本發(fā)明涉及輔助睡眠
技術(shù)領(lǐng)域：
，特別是涉及一種基于催眠術(shù)的智能輔助睡眠設(shè)備。
背景技術(shù)：
：在睡眠中，人體進行了自我放松及恢復的過程。因此良好的睡眠是保持身體健康的一項基本條件。但是由于工作壓力大、生活作息不規(guī)律等原因，導致了部分人群的睡眠質(zhì)量欠佳，表現(xiàn)為失眠、半夜驚醒等。智能輔助睡眠是一種結(jié)合現(xiàn)代科技的睡眠方法，當被試者進入催眠狀態(tài)后，其受暗示性明顯提高，能與催眠師保持密切的感應(yīng)關(guān)系，會不加批判地接受其暗示指示。將催眠術(shù)應(yīng)用于輔助睡眠時，當催眠者被催眠師所催眠后，催眠師發(fā)出睡眠指令即可使被催眠者進入睡眠狀態(tài)。與藥物干預(安眠藥)相比，基于催眠術(shù)的輔助睡眠對身體的副作用較小，比較適合日常應(yīng)用。目前，市面上也較為常見的基于聲音和光照的睡眠干預設(shè)備。光照刺激只適合喚醒，對于入睡不僅沒有幫助。常見的聲音刺激有白噪聲和放松音樂等。催眠的聲音干預對于不同人來說，效果并不一樣，甚至適得其反，由于無法檢測用戶睡眠和催眠狀態(tài)，從而影響了輔助睡眠效果。技術(shù)實現(xiàn)要素：基于此，有必要針對上述問題，提供一種基于催眠術(shù)的智能輔助睡眠設(shè)備，有效地提高輔助睡眠效果。一種基于催眠術(shù)的智能輔助睡眠設(shè)備，包括：一種基于催眠術(shù)的智能輔助睡眠設(shè)備，其特征在于，包括：檢測電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路、揚聲器以及處理器；所述檢測電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至所述處理器；所述檢測電極用于檢測用戶在睡眠中的生物電信號；所述模數(shù)轉(zhuǎn)換器將生物信號轉(zhuǎn)換為數(shù)字信號，所述濾波電路對生物信號進行低頻濾波后輸入至處理器；所述處理器，用于采集所述生物電信號，根據(jù)所述生物電信號識別用戶當前的睡眠狀態(tài)；在用戶當前為清醒狀態(tài)時，播放預設(shè)的催眠引導詞對用戶進行催眠，并檢測用戶的催眠深度；當用戶當前催眠深度達到預定的催眠等級時，播放睡眠指令引導用戶進入睡眠；所述揚聲器，用于向用戶播放聲音。上述基于催眠術(shù)的智能輔助睡眠設(shè)備，通過識別用戶的睡眠狀態(tài)，再進行相應(yīng)干預，避免錯誤干預影響用戶睡眠，通過利用催眠內(nèi)容輔助用戶入睡，在設(shè)定催眠深度時引導用戶入睡，既避免催眠深度過低導致起不到輔助入睡作用的現(xiàn)象，也避免了催眠深度過高帶來的風險的情況，有效地提高了輔助睡眠效果。附圖說明圖1為一個實施例的基于催眠術(shù)的智能輔助睡眠設(shè)備的結(jié)構(gòu)示意圖；圖2為一個示例的處理器執(zhí)行的智能輔助睡眠算法流程圖。具體實施方式下面結(jié)合附圖闡述本發(fā)明的基于催眠術(shù)的智能輔助睡眠設(shè)備的實施例。參考圖1所示，圖1為一個實施例的基于催眠術(shù)的智能輔助睡眠設(shè)備的結(jié)構(gòu)示意圖，包括：檢測電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路、揚聲器以及處理器；所述檢測電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至所述處理器；所述檢測電極用于檢測用戶在睡眠中的生物電信號；所述模數(shù)轉(zhuǎn)換器將生物信號轉(zhuǎn)換為數(shù)字信號，所述濾波電路對生物信號進行低頻濾波后輸入至處理器；所述處理器，用于采集所述生物電信號，根據(jù)所述生物電信號識別用戶當前的睡眠狀態(tài)；在用戶當前為清醒狀態(tài)時，播放預設(shè)的催眠引導詞對用戶進行催眠，并檢測用戶的催眠深度；當用戶當前催眠深度達到預定的催眠等級時，播放睡眠指令引導用戶進入睡眠；所述揚聲器，用于向用戶播放聲音。在一個實施例中，參考圖1所示，所述檢測電極包括腦電電極和眼電電極；所述腦電電極用于檢測用戶在睡眠中的腦電信號；所述眼電電極用于采集用戶在睡眠中的眼電信號。圖中，腦電電極一般是設(shè)置在用戶的額頭，即圖中“M”，眼電電極設(shè)置在眼角位置，包括左右兩個電極，即圖中的“ROC”和“LOC”，參考電極設(shè)置在用戶的耳垂，即圖中“R”和“L”，模數(shù)轉(zhuǎn)換器，即圖中“ADC”。濾波電路主要是進行低通濾波和濾除工頻干擾，為了適應(yīng)于腦電信號和眼電信號的處理，濾波電路濾波后，輸出0-256Hz頻段的信號至處理器，處理器根據(jù)腦電信號和眼電信號識別用戶當前的睡眠狀態(tài)。本發(fā)明的基于催眠術(shù)的智能輔助睡眠設(shè)備，結(jié)合利用催眠術(shù)和睡眠狀態(tài)和催眠狀態(tài)檢測技術(shù)來實現(xiàn)。對于處理器，其執(zhí)行功能主要包括(1)～(4)四個算法功能，以實現(xiàn)對用戶的睡眠輔助，具體解析如下：(1)控制采集生物電信號：主要是通過檢測電極檢測用戶的生物電信號，在采集生物信號時，一般是以30s為一幀進行采集，每幀作為一個樣本，處理器后續(xù)對每幀腦電信號進行分析處理。(2)根據(jù)生物電信號識別用戶當前的睡眠狀態(tài)：該算法功能是利用采集的生物電信號判斷用戶當前的睡眠狀態(tài)，目的是要通過相關(guān)技術(shù)手段來識別用戶當前是否處于睡著狀態(tài)，如果睡著狀態(tài)則不宜進行睡眠干預，否則容易起到反作用，影響用戶的睡眠，如果處于清醒狀態(tài)，則需要進行睡眠干預，引導用戶進入睡眠狀態(tài)。在一個實施例中，處理器在識別用戶當前的睡眠狀態(tài)中，可以執(zhí)行如下算法流程：(a)從濾波后的腦電信號中提取信號特征；對于上述信號特征，可以包括如下幾種當中的的一種或多種組合：①腦電信號中δ波頻段，θ波頻段，α波頻段，β波頻段的能量在總能量中的比例；②在一幀的時間內(nèi)，腦電信號中δ波頻段，θ波頻段，α波頻段，β波頻段能量最大的時間長度；③腦電信號的信號基線變化的幅度；④腦電信號進行信號小波分解后，小波系數(shù)的均值、方差，峭度和斜度；對于小波分解，其分解的層數(shù)可以由信號的采樣率決定，為了分解出delta波(0～4Hz)，當信號的采樣率為128Hz時，可以選擇4層分解，當信號的采樣率為256Hz時，則可以進行5層分解；經(jīng)過小波分解后，對δ頻段、θ頻段、α頻段和β頻段的信號進行重構(gòu)。為了計算的方便，其頻段范圍分別設(shè)置為[0.5Hz,4Hz](δ頻段)，[4Hz,8Hz](θ頻段)，[8Hz,16Hz](α頻段)和[16Hz,32Hz](β頻段)。考慮到超過β頻段的信號對睡眠分析沒有幫助，因此可以將信號的總能量(ptotal)定義為δ頻段、θ頻段、α頻段和β頻段信號的能量之和。這四種頻段的信號的能量之比利用如下公式進行計算：rδ＝∑(yδ)2/ptotalrθ＝∑(yθ)2/ptotalrα＝∑(yα)2/ptotalrβ＝∑(yβ)2/ptotalptotal＝∑(yδ)2+∑(yθ)2+∑(yα)2+∑(yβ)2其中，yδ，yθ，yα和yβ分別表示重構(gòu)后的δ頻段、θ頻段、α頻段和β頻段的信號，rδ，rθ，rα和rβ分別代表這四種頻段的信號的能量在總能量的比例。由于臨床上對睡眠狀態(tài)進行分析時，可以統(tǒng)計一幀(一般為30秒)內(nèi)δ波、θ波、α波和β波的持續(xù)時間。