睡眠干预方法、装置以及计算机可读存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种睡眠干预方法、装置以及计算机可读存储介质。


背景技术：

2.睡眠障碍是当今最为普遍的社会问题之一，是一个严峻的公共卫生事件，并呈现不断增长的趋势。根据《2022中国居民健康睡眠白皮书》显示，国内有超过3/4的人群曾有睡眠困扰。其中，44％的19—25岁年轻人熬夜至零点以后，42％的老年人入睡时长超过半小时，失眠率高达21％。19—35岁青壮年是睡眠问题高发年龄段，入睡困难和睡眠不足已成为头号睡眠问题。长久的失眠问题可能会引发其他严重的危害，比如危害患者的情绪问题、认知能力和心理健康，导致各种精神和神经系统性疾病的高发。
3.当前，关于睡眠问题的治疗手段主要以药物治疗为主，但由于症状的复杂性和药物的机制不明等因素限制，导致疗效不佳、药物依赖、并发后遗症等后果，使其并未真正解决失眠问题。而近年来随着技术进步，很多非药物干预治疗手段被广泛推崇，这些方法一般都是通过检测用户的脑电、血氧、心率等身体指标，判断用户的睡眠状态，进而基于状态变化给出干预方案。但这些技术路线目前也面临一些挑战，使市面上已有的产品受到很大制约，干预效果极其有限。
4.当前的一些基于eeg(是脑电图(electroencephalography)的英文缩写，是一种记录大脑自发电活动的方法，脑电图检测到的生物信号已被证明是表征大脑皮质中锥体神经元的突触后电位)的睡眠干预系统存在以下几方面的限制。第一，尽管可以基于多重指标检测用户的睡眠状态变化，但并没有基于这些指标变化精准地匹配对应于该状态的睡眠干预内容，仅是粗糙地匹配某一类相似干预内容，这使得效果十分有限；第二，由于每个用户的失眠诱因不同，因此适用于每个用户的睡眠干预方案都不相同，故如何给出一个个性化的睡眠方案至关重要；第三，现有的睡眠干预系统需要长期佩戴脑电检测装置，这些装置对患者皮肤的压力可能进一步对患者的睡眠问题造成影响。
5.尽管基于数字疗法的睡眠干预系统如雨后春笋般出现，但由于以上限制，使得这些产品并没有成为解决失眠问题的“灵丹妙药”。因此，提供一种能够根据个人特点以及助眠经验为用户定制睡眠干预策略的技术方案，同时解除对硬件设备的依赖，是社会也是市场上十分紧迫的一个诉求。


技术实现要素：

6.为了克服上述缺陷，提出了本发明，以实现根据个人特点以及助眠经验为用户定制睡眠干预策略、同时解除对硬件设备的依赖的睡眠干预方法、装置以及计算机可读存储介质。
7.第一方面，本发明提供一种睡眠干预方法，包括：在用户处于第一睡眠时间区间时，实时获取所述用户的睡眠参数；基于预设的模型对所述用户的睡眠参数进行计算得到
第一同步率，根据所述第一同步率为所述用户制定第一睡眠干预策略，其中，所述模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，所述第一同步率反映了所述用户的睡眠参数与所述用户群体的睡眠参数间的差距；在所述用户处于所述第一睡眠时间区间时，按照所述第一睡眠干预策略对所述用户进行睡眠干预；获取所述用户在所述第一睡眠时间区间的第一睡眠参数集合；基于所述模型对所述用户的第一睡眠参数集合进行计算得到第二同步率，根据所述第二同步率为所述用户制定第二睡眠干预策略，其中，所述第二同步率反映了所述用户的第一睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；在所述用户处于第二睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。
8.优选地，前述的睡眠干预方法，获取所述用户在所述第二睡眠时间区间的第二睡眠参数集合；基于所述模型对所述用户的第二睡眠参数集合进行计算得到第三同步率，其中，所述第三同步率反映了所述用户的第二睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；如所述第三同步率高于或等于所述第二同步率，在所述用户处于第三睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。
9.优选地，前述的睡眠干预方法，还包括：如所述第三同步率低于所述第二同步率，在所述用户处于第三睡眠时间区间时，为所述用户制定第三睡眠干预策略并按照所述第三睡眠干预策略对所述用户进行睡眠干预。
10.优选地，前述的睡眠干预方法，所述模型中的睡眠参数包括睡眠的时间信息、基于脑电信号计算的睡眠状态指标及睡眠分期情况、睡眠干预的事件、匹兹堡睡眠量表评分结果、按照预设评分标准的评分结果和/或个人信息。
11.优选地，前述的睡眠干预方法，“根据所述第一同步率为所述用户制定第一睡眠干预策略”的步骤包括：根据所述第一同步率分析所述用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期，根据分析结果将所述第一睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐或停止播放当前内容。
12.优选地，前述的睡眠干预方法，“根据所述第二同步率为所述用户制定第二睡眠干预策略”的步骤包括：根据所述第二同步率分析所述用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期以及对应的持续时间，根据分析结果将所述第二睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐和/或停止播放当前内容，并设置所述第二睡眠干预策略的干预时间。
13.优选地，前述的睡眠干预方法，所述第一睡眠干预策略、所述第二干预策略均与所述用户的个人信息具有相同特征。
