本发明涉及睡眠医学技术领域，具体地，涉及一种基于睡眠分期的空调睡眠模式的自动控制系统及方法。
背景技术：
睡眠，是一种人类不可缺少的生理现象，它既能保持身体健康和补充体力，亦可提高工作能力。人体的睡眠由两个交替出现的不同睡眠时期所组成，一个是非快速眼动睡眠(nrem)，另一个是快速眼动睡眠(rem)。其中非快速眼动睡眠分为三个阶段，分别为：睡眠1期(n1)、睡眠2期(n2)、睡眠3期(n3)。健康成年人典型睡眠过程大致如下：觉醒——非快速眼动睡眠即nrem期(睡眠1期-睡眠2期-睡眠3期-睡眠2期)——快速眼动期即rem期——非快速眼动睡眠(睡眠1期-睡眠2期-睡眠3期-睡眠2期)——快速眼动期——非快速眼动期——快速眼动期——觉醒。睡眠质量好坏与人体健康与否有密切关系，拥有好的睡眠质量至关重要。已有研究发现，睡眠质量差的人群现在越来越广泛。失眠会导致精神疲劳、决策能力差、学习障碍以及代谢紊乱，严重者会导致慢性疾病。人体的睡眠质量受到许多因素的影响，如健康状况，情绪状态，床褥系统和客观环境因素等。健康状况与情绪状态是属于影响睡眠的主观因素，是属于不可控制的因素，而床褥、物理环境因素是属于客观因素，这是客观可控的因素。已有研究表明人体热调节和睡眠节律之间有密不可分的联系。故本发明将目光聚焦到客观物理环境中的热环境，希望通过改善睡眠期间热湿环境，提高睡眠健康人群的睡眠质量。
近年来尤其是夏季空调房间温度对睡眠质量影响的研究非常热门，一些研究者找到了促进睡眠质量的夏季空调房间最优温度值，还有一些学者认为由于人体整夜的核心温度与皮肤温度都在随着睡眠时期而不断变化，因此尝试寻找整夜房间温度处于变化时对睡眠质量的影响。然而，目前来看，“房间热湿环境如何变化才能达到提高睡眠质量的同时又降低空调能耗”这一问题仍然存在。
本发明旨在为目前广泛研究的空调器睡眠模式自动控制策略提供新思路。变化房间温度、湿度等环境参数是为了提高睡眠质量，因此从此目的出发，由于用户睡眠具有个体间差异性，故需要对每个用户的睡眠数据借助机器学习，并将用户整晚的睡眠分期以及睡眠阶段转化特点进行记忆。同时，根据不同睡眠阶段用户生理所需要热环境去调节客观热环境，从而延长rem时长以及慢波睡眠(n3期)时长，进一步提高用户的睡眠质量。
鉴于空调房间的温度、湿度等环境参数自动控制策略的研究非常热门，同时具有一定的应用需求，目前市场上已经出现了很多与空调结合的调温控制逻辑策略。通过对现有专利文献的检索发现，申请号cn201910857143.7的发明专利公开了一种空调器睡眠控制方法、装置及空调器，包括：获取空调器睡眠模式运行信号；在睡眠模式运行过程中，记录用户对空调器发出的调节指令以及所述调节指令的发出时间，并根据所述调节指令与所述发出时间生成并存储自调节控制指令；当空调器再次运行睡眠模式时，在所述发出时间的第一预设时长前运行所述自调节控制指令。该方法只是对用户睡眠期间的调节空调行为进行记录，并没有从睡眠分期机理出发，去改善用户睡眠效果。申请号为cn201910902521.9的发明专利公开了一种基于睡眠生理信号监测的环境温度自适应调整系统，旨在解决现有技术使用不方便，无法基于生理信号实现环境调控的问题，但是该系统过多的讨论了系统在应用过程中的实现问题，包括一些计算滤波、增益电路中场效应管对应的等效电阻、控制电压，根据环境温度信号、生理信号、生理特征信号获取环境温度调节量等，但实际上若想使空调睡眠模式控制的精准度提高，搞清楚人体睡眠分期机理是关键，而这恰恰是该专利所缺失的。因此，基于人体睡眠分期的空调睡眠模式自动控制策略还需要做更深层次地探究和创新。
因此本发明涉及的空调睡眠模式的自动控制策略思想，是从根本上搞清楚人体睡眠分期机理，将判断睡眠分期的客观指标和科学指标结合起来，以期实现空调房间的温度、湿度等环境参数的睡眠模式的合理自动控制。
