CN110047575B - 一种基于远程决策的反馈式助眠系统 - Google Patents

Abstract

本发明公开了一种基于远程决策的反馈式助眠系统，具体包括：采集设备(1)、通信模块(2)、云平台(3)、主控模块(4)、助眠设备(5)、移动终端(6)；所述采集设备(1)与主控模块(4)的输入端电连接，所述助眠设备(5)与主控模块(4)的输出端电连接，所述通信模块(2)与主控模块(4)电连接，所述主控模块通过通信模块与云平台(3)无线通信连接，所述移动终端(6)与所述云平台(3)无线通信连接。本发明通过采集用户的睡眠生理信号信息，并发送至云平台进行分析处理，根据助眠决策模型得出实时有效的助眠方案，反馈给助眠设备调整助眠作用模式，帮助用户入眠、好眠；支持在两种网络状态下助眠，系统结构完善、高效。

Description

一种基于远程决策的反馈式助眠系统

技术领域

本发明涉及医疗电子与健康睡眠领域，更具体地，涉及一种基于远程决策的反馈式助眠系统。

背景技术

睡眠是人类最基本的生命活动之一。人的一生之中大约有1/3时间在睡眠中度过。睡眠是人体的生理调节和寿命的保证，良好的睡眠是恢复体力、维持生理健康的必备条件，没有睡眠就没有生命的延续,其重要性不言而喻。然而，随着人们生活节奏的加快，生活压力的增加，运动的缺乏等原因，失眠人群的比例越来越高。随着当代人们对睡眠重要性意识的提高，更多的人逐渐关注睡眠健康，很多失眠患者希望通过助眠设备改善睡眠状况。

随着信息技术的应用越来越广泛，移动式医疗设备与大数据的发展在助眠服务上不断取得进步，同时云平台能够用户提供大规模计算的能力和庞大的资源池。在助眠系统中加入云平台能够使系统结构更完善。助眠系统能充分利用云平台上数据资源和强大的计算能力，结合机器学习和大数据挖掘等技术，从巨量复杂的数据案例中挖掘出与助眠方案相关性高的睡眠生理特征，提高助眠方案的决策模型的准确率，结合通信技术，能够提高助眠系统的实时性和有效性。

目前，市场上部分传统的助眠设备，由于基础硬件运算速率和处理能力的限制，一定程度上限制了助眠效果的提升。并且传统可穿戴助眠设备对用户产生的大量健康数据，缺乏一个有效的存储、管理、查询和分析的平台，特别是欠缺从大数据中分析出有价值的信息的能力。针对上述问题，本发明旨在提出一种基于远程决策的反馈式助眠系统，该系统使用采集模块对人体的生理参数进行实时的采集，将采集到的生理参数传输至云平台进行大数据分析，并且利用优化的分类算法训练出来的助眠决策模型，得出当前状态下对应的助眠方案，助眠设备根据助眠方案调整助眠作用模式，可使用户更快的进入睡眠状态，提高用户睡眠质量。