14.第二方面，本发明提供一种睡眠干预装置，包括：第一睡眠参数获取模块，在用户处于第一睡眠时间区间时，实时获取所述用户的睡眠参数；第一干预策略制定模块，基于预设的模型对所述用户的睡眠参数进行计算得到第一同步率，根据所述第一同步率为所述用户制定第一睡眠干预策略，其中，所述模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，所述第一同步率反映了所述用户的睡眠参数与所述用户群体的睡眠参数间的差距；第一睡眠干预模块，在所述用户处于所述第一睡眠时间区间时，按照所述第一睡眠干预策略对所述用户进行睡眠干预；第二睡眠参数获取模块，获取所述用户在所
述第一睡眠时间区间的第一睡眠参数集合；第二干预策略制定模块，基于所述模型对所述用户的第一睡眠参数集合进行计算得到第二同步率，根据所述第二同步率为所述用户制定第二睡眠干预策略，其中，所述第二同步率反映了所述用户的第一睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；第二睡眠干预模块，在所述用户处于第二睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。
15.优选地，前述的睡眠干预装置，还包括：第三睡眠参数获取模块，获取所述用户在所述第二睡眠时间区间的第二睡眠参数集合；第三睡眠干预模块，基于所述模型对所述用户的第二睡眠参数集合进行计算得到第三同步率，其中，所述第三同步率反映了所述用户的第二睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距，如所述第三同步率高于或等于所述第二同步率，在所述用户处于第三睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。
16.本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
17.本发明的技术方案与现有技术不同，首先在用户的第一睡眠时间区间内，实时获取用户的睡眠参数并计算第一同步率以制定第一睡眠干预策略，按照第一睡眠干预策略对用户进行睡眠干预，在第一睡眠时间区间后汇总用户在第一睡眠时间区间内的睡眠参数集合，该睡眠参数集合反映了用户在第一睡眠时间区间内受到第一睡眠干预策略影响的睡眠参数变化趋势，基于该睡眠参数集合计算第二同步率并制定第二睡眠干预策略，该第二同步率反映了用户与预设用户群体受到第一睡眠干预策略影响的睡眠参数变化差异，相当于系统分析了第一睡眠干预策略对于用户的有效性，则基于第二同步率制定的第二睡眠干预策略比第一睡眠干预策略的有效性更强，且能够适应用户在某一睡眠时间区间内的睡眠参数变化，因此用户在第二睡眠时间区间内不必依赖硬件设备实时采集睡眠参数。
附图说明
18.参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。其中：
19.图1是根据本发明的一个实施例的睡眠干预方法的流程图；
20.图2是根据本发明的一个实施例的睡眠干预方法的原理图；
21.图3是根据本发明的一个实施例的睡眠干预方法的原理图；
22.图4是根据本发明的一个实施例的睡眠干预方法的流程图；
23.图5是根据本发明的一个实施例的睡眠干预装置的框图；
24.图6是根据本发明的一个实施例的睡眠干预装置的框图。
具体实施方式
25.下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
26.在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、
数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“a和/或b”表示所有可能的a与b的组合，比如只是a、只是b或者a和b。术语“至少一个a或b”或者“a和b中的至少一个”含义与“a和/或b”类似，可以包括只是a、只是b或者a和b。单数形式的术语“一个”、“这个”也可以包含复数形式。
27.如图1所示，本发明的一个实施例中提供了一种睡眠干预方法，方法包括：
28.步骤s110，在用户处于第一睡眠时间区间时，实时获取用户的睡眠参数。
29.本实施例中，睡眠时间区间为反映用户的一次完整或部分的睡眠过程的时间区间。
30.步骤s120，基于预设的模型对用户的睡眠参数进行计算得到第一同步率，根据第一同步率为用户制定第一睡眠干预策略，其中，模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，第一同步率反映了用户的睡眠参数与用户群体的睡眠参数间的差距。
31.具体地，模型中的睡眠参数包括睡眠的时间信息、基于脑电信号计算的睡眠状态指标及睡眠分期情况、睡眠干预的事件、匹兹堡睡眠量表评分结果、按照预设评分标准的评分结果和/或个人信息。
32.本实施例中，需要基于已经收集的用户群体中每个用户每夜的睡眠参数，构建一个可用于匹配适用于各类人群睡眠干预策略的常模(模型)，该用户人群包括不同年龄、性格、性别等特征的人群。随着用户量的不断增长，该常模也在不断地自我完善和修正，以尽可能涵盖所有特征的睡眠障碍人群。该常模包括五类睡眠参数，分别为：
33.参数1：用户睡眠的时间信息(包括用户不同睡眠状态、采用不同睡眠干预事件的时间节点、时间序列信息、时间长度)；
34.参数2：基于用户脑电信号计算的睡眠状态指标和睡眠分期情况；
35.参数3：睡眠干预的事件内容(包括人声诱导语音、助眠音乐、唤醒音乐等)；
36.参数4：匹兹堡睡眠量表评分结果(低、中、高)；
37.参数5：按照一定评分标准，对用户每夜或每个睡眠时间区间(长度可以灵活设置)的睡眠评分结果；