专利文献cn109059214a(申请号：201810932323.2)公开了一种空调器的自动睡眠控制方法，所述空调器的自动睡眠控制方法包括以下步骤：空调器上电运行，获取空调器的检测数据，检测数据包括当前时间、当前环境亮度以及当前环境温度；当检测数据满足自动睡眠模式进入条件时，控制空调器运行自动睡眠模式。本发明还公开一种空调器及计算机可读存储介质。
技术实现要素：
针对现有技术中的缺陷，本发明的目的是提供一种基于睡眠分期的空调睡眠模式的自动控制系统及方法。
根据本发明提供的基于睡眠分期的空调睡眠模式的自动控制系统，包括：
睡眠监测模块：监测并反映用户睡眠阶段的生理参数；
学习模块：根据生理参数对用户睡眠阶段情况进行机器学习，并发出调温指令；
调控模块：根据调温指令对环境参数进行调控。
优选地，所述睡眠监测模块包括：监测用户n2-n3期过渡段的时长、用户n3期临近结束时的脑电波形和用户rem期临近结束时的脑电波形。
优选地，所述学习模块包括：
机器记录模块：记录包括：用户的性别、年龄以及卧室中的床褥类型；
机器学习模块：学习包括：用户的脑电分期、延长n3期和rem期的生理温度和用户实际感知到设定环境参数的时长。
优选地，所述学习模块学习空调调节到用户设定环境参数的所需时长，即某一个睡眠时刻与n3期开始或rem期结束的时差；
根据空调调节到用户设定环境参数的所需时长确定，向空调调控中心发出调指令的时刻和用户睡眠阶段时刻。
优选地，所述调控模块包括：根据热调节强度和速率确定不同睡眠时期所需的生理环境参数；将不同睡眠时期所需的生理环境参数输入学习模块中进行机器学习，得到空调需要调节的设定睡眠热环境参数。
优选地，所述不同睡眠时期所需的生理环境参数包括：延长n3期和rem期的生理温度。
优选地，所述热环境参数包括温度和湿度。
优选地，根据热环境参数和用户睡眠阶段情况对空调进行自动调节。
优选地，所述睡眠监测模块包括：检测用户从躺在床上到进入睡眠阶段n1期之前的时期，即用户躺在床上的时刻作为空调设备切换至睡眠模式自动控制的时刻；根据热环境需求的变化以及用户需求，学习用户生理信号，包括脑电、血压、心率以及皮肤温度，并对进入睡眠前的热环境参数进行调控。
根据本发明提供的基于睡眠分期的空调睡眠模式的自动控制方法，包括：
睡眠监测步骤：监测并反映用户睡眠阶段的生理参数；
学习步骤：根据生理参数对用户睡眠阶段情况进行机器学习，并发出调温指令；
调控步骤：根据调温指令对环境参数进行调控。
与现有技术相比，本发明具有如下的有益效果：
1、本发明结合了科学的客观睡眠分期方法，较为客观地、从机理上去改善用户的睡眠质量；
2、本发明中ai模型的学习内容是将目前睡眠热环境研究中重要因素都考虑其中，较其他策略来说更加完善了控制逻辑，并且借助ai模型机器学习这一工具，使得整个自动控制策略具有更高精度和应用价值；
3、本发明通过ai模型机器学习模块，将用户睡眠情况的存在个体差异等特点考虑其中，这可使得本发明能够推广于更多的用户。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为基于人体睡眠分期的空调睡眠模式自动控制策略框架图。
其中，模块部分用实线框表示，指令或判断内容等用虚线框表示，各个框线图间带有箭头的线表示整个逻辑框架的路线方向。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的空调睡眠模式自动控制策略的新方法，主要是基于客观睡眠分期数据，借助目前机器学习的方法，将用户睡眠情况与空调的自动控制过程建立联系。从机理出发，使得空调房间热环境调节的自动控制逻辑框架能真正实现提高用户睡眠质量的目的。具体见以下实施例：