发明内容

本发明为克服上述现有技术中的助眠系统助眠效果不理想，助眠设备产生的生理数据无法有效分析利用的缺陷，提供一种基于远程决策的反馈式助眠系统。

本发明旨在至少在一定程度上解决上述技术问题。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

一种基于远程决策的反馈式助眠系统，所述助眠系统包括：采集设备、通信模块、云平台、主控模块、助眠设备、移动终端；

所述采集设备与主控模块的输入端电连接，所述助眠设备与主控模块的输出端电连接，所述通信模块与主控模块电连接，所述主控模块通过通信模块与云平台无线通信连接，所述移动终端与所述云平台无线通信连接。本发明中，通过采集设备对人体睡眠生理信号数据进行实时采集，传送至主控模块，可通过通信模块发出给云平台；当助眠系统联网状态下时，睡眠生理信号数据被发送至云平台，云平台根据利用优化的分类算法训练出来的助眠决策模型得出用户当前状态下对应的助眠调整方案，回送给主控模块，主控模块再将助眠调整方案发给助眠设备；当助眠系统处于不联网的状态下时，睡眠生理信号数据被传送至主控模块后，主控模块直接进行算法运算分析得出用户当前的睡眠状态，并根据主控制模块中运算系统预设的助眠决策模型实时生成助眠决策并将助眠决策发送给助眠设备。助眠设备根据实时助眠调整方案或助眠决策实时优化调整助眠作用模式，从而更加科学有效地帮助用户进入睡眠状态，增加用户睡眠时间，提高睡眠质量；同时，所述移动终端可访问云平台中的用户睡眠数据库，进行数据访问，进而显示用户的睡眠质量分析报告、睡眠情况回顾、与睡眠建议提醒，以帮助用户实现更合理的睡眠结构，实现健康睡眠。

进一步地，所述采集设备为脑电仪、心电信号采集仪、肌电仪中的一种或多种，所述采集设备用于实时采集用户的睡眠生理信号数据并发送至主控模块，所述睡眠生理信号数据包括有：人体脑电或心电或肌电生理信号。

进一步地，所述通信模块为无线通信模块，所述通信模块根据主控模块的指令把采集设备采集的用户睡眠生理信号数据发送至云平台，同时接收由云平台发送的睡眠调整方案回送给主控模块。采用无线通信模块提高了用户使用时的便捷性。

进一步地，所述云平台包括数据存储单元、数据处理分析单元、数据展示单元；

所述数据存储单元将接收到的用户睡眠生理信号数据进行筛选并构建用户睡眠数据库，所述用户睡眠数据库包括有基于个人的用户个人样本数据库，所述用户个人样本数据库中存储用户个人的有效助眠调整方案和用户个人睡眠状况数据；所述用户睡眠数据库还包括有训练完毕的助眠决策模型和训练样本；

所述数据处理分析单元利用用户睡眠数据库中的用户睡眠生理信号数据和训练完毕的助眠决策模型得出用户的助眠调整方案；

所述数据展示单元对用户个人样本睡眠数据库中睡眠数据进行统计分析、数据挖掘，并提供能够为移动终端访问查看的端口。

进一步地，所述用户睡眠数据库的构建步骤如下：

步骤1：云平台获取用户i所在的助眠系统中采集设备采集的用户睡眠生理信号数据记为Sn，n的取值为大于或等于1的正整数，所述用户睡眠生理信号数据为多维数据；

步骤2：云平台数据处理分析单元对采集到的睡眠生理信号数据进行特征提取，利用助眠决策模型，得出助眠调整方案，记录为Dn；

步骤3：云平台(3)将助眠调整方案Dn通过通信模块发送回主控模块，主控模块将助眠调整方案Dn发送给助眠设备，改变助眠设备的助眠作用模式；

步骤4：云平台数据处理单元分析用户的当前睡眠生理信号数据Sn,得出上一次的助眠调整方案Dn-1的作用效果，此时n的取值为大于或等于2的正整数，所述助眠调整方案Dn-1的作用效果是否有效的判定为方法为：若用户的睡眠生理信号数据Sn满足预设的表征用户的大脑活动趋向进入更深层次的睡眠状态的曲线或符合预设的睡眠循环周期则判定助眠调整方案Dn-1有效，反之若用户的睡眠生理信号数据Sn不满足预设的表征用户的大脑活动趋向进入更深层次的睡眠状态的曲线或不符合预设的睡眠循环周期则判定助眠调整方案Dn-1无效；所述睡眠循环周期根据用户的生理状态及精神状态确定；

步骤5：当助眠调整方案作用为有效时，把当前有效案例的睡眠生理信号数据Sn-1和对应的助眠调整方案Dn-1一起添加至用户个人样本数据库中；若助眠调整方案无效，直接执行步骤6；

