本發(fā)明涉及輔助睡眠
技術(shù)領(lǐng)域：
，特別是涉及一種睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置。
背景技術(shù)：
：目前市面上已經(jīng)有一些輔助設(shè)備來進(jìn)行輔助人們?nèi)胨摧o助睡眠，以提高用戶的睡眠質(zhì)量。睡眠狀態(tài)分析是輔助設(shè)備了解用戶睡眠質(zhì)量的重要手段，而在此過程中，需要對(duì)用戶睡眠狀態(tài)進(jìn)行檢測(cè)，以準(zhǔn)確知道用戶是清醒還是睡著狀態(tài)，然后才能夠進(jìn)行對(duì)應(yīng)的干預(yù)措施。多導(dǎo)睡眠圖(Polysomnography,PSG)，又稱睡眠腦電圖，是目前臨床上用于睡眠診斷和分析的“金標(biāo)準(zhǔn)”。多導(dǎo)睡眠圖利用多種生命體征對(duì)睡眠進(jìn)行分析，在這些體征信號(hào)中，腦電處于核心地位；利用腦電波4種節(jié)律：δ波(1-3Hz)，θ波(4-7Hz)，α波(8-12Hz)，β波(14-30Hz)的頻率特性。根據(jù)不同節(jié)律的腦電波和眼球運(yùn)動(dòng)特征，除了清醒階段以外，睡眠可以分成非眼快動(dòng)睡眠(NoRapidEyeMovementSleep,NREMsleep)和眼快動(dòng)睡眠(RapidEyeMovementSleep,REMsleep)周期。其中非眼快動(dòng)睡眠又可以分為4個(gè)時(shí)期：S1期(完全清醒至睡眠之間的過渡階段)，S2期(淺睡階段)，S3期(中等深度睡眠)，S4期(深睡期)。一般情況下，檢測(cè)用戶是否處于清醒狀態(tài)，是通過利用腦電波在4個(gè)頻段的信號(hào)(δ波頻段、θ波頻段、α波頻段和β波頻段)訓(xùn)練清醒狀態(tài)的識(shí)別模型(分類器)來對(duì)腦電信號(hào)進(jìn)行識(shí)別，這些識(shí)別模型往往是利用其他人的腦電波進(jìn)行訓(xùn)練的通用識(shí)別模型，但由于腦電信號(hào)的個(gè)人特異性很強(qiáng)，并且腦電的強(qiáng)度很弱(腦電為微伏級(jí)別，心電為毫伏級(jí)別)，在信號(hào)采集時(shí)極易被外界信號(hào)所干擾，從而導(dǎo)致清醒狀態(tài)檢測(cè)過程中也容易受到干擾影響，難以準(zhǔn)確地檢測(cè)出用戶的清醒狀態(tài)，容易導(dǎo)致輔助睡眠中執(zhí)行了錯(cuò)誤的干預(yù)措施，影響用戶的睡眠質(zhì)量。技術(shù)實(shí)現(xiàn)要素：基于此，有必要針對(duì)上述問題，提供一種睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置，可以準(zhǔn)確地檢測(cè)腦電信號(hào)的清醒狀態(tài)，有效地提高睡眠狀態(tài)識(shí)別的準(zhǔn)確率。一種睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置，包括：腦電電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路以及處理器；所述腦電電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至處理器；所述腦電電極用于檢測(cè)用戶在睡眠中的腦電信號(hào)；所述模數(shù)轉(zhuǎn)換器將腦電信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，所述濾波電路對(duì)腦電信號(hào)進(jìn)行低頻濾波后輸入至處理器；所述處理器，用于提取用戶的實(shí)時(shí)腦電信號(hào)，對(duì)所述實(shí)時(shí)腦電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進(jìn)行信號(hào)重建得到腦電信號(hào)；計(jì)算所述腦電信號(hào)的樣本熵，將該樣本熵與預(yù)先計(jì)算的樣本熵閾值進(jìn)行比較；在樣本熵大于樣本熵閾值時(shí)判定用戶當(dāng)前處于清醒狀態(tài)。