1。而特徵點平均值的門檻值則是依據經驗法則來歸納出基準值所需要乘上的比例。並利用後續測試出來的結果再加以調整比例。清醒判斷決策樹之結構圖如圖5所示，清醒判斷第一層子節點，判斷依據為該心跳值之平均值；而清醒判斷第二層子節點，判斷依據為該心間期值之平均值。

本案在驗證切換式決策樹的辨識率時選用leave-one-out error rate。此方法能有效的驗證小量資料的分類準確度。首先從30筆分類樣本中取出第1筆樣本，利用剩下的29筆樣本建立出切換式決策樹，並利用第1筆資料對所建立出的切換式決策樹進行測試，並記錄其測試結果。重覆上步驟，每次皆拿出1筆分類樣本，利用剩下29筆資料建構出切換式決策樹，並記錄其測試結果，如表3.5、表3.6所示。利用leave-one-out error rate測試結果可以發現，在判斷是否嗜睡決策樹中會發現有2筆資料分類錯誤，其辨識率為97.67%，而其中2筆分類錯誤的資料，為嗜睡樣本資料誤判為清醒的結果；在判斷是否清醒決策樹中有1筆資料分類錯誤，其辨識率為98.33%，其中判斷錯誤的有1筆資料，為清醒樣本資料誤判為嗜睡的結果。

比較切換式決策樹與單一使用判斷是否嗜睡決策樹，在判斷同一筆資料的結果(圖6)，發現判斷是否嗜睡決策樹在判別資料結果時，倘若生理訊號在決策樹門檻值附近徘徊，會造成結果不斷來回震盪的誤差。而使用切換式決策樹判別同一筆生理訊號時，發現當結果判斷出精神狀態處於嗜睡時，生理訊號會經過一定程度的回升後才會再被判斷回精神狀態處於良好。因此，本案在使用切換式決策樹可以有效地降低結果的誤判率，並更符合真實情形發生時的狀態。

為提供使用者切換穿戴式裝置1之工作模式，本案選擇肌電感測器13作為手勢判斷之用。肌電感測器13的原理是透過可用手勢改變時手部的肌肉會收縮與舒張，此會造成兩點肌肉間的電位的變化。表面電極貼片可用來擷取肌肉細胞電訊號，經過當處理後即可識別出不同的手勢動作。

本案利用不同的閥值區間，定義出兩種不同的動作的門檻。由於肌電訊號的起始電位，會因為手部放置位置、皮膚表面乾濕度、電力訊號等外部因素，而造成電位標準不同。因此，本案利用移動平均法的方 式來解決起始電位跳動的問題。取當下資料的前100筆做平均，利用計算出來的移動平均值當作門檻值。令當下的訊號為N，前100筆移動平均值為M，當N>M則開始辨識動作；當N<M時則結束動作辨識。每次判斷動作區間的資料需要大於20筆資料才會列入計算，防止一些肌電雜訊干擾到動作辨識的結果。

當人處在心肺相位同步的狀態下，便可以有效的提升血氧濃度，因此使用者感到嗜睡想要休息時，可藉由本案利用心肺相位同步的技術來達到此目的。心肺相位同步是一種心血管系統與呼吸系統之間的互相調控配合出來的結果。藉由文獻與大量的實驗後發現，若將心跳訊號放大到能讓人的感覺器官感受到，則可讓呼吸系統慢慢的配合上心血管系統。為不讓放大的心跳訊號令使用者感到不適，故本案選用微型震動馬達14振動出與脈搏相同頻率的訊號，讓人的感受器官可以明顯感受到脈搏跳動的頻率，經由演算法取出其峰值的時間，並在相同的時間點上打出震動訊號，使身體明顯感受到脈搏的震動頻率，進而促使其漸漸地達到心肺相位同步。

一般文獻將睡眠定義成兩個階段：非快速眼動睡眠期與快速眼動睡眠期。而國際睡眠醫學又將其中的非快速眼動睡眠期再細分為四個階段，因此加上快速眼動期睡眠期總共五個階段：入睡期、淺睡期、熟睡期、深睡期、快速動眼睡眠期。

而本案將非快速眼動期中的入睡期至深睡期統一命名為睡眠期，因此加上清醒的狀態總共有三個區間，分別是：清醒、睡眠期與快速眼動睡眠期。若希望在睡眠時能讓身心得到有效的休息，則必需進入至深層睡眠期才能得到顯著的效果。而其中深層睡眠期所指的為非快速眼動 睡眠期中的熟睡期與深睡期。因此本案在偵測睡眠期時，主要是利用熟睡期與深睡期的生理特徵做為參考標準。而在喚醒使用者時，倘若在深層睡眠或快速眼動期時被喚醒，腦部會沒辦法得到充分的休息而感到非常的疲憊。因此本案會先判斷使用者是否進入睡眠狀態，並從睡眠期進入至快速眼動睡眠期後，完成一個完整的睡眠周期，才會驅動手環的微振動馬達喚醒使用者。