本实施例将以用户体验过程的角度对整个逻辑框架的流程进行详细说明：所述逻辑框架如图1所示，实线框表示的模块部分在应用中应该是具有代表一定功能的实物或者抽象化的概念存在。虚线框表示的指令或判断内容，应该是每个实线框中的模块执行或下达给其他模块执行的指令，逻辑框架的整个流程方向还需要参照带有箭头的流程线。整个逻辑框架与用户体验过程结合，如下：
用户体验的第一天：
a1.由于ai模型是首次对该用户进行机器学习，所以首先需要用户向机器输入性别、年龄以及卧室床褥系统的类型，并且将空调的传感器设定在床附近。
b1.用户需佩戴好监测睡眠的仪器，这里需要注意的一点是：该仪器精度应该与目前科学判断睡眠分期仪器精度相接近，这样就能保证用户睡眠分期的精准度。
c1.当用户在床上准备开始入睡时，向系统发出“开始睡觉”的指令，这意味着睡眠监测仪器要开始向ai模型传输用户的脑电数据了。
d1.ai模型需要根据用户个体的热环境需求，对进入睡眠前的热环境进行自动调控，同时学习用户这段时期的生理信号，如脑电、血压、心率、皮肤温度等。
e1.用户正式进入睡眠状态时，睡眠监测仪器需要重点关注：用户n2-n3期过渡段的时长、用户n3期快结束时的脑电波形、用户rem时期快结束时的脑电波形。
f1.由于是用户体验的第一晚，ai模型并不熟悉这个用户的睡眠分期的特点，所以整个ai模型只会在用户处于n3期和rem期时，对空调发出调节的指令。
g1.当空调发出指令时，空调传感器向空调控制中心反馈回那一时刻用户周围的热环境参数，紧接着空调开始调节温度、湿度等环境参数，这时空调传感器及时向空调控制中心反馈用户周围的实时环境数据。当用户周围的环境数据达到n3期和rem期需要的热环境状态时，这一时长被ai模型所记录学习。
h1.同时用户睡眠分期的数据在空调调节期间也需要实时反馈给ai模型，当空调调到用户生理所需温度时观察用户的脑电情况，如果用户睡眠阶段还处于n3期和rem期，则认为空调调节的环境状态是合适的，并且会被ai模型记录学习，如果用户睡眠阶段转化为n3期和rem期以外的其他阶段，则认为这个环境状态是不合适的，需要对环境参数进行个别调整，调整之后的参数值会在下一个n3期或rem期继续进行“测试”，从而再次观察用户睡眠阶段是否因为环境参数的调整而被改变。
用户体验的第二天以及之后：
a2.经过第一天晚上的机器学习，用户需佩戴好监测睡眠的仪器。
b2.当用户在床上准备开始入睡时，系统发出“开始睡觉”的指令，空调系统开始自动控制，并且根据用户的热环境需求，不断调整环境参数至能够促进用户入睡的睡眠环境。
c2.用户正式进入睡眠状态时，由于经过第一晚的机器学习，ai模型应该清楚该用户的睡眠分期以及过渡时期的状态了。结合第一晚“用户周围的环境参数达到n3期和rem期需要热环境的时长”学习结果，ai模型需要判定出向空调发出指令的时刻，也就是距离用户睡眠n3期(或rem期)开始(或结束)的某一个时刻。
e2.当睡眠监测设备检测到需要调节空调的时刻的波形时，向ai模型发出指令，ai模型对空调控制中心发出“调节空调”的命令。
f2.空调将结合第一天机器学习后用户在不同睡眠状态需要的热环境参数值，设置为用户能够感知的环境参数设定值，并进行自动调控，同时向ai模型实时反馈空调传感器监测到的用户周围的数据。此外还有睡眠监测设备检测的实时脑电数据也被及时输送回ai模型中，作为空调进一步调节的判断依据。