上述睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置，在用戶開始睡眠過程后，通過腦電電極采集用戶的實(shí)時(shí)腦電信號(hào)，并經(jīng)過數(shù)模轉(zhuǎn)換和濾波處理后，由處理器進(jìn)行小波分解和低頻段重建得到腦電信號(hào)；計(jì)算腦電信號(hào)的樣本熵與預(yù)先計(jì)算的樣本熵閾值進(jìn)行比較，在樣本熵大于樣本熵閾值時(shí)判定用戶當(dāng)前處于清醒狀態(tài)。該方案可以在用戶睡眠狀態(tài)分析過程中，減少外界干擾對(duì)清醒狀態(tài)檢測(cè)結(jié)果的影響，更加準(zhǔn)確地檢測(cè)出用戶的清醒狀態(tài)，有效地提高輔助睡眠的效果。附圖說明圖1為一個(gè)實(shí)施例的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置的結(jié)構(gòu)示意圖；圖2是一段常見的清醒時(shí)期的腦電信號(hào)與眼電信號(hào)示意圖；圖3為另一個(gè)實(shí)施例的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置結(jié)構(gòu)示意圖；圖4為滑動(dòng)窗口內(nèi)眼電信號(hào)波形尖峰面積示意圖；圖5為檢測(cè)到眨眼活動(dòng)的結(jié)果示意圖。具體實(shí)施方式下面結(jié)合附圖闡述本發(fā)明的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置的實(shí)施例。參考圖1所示，圖1為一個(gè)實(shí)施例的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置的結(jié)構(gòu)示意圖，包括：腦電電極、參考電極、模數(shù)轉(zhuǎn)換器、濾波電路以及處理器；所述腦電電極、參考電極分別連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至處理器；所述腦電電極用于檢測(cè)用戶在睡眠中的腦電信號(hào)；所述模數(shù)轉(zhuǎn)換器將腦電信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，所述濾波電路對(duì)腦電信號(hào)進(jìn)行低頻濾波后輸入至處理器；所述處理器，用于提取用戶的實(shí)時(shí)腦電信號(hào)，對(duì)所述實(shí)時(shí)腦電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進(jìn)行信號(hào)重建得到腦電信號(hào)；計(jì)算所述腦電信號(hào)的樣本熵，將該樣本熵與預(yù)先計(jì)算的樣本熵閾值進(jìn)行比較；在樣本熵大于樣本熵閾值時(shí)判定用戶當(dāng)前處于清醒狀態(tài)。上述睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置，在用戶開始睡眠過程后，通過腦電電極采集用戶的實(shí)時(shí)腦電信號(hào)，并經(jīng)過數(shù)模轉(zhuǎn)換和濾波處理后，由處理器進(jìn)行小波分解和低頻段重建得到腦電信號(hào)；計(jì)算腦電信號(hào)的樣本熵與預(yù)先計(jì)算的樣本熵閾值進(jìn)行比較，在樣本熵大于樣本熵閾值時(shí)判定用戶當(dāng)前處于清醒狀態(tài)。