請參閱圖7，其為本案之精神狀況調控流程圖。該調控流程說明如下：

S200：使用者透過肌電感測器13選擇調控模式。

S210：進入心肺相位同步模式。

S211：命令微震動馬達14產生與心跳相同或大致相同之震動訊號。

S212：由嗜睡決策樹判斷使用者是否清醒？若是，則執行S213；若否，則執行S211。

S220：進入睡區間自動偵測及喚醒模式。

S221：分析清醒期間之生理訊號。

S222：判斷生理訊號是否符合睡眠期門檻值？若是，則執行S223；若否，則執行S221。

S223：分析睡眠期間之生理訊號。

S224：判斷生理訊號是否符合眼動期門檻值？若是，則執行S225；若否，則執行S223。

S225：分析快速眼動期間之生理訊號。

S226：判斷生理訊號是否符合快速眼動期門檻值？若是，則執行S227；若 否，則執行S225。

S227：命令微震動馬達14產生與心跳相同或大致相同之震動訊號。

承上，當利用肌電感測器13選擇睡眠區間自動偵測與喚醒模式後，會先定義出受測者目前處於清醒狀態。利用建構切換式決策樹時的心跳基準值作為清醒區間的判斷標準。人的完整睡眠流程故定依序為：清醒期→睡眠期→快速眼動期。

從清醒期進入睡眠期時，心跳平均值必須比基準值低15%以上且心跳標準差必須小於2.0，資料必須連續超過門檻值100筆，才會判斷進入睡眠期；從睡眠期進入快速眼動睡眠期時，心跳標準差必須要大於3且心跳平均值需高於心跳基準值的15%，並且資料需要連續超過門檻值50筆。從肌電訊號中可以輔助判斷出，在睡眠期與快速眼動期時，肌電訊號平均值與標準差並無明顯差異。進入快速眼動睡眠期後會控制器15會開始計時20分鐘，20分鐘後會驅動手環中的微型震動馬達14喚醒使用者。由於第一次完整睡眠周期中，快速眼動睡眠期的出現時間約為5~15分鐘，故本案選擇在進入快速眼動睡眠期後的20分鐘喚醒受測者。讓受測者處在入睡期或淺睡期時被喚醒，精神狀況會比在深層睡眠或快速眼動睡眠期被喚醒時良好。

本案在判斷睡眠區間時，主要使用心跳感測器以及肌電感測器13所擷取出來的生理訊號做判斷，以下將介紹本案所整理出來的三個狀態區間的生理特徵：清醒期之生理訊號如附件1所示。此時心跳的平均值較高，但比決策樹的基準值低大約5-10%。可以發現在此階段的心跳標準差跳動幅度大，大約在3-5之間，肌電訊號波動也較大，標準差偏高。在此階段中會 定義出清醒期至睡眠期的門檻值，將門檻值定為：心跳平均值低於基準值的15%以及心跳標準差低於2連續100筆資料。資料連續超過門檻值100筆後，便會判斷從清醒期進入睡眠期。

睡眠期之生理訊號如附件2所示，本案將整個非快速眼動睡眠期統稱為睡眠期，在此區間內可以觀察出心跳平均值相較於清醒期時明顯下降許多。睡眠期時心跳平均值大約比心跳基準值低15~20%，同時也能發現到心跳的標準差也明顯下降。進入睡眠期後可發現，此時肌電訊號的變動量越來越少，代表動作越來越少。因此肌電訊號並無太大的起伏。

快速眼動睡眠期之生理訊號如附件3所示，在快速眼動睡眠期間可以發現，此時的心率反映與清醒時極為相似。心跳的平均值與標準差明顯上升，甚至有時會出現不規律的情況。因此將睡眠期至快速眼動期的門檻定義為：心跳平均值高於基準值的15%與心跳標準差大於3，連續50筆資料。在此階段中肌肉還是處在休眠狀態，因此肌電圖所顯示的波型與睡眠期極為類似，沒有較大的起伏變化。

本案將前述之穿戴式手環裝置之生理感測器12、無線藍芽傳輸器、控制器15微小化並且模組化。並用FFC軟排線作為各模組間之溝通橋樑。前述之穿戴式手環裝置之外殼係配置成複數個串接形成之殼體，並將各內部元件分佈於殼體內。