本发明方法的思路，主要通过逻辑框架图呈现：整个逻辑框架从睡眠监测设备出发，该设备用于监测反映用户睡眠阶段的生理参数(此处以脑电为例)，同时睡眠监测设备需要向ai模型输出每个用户的睡眠分期情况。睡眠检测设备需要重点监测的是以下三种情况：a.用户n2-n3期过渡段的时长；b.用户n3期快结束时的脑电波形；c.用户rem时期快结束时的脑电波形。对于情况a，因为用户睡眠期间的脑电存在较大的差异性，所以有的用户可能会存在时间较长的n2-n3期过渡段，但也有些用户n2-n3过渡期时间较短，甚至几乎没有这个过渡期，因此睡眠监测设备就是要将这一过渡期的情况(包括过渡期的脑电波形情况等)输出给ai模型，使得机器学习能够深度掌握该用户向n3期转化时的特征，以便给空调提前下达指令，达到预测的目的。对于情况b和情况c，因为目前科学研究中，对睡眠质量的客观指标评定主要看入睡潜时、rem时长以及慢波睡眠(n3期)时长等。当入睡潜时越短或rem和慢波睡眠(n3期)的时长越长，说明睡眠质量越好。因此对于改善“入睡潜时”这一指标，ai模型主要是需要学习用户从躺在床上到进入睡眠阶段n1期之前这段时间，由于核心温度、皮肤温度的变化而导致对热环境的需求发生变化。对于改善“rem时长和慢波睡眠(n3期)时长”这两个指标，ai模型需要去学习rem和n3时期快结束时的脑电波形，因为当模型接收到来自睡眠监测设备“rem和n3时期快结束”的脑电波形信号时，就可以提前对空调发出指令，提前对热环境进行调控，以延长这两个睡眠阶段的时长，达到提高睡眠质量的目的。
整个逻辑框架图中最重要的部分是ai模型，它的功能主要是负责机器学习，除了学习每个用户的睡眠分期外，模型还需要记录用户的床褥系统类型。因为用户与客观物理环境之间还有床褥系统的阻隔，而实际上，用户直接感受的是人体-服装-床褥等组成的床褥微环境，这一微环境会受到房间热环境的影响。因此，ai模型中需要将用户床褥系统考虑其中，即床褥微环境作为机器学习的一个部分，旨在提高用户感知热环境的精准度和空调控制的效率。
之后是空调侧的控制策略思路。首先能够探测到用户周围热环境的空调传感器及时将温度、湿度等环境参数数据传输给空调调控中心，而空调调控中心有一个来自ai模型的输入。因此，ai模型需要机器学习的另外的部分是房间空调与用户之间的空间关系，以及空调从传感器监测到的实际热环境参数向设定环境参数调节所需要的时长，将上述两方面结合起来，可以认为，ai模型需要进行机器学习的是用户实际感知到设定温度、湿度等热环境参数的时长。
分别讨论了用户睡眠监测设备侧的控制策略与空调侧的控制策略后，接下来需要将用户和空调的两个控制策略相结合，这两者的结合需要有几个参数作为桥梁，在本发明中，用“时间”、“热环境参数”作为用户睡眠情况和空调调节的桥梁。首先是“时间”桥梁：当ai模型学习了空调调节到用户设定(所需)热环境参数这一时长后，这一时长就等于某一个睡眠时刻与n3期(或rem期)开始(或结束)的时差。可以形象化地考虑为：在一维坐标系中，当线段的长度和线段的终点已知，那么线段的起点就能够得到了。这一起点就是机器学习要向空调调控中心发出“调节”指令的时刻。
其次是“热环境参数”桥梁：上述提到的用户设定(所需)热环境参数(这里包括温度、湿度等)也是空调需要调节的设定环境参数，这一系列的参数值来源依据应该从用户出发，但最先应该排除热环境参数来源于用户主观感知舒适的参数值，因为用户处于睡眠状态，无法及时反映当前的热、湿感觉状态，同时由于睡眠状态和清醒状态之间劳动强度、代谢率以及核心温度的问题，使得促进用户睡眠质量的热环境并不一定是受试者在清醒时感受舒适的热环境，因此，热环境中对应的温度、湿度等参数值应该是与客观的生理参数指标关联。上述在机器学习第一部分中对睡眠分期三种情况进行分类，由于热调节强度和速率不同，n3期和rem期睡眠阶段使得人所需的生理环境参数是不同的。因此根据这些不同睡眠时期找到生理所需要的环境参数，特别是生理所需的温度，找到能够延长n3期和rem期的生理温度，进而输入ai模型中进行机器学习，同时作为空调需要调节的设定睡眠热环境。