該方案可以在用戶睡眠狀態(tài)分析過程中，減少外界干擾對(duì)清醒狀態(tài)檢測(cè)結(jié)果的影響，更加準(zhǔn)確地檢測(cè)出用戶的清醒狀態(tài)，有效地提高輔助睡眠的效果。在一個(gè)實(shí)施例中，所述腦電電極設(shè)置在用戶的額頭位置；所述參考電極設(shè)置在用戶的耳垂。如圖1所示，圖中，腦電電極即圖中的“M”，參考電極設(shè)置在用戶的耳垂，即圖中“R”和“L”。為了適應(yīng)于腦電信號(hào)的處理，濾波電路濾波后，輸出0-256Hz頻段的信號(hào)至處理器。對(duì)于用戶的清醒狀態(tài)的檢測(cè)，主要通過處理器來進(jìn)行識(shí)別，基于處理器要實(shí)現(xiàn)的功能，可以在處理器中配置相應(yīng)的算法模塊。處理器的算法功能解析可以如下：(1)在用戶開始睡眠過程后，通過腦電電極采集用戶的實(shí)時(shí)腦電信號(hào)；處理器的的該算法功能，是在對(duì)用戶進(jìn)行輔助睡眠等睡眠狀態(tài)分析中，在確保用戶是清醒的狀態(tài)下，開始對(duì)用戶進(jìn)行腦電信號(hào)采集，通過用戶佩戴腦電電極，采集用戶在睡眠過程中產(chǎn)生的腦電信號(hào)。在采集腦電信號(hào)時(shí)，處理器可以控制以30s為一幀進(jìn)行采集，后續(xù)對(duì)每幀腦電信號(hào)進(jìn)行分析處理。(2)對(duì)所述實(shí)時(shí)腦電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進(jìn)行信號(hào)重建得到腦電信號(hào)；為了避免高頻噪聲的干擾同時(shí)保留信號(hào)的基本信息，我們?cè)谳^低頻段上對(duì)腦電信號(hào)進(jìn)行分析。為了計(jì)算的方便，可以選擇θ波的頻率上限(0～8Hz)進(jìn)行小波分解和重建。在此，首先對(duì)腦電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)重建腦電信號(hào)，為了計(jì)算的方便，可以選擇θ波(主要是4-7Hz)的頻率上限進(jìn)行重建，即0～8Hz。(3)計(jì)算所述腦電信號(hào)的樣本熵，將該樣本熵與預(yù)先計(jì)算的樣本熵閾值進(jìn)行比較；樣本熵是時(shí)間序列復(fù)雜度的一種度量，被廣泛應(yīng)用于癲癇的檢測(cè)中。在睡眠周期的6個(gè)階段中，清醒階段的腦電信號(hào)的樣本熵最高，本發(fā)明利用腦電信號(hào)的樣本熵的大小來判斷用戶是否為清醒狀態(tài)，通過設(shè)定樣本熵閾值，與腦電信號(hào)的樣本熵進(jìn)行比較。進(jìn)一步的，在上述比較過程中，樣本熵閾值的選擇也是至關(guān)重要的一環(huán)。在目前癲癇的檢測(cè)等方面得到的經(jīng)驗(yàn)數(shù)據(jù)，并不適合用在睡眠狀態(tài)分析中對(duì)清醒狀態(tài)的準(zhǔn)確判定。在一個(gè)實(shí)施例中，可以采用如下方法獲取樣本熵閾值，包括：(a)在清醒狀態(tài)檢測(cè)裝置開機(jī)后，提取設(shè)定時(shí)間內(nèi)的腦電信號(hào)；一般情況下，考慮到人正常的入睡時(shí)間為10～15分鐘，在勞累/疲憊時(shí)入睡時(shí)間甚至?xí)s短，因此，在用戶完全清醒的狀態(tài)下開始采集用戶的腦電信號(hào)，可以認(rèn)為在開始采集后的一個(gè)設(shè)定時(shí)間段內(nèi)，用戶是處于清醒狀態(tài)的，作為實(shí)施例，本發(fā)明選擇的時(shí)間段為300秒(5分鐘)，即開機(jī)后開始采集用戶的腦電信號(hào)后的300秒內(nèi)都會(huì)被判斷為清醒狀態(tài)；因此，通過上述功能，在確保用戶清醒狀態(tài)下，利用這段時(shí)間內(nèi)采集的用戶的腦電信號(hào)計(jì)算樣本熵。