38.参数6：用户的基本信息(年龄、职业、教育程度、性格特征、音乐偏好等)。
39.基于上述参数，可以预先对用户进行睡眠量表评分，判断失眠诱因和用户性格特征，在第一睡眠时间区间让用户整夜佩戴脑电检测硬件设备，监测并采集用户整夜睡眠过程中的脑电信号，并基于实时分段的脑电数据计算脑电功率，以计算实时的睡眠状态数值(轻松度、觉醒度、困意程度等)，如图2所示，基于用户eeg的状态判别输入是实时检测并判断的，这与其他几类相对固定的特征参数显著不同，而基于脑电信号实时判断用户的实时状态，准确率更高，具体如下：
40.(1)基于高精度的医疗级脑电采集设备，实时检测并收集用户前额叶的单通道脑电eeg数据d；
41.(2)将数据d实时分段打包传输到服务器(每个数据分段的长度d为30s)；
42.(3)在服务器实时分析每个数据分段d；
43.(4)先对每个数据段d进行滤波处理，然后进行时频变换分析，提取eeg的脑电波功率。每个脑电波功率值分别表示为p_delta(1-4hz)、p_theta(4-8hz)、p_delta(8-13hz)、p_beta(13-30hz)、p_gamma(30-40hz)，以及总的功率值为p_all(1-40hz)；
44.(5)基于计算出的实时特征功率值，计算用户不同的时间段的睡眠状态，分别为睁闭眼状态(e)、轻松度(r)、专注度(a)、觉醒程度(w)、困意程度(s)。
45.(6)基于用户的这些实时状态指标的变化，将这些状态指标与服务器中的常模进行同步得到第一同步率，如果基于多状态指标分析得到的第一同步率反映用户正处在某一状态，此时将基于常模为用户匹配适合的睡眠干预策略。
46.具体地，根据第一同步率分析用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期，根据分析结果将第一睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐或停止播放当前内容。
47.基于同步率的计算结果智能地为用户匹配当前状态下的最优睡眠干预策略，其具体流程如图3所示。
48.(1)用户佩戴脑电检测设备，保证设备检测到脑电动态波形；
49.(2)用户点击设备的“开启睡眠”按钮，并记录此时间节点(时间节点1)，此即第一睡眠时间区间的起始时间；
50.(3)基于实时检测的脑电功率，判断用户的实时睁闭眼状态(时间节点2)，若判断结果为睁眼，播放引导闭眼的人声语音(事件1，播放时长记录为时间长度1)；若判断结果为闭眼，进入下一步判断。
51.(4)基于实时检测的脑电功率，判断用户的觉醒程度、轻松度(时间节点3)，判断结果不轻松，播放人声引导语(事件2，播放时长记录为时间长度2)；若判断结果为轻松，进入下一步判断；
52.(5)基于实时检测的脑电功率，判断用户的困意程度(时间节点4)。基于判断结果，播放对应于此用户标签的助眠音乐(事件3，播放时长记录为时间长度3)；
53.本实施例中，用户的标签反映用户的特征，该特征通过用户的个人信息体现，助眠音乐的标签反映音乐的特征，因此本实施例中第一睡眠干预策略与用户的个人信息具有相同特征。具体地，由专家事先对音乐库的音乐和人声引导语言进行标签设置，这些标签音乐适用于不同类型、年龄、性格等差异人群，同时要求用户预先填写自己的基本信息(年龄、职业、教育程度、性格特征、音乐偏好等)，最终基于用户的标签与音乐的标签的匹配度，自适应地匹配属于用户的具体干预内容。
54.(6)基于实时检测的脑电功率，判断用户是否进入睡眠状态(时间节点5)；若判断结果为是，逐渐降低音乐响度，最终停止播放(事件4，播放时长记录为时间长度4)；若判断结果为否，则继续播放标签助眠音乐；
55.(7)基于夜间睡眠脑电分期，实时判断用户的夜间睡眠状态(时间节点6)，分为rem期、n1期、n2期、n3期(睡眠过程中，基于脑电图中发生的各种不同变化，将睡眠过程分为多种状态，一般主要分为快速眼动睡眠期(rem)和非快速眼动睡眠期(nrem)，其中nrem又分为n1、n2、n3，其中n1、n2就是通常说的浅睡眠，n3是深睡眠)；并监测用户的夜间觉醒情况和深睡-浅睡状况，若监测到夜间觉醒和深睡-浅睡阶段，自动播放标签助眠音乐(事件4，播放时长记录为时间长度4)；
56.(8)基于脑电分析，判断用户的睡眠是否为rem期，并判断用户夜间睡眠时长是否达到预设的标准(时间节点7)；若达到唤醒要求，则播放标签唤醒音乐(事件6，播放时长记录为时间长度6)；
57.(9)用户点击设备的“结束睡眠”按钮，并记录此时间节点(时间节点8)，此即第一睡眠时间区间的结束时间；
58.(10)按照一定标准，对用户整夜的睡眠状况进行综合打分，作为睡眠参数之一。
59.本实施例中，基于硬件设备实时获取用户的脑电信号，实时计算用户的睡眠状态指标(睁闭眼、觉醒度、轻松度、困意度、是否入眠)，并依次判断用户的状态，基于这些状态指标与常模的同步率，实时匹配适合用户当前状态的干预事件(诱导人声、助眠音乐等)。
60.本实施例中，除了实时判断用户睡眠状态和匹配干预策略之外，还还同步记录用户的睡眠时间信息，分别是时间节点信息(1-8)、干预事件的时间长度(1-6)、时间节点之间的间隔信息，即时间序列信息(1-7)，此外还有每一个干预事件，记录为事件(1-6)。最后还记录每一天的睡眠评分结果。
61.步骤s130，在用户处于第一睡眠时间区间时，按照第一睡眠干预策略对用户进行睡眠干预。
62.步骤s140，获取用户在第一睡眠时间区间的第一睡眠参数集合。
63.步骤s150，基于模型对用户的第一睡眠参数集合进行计算得到第二同步率，根据第二同步率为用户制定第二睡眠干预策略，其中，第二同步率反映了用户的第一睡眠参数集合与用户群体受到基于第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距。