而对于用户从躺在床上到进入睡眠阶段n1期之前的这段时期空调自动控制策略，同样也需要“时间”、“热环境参数”这两个桥梁。首先“时间”桥梁相对来说比较简单，就是用户躺在床上的那一刻记为睡眠模式开启的时刻，这时的空调设备应该切换至自动控制的睡眠模式。其次是“热环境参数”桥梁，由于这个阶段人的生理状态正处于从清醒向睡眠状态转变的过程，因此整个过程会由于核心温度、皮肤温度的变化而导致对热环境的需求发生变化，ai模型需要根据用户个体的需求，对进入睡眠前的热环境进行调控，同时学习用户这段时期的生理信号，如脑电、血压、心率、皮肤温度等。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
1.一种基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，包括：
睡眠监测模块：监测并反映用户睡眠阶段的生理参数；
学习模块：根据生理参数对用户睡眠阶段情况进行机器学习，并发出调温指令；
调控模块：根据调温指令对环境参数进行调控。
2.根据权利要求1所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述睡眠监测模块包括：监测用户n2-n3期过渡段的时长、用户n3期临近结束时的脑电波形和用户rem期临近结束时的脑电波形。
3.根据权利要求1所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述学习模块包括：
机器记录模块：记录包括：用户的性别、年龄以及卧室中的床褥类型；
机器学习模块：学习包括：用户的脑电分期、延长n3期和rem期的生理温度和用户实际感知到设定环境参数的时长。
4.根据权利要求1所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述学习模块学习空调调节到用户设定环境参数的所需时长，即某一个睡眠时刻与n3期开始或rem期结束的时差；
根据空调调节到用户设定环境参数的所需时长确定，向空调调控中心发出调指令的时刻和用户睡眠阶段时刻。
5.根据权利要求1所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述调控模块包括：根据热调节强度和速率确定不同睡眠时期所需的生理环境参数；将不同睡眠时期所需的生理环境参数输入学习模块中进行机器学习，得到空调需要调节的设定睡眠热环境参数。
6.根据权利要求5所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述不同睡眠时期所需的生理环境参数包括：延长n3期和rem期的生理温度。
7.根据权利要求5所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述热环境参数包括温度和湿度。
8.根据权利要求5所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，根据热环境参数和用户睡眠阶段情况对空调进行自动调节。
9.根据权利要求1所述的基于睡眠分期的空调睡眠模式的自动控制系统，其特征在于，所述睡眠监测模块包括：检测用户从躺在床上到进入睡眠阶段n1期之前的时期，即用户躺在床上的时刻作为空调设备切换至睡眠模式自动控制的时刻；根据热环境需求的变化以及用户需求，学习用户生理信号，包括脑电、血压、心率以及皮肤温度，并对进入睡眠前的热环境参数进行调控。
10.一种基于睡眠分期的空调睡眠模式的自动控制方法，其特征在于，包括：
睡眠监测步骤：监测并反映用户睡眠阶段的生理参数；
学习步骤：根据生理参数对用户睡眠阶段情况进行机器学习，并发出调温指令；
调控步骤：根据调温指令对环境参数进行调控。
技术总结