[发明专利]一种基于深度学习的用户睡眠行为分析方法及其系统

说明书

本发明公开了一种基于深度学习的用户睡眠行为分析方法及其系统，其包括包括录音模块、睡眠分析模块和报告生成模块，录音模块用于录制用户睡眠音频，睡眠分析模块用于利用用户睡眠音频，得到用户的睡眠音频平均分贝值，并与与睡眠特征值进行比较，报告生成模块用于将用户睡眠状态生成相应报告，采用睡眠录制，对录制音频进行分析生成睡眠报告的方式，方便让更多人了解自己的睡眠行为、清楚自己的睡眠状况、改善自己的睡眠质量，最终培养的良好睡眠习惯。

技术领域

本发明涉及睡眠监测技术领域，尤其涉及一种基于深度学习的用户睡眠行为分析方法及其系统。

背景技术

现有的睡眠监测传感设备大多在医院且价格高昂不易携带的问题，同时现有的睡眠监测传感设备不具有根据实时睡眠录音分析睡眠状态的功能，不能够精确的捕获、存储、分析和管理睡眠音频数据，从而睡眠质量服务功能不全。

发明内容

本发明提供一种基于深度学习的用户睡眠行为分析方法及其系统，以克服现有的睡眠监测传感设备质量服务功能不全、不能够根据实时录音分析睡眠状态等问题；

为了实现上述目的，本发明的技术方案是：

一种基于深度学习的用户睡眠行为分析方法，其特征在于，包括：

步骤1、收集开源睡眠音频信号，将开源音频信号通过傅里叶变换和采样定理得到开源睡眠音频信号采样数据的过零率、频谱中心、频谱滚降点和MFCC数据；

步骤2、通过深度学习方法，利用过零率、频谱中心、频谱滚降点和MFCC数据得到睡眠特征值；

步骤3、录制用户睡眠音频；

步骤4、利用用户睡眠音频，得到用户的睡眠音频平均分贝值；

步骤5、将用户的睡眠音频平均分贝值与睡眠特征值进行比较，如果用户的睡眠音频平均分贝值大于睡眠特征值即为浅睡眠，反之为深睡眠。

进一步的，步骤2具体为：

步骤2.1、利用过零率、频谱中心、频谱滚降点和MFCC数据创建数据集，将数据集中的数据进行归一化处理；

步骤2.2、将深度学习方法中的学习标签进行one-hot编码；

步骤2.3、利用学习标签将归一化处理后的数据分为训练集和测试集；

步骤2.4、创建神经网络；

步骤2.5、利用神经网络的分类层，结合类别交叉熵函数，优化器选择Adam，评价指标选择正确率，使用fit方法对训练集进行迭代训练；

步骤2.6、将训练后的训练集使用evaluate方法进行评估，得到睡眠特征值。

进一步的，步骤4得到用户的睡眠音频平均分贝值具体公式为：

其中，p_ref为用户睡眠音频中获取的最大音量百分比；p_rms为用户睡眠音频的平均音量百分比；L_p为用户的睡眠音频平均分贝值。

同样的目的，一种基于深度学习的用户睡眠行为分析方法的系统，其特征在于：包括录音模块、睡眠分析模块和报告生成模块；

录音模块用于录制用户睡眠音频；

睡眠分析模块用于利用用户睡眠音频，得到用户的睡眠音频平均分贝值，并与与睡眠特征值进行比较；

报告生成模块用于将用户睡眠状态生成相应报告；

录音模块输入端连接外置麦克风，录音模块输出端连接睡眠分析模块输入端，睡眠分析模块输出端连接报告生成模块输入端，报告生成模块输出端连接外置打印机。