步骤6：把用户的睡眠生理信号数据Sn存放到用户睡眠数据库中；

步骤7：等待时间T，将n加1；

步骤8：判断用户定时助眠作用时间或起床时间是否已到，若时间未到，则返回步骤1，继续获取当前用户睡眠生理信号数据并实时根据助眠决策模型调整助眠调整方案，为用户助眠；若时间已到，则停止助眠和数据筛选采集；

步骤9：对用户睡眠数据库内容进行更新调整，若用户睡眠生理数据记录距当前时间超过预设月数或数据量达到预设量，则删除预设月数之前的数据或超过预设量的数据，保留最新预设月数的数据作为个人样本数据库的数据，为助眠调整训练提供可靠、高时效性的数据来源。

进一步地，所述助眠决策模型包括普适性的助眠决策模型和个人版助眠决策模型，所述普适性的助眠决策模型的构建包括以下步骤：

步骤1：根据用户i的个人信息，所述个人信息包括年龄、失眠情况、生活压力与身体、精神状态相关的信息，抽取若干个与用户i个人信息相关性大于预设阈值的其他用户的个人样本数据库，然后从抽取的其他用户的个人样本数据库中，随机抽取M个有效案例样本，每个案例样本具有一种助眠方案标签，M个有效案例样本中共有N种不同的助眠方案；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个普适性的助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了普适性的助眠决策模型；

用户i助睡眠方案个人版助眠决策模型构建过程如下：

步骤1：从用户i的个人样本数据库中按照时间次序抽出录入时间靠近当前时间的M个有效样本案例，作为助眠决策模型的训练集；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个个人版助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了个人版助眠决策模型。

进一步地，所述助眠调整方案的生成方法如下：

A.用户开始启用助眠设备时，所述助眠系统先使用普适性的助眠决策模型，将用户的当前睡眠生理信号数据上传到云平台，所述云平台的数据处理分析单元提取出普适性的助眠决策模型所需要的特征，根据普适性的助眠决策模型得出相应的助眠调整方案；

B.当用户使用助眠设备一段时间后，个人样本数据库中样本数量达到预设值，此时助眠系统更换启用个人版助眠决策模型，将用户的当前睡眠生理信号数据上传到云平台，所述云平台的数据处理分析单元提取出个人版助眠决策模型所需要的特征，根据个人版助眠决策模型得出相应的助眠调整方案；

C.在使用助眠设备的过程中，每次输出助眠方案后，反馈式地判断助眠方案的效果，若一次睡眠中，助眠方案的作用效果不佳次数占的比例大于设定的阈值，则清空该用户个人样本数据库，使用普适性的助眠决策模型，再次构建新的个人样本数据库，从而实现系统自适应地调整个人样本数据库，以便于构建更有效、精确的助眠决策模型。

进一步地，所述主控模块为本地控制决策模块，包括有两种工作模式：

联网工作模式下，主控模块接收来自采集设备的用户睡眠生理信号数据，并将用户睡眠生理信号数据通过通信模块发出给云平台；同时，主控模块通过通信模块接收来自云平台的助眠调整方案，并将助眠调整方案发送给助眠设备；

离线模式下，主控模块采用专家系统设计，首先对采集设备实时采集到的用户睡眠生理信号数据进行分析处理，提取其特征值，根据专家系统得到助眠决策，并将助眠决策发送给助眠设备，控制助眠设备的输出。

进一步地，所述助眠设备为助眠输出器，所述助眠输出器为基于经颅微电流刺激疗法的助眠电流刺激器或助眠音乐播放器或助眠灯光调节器，所述助眠输出器能够根据主控模块助眠输出的助眠决策或云平台返回的助眠调整方案的要求，调整输出对应的助眠作用方式，帮助用户快速进入睡眠状态，提高用户的睡眠质量。

