1.一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,包括:用户收集模块,用于输入用户准备入睡时间,便于判断用户的睡眠质量;
脉搏监测模块,用于实时监测用户脉搏跳动的频率;
脑电信号提取模块,用于定期监测用户的脑电波信号,对获得脑电波信息进行预处理和特征提取操作,得到脑电波信息和不同睡眠状态之间的关系,从而得到睡眠信息,睡眠信息包括:清醒状态、浅睡状态、中睡状态以及深睡状态的时长与比例;
睡眠诱导模块,用于通过脉搏监测模块和脑电信号检测模块得出脉搏跳动频率和脑电波信息之间的关系,得到脉搏频率判断睡眠状态的条件,并基于DE算法和RBFN神经网络建立睡眠诱导模型,寻找由当前状态进入下一状态的最优脑电波形式;
睡眠调节模块,用于根据脉搏监测判断用户所处的睡眠状态,结合睡眠信息,根据睡眠诱导模型输出的最优脑电波形式选择不同程度的微电流刺激,快速诱导用户进入下一睡眠状态。
2.根据权利要求1所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,所述脑电信号提取模块具体包括:定期对脑电信号进行检测,对脑电信号进行去噪处理得到处理后的脑电信号,使用小包分解方法对其分解出四种节律波δ,θ,α,β,对四种睡眠状态进行分类,从而获取清醒状态、浅睡状态、中睡状态以及深睡状态的时长与比例,形成睡眠日志。
3.根据权利要求2所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,所述睡眠诱导模型的建立方法包括以下步骤:
S1、初始化种群;
分别截取长度为N*S的清醒与浅睡之间、浅睡与中睡之间、中睡与深睡之间的脑电信号,并将各个脑电信号对应的节律波离散化,分别得到3N个δ粒子、θ粒子、α粒子以及β粒子;
分别截取长度为N*S的深睡、中睡、浅睡状态的脑电信号,并将各个脑电信号对应的节律波离散化,分别得到3N个δ粒子、θ粒子、α粒子以及β粒子;
每个粒子以矩阵形式表示,矩阵的维度为1×w;
S2、对种群进行分组;
由S1得到当前睡眠状态与下一睡眠状态之间的脑电信号为:将清醒与浅睡之间的脑电信号中包含的粒子构建成数据集Q,浅睡与中睡之间的脑电信号中包含的粒子构建成数据集K,中睡与深睡之间的脑电信号中包含的粒子构建成数据集H,数据集Q、K、H均包含4N个粒子,其中前N个为δ粒子,分别用δ′i、δ″i、δ″′i表示,第N+1到第2N个粒子是θ粒子,分别用θ′i、θ″i、θ″′i表示,第2N+1到第3N个粒子是α粒子,分别用α′i、α″i、α″′i表示,第3N+1到第4N个粒子是β粒子,分别用β′i、β″i、β″′i表示,i表示数据集中第几个粒子,1≤i≤4N;
将深睡状态的脑电信号中包含的粒子构建成数据集sh,中睡状态的脑电信号中包含的粒子构建成数据集zs,浅睡状态的脑电信号中包含的粒子构建成数据集qs,数据集sh、zs、qs均包含4N个粒子,其中前N个为δ粒子,分别用δ′j、δ″j、δ″′j表示,第N+1到第2N个粒子是θ粒子,分别用θ′i、θ″i、θ″′i表示,第2N+1到第3N个粒子是α粒子,分别用α′i、α″i、α″′i表示,第
3N+1到第4N个粒子是β粒子,分别用β′i、β″i、β″′i表示;
S3、每个数据集中均包括δ、θ、α、β四种不同的粒子集,利用DE算法分别在数据集Q、K、H的四种粒子集中进行变异、交叉以及选择操作,一个粒子集选择出一个最优粒子;
S4、重复循环步骤S3,直到达到循环条件,停止循环,一个数据集对应输出四个最优粒子;
S5、循环S1到S4,再次获得四个最优粒子,将这四个最优粒子分别与S4中的四个最优粒子利用真实的适应度函数评估,选出更优的四个粒子;
S6、以次类推,重复循环S1到S5,将每次循环得到的四个最优粒子均与上次循环得到的四个最优粒子利用真实的适应度函数进行评估,直到循环次数达到预设次数,停止循环,输出最终的四个最优粒子,构成由当前睡眠状态进入下一睡眠状态的最优脑电形式。
4.根据权利要求3所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,分别利用Q、K、H数据集构建RBFN神经网络模型:其中,φ(x)为核函数,核函数选用高斯函数所述RBFN神经网络的适应度函数加入多尺度熵进行调节,其表达式为:利用FRBFN对Q、K、H数据集中的粒子进行评估,得到每个粒子的适应度值,不同的粒子集之间按照适应度值从小到大排序。
5.根据权利要求4所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,在S6中,将每次循环得到的四个最优粒子均加入到对应的数据集中,替换掉数据集适应度值最大的四个粒子,更新RBFN模型,从而更新适应度函数FRBFN。
6.根据权利要求3所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,所述S3包括以下子步骤:
S31、每组数据库内进行变异操作,得到一组变异粒子变异公式为:
其中, 为当前数据集中随机选择的三种不同的粒子,并且r1,r2,r3两两互不相等,gen表示当前循环次数,Gen表示最大迭代次数,F为缩放因子,F过小容易陷入局部最优,F过大则不容易收敛,其计算公式为:λ
F=F0×2,
S32、进行交叉操作,得到一组交叉粒子交叉公式为:
CR为交叉因子,用来控制选择变异向量还是原来的向量,j=rand(1,n)保证至少有一组分量来自变异向量;CR的计算公式为:S33、利用适应度函数FRBFN进行选择操作得到粒子
7.根据权利要求3所述的一种基于脉搏和脑电信号的睡眠调节系统,其特征在于,所述S5中,所述真实的适应度函数的计算公式为:对数据集Q中δ粒子、θ粒子、α粒子、β粒子评估时,使用的真实的适应度函数分别为:对数据集K中δ粒子、θ粒子、α粒子、β粒子评估时,使用的真实的适应度函数分别为:对数据集H中δ粒子、θ粒子、α粒子、β粒子评估时,使用的真实的适应度函数分别为: