[发明专利]基于云平台的睡眠分期方法及系统

权利要求书

1.一种基于云平台的睡眠分期方法，其特征在于，包括以下步骤：

步骤1：获取用户在移动终端上输入的个人信息，并将其作为个性化睡眠分期的输入参数；

步骤2： 控制对应的佩戴前端采集用户的脑电信号，并将脑电信号实时传送至云平台；

步骤3：云平台对采集的脑电数据进行预处理，得到用户脑电信号的节律波特征，并将其作为基于卷积神经网络的个性化睡眠分期系统的输入特征量之一；

步骤4：个性化睡眠分期系统根据输入的脑电信号的节律波特征，结合用户年龄、性别以及历史数据进行实时睡眠分期，同时将相对应的工作参数传回至佩戴前端，以进行自适应的睡眠调节；

步骤5：云平台实时记录用户的睡眠状态变化数据，在整个睡眠分期过程完成后，移动终端将从云平台获取记录的睡眠状态数据，并将其呈现给用户。

2.根据权利要求1所述的基于云平台的睡眠分期方法，其特征在于，所述的云平台的睡眠分期准则，将人的睡眠过程分为6期：觉醒期WAKE、快速眼动睡眠期REM和4个非快速眼动睡眠期NREM，其中NREM又分为睡眠1期N1、睡眠2期N2、睡眠3期N3和睡眠4期N4，睡眠1、2期为浅睡期LS，睡眠3、4期为深睡期SWS。

3.根据权利要求1所述的基于云平台的睡眠分期方法，其特征在于，脑电数据预处理的具体过程为：选择小波变换方法对脑电信号的特征波进行提取，并将特征波的能量特征作为区分睡眠期的时域特征；在小波变换过程中，采用db4小波函数进行尺度为8的小波变换实现脑电信号的预处理过程。

4.根据权利要求1所述的基于云平台的睡眠分期方法，其特征在于，个人信息包括个人性别、年龄、身高、体重、久居地。

5.根据权利要求1所述的基于云平台的睡眠分期方法，其特征在于，步骤2中采集的脑电信号为佩戴前端采集的模拟脑电信号。

6.根据权利要求2所述的基于云平台的睡眠分期方法，其特征在于，所述个性化睡眠分期方法，通过把用户的个人特征信息和经过前级处理的脑电信号作为卷积神经网络的输入向量，将5个睡眠状态值（WAKE,N1,N2,SWS,REM）的评价结果作为神经网络的输出向量，用足够多的样本训练该网络，将实际输出值与期望输出值进行比较，当其误差小于设定值时，神经网络所持有的该组权值和阈值便是网络经过自适应学习所得到的正确内部表示。

7.根据权利要求6所述的基于云平台的睡眠分期方法，其特征在于，所述云平台睡眠分期方法中的分期算法模型包含使用离散小波变换的时频特征矩阵提取层、卷积神经网络输入层、卷积层Conv1、池化层Pool1、卷积层Conv2、池化层Pool2、卷积层Conv3、全连接层FC和输出层。

8.一种基于云平台的睡眠分期系统，其特征在于，包括：

佩戴前端，佩戴在用户头部，采集用户的脑电信号，将脑电信号传送至云平台；同时接收由云平台发送的控制参数，以配合睡眠辅助模块实现自适应的睡眠调节；

移动终端，获取用户在移动终端上输入的个人信息，并将其作为基于卷积神经网络的个性化睡眠分期系统的输入特征参数之一；在睡眠过程完成后，获取记录在云平台上的睡眠状态数据，并通过分析睡眠状态数据、对比历史数据生成睡眠调整建议，然后将睡眠过程的睡眠状态变化和生成的调整建议进行显示；

云平台，用于对采集的脑电数据应用离散小波变换进行预处理，得到能够反应睡眠状态特征变化的用户脑电信号的节律波特征，并将其作为基于卷积神经网络的个性化睡眠分期系统的输入特征量之一；通过睡眠分期方法得到实时睡眠状态数据，同时实时记录睡眠状态数据，在整个睡眠过程完成后，将记录的数据发送至移动终端；

个性化睡眠分期系统，用于根据输入的脑电信号的节律波特征，结合用户年龄、性别以及历史数据应用卷积神经网络进行实时睡眠分期，同时将相对应的工作参数通过云平台传回至佩戴前端，以进行自适应的睡眠调节。

9.根据权利要求8所述的基于云平台的睡眠分期系统，其特征在于，所述移动终端还用于从云平台获取记录的睡眠状态数据，并呈现给用户。

10.根据权利要求8所述的基于云平台的睡眠分期系统，其特征在于，所述采集前端通过Wi-Fi将原始脑电数据传送至云平台。