[發明專利]晨間喚醒方法及系統

有效

• 申請號: 202010706938.0
• 申請日: 2020-07-21
• 公開（公告）號: CN111880423B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 連之偉;曹婷
• 申請（專利權）人: 上海交通大學
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418;G06N20/00
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 杜娟;郭國中

1.一種晨間喚醒方法，其特征在于，包括：

機器學習步驟：令能夠檢測睡眠分期信息的硬件設備進行機器學習，將學習成果傳輸至AI模型中，形成機器學習掌握的第一睡眠分期信息；

晨間喚醒步驟：向AI模型輸入預定起床時間，進入睡眠階段，當臨近預定起床時間的設定時間內，硬件設備向AI模型輸送第二睡眠分期信息，AI模型將第一睡眠分期信息與第二睡眠分期信息進行比較，判定是否進入易覺醒階段，若是，則切換進入起床階段，開啟環境調節；若否，則繼續通過機器學習掌握睡眠分期信息；

所述機器學習步驟包括：

生理參數學習步驟：學習生理指標在清醒階段和睡眠階段時的差異，通過比較，選擇精準度高的生理指標作為判斷進入清醒階段的依據；

易覺醒學習步驟：令睡眠階段分成多個睡眠子階段，在連續設定時間內檢測在睡眠子階段進入清醒階段的次數，并同時掌握在清醒階段前的睡眠分期信息；

環境設備學習步驟：分階段地開啟電器設備，記錄電器設備對喚醒用戶的作用效果時間，令作用效果時間進行排序后，選定重要電器設備、不佳電器設備和輔助設備；

清醒環境學習步驟：學習起床后的生理指標，根據生理指標判定滿意清醒環境參數，供AI模型生成舒適起床模式；

所述晨間喚醒步驟包括：

睡眠期間檢測步驟：當臨近預定起床時間的設定時間內，令硬件設備實時向AI模型發送第二睡眠分期信息，所述設定時間長于AI模型已掌握的電器設備喚醒時間；

AI模型判定步驟：AI模型將第一睡眠分期信息與第二睡眠分期進行比較，判定進入易覺醒階段后，打開喚醒服務中需開啟的電器設備。

2.根據權利要求1所述的晨間喚醒方法，其特征在于，所述晨間喚醒步驟還包括：

防喚醒步驟：若需要開啟電器設備時，檢測處于深度睡眠階段，則根據深度睡眠階段開啟一部分的電器設備，以及開到設定數值，以進行喚醒。

3.根據權利要求1所述的晨間喚醒方法，其特征在于，所述晨間喚醒步驟還包括：

起床組合步驟：當腦電信息被收集之后，鄰近起床時接近清醒腦電波，當設備與人之間的時間差確定之后，AI模型進行持續學習。

4.一種晨間喚醒系統，其特征在于，包括：

機器學習模塊：令能夠檢測睡眠分期信息的硬件設備進行機器學習，將學習成果傳輸至AI模型中，形成機器學習掌握的第一睡眠分期信息；

晨間喚醒模塊：向AI模型輸入預定起床時間，進入睡眠階段，當臨近預定起床時間的設定時間內，硬件設備向AI模型輸送第二睡眠分期信息，AI模型將第一睡眠分期信息與第二睡眠分期信息進行比較，判定是否進入易覺醒階段，若是，則切換進入起床階段，開啟環境調節；若否，則繼續通過機器學習掌握睡眠分期信息；

所述機器學習模塊包括：

生理參數學習模塊：學習生理指標在清醒階段和睡眠階段時的差異，通過比較，選擇精準度高的生理指標作為判斷進入清醒階段的依據；

易覺醒學習模塊：令睡眠階段分成多個睡眠子階段，在連續設定時間內檢測在睡眠子階段進入清醒階段的次數，并同時掌握在清醒階段前的睡眠分期信息；

環境設備學習模塊：分階段地開啟電器設備，記錄電器設備對喚醒用戶的作用效果時間，令作用效果時間進行排序后，選定重要電器設備、不佳電器設備和輔助設備；

清醒環境學習模塊：學習起床后的生理指標，根據生理指標判定滿意清醒環境參數，供AI模型生成舒適起床模式；

所述晨間喚醒模塊包括：

睡眠期間檢測模塊：當臨近預定起床時間的設定時間內，令硬件設備實時向AI模型發送第二睡眠分期信息，所述設定時間長于AI模型已掌握的電器設備喚醒時間；

AI模型判定模塊：AI模型將第一睡眠分期信息與第二睡眠分期進行比較，判定進入易覺醒階段后，打開喚醒服務中需開啟的電器設備。

5.根據權利要求4所述的晨間喚醒系統，其特征在于，所述晨間喚醒模塊還包括：

防喚醒模塊：若需要開啟電器設備時，檢測處于深度睡眠階段，則根據深度睡眠階段開啟一部分的電器設備，以及開到設定數值，以進行喚醒。

6.根據權利要求4所述的晨間喚醒系統，其特征在于，所述晨間喚醒模塊還包括：

起床組合模塊：當腦電信息被收集之后，鄰近起床時接近清醒腦電波，當設備與人之間的時間差確定之后，AI模型進行持續學習。