进一步地，所述移动终端用于向云平台请求用户的睡眠数据并进行可视化展示，所述移动终端包括睡眠分期显示模块、睡眠建议提醒模块、睡眠追踪报告模块、健康睡眠咨询模块。

与现有技术相比，本发明技术方案的有益效果是：

本发明通过采集设备实时采集用户的睡眠生理信号信息，并发送至云平台进行分析处理，根据助眠决策模型得出实时有效的助眠方案，反馈给助眠设备实时调整助眠作用模式工作，有效地帮助用户入眠、好眠；本发明在联网和离网的状态下均能对用户睡眠生理信息进行运算分析，依据用户的睡眠状态分析结果结合主控制模块预设的助眠决策模型得出实时助眠决策发送给助眠设备实时调整作用模式，结构完善、高效。

附图说明

图1为本发明的一种基于远程决策的反馈式助眠系统的总体结构示意图。

图2为本发明的云平台中构建用户睡眠数据库的流程示意图。

图3为本发明的云平台中的优化的助眠决策模型算法的主要流程示意图。

图4为本发明的手机终端功能结构示意图。

附图标记：1-采集设备，2-通信模块，3-云平台，4-主控模块，5-助眠设备，6-移动终端。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种基于远程决策的反馈式助眠系统，所述助眠系统包括：采集设备1、通信模块2、云平台3、主控模块4、助眠设备5、移动终端6；

所述采集设备1与主控模块4的输入端电连接，所述助眠设备5与主控模块4的输出端电连接，所述通信模块2与主控模块4电连接，所述主控模块通过通信模块与云平台3无线通信连接，所述移动终端6与所述云平台3无线通信连接。本发明中，通过采集设备1对人体睡眠生理信号数据如脑电信号或心率信号或心电信号或体动信号等进行实时采集，传送至主控模块4，可通过通信模块2发出给云平台3；当助眠系统联网状态下时，睡眠生理信号数据被发送至云平台3，云平台3根据利用优化的分类算法训练出来的助眠决策模型得出用户当前状态下对应的助眠调整方案，回送给主控模块4，主控模块4再将助眠调整方案发给助眠设备5；当助眠系统处于不联网的状态下时，睡眠生理信号数据被传送至主控模块4后，主控模块4直接进行算法运算分析得出用户当前的睡眠状态，并根据主控制模块4中运算系统中预设的助眠决策模型(如专家系统规则库)实时生成助眠决策并将助眠决策发送给助眠设备5。助眠设备5根据实时助眠调整方案或助眠决策实时优化调整助眠作用模式，从而更加科学有效地帮助用户进入睡眠状态，增加用户睡眠时间，提高睡眠质量；同时，所述移动终端6可访问云平台3中的用户睡眠数据库，进行数据访问，进而显示用户的睡眠质量分析报告、睡眠情况回顾、与睡眠建议提醒，以帮助用户实现更合理的睡眠结构，实现健康睡眠。

本实施例中，所述采集设备1为脑电仪、心电信号采集仪、肌电仪中的一种或多种，所述采集设备1用于实时采集用户的睡眠生理信号数据并发送至主控模块4，所述睡眠生理信号数据包括有：人体脑电或心电或肌电生理信号。

本实施例中，所述通信模块2为无线通信模块，所述通信模块2根据主控模块4的指令把采集设备1采集的用户睡眠生理信号数据发送至云平台3，同时接收由云平台3发送的睡眠调整方案回送给主控模块4。采用无线通信模块提高了用户使用时的便捷性。

本实施例中，所述云平台3包括数据存储单元、数据处理分析单元、数据展示单元；

所述数据存储单元将接收到的用户睡眠生理信号数据进行筛选并构建用户睡眠数据库，所述用户睡眠数据库包括有基于个人的用户个人样本数据库，所述用户个人样本数据库中存储用户个人的有效助眠调整方案和用户个人睡眠状况数据；所述用户睡眠数据库还包括有训练完毕的助眠决策模型和训练样本；