64.具体地，根据第二同步率分析用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期以及对应的持续时间，根据分析结果将第二睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐和/或停止播放当前内容，并设置第二睡眠干预策略的干预时间。
65.本实施例中，基于在用户的第一睡眠时间区间全过程收集用户的各种参数(形成参数集合)，在第一睡眠时间区间结束后，分析用户每一个参数的变化情况(表示为参数的变化率)，并同步计算常模中用户群体受到与用户同样的基于第一睡眠干预策略的睡眠干预时的参数变化情况，将用户参数变化率与常模中对应参数变化率的总体同步率作为第二同步率。在这一步骤中，为了衡量参数的变化情况，这些参数都被数字化(时间点、时间长度、基于脑电的睡眠状态指标、干预事件类型、睡眠量表评分、每日睡眠评分等)，这一步骤的实施流程具体如下。
66.(1)每次获取连续一分钟的脑电信号的功率平均值，基于该脑电功率，同步用户的睁闭眼状态，并同步记录时间信息。
67.(2)基于脑电功率，同步用户的觉醒度，此步骤基于用户的gamma频段和alpha特征值，当用户的p_gamma》42(常模)且p_gamma/p_alpha》0.8(常模)，此处用户参数与常模参数比较；同时基于脑电功率，同步用户的放松度(r)，当r《40，判定用户r值较低，否则判断r值正常。综合觉醒度和放松度r，综合判断用户的轻松程度。用户轻松程度较低时将匹配适用于用户的人声引导语；反之，判定用户轻松程度较高，可直接播放标签助眠音乐，促进睡眠。
68.(3)基于脑电功率，同步用户的困意度，此步骤基于用户的p_delta、p_alpha、p_beta、p_theta的数值与常模同步。当p_delta/p_all》86.6％且(p_alpha+p_theta)/p_beta
呈现连续上升变化，判定用户困意度较低，将匹配适用于用户的人声引导语，并确定人声引导语时长，在人声引导播放完毕之后，转为播放助眠音乐；反之，判定用户的困意度较高，可直接播放标签助眠音乐，促进睡眠。
69.(4)基于脑电功率，同步判断用户是否入眠。此步骤基于p_alpha/p_all的比值和睡眠分期情况，若p_alpha/p_all《50％，判定用户已经入眠，此时将自适应地降低助眠音乐的响度，将正在播放的音乐内容逐渐淡出，以提供一个更加舒适的睡眠低噪声环境。
70.(5)入睡后，基于睡眠分期情况和判断用户的睁闭眼等脑电状态指标，判断用户按是否会出现夜醒、以及从深度睡眠切换到浅睡眠过程中是否出现过度觉醒状态。如果出现前面的两种情况，将会自动地为用户播放标签助眠音乐内容以及播放时长。
71.(6)基于脑电分析，判断用户的睡眠是否为rem期，以及判断用户夜间睡眠时长是否达标；若达到唤醒要求，则播放标签唤醒音乐。
72.(7)用户选择结束睡眠。
73.本实施例中，同样基于用户的标签与音乐的标签的匹配度，自适应地匹配属于用户的具体干预内容，因此第二睡眠干预策略与用户的个人信息具有相同特征。
74.步骤s160，在用户处于第二睡眠时间区间时，按照第二睡眠干预策略对用户进行睡眠干预。
75.本实施例中，当用户进入第二睡眠时间区间时，不需要继续佩戴脑电检测设备，而是基于用户在第一睡眠时间区间的参数变化与常模的同步率，为该用户匹配效果最优的睡眠干预策略。
76.根据本实施例的技术方案，首先在用户的第一睡眠时间区间内，实时获取用户的睡眠参数并计算第一同步率以制定第一睡眠干预策略，按照第一睡眠干预策略对用户进行睡眠干预，在第一睡眠时间区间后汇总用户在第一睡眠时间区间内的睡眠参数集合，该睡眠参数集合反映了用户在第一睡眠时间区间内受到第一睡眠干预策略影响的睡眠参数变化趋势，基于该睡眠参数集合计算第二同步率并制定第二睡眠干预策略，该第二同步率反映了用户与预设用户群体受到第一睡眠干预策略影响的睡眠参数变化差异，相当于系统分析了第一睡眠干预策略对于用户的有效性，则基于第二同步率制定的第二睡眠干预策略比第一睡眠干预策略的有效性更强，且能够适应用户在某一睡眠时间区间内的睡眠参数变化，因此用户在第二睡眠时间区间内不必依赖硬件设备实时采集睡眠参数。
77.如图4所示，本发明的一个实施例中提供了一种睡眠干预方法，相比于前述实施例的睡眠干预方法，还包括：
78.步骤s410，获取用户在第二睡眠时间区间的第二睡眠参数集合。
79.步骤s420，基于模型对用户的第二睡眠参数集合进行计算得到第三同步率，其中，第三同步率反映了用户的第二睡眠参数集合与用户群体受到基于第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；如第三同步率高于或等于第二同步率，在用户处于第三睡眠时间区间时，按照第二睡眠干预策略对用户进行睡眠干预。
80.步骤s430，如第三同步率低于第二同步率，在用户处于第三睡眠时间区间时，为用户制定第三睡眠干预策略并按照第三睡眠干预策略对用户进行睡眠干预。
81.本实施例中，用户在第二睡眠时间区间时，使用已经确定的最优睡眠干预策略对用户进行睡眠干预，但为了确保干预效果，连续干预数次(约30天)，需要重新计算用户的参
数变化率的同步率情况，以评价以上睡眠干预策略是否有效，若与常模的同步率上升或不变，则继续使用以上睡眠干预策略；如果与常模的同步率下降，则需要改变睡眠干预策略，需要用户重新佩戴硬件检测设备，再次根据采集的参数变化计算同步率，并为用户匹配适合的睡眠干预策略。