進一步說明之，因此在電路製作時為考慮符合人體手腕的弧度。因此是將電路切割為七塊模組(數量不在此限)，以便生理感測電能緊貼於手腕。避免生活中因手環的體積而造成負擔，所以特別做電路微小化的改良，將每塊模組限制在長寬約1.8cm*3cm的殼體大小內(附件4)，再透過 FFC軟排線串接(附件5)。其實際成品圖如附件6所示。

請接著參閱圖8，其為擴香裝置2內部方塊圖。擴香裝置2進一步包含擴香控制器21、繼電器22以及擴散器23。前述之擴香控制器21具有無線通訊電路11之控制晶片(例如：RFduino)。擴香控制器21係透過繼電器22連接至擴散器23。當穿戴式裝置1判斷使用者之精神狀況處於嗜睡時，可選擇啟動心肺同步模式，或是透過無線通訊方式來驅動擴香裝置2之運作，讓擴散器23釋放出精油，以達到調控使用者精神之目的。

請參閱附件7，其為前述之電子裝置3所提供之顯示介面，在介面中顯示三個生理數據，分別為血氧濃度、心跳率及體溫。且能透過圖示了解目前所處的精神狀態與調控模式，使用者可藉由此介面清楚得知自己的生理資訊。當精神狀況處於良好時，介面會顯示Awake(清醒)。當處於嗜睡時，介面下方會顯示Drowsy(嗜睡)。當處於心肺相位同步調控模式時，介面下方會顯示CRPS。而當處於精神狀況自動偵測與調控模式時，介面下方會顯示目前睡眠狀況所屬的區間(附件8)，。

上列詳細說明係針對本發明之一可行實施例之具體說明，惟該實施例並非用以限制本發明之專利範圍，凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本案之專利範圍中。

1‧‧‧穿戴式裝置

11‧‧‧無線通訊電路

12‧‧‧生理感測器

13‧‧‧肌電感測器

14‧‧‧震動馬達

15‧‧‧控制器

2‧‧‧擴香裝置

3‧‧‧電子裝置

Claims (7)

1. 一種精神狀況自動辨識與即時調控之嵌入式系統，包含：穿戴式裝置，包含：無線通訊電路；複數個生理感測器，用以量測外部之使用者以提供複數個生理資訊；肌電感測器，用於感測該使用者之肌電變化以提供該使用者之肌電感測資訊；震動馬達；控制器，連接該無線通訊電路、該等生理感測器、該肌電感測器以及該震動馬達；其中該控制器使用切換式決策樹分析該等生理資訊，以提供精神狀況判斷資訊，其中該控制器更依據該肌電感測資訊以切換工作模式；其中，該控制器係依據該精神狀況判斷資訊以判斷是否觸發該震動馬達產生震動；其中該切換式決策樹係依該等生理資訊所處之狀態區間切換執行嗜睡判斷決策樹以及清醒判斷決策樹；其中該等生理資訊選擇的包含血氧濃度值、心跳值、皮膚溫度值、或心間期值；其中該等生理資訊包含平均值或標準差；其中該切換式決策樹其根節點之判斷依據為該血氧濃度值之標準差。
2. 如請求項1所述之嵌入式系統，其中：該嗜睡判斷決策樹，進一步包含：嗜睡判斷第一層子節點，判斷依據為該心跳值之標準差或平均值； 嗜睡判斷第二層子節點，判斷依據為該皮膚溫度之平均值或該心間期值之平均值；該清醒判斷決策樹，進一步包含：清醒判斷第一層子節點，判斷依據為該心跳值之平均值；以及清醒判斷第二層子節點，判斷依據為該心間期值之平均值。
3. 如請求項1所述之嵌入式系統，其中該工作模式選擇的包含喚醒模式、睡區間自動偵測模式、或心肺同步模式。
4. 如請求項3所述之嵌入式系統，其中該心肺同步模式為該控制器觸發該震動馬達產生與該使用者之心跳頻率相同或大致相同之震動。
5. 如請求項3所述之嵌入式系統，其中該睡區間自動偵測模式係分析該等生理資訊以判斷該使用者之睡眠期，該喚醒模式係於該控制器判斷該睡眠期符合快速眼動睡眠期則觸發該震動馬達產生與該使用者之心跳頻率相同或大致相同之震動。
6. 如請求項1所述之嵌入式系統，其中該穿戴式裝置係為穿戴式手環，且該穿戴式裝置之外殼係配置成複數個串接形成之殼體，並將該穿戴式裝置之內部元件分佈於該等殼體內。
7. 如請求項1至6任一項所述之嵌入式系統，更包含通訊連結該穿戴式裝置之擴香裝置，其該控制器係依據該精神狀況判斷資訊以判斷是否觸發該擴香裝置釋放精油。