(b)將設(shè)定時(shí)間內(nèi)的腦電信號(hào)分成多個(gè)樣本，并分別計(jì)算各個(gè)腦電信號(hào)樣本的樣本熵，得到樣本熵集合；在此，假設(shè)利用30s為一幀、采集300秒腦電信號(hào)進(jìn)行處理，那么這里就有10個(gè)樣本，此時(shí)可以計(jì)算出包括10個(gè)樣本熵的樣本熵集合。(c)根據(jù)所述樣本熵集合計(jì)算樣本熵閾值；樣本熵閾值的計(jì)算公式可以如下：sampen_thre=1nΣi=1nsampen_vali+vn(Σi=1nsampen_vali2-Σi=1nsampen_vali)]]>sampen_vali＝sampen(y[p_start:p_end])p_start＝(i-1)*time_length*fs+1p_end＝t_start+time_length*fs-1p_end＜T·fs式中，其中sampen_thre為樣本熵閾值，sampen_vali為樣本熵集合中第i個(gè)樣本的樣本熵，sampen為求樣本熵的運(yùn)算，其輸入y[p_start:p_end]為腦電信號(hào)y在第p_start點(diǎn)開始到第p_end點(diǎn)為止的部分，time_length為計(jì)算樣本熵的每個(gè)樣本的時(shí)間長(zhǎng)度，fs為腦電信號(hào)的采樣率，T為開始采集腦電信號(hào)后的設(shè)定時(shí)間，v為設(shè)定參數(shù)。在上述計(jì)算方案中，參數(shù)v的取值非常重要，通過參數(shù)v可以控制識(shí)別準(zhǔn)確率；因此，為了提高識(shí)別準(zhǔn)確率，對(duì)于參數(shù)v取值可以通過如下公式計(jì)算：假設(shè)清醒階段時(shí)的樣本熵的集合X服從標(biāo)準(zhǔn)正態(tài)分布，集合X中第i個(gè)元素表示為：Xi=sampen_vali-uσ,i=1,...,n]]>其中，此時(shí)，x＝v根據(jù)標(biāo)準(zhǔn)正態(tài)分布函數(shù)的積分：其中，P(X≤x)表示樣本熵的集合X中的取值小于x的概率，由此可以計(jì)算，以T＝300s，time_length＝30s為例，當(dāng)參數(shù)v＝2.58時(shí)，樣本熵集合X的值小于x的概率為99.5％。(4)在樣本熵大于樣本熵閾值時(shí)判定用戶當(dāng)前處于清醒狀態(tài)；考慮到清醒階段的腦電信號(hào)的樣本熵最大，基于上述實(shí)施例計(jì)算的樣本熵閾值sampen_thre，可知將樣本熵大于sampen_thre的腦電信號(hào)判斷為清醒狀態(tài)可以得到較高準(zhǔn)確率。本發(fā)明實(shí)施例的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置，在多例利用腦電信號(hào)進(jìn)行的清醒狀態(tài)檢測(cè)實(shí)驗(yàn)中，得到了準(zhǔn)確判斷，具有較高的準(zhǔn)確性。為了進(jìn)一步提高檢測(cè)準(zhǔn)確率，在腦電信號(hào)樣本熵比較基礎(chǔ)上，本發(fā)明還提供了如下基于眼電信號(hào)的檢測(cè)方案。在正常人的睡眠周期中，眨眼是清醒期所特有的一個(gè)活動(dòng)，由于眨眼時(shí)眼電信號(hào)的幅度較高，會(huì)對(duì)腦電信號(hào)造成干擾。參考圖2，圖2是一段常見的清醒時(shí)期的腦電信號(hào)與眼電信號(hào)示意圖；圖中實(shí)線為腦電信號(hào)，虛線為眼電信號(hào)。