1.一种自动推送助眠乐曲方法，其特征在于，所述自动推送助眠乐曲方法包括：以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；

对所述电压信号进行向量转换，得到特征向量；

对所述脑电信号进行图转换处理，得到频谱图；

将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；

基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；

根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。

2.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述电压信号进行向量转换，得到特征向量的步骤包括：基于预设过滤条件，对所述电压信号进行过滤，得到目标信号；

将所述目标信号进行向量转换处理，得到特征向量。

3.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述脑电信号进行图转换处理，得到频谱图的步骤包括：对所述脑电信号进行分帧加窗处理，得到特征信号；

利用短时傅里叶变换对所述特征信号进行变换处理，得到所述频谱图。

4.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述对所述脑电信号进行图转换处理，得到频谱图的步骤之后，所述将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态的步骤之前，所述自动推送助眠乐曲方法还包括：从预设样本库中获取训练样本；

将所述训练样本导入到卷积神经网络中进行训练，得到所述睡眠检测模型。

5.如权利要求4所述的自动推送助眠乐曲方法，其特征在于，所述将所述训练样本导入到卷积神经网络中进行训练，得到所述睡眠检测模型的步骤包括：初始化所述卷积神经网络模型，得到初始模型；

将所述训练样本导入到所述初始模型中，计算所述初始模型的前向输出；

根据所述前向输出，计算所述前向输出与预设目标值之间的预测误差；

根据所述预测误差，使用误差反向传播算法对所述初始模型中各个网络层的初始参数进行调整，得到所述睡眠检测模型。

6.如权利要求1所述的自动推送助眠乐曲方法，其特征在于，所述基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型的步骤包括：从预设识别库中获取预设时间段内的所有睡眠状态；

基于所述所有睡眠状态，计算相同的睡眠状态对应的累加计数结果；

将不同的所述睡眠状态的累加计数结果进行比较，选取最大的所述累加计数结果对应的睡眠状态作为目标睡眠状态；

将所述目标睡眠状态与预设推荐库中的描述信息进行匹配，选取匹配成功的描述信息对应的助眠音乐推荐类型进行输出，其中，所述预设推荐库包含描述信息及描述信息对应的助眠音乐推荐类型。

7.如权利要求1至6任一项所述的自动推送助眠乐曲方法，其特征在于，所述根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲的步骤之后，所述自动推送助眠乐曲方法还包括：从预设播放库中实时获取所述助眠乐曲的播放时间，其中，所述助眠乐曲包含播放音量；

将所述播放时间与预设调节时间进行比较，若所述播放时间达到预设调节时间，则将所述播放音量调至预设音量；

将所述播放时间与预设停止时间进行比较，若所述播放时间达到预设停止时间，则暂停播放所述助眠乐曲。

8.一种自动推送助眠乐曲装置，其特征在于，所述自动推送助眠乐曲装置包括：第一获取模块，用于以预设时间间隔获取目标用户在睡眠时采集到的电压信号和脑电信号；

向量转换模块，用于对所述电压信号进行向量转换，得到特征向量；

图转换模块，用于对所述脑电信号进行图转换处理，得到频谱图；

识别模块，用于将所述特征向量和所述频谱图导入预先训练好的睡眠检测模型中进行识别，得到睡眠状态；

第二获取模块，用于基于预设条件，获取所述睡眠状态对应的助眠音乐推荐类型；

推送模块，用于根据所述助眠音乐推荐类型，为所述目标用户推送助眠乐曲。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

7任一项所述自动推送助眠乐曲方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述自动推送助眠乐曲方法的步骤。