[发明专利]基于多模态深度神经网络的个性化智能唤醒系统及方法

权利要求书

1.一种基于多模态深度神经网络的个性化智能唤醒系统的方法，其特征在于，包括：

监测用户的睡眠状态；

获取用户在当前时间段中的当前睡眠阶段以及在下一时间段中的下一睡眠阶段预测；

通过当前睡眠阶段以及下一睡眠阶段预测的结合，调整用户的当前睡眠阶段；

基于用户的当前睡眠阶段、来自睡眠相关研究的先验知识以及至少一个与唤醒相关的用户偏好，确定当前时间段的唤醒策略；

确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系；

识别对于当前时间段的当前睡眠阶段的变化；

基于所述当前时间段的所述唤醒策略以及所述多个闹钟脉冲的每一个与用户相应反应之间的关系，确定用于唤醒用户的待触发闹钟脉冲；以及

触发所述待触发闹钟脉冲。

2.根据权利要求1所述的方法，其特征在于，所述获取用户在当前时间段中的当前睡眠阶段，还包括：

接收由能够监测用户睡眠时的身体移动的传感器提供的传感器数据；以及

根据所述传感器数据，获取所述用户在当前时间段中的当前睡眠阶段。

3.根据权利要求2所述的方法，其特征在于，所述获取下一时间段中的下一睡眠阶段预测，还包括：

接收若干个用户睡眠状态的历史数据以及用户睡眠状态的个人数据，以及

基于根据所述历史数据而预训练的睡眠阶段预测，以及根据所述个人数据的个性化的睡眠阶段预测，预测用户的下一个睡眠阶段。

4.根据权利要求3所述的方法，其特征在于，基于递归神经网络模型，预测用户的所述下一个睡眠阶段。

5.根据权利要求4所述的方法，其特征在于，通过当前睡眠阶段以及下一睡眠阶段预测的结合，调整用户的当前睡眠阶段，还包括：

通过所述传感器数据、预训练睡眠阶段预测以及个性化睡眠阶段预测的结合，调整所述用户的所述当前睡眠阶段，获得校正的当前睡眠阶段。

6.根据权利要求5所述的方法，其特征在于，所述校正的用户当前睡眠阶段通过如下算式计算：

S＝αS_sensor+(1-α)S_scaled

其中，S表示所述用户的所述校正的当前睡眠阶段，S_sensor表示传感器数据，而S_scaled表示按比例的对用户睡眠阶段的预测，α表示权重。

7.根据权利要求6所述的方法，其特征在于，

所述权重α通过如下算式计算：

所述按比例的对用户睡眠阶段预测S_scaled通过如下算式计算：

其中，S_p’表示从递归神经网络模型得出的用户最后一个睡眠阶段的预测；S_s’表示从所述传感器数据中对用户睡眠阶段的最后推断；S_wake表示用户的唤醒点阶段；S_w’表示从上一个可用的时间段中得出的唤醒点阶段的阶段预测；而S_predict表示从递归神经网络模型中输出的用户睡眠阶段的当前预测结果。

8.根据权利要求1所述的方法，其特征在于，确定用于唤醒用户的多个闹钟脉冲的每一个与用户相应反应之间的关系，还包括：

接收 若干个用户的反应的历史数据；

通过所述历史数据，训练多模态深度回归模型；

采集用户的反应的个人数据；及

基于所述用户的反应的个人数据，优化调整所述多模态深度回归模型。