通過圖中可以看出，眨眼活動(dòng)在腦電信號(hào)和眼電信號(hào)上都產(chǎn)生了向下的尖峰，眨眼活動(dòng)在腦電圖上表現(xiàn)為具有短時(shí)間的高尖峰的波形，這也是眨眼眼電波形的特征。作為一個(gè)實(shí)施例，參考圖3所示，圖3為另一個(gè)實(shí)施例的睡眠狀態(tài)分析中清醒狀態(tài)檢測(cè)裝置結(jié)構(gòu)示意圖，該裝置還包括：連接模數(shù)轉(zhuǎn)換器，并依次通過所述模數(shù)轉(zhuǎn)換器和濾波電路連接至處理器的眼電電極；所述眼電電極，用于采集用戶在睡眠中的眼電信號(hào)；所述處理器，還用于提取用戶的實(shí)時(shí)眼電信號(hào)；對(duì)所述實(shí)時(shí)眼電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進(jìn)行信號(hào)重建得到眼電信號(hào)；根據(jù)同一時(shí)刻腦電信號(hào)和眼電信號(hào)的相關(guān)性以及眨眼眼電波形的特征，在眼電信號(hào)上檢測(cè)眨眼活動(dòng)；在檢測(cè)到眨眼活動(dòng)時(shí)判定用戶當(dāng)前處于清醒狀態(tài)。如圖3，所述眼電電極設(shè)置在眼角位置；眼電電極包括左右兩個(gè)電極，即圖中的“ROC”和“LOC”，參考電極設(shè)置在用戶的耳垂。濾波電路主要是進(jìn)行低通濾波和濾除工頻干擾，為了適應(yīng)于眼電信號(hào)的處理，濾波電路濾波后，輸出0-256Hz頻段的信號(hào)至處理器。處理器利用眼電信號(hào)檢測(cè)清醒狀態(tài)的算法功能可以解析如下：(1)在裝置開機(jī)后，在采集腦電信號(hào)的同時(shí)，提取用戶的實(shí)時(shí)眼電信號(hào)；即在開始對(duì)用戶進(jìn)行腦電信號(hào)采集后，通過用戶佩戴相關(guān)眼電電極，采集用戶在睡眠過程中產(chǎn)生的眼電信號(hào)。在采集眼電信號(hào)時(shí)，同樣可以以30s為一幀進(jìn)行采集，后續(xù)對(duì)每幀眼電信號(hào)進(jìn)行分析處理。(2)對(duì)所述實(shí)時(shí)眼電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)進(jìn)行信號(hào)重建得到眼電信號(hào)；首先對(duì)眼電信號(hào)進(jìn)行小波分解，并根據(jù)設(shè)定低頻段的小波系數(shù)重建眼電信號(hào)，為了計(jì)算的方便，可以選擇腦電信號(hào)的θ波(主要是4-7Hz)的頻率上限進(jìn)行重建，即0～8Hz。(3)根據(jù)同一時(shí)刻腦電信號(hào)和眼電信號(hào)的相關(guān)性以及眨眼眼電波形的特征，在眼電信號(hào)上檢測(cè)眨眼活動(dòng)；在檢測(cè)過程中，利用到了同一時(shí)刻的腦電信號(hào)和眼電信號(hào)之間的相關(guān)性，結(jié)合眨眼眼電信號(hào)的波形特征進(jìn)行判斷。在一個(gè)實(shí)施例，處理器在眼電信號(hào)上檢測(cè)眨眼活動(dòng)的算法流程，可以如下：(a)利用具有設(shè)定信號(hào)幅度范圍和時(shí)間長(zhǎng)度的滑動(dòng)窗口截取所述低頻眼信號(hào)；本發(fā)明利用一個(gè)滑動(dòng)窗口內(nèi)的信號(hào)幅度、眼電信號(hào)與腦電信號(hào)的相似程度，尖峰的尖銳程度和尖峰持續(xù)時(shí)間來檢測(cè)滑動(dòng)窗口內(nèi)是否有眨眼活動(dòng)，該滑動(dòng)窗口驗(yàn)證腦電圖時(shí)間軸上滑動(dòng)，截取眼電信號(hào)波形。由于眨眼的時(shí)間一般小于0.4秒，因此可以在一個(gè)稍大滑動(dòng)窗口的內(nèi)檢測(cè)眨眼信號(hào)，例如設(shè)置0.6倍的采樣時(shí)間長(zhǎng)度，即n＝0.6·fs，n為滑動(dòng)窗口長(zhǎng)度，fs為眼電信號(hào)的采樣率。眼電信號(hào)的幅度可以通過滑動(dòng)窗口內(nèi)眼電信號(hào)的最大值減去最小值(pmax-pmin)的方式求出，一般情況下，滑動(dòng)窗口的幅度可以設(shè)置為75微伏至300微伏之間。(b)分別計(jì)算滑動(dòng)窗口內(nèi)眼電信號(hào)與同一時(shí)刻腦電信號(hào)的波形的相關(guān)系數(shù)，滑動(dòng)窗口內(nèi)眼電信號(hào)波形尖峰的尖銳程度參數(shù)以及尖峰的持續(xù)時(shí)間；這里尖銳程度參數(shù)是表征尖峰的特征符合眨眼時(shí)短時(shí)間的高尖峰的波形強(qiáng)弱的參數(shù)。處理器計(jì)算滑動(dòng)窗口內(nèi)眼電信號(hào)波形尖峰的尖銳程度參數(shù)的算法流程，可以如下：①分別計(jì)算眼電信號(hào)波形在滑動(dòng)窗口內(nèi)的上部區(qū)域面積和下部區(qū)域面積，計(jì)算公式如下：areaup=Σi=1n(pmax-pi)]]>areadown=Σi=1n(pi-pmin)]]>式中，pi為滑動(dòng)窗口內(nèi)的眼電信號(hào)，pmax為滑動(dòng)窗口內(nèi)眼電信號(hào)的最大值，pmin為滑動(dòng)窗口內(nèi)眼電信號(hào)的最小值，areaup表示上部區(qū)域面積，areadown表示下部區(qū)域面積；②根據(jù)所述上部區(qū)域面積和下部區(qū)域面積計(jì)算所述眼電信號(hào)波形尖峰的面積，計(jì)算公式如下：blinkarea=areaupifareaup<areadownareadownifareaup>areadown]]>式中，blinkarea表示尖峰的面積，if表示滿足條件；參考圖4所示，圖4為滑動(dòng)窗口內(nèi)眼電信號(hào)波形尖峰面積示意圖，兩種方向的尖峰上、下部區(qū)域面積如圖所示，左圖尖峰方向向上，右圖的尖峰方向向下。③根據(jù)尖峰面積計(jì)算尖銳程度參數(shù)，計(jì)算公式如下：blinkratio＝blinkarea/in-blinkarea式中，blinkratio表示尖銳程度參數(shù)，in-blinkarea表示非尖峰部分的面積，這里尖銳程度參數(shù)也可以轉(zhuǎn)化為是上部區(qū)域面積和下部區(qū)域面積之間的比值。計(jì)算滑動(dòng)窗口內(nèi)眼電信號(hào)波形尖峰的持續(xù)時(shí)間的方法，可以包括如下：④根據(jù)所述上部區(qū)域面積和下部區(qū)域面積計(jì)算所述眼電信號(hào)波形尖峰的方向，計(jì)算公式如下：blinkdirection=1ifareaup<areadown-1ifareaup>areadown]]>式中，blinkdirection表示尖峰方向，標(biāo)記為1表示尖峰向下，標(biāo)記為-1表示尖峰向上；⑤在尖峰向下時(shí)，根據(jù)尖峰兩側(cè)的局部極大值點(diǎn)計(jì)算尖峰的持續(xù)時(shí)間；或者在尖峰向上時(shí)，根據(jù)尖峰兩側(cè)的局部局部極小值點(diǎn)計(jì)算尖峰的持續(xù)時(shí)間；計(jì)算公式如下：blinkts＝vertexright-vertexleft,s.t.vertexright=right_min_locavertexright=left_min_locaifblinkdirection=1vertexright=right_max_locavertexright=left_max_locaifblinkdirection=-1]]>式中，blinkts表示尖峰的持續(xù)時(shí)間，vertexright表示尖峰的右側(cè)頂點(diǎn)時(shí)刻，表示尖峰的左側(cè)頂點(diǎn)時(shí)刻，right_min_loca表示尖峰右側(cè)的局部極小值點(diǎn)，right_max_loca表示尖峰右側(cè)的局部極大值點(diǎn)，left_min_loca表示尖峰左側(cè)的局部極小值點(diǎn)，left_max_loca表示尖峰左側(cè)的局部極大值點(diǎn)，s.t.