82.根据以上实施例的技术方案，在第一睡眠时间区间中，将多种睡眠参数和用户的标签与已经建立的大规模人群的常模的进行同步，并计算用户的参数与常模的总体同步率，以准确计算用户的睡眠状态，并基于用户所处的状态为用户匹配最适合的干预策略(包括干预事件、干预时长)；当用户进入第二睡眠时间区间(无参数输入)，同步用户第一睡眠时间区间中的所有睡眠参数的变化情况(包括脑电、睡眠分数、干预事件和时长等)，并依据用户这些参数变化的同步率，为用户匹配一种最适用的干预策略，用户不必每日佩戴脑电检测设备，即可匹配最优的干预策略，并且保证用户的舒适度极大提升，避免长期佩戴脑电检测硬件引起不适；当用户使用第二睡眠干预策略一段时间后，进入睡眠校正环节，要求用户重新佩戴脑电检测设备，以监测用户当夜的脑电，并了解用户在第二睡眠时间区间中的睡眠总体情况，基于校正环节中的这些参数输入，将这些参数与常模进行同步，最终依据参数的总体同步率，评估在第二睡眠时间区间中的睡眠干预策略的有效性，并决定是否需要更改睡眠干预策略，若校正同步率上升，则无需改变睡眠干预策略，如果校正同步率下降或不变，则需要重新制定睡眠干预策略。
83.如图5所示，本发明的一个实施例中提供了一种睡眠干预装置，装置包括：
84.第一睡眠参数获取模块510，在用户处于第一睡眠时间区间时，实时获取用户的睡眠参数。
85.本实施例中，睡眠时间区间为反映用户的一次完整或部分的睡眠过程的时间区间。
86.第一干预策略制定模块520，基于预设的模型对用户的睡眠参数进行计算得到第一同步率，根据第一同步率为用户制定第一睡眠干预策略，其中，模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，第一同步率反映了用户的睡眠参数与用户群体的睡眠参数间的差距。
87.具体地，模型中的睡眠参数包括睡眠的时间信息、基于脑电信号计算的睡眠状态指标及睡眠分期情况、睡眠干预的事件、匹兹堡睡眠量表评分结果、按照预设评分标准的评分结果和/或个人信息。
88.本实施例中，需要基于已经收集的用户群体中每个用户每夜的睡眠参数，构建一个可用于匹配适用于各类人群睡眠干预策略的常模(模型)，该用户人群包括不同年龄、性格、性别等特征的人群。随着用户量的不断增长，该常模也在不断地自我完善和修正，以尽可能涵盖所有特征的睡眠障碍人群。该常模包括五类睡眠参数，分别为：
89.参数1：用户睡眠的时间信息(包括用户不同睡眠状态、采用不同睡眠干预事件的时间节点、时间序列信息、时间长度)；
90.参数2：基于用户脑电信号计算的睡眠状态指标和睡眠分期情况；
91.参数3：睡眠干预的事件内容(包括人声诱导语音、助眠音乐、唤醒音乐等)；
92.参数4：匹兹堡睡眠量表评分结果(低、中、高)；
93.参数5：按照一定评分标准，对用户每夜或每个睡眠时间区间(长度可以灵活设置)
的睡眠评分结果；
94.参数6：用户的基本信息(年龄、职业、教育程度、性格特征、音乐偏好等)。
95.基于上述参数，可以预先对用户进行睡眠量表评分，判断失眠诱因和用户性格特征，在第一睡眠时间区间让用户整夜佩戴脑电检测硬件设备，监测并采集用户整夜睡眠过程中的脑电信号，并基于实时分段的脑电数据计算脑电功率，以计算实时的睡眠状态数值(轻松度、觉醒度、困意程度等)，如图2所示，基于用户eeg的状态判别输入是实时检测并判断的，这与其他几类相对固定的特征参数显著不同，而基于脑电信号实时判断用户的实时状态，准确率更高，具体如下：
96.(1)基于高精度的医疗级脑电采集设备，实时检测并收集用户前额叶的单通道脑电eeg数据d；
97.(2)将数据d实时分段打包传输到服务器(每个数据分段的长度d为30s)；
98.(3)在服务器实时分析每个数据分段d；
99.(4)先对每个数据段d进行滤波处理，然后进行时频变换分析，提取eeg的脑电波功率。每个脑电波功率值分别表示为p_delta(1-4hz)、p_theta(4-8hz)、p_delta(8-13hz)、p_beta(13-30hz)、p_gamma(30-40hz)，以及总的功率值为p_all(1-40hz)；
100.(5)基于计算出的实时特征功率值，计算用户不同的时间段的睡眠状态，分别为睁闭眼状态(e)、轻松度(r)、专注度(a)、觉醒程度(w)、困意程度(s)。
101.(6)基于用户的这些实时状态指标的变化，将这些状态指标与服务器中的常模进行同步得到第一同步率，如果基于多状态指标分析得到的第一同步率反映用户正处在某一状态，此时将基于常模为用户匹配适合的睡眠干预策略。
102.具体地，根据第一同步率分析用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期，根据分析结果将第一睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐或停止播放当前内容。
103.基于同步率的计算结果智能地为用户匹配当前状态下的最优睡眠干预策略，其具体流程如图3所示。
104.(1)用户佩戴脑电检测设备，保证设备检测到脑电动态波形；
105.(2)用户点击设备的“开启睡眠”按钮，并记录此时间节点(时间节点1)，此即第一睡眠时间区间的起始时间；
106.(3)基于实时检测的脑电功率，判断用户的实时睁闭眼状态(时间节点2)，若判断结果为睁眼，播放引导闭眼的人声语音(事件1，播放时长记录为时间长度1)；若判断结果为闭眼，进入下一步判断。
107.(4)基于实时检测的脑电功率，判断用户的觉醒程度、轻松度(时间节点3)，判断结果不轻松，播放人声引导语(事件2，播放时长记录为时间长度2)；若判断结果为轻松，进入下一步判断；
108.(5)基于实时检测的脑电功率，判断用户的困意程度(时间节点4)。基于判断结果，播放对应于此用户标签的助眠音乐(事件3，播放时长记录为时间长度3)；