因此在此可以利用如下公式來計算在各秒內(nèi)能量占比最大的頻段：cδ=Σi=130fδi,fδi=1,ifrδi=max(rδi,rθi,rαi,rβi)0,ifrδi≠max(rδi,rθi,rαi,rβi)]]>cθ=Σi=130fθi,fθi=1,ifrθi=max(rδi,rθi,rαi,rβi)0,ifrθi≠max(rδi,rθi,rαi,rβi)]]>cα=Σi=130fαi,fαi=1,ifrαi=max(rδi,rθi,rαi,rβi)0,ifrαi≠max(rδi,rθi,rαi,rβi)]]>cβ=Σi=130fβi,fβi=1,ifrβi=max(rδi,rθi,rαi,rβi)0,ifrβi≠max(rδi,rθi,rαi,rβi)]]>其中，cδ，cθ，cα和cβ表示δ頻段、θ頻段、α頻段和β頻段的信號在當前幀內(nèi)所占能量比例最大的時間長度，分別表示第i秒內(nèi)δ頻段、θ頻段、α頻段和β頻段的信號的能量在總能量的比例。(b)根據(jù)所述信號特征識別用戶當前的睡眠狀態(tài)；該算法功能是利用訓練睡眠狀態(tài)識別模型來識別清醒狀態(tài)或睡著狀態(tài)，如支持向量機模型，在訓練模型時，采用Grid-test方法選擇最優(yōu)參數(shù)，即利用懲罰因子C，和rbf核的參數(shù)σ，參數(shù)的取值范圍分別設(shè)置為C：2-2～212，σ：2-2～210，同時調(diào)節(jié)這兩個參數(shù)，將識別率最高的參數(shù)作為最優(yōu)的參數(shù)，進而利用測試參數(shù)訓練出睡眠狀態(tài)識別模型。在一個實施例中，識別清醒狀態(tài)的過程，可以包括如下：計算所述腦電信號的樣本熵，將該樣本熵與預先計算的樣本熵閾值進行比較，若所述樣本熵大于所述樣本熵閾值，則判定用戶當前處于清醒狀態(tài)。其中，樣本熵閾值的計算公式可以如下：sampen_thre=1nΣi=1nsampen_vali+vn(Σi=1nsampen_vali2-Σi=1nsampen_vali)]]>sampen_vali＝sampen(y[p_start:p_end])p_start＝(i-1)*time_length*fs+1p_end＝t_start+time_length*fs-1p_end＜T·fs式中，其中sampen_thre為樣本熵閾值，sampen_vali為樣本熵集合中第i個樣本的樣本熵，sampen為求樣本熵的運算，其輸入y[p_start:p_end]為腦電信號y在第p_start點開始到第p_end點為止的部分，time_length為計算樣本熵的每個樣本的時間長度，fs為腦電信號的采樣率，T為開始采集腦電信號后的設(shè)定時間，v為設(shè)定參數(shù)。在上述計算方案中，參數(shù)v的取值非常重要，通過參數(shù)v可以控制識別準確率；因此，為了提高識別準確率，對于參數(shù)v取值可以通過如下公式計算：假設(shè)清醒狀態(tài)時的樣本熵的集合X服從標準正態(tài)分布，集合X中第i個元素表示為：Xi=sampen_vali-uσ,i=1,...,n]]>其中，u=1nΣi=1nsampen_vali,σ=1n(Σi=1nsampen_vali2-Σi=1nsampen_vali)]]>此時，x＝v根據(jù)標準正態(tài)分布函數(shù)的積分：其中，P(X≤x)表示樣本熵的集合X中的取值小于x的概率，由此可以計算，以T＝300s，time_length＝30s為例，當參數(shù)v＝2.58時，樣本熵集合X的值小于x的概率為99.5％。另外，在識別清醒狀態(tài)時，也可以包括如下技術(shù)方案：在用戶開始睡眠過程后，采集用戶的實時眼電信號，對所述實時眼電信號進行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進行信號重建得到眼電信號，根據(jù)同一時刻腦電信號和眼電信號的相關(guān)性以及眨眼眼電波形的特征，在眼電信號上檢測眨眼活動，當檢測到眨眼活動時，判定用戶當前處于清醒狀態(tài)。