所述数据处理分析单元利用用户睡眠数据库中的用户睡眠生理信号数据和训练完毕的助眠决策模型得出用户的助眠调整方案；

所述数据展示单元对用户个人样本睡眠数据库中睡眠数据进行统计分析、数据挖掘，并提供能够为移动终端6访问查看的端口。

本实施例中，如图2所示，所述用户睡眠数据库的构建步骤如下：

步骤1：云平台3获取用户i所在的助眠系统中采集设备采集的用户睡眠生理信号数据记为Sn，n的取值为大于或等于1的正整数，所述用户睡眠生理信号数据为多维数据；

步骤2：云平台3数据处理分析单元对采集到的睡眠生理信号数据进行特征提取，利用助眠决策模型，得出助眠调整方案，记录为Dn；

步骤3：云平台3将助眠调整方案Dn通过通信模块发送回主控模块4，主控模块4将助眠调整方案Dn发送给助眠设备5，改变助眠设备5的助眠作用模式；

步骤4：云平台3数据处理单元分析用户的当前睡眠生理信号数据Sn,得出上一次的助眠调整方案Dn-1的作用效果，此时n的取值为大于或等于2的正整数，所述助眠调整方案Dn-1的作用效果是否有效的判定为方法为：若用户的睡眠生理信号数据Sn满足预设的表征用户的大脑活动趋向进入更深层次的睡眠状态的曲线或符合预设的睡眠循环周期则判定助眠调整方案Dn-1有效，反之若用户的睡眠生理信号数据Sn不满足预设的表征用户的大脑活动趋向进入更深层次的睡眠状态的曲线或不符合预设的睡眠循环周期则判定助眠调整方案Dn-1无效；所述睡眠循环周期根据用户的生理状态及精神状态确定；

步骤5：当助眠调整方案作用为有效时，把当前有效案例的睡眠生理信号数据Sn-1和对应的助眠调整方案Dn-1一起添加至用户个人样本数据库中；若助眠调整方案无效，直接执行步骤6；

步骤6：把用户的睡眠生理信号数据Sn存放到用户睡眠数据库中；

步骤7：等待时间T，将n加1；

步骤8：判断用户定时助眠作用时间或起床时间是否已到，若时间未到，则返回步骤1，继续获取当前用户睡眠生理信号数据并实时根据助眠决策模型调整助眠调整方案，为用户助眠；若时间已到，则停止助眠和数据筛选采集；

步骤9：对用户睡眠数据库内容进行更新调整，若用户睡眠生理数据记录距当前时间超过预设的3个月或数据量达到预设量，则删除3个月之前的数据或超过预设量的数据，保留最新3个月的数据作为个人样本数据库的数据，为助眠调整训练提供可靠、高时效性的数据来源。

本实施例中，所述助眠决策模型包括普适性的助眠决策模型和个人版助眠决策模型，如图3所示，所述普适性的助眠决策模型的构建包括以下步骤：

步骤1：根据用户i的个人信息，所述个人信息包括年龄、失眠情况、生活压力与身体、精神状态相关的信息，抽取若干个与用户i个人信息相关性大于预设阈值的其他用户的个人样本数据库，然后从抽取的其他用户的个人样本数据库中，随机抽取M个有效案例样本，每个案例样本具有一种助眠方案标签，M个有效案例样本中共有N种不同的助眠方案；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个普适性的助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了普适性的助眠决策模型；

用户i助睡眠方案个人版助眠决策模型构建过程如下：

步骤1：从用户i的个人样本数据库中按照时间次序抽出录入时间靠近当前时间的M个有效样本案例，作为助眠决策模型的训练集；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个个人版助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了个人版助眠决策模型。

本实施例中，所述助眠调整方案的生成方法如下：

A.用户开始启用助眠设备时，所述助眠系统先使用普适性的分类模型，将用户的当前睡眠生理信号数据输入至云平台3，所述云平台3的数据处理分析单元提取出普适性的分类模型所需要的特征，根据普适性的分类模型得出相应的助眠调整方案；

B.当用户使用助眠设备预设的时间后，个人样本数据库中样本数量达到预设值，此时助眠系统更换启用个人版分类模型，将用户的当前睡眠生理信号数据输入至云平台，所述云平台的数据处理分析单元提取出个人版分类模型所需要的特征，根据个人版助眠决策模型得出相应的助眠调整方案；

C.在使用助眠设备的过程中，每次输出助眠方案后，反馈式地判断助眠方案的效果，若一次睡眠中，助眠方案的作用效果不佳次数占的比例大于设定的阈值，则清空该用户个人样本数据库，使用普适性的助眠决策模型，再次构建新的个人样本数据库，从而实现系统自适应地调整个人样本数据库，以便于构建更有效、精确的助眠决策模型。

本实施例中，所述主控模块4为本地控制决策模块，包括有两种工作模式：

联网工作模式下，主控模块4接收来自采集设备1的用户睡眠生理信号数据，并将用户睡眠生理信号数据通过通信模块2发出给云平台3；同时，主控模块4通过通信模块2接收来自云平台3的助眠调整方案，并将助眠调整方案发送给助眠设备5；

不联网工作模式下，主控模块4采用专家系统设计，首先对采集设备1实时采集到的用户睡眠生理信号数据进行分析处理，提取其特征值，根据专家系统得到助眠决策，并将助眠决策发送给助眠设备5，控制助眠设备5的输出。

本实施例中，所述助眠设备5为助眠输出器，所述助眠输出器为基于经颅微电流刺激疗法的助眠电流刺激器或助眠音乐播放器或助眠灯光调节器，所述助眠输出器能够根据主控模块4助眠输出的助眠决策或云平台3返回的助眠调整方案的要求，调整输出对应的助眠作用方式，帮助用户快速进入睡眠状态，提高用户的睡眠质量。

本实施例中，所述移动终端6用于向云平台请求用户的睡眠数据并进行可视化展示，所述移动终端6包括睡眠分期显示模块、睡眠建议提醒模块、睡眠追踪报告模块、健康睡眠咨询模块。

本实施例中具体使用助眠系统时，用户首先将采集设备1和助眠设备5与人体进行物理接触，分别打开其电源进行工作。本发明的采集设备1可采集人体的心率信号或脑电信号等，助眠设备5可与人体耳垂或头部接触等。采集设备1实时采集人体的睡眠生理信息如心率信号或脑电信号等，根据控制模块4的实际工作模式，控制模块4直接对睡眠生理信号数据进行处理或通过通信模块2将睡眠生理数据发送给云平台3，经云平台3或本地决策进行算法分析运算得出助眠方案后反馈给主控模块4，主控模块4将助眠调整方案发送给助眠设备5，助眠设备5实时调整助眠作用模式作用于人体，调节人体的睡眠生理结构，从而达到改善用户失眠状态，增加用户睡眠时间的效果。

本实施例中，采用手机作为移动终端6，如图4所示为手机终端的的功能示意图，用户可通过手机中APP查看用户近期睡眠状态，睡眠质量分析报告，亦可与在线医生进行健康咨询等。

本实施例中，用户可根据个人偏好，通过移动终端6或助眠设备5对助眠作用时间、模式、提醒等功能进行设置。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种基于远程决策的反馈式助眠系统，其特征在于，所述助眠系统包括：采集设备(1)、通信模块(2)、云平台(3)、主控模块(4)、助眠设备(5)、移动终端(6)；

所述采集设备(1)与主控模块(4)的输入端电连接，所述助眠设备(5)与主控模块(4)的输出端电连接，所述通信模块(2)与主控模块(4)电连接，所述主控模块通过通信模块与云平台(3)无线通信连接，所述移动终端(6)与所述云平台(3)无线通信连接；

