一種基于腦電波分析的智能叫醒方法
【專利摘要】本發明涉及一種基于腦電波分析的智能叫醒方法，首先設定最優起床時間段；在所述最優起床時間段內用預設的時間長度來劃分用戶的腦電波，得到若干段腦電波段；針對每一個腦電波段，計算4個特征指標：腦電波頻率、腦電波平均值、腦電波標準差、腦電波段的脈沖因子；根據4個特征指標，進行加權計算得到相似性指標；根據相似性指標判斷是否叫用戶起床。本發明能夠讓用戶的起床體驗達到最佳。
【專利說明】
-種基于腦電波分析的智能叫醒方法
技術領域
[0001] 本發明設及腦電波分析領域，特別是一種基于腦電波分析的智能叫醒方法。
【背景技術】
[0002] 隨著科學技術的發展，我們已經能夠檢測出大腦活動時的腦電波，且能夠分析出 幾種常見的波的類型，運為我們進一步的利用腦電波數據來為醫療健康行業服務奠定了基 礎。早晨或者中午起床時，有時會覺得很有精神，但有時又會覺得沒睡夠，研究表明在午睡 時如果進入深度睡眠不久就被鬧鐘叫醒的話，人反而會覺得很困。同樣，早上在不合適的時 間起床的話，也會覺得沒睡夠。因此研究最佳起床時間，可W大大改善工作時的精神狀態， 提高工作效率。本發明基于人工智能方法利用腦電波的各種特征來分析腦電波是否處于合 適的叫起階段。讓用戶在最合適的時間起床，獲得最好的工作狀態。

【發明內容】

[0003] 有鑒于此，本發明的目的是提出一種基于腦電波分析的智能叫醒方法，讓用戶的 起床體驗達到最佳。
[0004] 本發明采用W下方案實現:一種基于腦電波分析的智能叫醒方法，具體包括W下 步驟：
[0005] 步驟S1:設定最優起床時間段；
[0006] 步驟S2:在所述最優起床時間段內用預設的時間長度來劃分用戶的腦電波，得到 若干段腦電波段X(n);
[0007] 步驟S3:針對每一個腦電波段X(n)，計算4個特征指標:腦電波頻率、腦電波平均 值、腦電波標準差、腦電波段的脈沖因子；
[0008]步驟S4:根據步驟S3計算的4個特征指標，進行加權計算得到相似性指標；
[0009] 步驟S5:判斷所述相似性指標是否滿足預設的闊值，若滿足，則對用戶進行叫醒， 并采集用戶反饋信息，根據用戶反饋信息調整相似性指標中的特定參數;若整個最優起床 時間段的相似性指標都沒有滿足預設的闊值，則在最優起床時間段的最后時刻對用戶進行 叫醒。
[0010] 進一步地，步驟S3中所述腦電波頻率F采用下式計算:針對腦電波段X(n)，有：
[0011]
[0012] 其中，P(X(n))為在片段X(n)內峰值的個數，t是片段X(n)對應的時間長度。
[0013] 進一步地，步驟S3中所述腦電波平均值Avg采用下式計算：
[0014]
[0015]其中，N為腦電波段長度。
[0016] 進一步地，步驟S3中所述腦電波標準差S采用下式計算：
[0017]
[001引其中，
|X(n)|代表了第η個時間序列點的信號強度，相當于縱 坐標，η相當于橫坐標。
[0019] 進一步地，步驟S3中所述腦電波段的脈沖因子I采用下式計算：
[0020]
[0021] 進一步地，步驟S4中所述相似性指標value(i)采用下式計算：
[0022] value(i) = wiF(i)+W2Avg(i)+W3S(i)+W4l(i)；
[002；3]其中，功設定的最優起床時間段內的第i個劃分段;Wl+W2+W3+W4=l，每個Wi的值由 系統隨機生成，根據用戶反饋信息，用戶反饋起床體驗越好，對應的Wi的在下次計算中重復 出現的概率越高。
[0024] 進一步地，步驟S5中所述判斷所述相似性指標是否滿足預設的闊值具體為：當當 前相似性指標的計算值大于歷史最優相似性指標的80%，則滿足。
[0025] 進一步地，步驟S5中所述用戶反饋信息為用戶根據起床體驗由差到好進行由0至9 的評分，分之越高，起床體驗越好。
