买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明涉及智能穿戴设备领域，提出了基于脑机穿戴交互设备的智能睡眠调控系统，包括有脑电信号调理及转换模块、睡眠信号解码模块、睡眠反馈调控模块。首先通过脑电信号调理及转换模块，从使用者头部采集脑电信号；随后提出时序分布概率图拓扑神经网络SDPG‑TNNet，建立时序分布概率图并利用图神经网络进行睡眠状态实时解码；提出熵频自匹配能量共振网络EFS‑MERNet，判别与当前睡眠状态下的脑电信号密切相关的频带。本发明利用微电流刺激和个性化音乐，辅助睡眠质量低下者快速入睡并动态调节睡眠深度，有益于提高睡眠质量及睡眠效率。

主权项：1.基于脑机穿戴交互设备的智能睡眠调控系统，包括有：脑电信号调理及转换模块1、睡眠信号解码模块2和睡眠反馈调控模块3，其特征在于，所述的脑电信号调理及转换模块1对使用者头部的模拟脑电信号进行调理、模数转换，转化为脑电信号并传送至睡眠信号解码模块2；所述的睡眠信号解码模块2提出时序分布概率图拓扑神经网络SDPG-TNNet，对脑电信号进行睡眠状态实时解码，进而监测使用者的睡眠状态；所述的睡眠反馈调控模块3提出熵频自匹配能量共振网络EFS-MERNet，根据使用者的睡眠状态，对使用者施加微电流刺激或播放个性化音乐，帮助使用者快速进入睡眠状态，并使用个性化音乐辅助使用者进入深度睡眠状态，以提高使用者的睡眠质量；其中，所述睡眠信号解码模块2，提出时序分布概率图拓扑神经网络SDPG-TNNet，该网络针对睡眠过程中的脑电信号进行设计，在保留对脑电信号的时频空域特征提取能力的同时，建立时序分布概率图进行拓扑域信息提取及融合，进而利用图神经网络对脑电信号进行睡眠状态实时解码，动态监测使用者的睡眠状态，包括如下步骤：1对于采集到的脑电信号，按时间维度进行切片，切片长度为5s，无重叠，得到样本集，其中，代表样本数，代表脑电通道数，代表数据点数；2对于每一个样本，构建拓扑网络表征，共得到个拓扑网络表征，表示为；3提出基于图神经网络的深度学习模型，该模型以为输入，输出每个样本对应的睡眠质量状态，其中，为睡眠质量状态数；其中，所述的拓扑网络表征，包括如下步骤：1对于某一个样本，该样本包括C个通道，每个通道包括T个采样点，对于每个通道，使用可视图理论构建单层复杂网络，对于中的两点和，若两点连线之间的任意一点均满足条件，则称和可视，循环遍历中所有的两两点，建立该通道的单层复杂网络；2对所有通道执行步骤1，得到各个通道的单层复杂网络集合，进一步地，计算得到各个通道的单层复杂网络的度分布，其中，函数计算序列x的概率密度分布；3计算各个通道之间的单层复杂网络的度分布之间的互信息，构建针对于某一样本的时序分布概率图，计算公式为，其中i，j代表两个通道，和分别为通道i和通道j对应的时序分布概率图中，节点度数为和的度分布，，上式中，代表通道i和通道j中度值分别满足和的节点个数；4由步骤3构建的网络是全连接网络，设定网络稀疏度阈值，对网络进行稀疏化处理，得到针对于某一样本的邻接矩阵，计算公式为；5针对某一样本，计算各个通道的PSD特征，作为该样本的特征矩阵，其中K为PSD特征的维度；6针对某一样本，将邻接矩阵与特征矩阵组合为代表该样本的拓扑网络表征，即；其中，所述的基于图神经网络的深度学习模型，包括有依次连接的：1一个第一图卷积层，神经元个数为64，公式为，其中A为邻接矩阵，X为特征矩阵，D为A的度矩阵，为ELU激活函数，为可训练的参数矩阵；2一个图池化层，保留个节点，其中K为第一图卷积层的节点个数；3一个第二图卷积层，神经元个数为256；4一个聚类读出层，将每个图的节点表征串接为一维向量并输出；5一个第一线性层，神经元个数为64；6一个层批量归一化层，用于加速网络收敛，防止过拟合；7一个第一激活函数层，使用ReLU激活函数，；8一个第二线性层，神经元个数为L；9一个第二激活函数层，使用Softmax作为激活函数，公式为；所述的时序分布概率图拓扑神经网络SDPG-TNNet取第二激活函数层输出最大值对应的神经元索引，得到每个样本对应的睡眠质量状态；其中，所述的睡眠反馈调控模块3包括有：第二供电模组31、微电流发生模块32、输出电极33、智能音乐反馈模块34、通信模块35；所述智能音乐反馈模块34通过音乐个性化匹配策略，动态调节使用者的睡眠深度，提高使用者的睡眠质量；其中，所述的音乐个性化匹配策略，提出熵频自匹配能量共振网络EFS-MERNet，该网络判别与当前睡眠状态下的脑电信号密切相关的频带，并播放对应频带的助眠音乐；所述的提出熵频自匹配能量共振网络EFS-MERNet包括有依次连接的：1一个多尺度频域特征提取模块，该模块包括有若干个依次连接的小波分解层，每个小波分解层使用db4小波将脑电信号分解为高频信号与低频信号两部分，对高频信号与低频信号继续分解，分解层次为3级，共分解为8个子频段信号；2一个多尺度池化层，对于上述8个子频段信号，使用全局平均池化和全局最大池化操作，得到每个子频段信号的全局表征，其中x代表任意一个子频段信号，和分别代表对x进行全局平均池化和全局最大池化操作；3一个频域注意力层，公式为，其中和代表两个全连接层，代表ELU激活函数，代表Sigmoid激活函数；4一个信息融合层，公式为，其中表示点乘操作，表示使x达到最大值的元素序号，即表示第个子频段信号与当前睡眠状态密切相关，根据信息融合层的输出，选择对应频带的助眠音乐进行播放。

全文数据：

权利要求：

百度查询： 天津大学 基于脑机穿戴交互设备的智能睡眠调控系统