所述云平台(3)包括数据存储单元、数据处理分析单元、数据展示单元；

所述数据存储单元将接收到的用户睡眠生理信号数据进行筛选并构建用户睡眠数据库，所述用户睡眠数据库包括有基于个人的用户个人样本数据库，所述用户个人样本数据库中存储用户个人的有效助眠调整方案和用户个人睡眠状况数据；所述用户睡眠数据库还包括有训练完毕的助眠决策模型和训练样本；

所述数据处理分析单元利用用户睡眠数据库中的用户睡眠生理信号数据和训练完毕的助眠决策模型得出用户的助眠调整方案；

所述数据展示单元对用户个人样本睡眠数据库中睡眠数据进行统计分析、数据挖掘，并提供能够为移动终端(6)访问查看的端口；

所述用户睡眠数据库的构建步骤如下：

步骤1：云平台(3)获取用户i所在的助眠系统中采集设备采集的用户睡眠生理信号数据记为Sn，n的取值为大于或等于1的正整数，所述用户睡眠生理信号数据为多维数据；

步骤2：云平台(3)数据处理分析单元对采集到的睡眠生理信号数据进行特征提取，利用助眠决策模型，得出助眠调整方案，记录为Dn；

步骤3：云平台(3)将助眠调整方案Dn通过通信模块发送回主控模块(4)，主控模块(4)将助眠调整方案Dn发送给助眠设备(5)，改变助眠设备(5)的助眠作用模式；

步骤4：云平台(3)数据处理单元分析用户的当前睡眠生理信号数据Sn,得出上一次的助眠调整方案Dn-1的作用效果，此时n的取值为大于或等于2的正整数，所述助眠调整方案Dn-1的作用效果是否有效的判定方法为：若用户的睡眠生理信号数据Sn满足预设的表征用户的大脑活动平稳有序或趋向进入更深层次的睡眠状态的曲线则判定助眠调整方案Dn-1有效，反之若用户的睡眠生理信号数据Sn不满足预设的表征用户的大脑活动平稳有序或趋向进入更深层次的睡眠状态的曲线则判定助眠调整方案Dn-1无效；

步骤5：当助眠调整方案作用为有效时，把当前有效案例的睡眠生理信号数据Sn-1和对应的助眠调整方案Dn-1一起添加至用户个人样本数据库中；若助眠调整方案无效，直接执行步骤6；

步骤6：把用户的睡眠生理信号数据Sn存放到用户睡眠数据库中；

步骤7：等待时间T，将n加1；

步骤8：判断用户定时助眠作用时间或起床时间是否已到，若时间未到，则返回步骤1，继续获取当前用户睡眠生理信号数据并实时根据助眠决策模型调整助眠调整方案，为用户助眠；若时间已到，则停止助眠和数据筛选采集；

步骤9：对用户睡眠数据库内容进行更新调整，若用户睡眠生理数据记录距当前时间超过预设月数或数据量达到预设量，则删除预设月数之前的数据或超过预设量的数据，保留最新预设月数的数据作为个人样本数据库的数据，为助眠调整训练提供数据来源；

所述助眠决策模型包括普适性的助眠决策模型和个人版助眠决策模型，所述普适性的助眠决策模型的构建包括以下步骤：

步骤1：根据用户i的个人信息，所述个人信息包括年龄、失眠情况、生活压力，抽取若干个与用户i个人信息相关性大于预设阈值的其他用户的个人样本数据库，然后从抽取的其他用户的个人样本数据库中，随机抽取M个有效案例样本，每个案例样本具有一种助眠方案标签，M个有效案例样本中共有N种不同的助眠方案；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个普适性的助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了普适性的助眠决策模型；

用户i助睡眠方案个人版助眠决策模型构建过程如下：

步骤1：从用户i的个人样本数据库中按照时间次序抽出录入时间靠近当前时间的M个有效样本案例，作为助眠决策模型的训练集；

步骤2：利用所选的M个有效案例样本，首先对有效案例样本中的睡眠生理信号数据进行预处理，所述预处理包括对睡眠生理信号数据进行滤波、放大，从预处理后的睡眠生理信号数据提取每种睡眠生理信号数据相应的特征；

步骤3：根据每个有效案例样本中数据提取的特征，使用监督学习的方法，生成每种助眠方案的助眠决策模型，所述M个有效案例样本共产生N个个人版助眠决策模型，所述监督学习方法采用的是one-versus-rest SVMs算法，one-versus-rest SVMs算法根据每一类有效案例样本生成一个支持向量机SVM，N种不同的助眠方案构造出了N个支持向量机SVM，生成了个人版助眠决策模型。

2.根据权利要求1所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述采集设备(1)为脑电仪、心电信号采集仪、肌电仪中的一种或多种，所述采集设备(1)用于实时采集用户的睡眠生理信号数据并发送至主控模块(4)，所述睡眠生理信号数据包括有：人体脑电或心电或肌电生理信号。

3.根据权利要求1或 2所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述通信模块(2)为无线通信模块，所述通信模块(2)根据主控模块(4)的指令把采集设备(1)采集的用户睡眠生理信号数据发送至云平台(3)，同时接收由云平台(3)发送的睡眠调整方案回送给主控模块(4)。

4.根据权利要求1所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述助眠调整方案的生成方法如下：

A.用户开始启用助眠设备时，所述助眠系统先使用普适性的助眠决策模型，将用户的当前睡眠生理信号数据输入至云平台(3)，所述云平台(3)的数据处理分析单元提取出普适性的助眠决策模型所需要的特征，根据普适性的助眠决策模型得出相应的助眠调整方案；

B.当用户使用助眠设备预设的时间后，个人样本数据库中样本数量达到预设值，此时助眠系统更换启用个人版助眠决策模型，将用户的当前睡眠生理信号数据输入至云平台，所述云平台的数据处理分析单元提取出个人版助眠决策模型所需要的特征，根据个人版助眠决策模型得出相应的助眠调整方案；

C.在使用助眠设备的过程中，每次输出助眠方案后，反馈式地判断助眠方案的效果，若一次睡眠中，助眠方案的作用效果不佳次数占的比例大于设定的阈值，则清空该用户个人样本数据库，使用普适性的助眠决策模型，再次构建新的个人样本数据库。

5.根据权利要求4所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述主控模块(4)为本地控制决策模块，包括有两种工作模式：

联网工作模式下，主控模块(4)接收来自采集设备(1)的用户睡眠生理信号数据，并将用户睡眠生理信号数据通过通信模块(2)发出给云平台(3)；同时，主控模块(4)通过通信模块(2)接收来自云平台(3)的助眠调整方案，并将助眠调整方案发送给助眠设备(5)；

离线工作模式下，主控模块(4)采用专家系统设计，首先对采集设备(1)实时采集到的用户睡眠生理信号数据进行分析处理，提取其特征值，根据专家系统得到助眠决策，并将助眠决策发送给助眠设备(5)，控制助眠设备(5)的输出。

6.根据权利要求5所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述助眠设备(5)为助眠输出器，所述助眠输出器为基于经颅微电流刺激疗法的助眠电流刺激器或助眠音乐播放器或助眠灯光调节器，所述助眠输出器能够根据主控模块(4)助眠输出的助眠决策或云平台(3)返回的助眠调整方案的要求，调整输出对应的助眠作用方式，帮助用户快速进入睡眠状态，提高用户的睡眠质量。

7.根据权利要求6所述的一种基于远程决策的反馈式助眠系统，其特征在于，所述移动终端(6)用于向云平台请求用户的睡眠数据并进行可视化展示，所述移动终端(6)包括睡眠分期显示模块、睡眠建议提醒模块、睡眠追踪报告模块、健康睡眠咨询模块。

Images