109.本实施例中，用户的标签反映用户的特征，该特征通过用户的个人信息体现，助眠音乐的标签反映音乐的特征，因此本实施例中第一睡眠干预策略与用户的个人信息具有相同特征。具体地，由专家事先对音乐库的音乐和人声引导语言进行标签设置，这些标签音乐
适用于不同类型、年龄、性格等差异人群，同时要求用户预先填写自己的基本信息(年龄、职业、教育程度、性格特征、音乐偏好等)，最终基于用户的标签与音乐的标签的匹配度，自适应地匹配属于用户的具体干预内容。
110.(6)基于实时检测的脑电功率，判断用户是否进入睡眠状态(时间节点5)；若判断结果为是，逐渐降低音乐响度，最终停止播放(事件4，播放时长记录为时间长度4)；若判断结果为否，则继续播放标签助眠音乐；
111.(7)基于夜间睡眠脑电分期，实时判断用户的夜间睡眠状态(时间节点6)，分为rem期、n1期、n2期、n3期(睡眠过程中，基于脑电图中发生的各种不同变化，将睡眠过程分为多种状态，一般主要分为快速眼动睡眠期(rem)和非快速眼动睡眠期(nrem)，其中nrem又分为n1、n2、n3，其中n1、n2就是通常说的浅睡眠，n3是深睡眠)；并监测用户的夜间觉醒情况和深睡-浅睡状况，若监测到夜间觉醒和深睡-浅睡阶段，自动播放标签助眠音乐(事件4，播放时长记录为时间长度4)；
112.(8)基于脑电分析，判断用户的睡眠是否为rem期，并判断用户夜间睡眠时长是否达到预设的标准(时间节点7)；若达到唤醒要求，则播放标签唤醒音乐(事件6，播放时长记录为时间长度6)；
113.(9)用户点击设备的“结束睡眠”按钮，并记录此时间节点(时间节点8)，此即第一睡眠时间区间的结束时间；
114.(10)按照一定标准，对用户整夜的睡眠状况进行综合打分，作为睡眠参数之一。
115.本实施例中，基于硬件设备实时获取用户的脑电信号，实时计算用户的睡眠状态指标(睁闭眼、觉醒度、轻松度、困意度、是否入眠)，并依次判断用户的状态，基于这些状态指标与常模的同步率，实时匹配适合用户当前状态的干预事件(诱导人声、助眠音乐等)。
116.本实施例中，除了实时判断用户睡眠状态和匹配干预策略之外，还还同步记录用户的睡眠时间信息，分别是时间节点信息(1-8)、干预事件的时间长度(1-6)、时间节点之间的间隔信息，即时间序列信息(1-7)，此外还有每一个干预事件，记录为事件(1-6)。最后还记录每一天的睡眠评分结果。
117.第一睡眠干预模块530，在用户处于第一睡眠时间区间时，按照第一睡眠干预策略对用户进行睡眠干预。
118.第二睡眠参数获取模块540，获取用户在第一睡眠时间区间的第一睡眠参数集合。
119.第二干预策略制定模块550，基于模型对用户的第一睡眠参数集合进行计算得到第二同步率，根据第二同步率为用户制定第二睡眠干预策略，其中，第二同步率反映了用户的第一睡眠参数集合与用户群体受到基于第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距。
120.具体地，根据第二同步率分析用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期以及对应的持续时间，根据分析结果将第二睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐和/或停止播放当前内容，并设置第二睡眠干预策略的干预时间。
121.本实施例中，基于在用户的第一睡眠时间区间全过程收集用户的各种参数(形成参数集合)，在第一睡眠时间区间结束后，分析用户每一个参数的变化情况(表示为参数的变化率)，并同步计算常模中用户群体受到与用户同样的基于第一睡眠干预策略的睡眠干
预时的参数变化情况，将用户参数变化率与常模中对应参数变化率的总体同步率作为第二同步率。在这一步骤中，为了衡量参数的变化情况，这些参数都被数字化(时间点、时间长度、基于脑电的睡眠状态指标、干预事件类型、睡眠量表评分、每日睡眠评分等)，这一步骤的实施流程具体如下。
122.(1)每次获取连续一分钟的脑电信号的功率平均值，基于该脑电功率，同步用户的睁闭眼状态，并同步记录时间信息。
123.(2)基于脑电功率，同步用户的觉醒度，此步骤基于用户的gamma频段和alpha特征值，当用户的p_gamma》42(常模)且p_gamma/p_alpha》0.8(常模)，此处用户参数与常模参数比较；同时基于脑电功率，同步用户的放松度(r)，当r《40，判定用户r值较低，否则判断r值正常。综合觉醒度和放松度r综合判断用户的轻松程度。用户轻松程度较低时将匹配适用于用户的人声引导语；反之，判定用户轻松程度较高，可直接播放标签助眠音乐，促进睡眠。
124.(3)基于脑电功率，同步用户的困意度，此步骤基于用户的p_delta、p_alpha、p_beta、p_theta的数值与常模同步。当p_delta/p_all》86.6％且(p_alpha+p_theta)/p_beta呈现连续上升变化，判定用户困意度较低，将匹配适用于用户的人声引导语，并确定人声引导语时长，在人声引导播放完毕之后，转为播放助眠音乐；反之，判定用户的困意度较高，可直接播放标签助眠音乐，促进睡眠。
125.(4)基于脑电功率，同步判断用户是否入眠。此步骤基于p_alpha/p_all的比值和睡眠分期情况，若p_alpha/p_all《50％，判定用户已经入眠，此时将自适应地降低助眠音乐的响度，将正在播放的音乐内容逐渐淡出，以提供一个更加舒适的睡眠低噪声环境。
126.(5)入睡后，基于睡眠分期情况和判断用户的睁闭眼等脑电状态指标，判断用户按是否会出现夜醒、以及从深度睡眠切换到浅睡眠过程中是否出现过度觉醒状态。如果出现前面的两种情况，将会自动地为用户播放标签助眠音乐内容以及播放时长。
127.(6)基于脑电分析，判断用户的睡眠是否为rem期，以及判断用户夜间睡眠时长是否达标；若达到唤醒要求，则播放标签唤醒音乐。
