[发明专利]智能辅助睡眠中的睡眠状态识别方法和系统

权利要求书

1.一种智能辅助睡眠中的睡眠状态识别系统，其特征在于，包括：

采集模块，用于采集用户在智能辅助睡眠中产生的生物电信号；所述生物电信号包括脑电信号；

提取模块，用于根据预先训练的分类器模型的信号特征类型，从所述生物电信号中提取相应的信号特征数据；

识别模块，用于将所述信号特征数据输入所述分类器模型，识别用户当前的睡眠状态；所述睡眠状态包括清醒、非眼快动睡眠和眼快动睡眠，非眼快动睡眠包括入睡期，浅睡期，中等睡眠期和深度睡眠期四个状态；

所述识别模块还用于，计算所述脑电信号的样本熵，将该样本熵与预先计算的样本熵阈值进行比较，若所述样本熵大于所述样本熵阈值，则判定用户当前处于清醒状态；

所述样本熵阈值的计算公式如下：

sampen_val_i＝sampen(y[p_start:p_end])

p_start＝(i-1)*time_length*fs+1

p_end＝t_start+time_length*fs-1

p_end＜T·fs

式中，其中sampen_thre为样本熵阈值，sampen_val_i为样本熵集合中第i个样本的样本熵，n为样本熵集合中脑电信号样本的数量，sampen为求样本熵的运算，其输入y[p_start:p_end]为脑电信号y在第p_start点开始到第p_end点为止的部分，time_length为计算样本熵的每个样本的时间长度，fs为脑电信号的采样率，T为开始采集脑电信号后的设定时间，v为设定参数；

检测非眼快动睡眠的入睡期，浅睡期，中等睡眠期和深度睡眠期四个状态包括如下步骤：从脑电信号中检测K综合波，当检测到K综合波时，判断用户当前处于非眼快动睡眠的S2周期；根据δ波波形特征从所述脑电波中检测δ波，统计检测到δ波的数量；并根据δ波的数量确定用户的非眼快动睡眠的S3和S4周期。

2.根据权利要求1所述的智能辅助睡眠中的睡眠状态识别系统，其特征在于，所述提取模块还用于，对生物电信号进行基线提取，计算所述基线的变化幅度；其中，所述变化幅度为基线最大值减去最小值；在生物电信号去掉基线后，对所述生物电信号进行小波分解，获得小波系数；根据小波系数计算小波系数的特征参数；包括均值、方差，峭度系数和/或斜度系数；在生物电信号去掉基线后，计算生物电信号的LZ复杂度和样本熵；

所述识别模块还用于，将所述基线的变化幅度、小波系数的特征参数、LZ复杂度和样本熵输入所述分类器模型。

3.根据权利要求2所述的智能辅助睡眠中的睡眠状态识别系统，其特征在于，所述提取模块还用于，在小波重构中提取所述生物电信号的δ波频段、θ波频段、α波频段和β波频段的信号；计算δ波频段、θ波频段、α波频段和β波频段的能量在总能量中的比例系数；计算δ波频段，θ波频段，α波频段，β波频段能量最大的时间长度；其中，输入所述分类器模型的数据包括：所述变化幅度、特征参数、LZ复杂度、血氧饱和度参数、比例系数及样本熵。