[0026] 與現有技術相比，本發明有W下有益效果:本發明利用劃分時間段的方法來分析 腦電波的特征，然后根據用戶反饋最高評分的起床時間的腦電波特征作為標準，當在可W 叫起的時間段內，系統發現跟最優起床時間相識的計算結果時啟動鬧鐘叫起。本發明能夠 讓用戶在最合適的時間起床，獲得最好的工作狀態。
【附圖說明】
[0027] 圖1為本發明實施例的方法流程示意圖。
【具體實施方式】
[0028] 下面結合附圖及實施例對本發明做進一步說明。
[0029] 如圖1所示，本實施例提供了一種基于腦電波分析的智能叫醒方法，具體包括W下 步驟：
[0030] 步驟S1:設定最優起床時間段；
[0031] 步驟S2:在所述最優起床時間段內用預設的時間長度來劃分用戶的腦電波，得到 若干段腦電波段X(n);
[0032] 步驟S3:針對每一個腦電波段X(n)，計算4個特征指標:腦電波頻率、腦電波平均 值、腦電波標準差、腦電波段的脈沖因子；
[0033] 步驟S4:根據步驟S3計算的4個特征指標，進行加權計算得到相似性指標；
[0034] 步驟S5:判斷所述相似性指標是否滿足預設的闊值，若滿足，則對用戶進行叫醒， 并采集用戶反饋信息，根據用戶反饋信息調整相似性指標中的特定參數;若整個最優起床 時間段的相似性指標都沒有滿足預設的闊值，則在最優起床時間段的最后時刻對用戶進行 叫醒。
[0035] 特別的，在完成一輪叫醒之后，系統根據新增數據和歷史數據重復上述步驟，計算 新一天的起床時間。
[0036] 在本實施例中，步驟S3中所述腦電波頻率F采用下式計算:針對腦電波段X(n)，有：
[0037]
[0038] 其中，P(X(η))為在片段X(η)內峰值的個數，t是片段X(η)對應的時間長度。
[0039] 較佳的，根據腦電波的頻率我們可W將腦電波劃分為一下幾種類型：
[0040] α波、清醒，安靜，閉眼及正常血糖范圍情況下出現；
[0041] 的皮、在睜眼和大腦皮層處在緊張活動狀態時出現（即正常人白天工作時會出現的 腦電波）；
[0042] Κ波、進入慢波睡眠時出現；
[0043] δ波、成人入睡后，或成年人困倦時出現；
[0044] Θ波、少年或成年人困倦時出現。
[0045] 在本實施例中，步驟S3中所述腦電波平均值Avg采用下式計算：
[0046]
[0047] 其中，N為腦電波段長度。|X(n)|實際代表了第η個時間序列點的信號強度相當于 縱坐標，η相當于橫坐標，于是上式中的Avg就代表了異常片段的平均強度。
[0048] 在本實施例中，步驟S3中所述腦電波標準差S采用下式計算：
[0049]

[0化0]其牛 IX(η) I代表了第η個時間序列點的信號強度，相當于 i 縱坐標，η相當于橫坐標。|X(n)|實際上代表了腦電波段的信號強度，腦電波信號的強弱可 W反應出睡眠的狀態。S描述了腦電波段的波動程度，將其作為特征指標，能夠體腦電波段 的活動情況|X(n) I波動變大，貝化顯著變大。
[0051]在本實施例中，步驟S3中所述腦電波段的脈沖因子I采用下式計算：
[0化2]
[0053] 脈沖因子用于衡量腦電波片段內的脈沖流量的強度。正常情況下，比較平穩時，脈 沖影響因子接近于1，當受到特殊影響時，信號強度會有所變化，而導致脈沖影響因子也會 隨著變化。
[0054] 在本實施例中，步驟S4中所述相似性指標value(i)采用下式計算：
[0055] value(i) = wiF(i)+W2Avg(i)+W3S(i)+W4l(i)；
[0056] 其中，i為設定的最優起床時間段內的第i個劃分段;該劃分段的長度由用戶設定 一般為(3-10分鐘），如圖1說明所示，系統到達可W起床的時間段（即最優起床時間）后，對 每一個劃分的時間段計算value (i)值，當value (i)值大于等于歷史最優value (i)值的80 % 時，啟動叫起程序。比如歷史記錄最優起床value(i)值是200,則當某時間片段的value(i) 值大于160時，系統叫起。如果到最后一個劃分片段都沒有達到最優起床value(i)值的80% 貝1J，在規定起床時間段的最后一段時間的結束時刻啟動鬧鐘叫起，保證不影響用戶起床的 最后時間。Wl+W2+W3+W4=l，每個Wi的值由系統隨機生成，根據用戶反饋信息，用戶反饋起床 體驗越好，對應的Wi的在下次計算中重復出現的概率越高。