表示約束條件。(c)若所述相關(guān)系數(shù)、尖銳程度參數(shù)和持續(xù)時(shí)間均分別滿足預(yù)設(shè)的相關(guān)系數(shù)閾值、尖銳程度參數(shù)閾值和持續(xù)時(shí)間閾值，判斷該滑動(dòng)窗口內(nèi)眼電信號(hào)存在眨眼活動(dòng)；具體的，當(dāng)滑動(dòng)窗口內(nèi)的信號(hào)幅度、眼電信號(hào)與腦電信號(hào)的相似程度、尖峰的面積和持續(xù)時(shí)間都滿足條件時(shí)，即認(rèn)為當(dāng)前滑動(dòng)窗口存在著眨眼活動(dòng)；對(duì)于相關(guān)系數(shù)閾值，一般認(rèn)為，相關(guān)系數(shù)大于0.7的兩個(gè)向量基本上可以認(rèn)為是正相關(guān)的，考慮到眨眼時(shí)眼電信號(hào)對(duì)腦電信號(hào)的干擾，眨眼時(shí)眼電信號(hào)與腦電信號(hào)之間的相關(guān)系數(shù)閾值可以設(shè)為0.9；對(duì)于尖銳程度參數(shù)閾值，一般可以設(shè)置為0.3；對(duì)于尖峰的持續(xù)時(shí)間閾值，根據(jù)眨眼時(shí)間一般是0.3-0.4秒，因此，持續(xù)時(shí)間閾值可以設(shè)為0.3秒。(4)在檢測(cè)到眨眼活動(dòng)時(shí)判定用戶當(dāng)前處于清醒狀態(tài)；處理器基于上述方法準(zhǔn)確檢測(cè)出眨眼活動(dòng)后，即可判斷當(dāng)前用戶處于清醒狀態(tài)，參考圖5，圖5為檢測(cè)到眨眼活動(dòng)的結(jié)果示意圖，圖中實(shí)線和虛線分別為經(jīng)過小波變換重建后的腦電信號(hào)和眼電信號(hào)。在眼電信號(hào)上，圓圈標(biāo)出了眨眼活動(dòng)所形成的尖峰，可以發(fā)現(xiàn)，雖然檢測(cè)出的眨眼活動(dòng)數(shù)量較少，但是誤檢率極低。在實(shí)際應(yīng)用中，為了避免誤檢出眨眼活動(dòng)帶來的誤識(shí)別，以當(dāng)一幀30秒眼電信號(hào)為例，可以在一幀信號(hào)里至少要檢出2個(gè)或2個(gè)以上的眨眼活動(dòng)時(shí)，再判定用戶當(dāng)前處于清醒狀態(tài)。本發(fā)明實(shí)施例的方案，對(duì)清醒狀態(tài)進(jìn)行準(zhǔn)確判斷，可以形成清醒狀態(tài)檢測(cè)器，該檢測(cè)器如果輸出結(jié)果為“是”，即判定當(dāng)前狀態(tài)為清醒狀態(tài)，如果輸出結(jié)果為“否”，可判定當(dāng)前狀態(tài)為非確定狀態(tài)(既不是清醒狀態(tài)，但也不能認(rèn)為是睡眠狀態(tài))。相對(duì)于傳統(tǒng)方法的準(zhǔn)確率可能會(huì)受到干擾影響，本發(fā)明的技術(shù)對(duì)于部分干擾較嚴(yán)重的信號(hào)，可能會(huì)影響檢出率，但是不會(huì)影響到準(zhǔn)確率，可以適用于睡眠狀態(tài)分析中對(duì)于清醒狀態(tài)的檢測(cè)識(shí)別。以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。當(dāng)前第1頁1 2 3