128.(7)用户选择结束睡眠。
129.本实施例中，同样基于用户的标签与音乐的标签的匹配度，自适应地匹配属于用户的具体干预内容，因此第二睡眠干预策略与用户的个人信息具有相同特征。
130.第二睡眠干预模块560，在用户处于第二睡眠时间区间时，按照第二睡眠干预策略对用户进行睡眠干预。
131.本实施例中，当用户进入第二睡眠时间区间时，不需要继续佩戴脑电检测设备，而是基于用户在第一睡眠时间区间的参数变化与常模的同步率，为该用户匹配效果最优的睡眠干预策略。
132.根据本实施例的技术方案，首先在用户的第一睡眠时间区间内，实时获取用户的睡眠参数并计算第一同步率以制定第一睡眠干预策略，按照第一睡眠干预策略对用户进行睡眠干预，在第一睡眠时间区间后汇总用户在第一睡眠时间区间内的睡眠参数集合，该睡眠参数集合反映了用户在第一睡眠时间区间内受到第一睡眠干预策略影响的睡眠参数变化趋势，基于该睡眠参数集合计算第二同步率并制定第二睡眠干预策略，该第二同步率反映了用户与预设用户群体受到第一睡眠干预策略影响的睡眠参数变化差异，相当于系统分析了第一睡眠干预策略对于用户的有效性，则基于第二同步率制定的第二睡眠干预策略比
第一睡眠干预策略的有效性更强，且能够适应用户在某一睡眠时间区间内的睡眠参数变化，因此用户在第二睡眠时间区间内不必依赖硬件设备实时采集睡眠参数。
133.如图6所示，本发明的一个实施例中提供了一种睡眠干预装置，相比于前述实施例的睡眠干预装置，还包括：
134.第三睡眠参数获取模块610，获取用户在第二睡眠时间区间的第二睡眠参数集合。
135.第三睡眠干预模块620，基于模型对用户的第二睡眠参数集合进行计算得到第三同步率，其中，第三同步率反映了用户的第二睡眠参数集合与用户群体受到基于第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；如第三同步率高于或等于第二同步率，在用户处于第三睡眠时间区间时，按照第二睡眠干预策略对用户进行睡眠干预。如第三同步率低于第二同步率，在用户处于第三睡眠时间区间时，为用户制定第三睡眠干预策略并按照第三睡眠干预策略对用户进行睡眠干预。
136.本实施例中，用户在第二睡眠时间区间时，使用已经确定的最优睡眠干预策略对用户进行睡眠干预，但为了确保干预效果，连续干预数次(约30天)，需要重新计算用户的参数变化率的同步率情况，以评价以上睡眠干预策略是否有效，若与常模的同步率上升或不变，则继续使用以上睡眠干预策略；如果与常模的同步率下降，则需要改变睡眠干预策略，需要用户重新佩戴硬件检测设备，再次根据采集的参数变化计算同步率，并为用户匹配适合的睡眠干预策略。
137.根据以上实施例的技术方案，在第一睡眠时间区间中，将多种睡眠参数和用户的标签与已经建立的大规模人群的常模的进行同步，并计算用户的参数与常模的总体同步率，以准确计算用户的睡眠状态，并基于用户所处的状态为用户匹配最适合的干预策略(包括干预事件、干预时长)；当用户进入第二睡眠时间区间(无参数输入)，同步用户第一睡眠时间区间中的所有睡眠参数的变化情况(包括脑电、睡眠分数、干预事件和时长等)，并依据用户这些参数变化的同步率，为用户匹配一种最适用的干预策略，用户不必每日佩戴脑电检测设备，即可匹配最优的干预策略，并且保证用户的舒适度极大提升，避免长期佩戴脑电检测硬件引起不适；当用户使用第二睡眠干预策略一段时间后，进入睡眠校正环节，要求用户重新佩戴脑电检测设备，以监测用户当夜的脑电，并了解用户在第二睡眠时间区间中的睡眠总体情况，基于校正环节中的这些参数输入，将这些参数与常模进行同步，最终依据参数的总体同步率，评估在第二睡眠时间区间中的睡眠干预策略的有效性，并决定是否需要更改睡眠干预策略，若校正同步率上升，则无需改变睡眠干预策略，如果校正同步率下降或不变，则需要重新制定睡眠干预策略。
138.本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的睡眠干预方法的程序，该程序可以由处理器加载并运行以实现上述睡眠干预方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
139.在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种
编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
140.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
141.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
142.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
143.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
144.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的移动终端的处理装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
145.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

技术特征：