(3)在用戶當前為清醒狀態(tài)時，播放預設(shè)的催眠引導詞對用戶進行催眠，并檢測用戶的催眠深度：該算法功能是基于前述技術(shù)手段的識別，在用戶當前為清醒狀態(tài)時，播放預設(shè)的催眠引導詞對用戶進行催眠，引導用戶進入睡眠，并檢測用戶的催眠深度，從而監(jiān)控到目前用戶所處的被催眠狀態(tài)。進一步地，當識別用戶當前的睡眠狀態(tài)為睡著狀態(tài)時，暫停催眠干預；如上所述，如果用戶處于睡著狀態(tài)，則不宜進行睡眠干預，否則容易起到反作用，避免影響睡眠質(zhì)量。(4)當用戶當前催眠深度達到預定的催眠等級時，播放睡眠指令引導用戶進入睡眠：在此，該算法功能是通過設(shè)定催眠等級，來引導用戶達到該催眠等級，由于催眠不同深度對用戶睡眠質(zhì)量具有重要影響，因此，催眠必須要達到并確保在一個合適的深度范圍內(nèi)，在通過技術(shù)手段檢測到設(shè)定的睡眠等級時，播放睡眠指令引導用戶進入睡眠狀態(tài)。在一個實施例中，若用戶當前催眠深度未達到預定的催眠等級，則處理器控制繼續(xù)播放催眠引導詞，并持續(xù)檢測用戶的催眠深度，直至達到預定的催眠等級時，播放睡眠指令引導用戶進入睡眠。對于上述預定的催眠等級，一般選取第三級催眠深度，第三催眠深度能更好引導用戶進入睡眠，第三級催眠深度時可以完全控制用戶所有的肌肉系統(tǒng)，產(chǎn)生數(shù)字阻滯。如前面所述，可以選取第三級催眠深度，則播放睡眠指令引導用戶進入睡眠，即需要判斷用戶當前催眠深度是否達到第三級催眠深度；所述第三級催眠深度判斷策略，可以包括如下：在播放催眠引導詞中多次插入靶刺激信息；將多次靶刺激出現(xiàn)后檢測到的第一預設(shè)時間(一般取600ms)內(nèi)的腦電信號相加求平均；檢測第二預設(shè)時間范圍(一般取300ms～500ms)內(nèi)是否出現(xiàn)明顯的正向波形；若是，判斷用戶當前催眠深度達到第三級催眠深度，否則判斷用戶當前催眠深度未達到第三級催眠深度。綜合上述實施例，本發(fā)明的基于催眠術(shù)的智能輔助睡眠設(shè)備，可以利用催眠技術(shù)來幫助用戶入睡，適用范圍更廣，利用生物電信號識別催眠深度，能準確的識別當前催眠狀態(tài)；實現(xiàn)了智能化的生物反饋功能；在準確的識別催眠狀態(tài)的基礎(chǔ)上，調(diào)用合適的催眠內(nèi)容，避免打擾用戶睡眠；并且在中等催眠深度時引導用戶入睡，避免催眠深度過高帶來的風險，也避免了催眠深度過低無法幫助入睡的作用。需要說明的是，本發(fā)明的技術(shù)，除了用于輔助睡眠外，還可以用于午休和日常放松等場景中。本發(fā)明的基于催眠術(shù)的智能輔助睡眠設(shè)備，還可以在處理器中設(shè)計如下智能輔助睡眠算法。參考圖2所示，圖2為一個示例的處理器執(zhí)行的智能輔助睡眠算法流程圖。s1，提取用戶的生物電信號；s2，根據(jù)生物電信號對用戶進行睡眠檢測；s3，判斷用戶是否處于睡著狀態(tài)，若是，執(zhí)行s4，否則執(zhí)行s5；s4，暫停干預；s5，向用戶播放催眠引導詞；s6，檢測用戶的催眠深度；s7，判斷用戶是否處于第三級催眠深度，若是，執(zhí)行s8，否則返回執(zhí)行s5；s8，播放睡眠指令，引導用戶入睡，轉(zhuǎn)去執(zhí)行s2。上述算法形成循環(huán)流程，能夠應(yīng)用于相應(yīng)智能設(shè)備(例如智能手機、平板等)上執(zhí)行，以輔助用戶睡眠。以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當認為是本說明書記載的范圍。以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準。當前第1頁1 2 3