[0057] 在本實施例中，步驟S5中所述判斷所述相似性指標是否滿足預設的闊值具體為： 當當前相似性指標的計算值大于歷史最優相似性指標的80%，則滿足。
[0058] 在本實施例中，步驟S5中所述用戶反饋信息為用戶根據起床體驗由差到好進行由 0至9的評分，分之越高，起床體驗越好。
[0059] W上所述僅為本發明的較佳實施例，凡依本發明申請專利范圍所做的均等變化與 修飾，皆應屬本發明的涵蓋范圍。
【主權項】
1. 一種基于腦電波分析的智能叫醒方法，其特征在于:包括以下步驟： 步驟Sl:設定最優起床時間段； 步驟S2:在所述最優起床時間段內用預設的時間長度來劃分用戶的腦電波，得到若干 段腦電波段X(n); 步驟S3:針對每一個腦電波段X(n)，計算4個特征指標:腦電波頻率、腦電波平均值、腦 電波標準差、腦電波段的脈沖因子； 步驟S4:根據步驟S3計算的4個特征指標，進行加權計算得到相似性指標； 步驟S5:判斷所述相似性指標是否滿足預設的閾值，若滿足，則對用戶進行叫醒，并采 集用戶反饋信息，根據用戶反饋信息調整相似性指標中的特定參數;若整個最優起床時間 段的相似性指標都沒有滿足預設的閾值，則在最優起床時間段的最后時刻對用戶進行叫 醒。2. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S3中 所述腦電波頻率F采用下式計算:針對腦電波段X(n)，有：其中，P(XU))為在片段XU)內峰值的個數，t是片段X(n)對應的時間長度。3. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S3中 所述腦電波平均值Avg采用下式計算：9 其中，N為腦電波段長度。4. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S3中 所述腦電波標準差S采用下式計算：其中，【(η) I代表了第η個時間序列點的信號強度，相當于縱坐 標，η相當于橫坐標。5. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S3中 所述腦電波段的脈沖因子I采用下式計算：6. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S4中 所述相似性指標value(i)采用下式計算： value(i) =WiF(i)+W2Avg( i)+W3S(i )+W4l (i)； 其中，i為設定的最優起床時間段內的第i個劃分段;W1+W2+W3+W4 = I，每個Wi的值由系統 隨機生成，根據用戶反饋信息，用戶反饋起床體驗越好，對應的^的在下次計算中重復出現 的概率越高。7. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S5中 所述判斷所述相似性指標是否滿足預設的閾值具體為：當當前相似性指標的計算值大于歷 史最優相似性指標的80%，則滿足。8. 根據權利要求1所述的一種基于腦電波分析的智能叫醒方法，其特征在于:步驟S5中 所述用戶反饋信息為用戶根據起床體驗由差到好進行由〇至9的評分，分之越高，起床體驗 越好。
【文檔編號】A61M21/00GK105999508SQ201610279613
【公開日】2016年10月12日
【申請日】2016年4月29日
【發明人】孔祥增, 李曉雯, 張云, 孔祥永, 孔祥先
【申請人】廈門中聯智創科技有限公司