1.一种睡眠干预方法，其特征在于，包括：在用户处于第一睡眠时间区间时，实时获取所述用户的睡眠参数；基于预设的模型对所述用户的睡眠参数进行计算得到第一同步率，根据所述第一同步率为所述用户制定第一睡眠干预策略，其中，所述模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，所述第一同步率反映了所述用户的睡眠参数与所述用户群体的睡眠参数间的差距；在所述用户处于所述第一睡眠时间区间时，按照所述第一睡眠干预策略对所述用户进行睡眠干预；获取所述用户在所述第一睡眠时间区间的第一睡眠参数集合；基于所述模型对所述用户的第一睡眠参数集合进行计算得到第二同步率，根据所述第二同步率为所述用户制定第二睡眠干预策略，其中，所述第二同步率反映了所述用户的第一睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；在所述用户处于第二睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。2.根据权利要求1所述的睡眠干预方法，其特征在于，还包括：获取所述用户在所述第二睡眠时间区间的第二睡眠参数集合；基于所述模型对所述用户的第二睡眠参数集合进行计算得到第三同步率，其中，所述第三同步率反映了所述用户的第二睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；如所述第三同步率高于或等于所述第二同步率，在所述用户处于第三睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。3.根据权利要求2所述的睡眠干预方法，其特征在于，还包括：如所述第三同步率低于所述第二同步率，在所述用户处于第三睡眠时间区间时，为所述用户制定第三睡眠干预策略并按照所述第三睡眠干预策略对所述用户进行睡眠干预。4.根据权利要求1所述的睡眠干预方法，其特征在于，所述模型中的睡眠参数包括睡眠的时间信息、基于脑电信号计算的睡眠状态指标及睡眠分期情况、睡眠干预的事件、匹兹堡睡眠量表评分结果、按照预设评分标准的评分结果和/或个人信息。5.根据权利要求4所述的睡眠干预方法，其特征在于，“根据所述第一同步率为所述用户制定第一睡眠干预策略”的步骤包括：根据所述第一同步率分析所述用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期，根据分析结果将所述第一睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐或停止播放当前内容。6.根据权利要求4所述的睡眠干预方法，其特征在于，“根据所述第二同步率为所述用户制定第二睡眠干预策略”的步骤包括：根据所述第二同步率分析所述用户的睁闭眼状态、觉醒度、轻松度、困意度、是否入眠和/或睡眠分期以及对应的持续时间，根据分析结果将所述第二睡眠干预策略设置为播放人声引导语音、播放助眠音乐、播放唤醒音乐和/或停止播放当前内容，并设置所述第二睡眠干预策略的干预时间。
7.根据权利要求4所述的睡眠干预方法，其特征在于，所述第一睡眠干预策略、所述第二干预策略均与所述用户的个人信息具有相同特征。8.一种睡眠干预装置，其特征在于，包括：第一睡眠参数获取模块，在用户处于第一睡眠时间区间时，实时获取所述用户的睡眠参数；第一干预策略制定模块，基于预设的模型对所述用户的睡眠参数进行计算得到第一同步率，根据所述第一同步率为所述用户制定第一睡眠干预策略，其中，所述模型反映了预设的用户群体中每个用户的睡眠参数及对应的睡眠干预策略，所述第一同步率反映了所述用户的睡眠参数与所述用户群体的睡眠参数间的差距；第一睡眠干预模块，在所述用户处于所述第一睡眠时间区间时，按照所述第一睡眠干预策略对所述用户进行睡眠干预；第二睡眠参数获取模块，获取所述用户在所述第一睡眠时间区间的第一睡眠参数集合；第二干预策略制定模块，基于所述模型对所述用户的第一睡眠参数集合进行计算得到第二同步率，根据所述第二同步率为所述用户制定第二睡眠干预策略，其中，所述第二同步率反映了所述用户的第一睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距；第二睡眠干预模块，在所述用户处于第二睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。9.根据权利要求8所述的睡眠干预装置，其特征在于，还包括：第三睡眠参数获取模块，获取所述用户在所述第二睡眠时间区间的第二睡眠参数集合；第三睡眠干预模块，基于所述模型对所述用户的第二睡眠参数集合进行计算得到第三同步率，其中，所述第三同步率反映了所述用户的第二睡眠参数集合与所述用户群体受到基于所述第一睡眠干预策略的睡眠干预的睡眠参数集合间的差距，如所述第三同步率高于或等于所述第二同步率，在所述用户处于第三睡眠时间区间时，按照所述第二睡眠干预策略对所述用户进行睡眠干预。10.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至7中任一项所述的睡眠干预方法。

技术总结
本发明提供一种睡眠干预方法、装置以及计算机可读存储介质，方法包括：在用户处于第一睡眠时间区间时，实时获取用户的睡眠参数；基于预设的模型对用户的睡眠参数进行计算得到第一同步率，根据第一同步率为用户制定第一睡眠干预策略；在用户处于第一睡眠时间区间时，按照第一睡眠干预策略对用户进行睡眠干预；获取用户在第一睡眠时间区间的第一睡眠参数集合；基于模型对用户的第一睡眠参数集合进行计算得到第二同步率，根据第二同步率为用户制定第二睡眠干预策略；在用户处于第二睡眠时间区间时，按照第二睡眠干预策略对用户进行睡眠干预。本发明能够根据用户的个人特点以及已采用的干预策略，制定更加有效的睡眠干预策略，同时解除对硬件设备的依赖。时解除对硬件设备的依赖。时解除对硬件设备的依赖。


技术研发人员：李文玉
受保护的技术使用者：上海数药智能科技有限公司
技术研发日：2023.06.09
技术公布日：2023/8/1