为数值等于I的信息值。
[0017]本发明所提供的一种睡眠分析方法及其系统，所述方法包括:通过穿戴式设备监测用户的动作而产生一监测数据，处理所述监测数据得到一二值化能量值序列，并将所述二值化能量值序列存储至穿戴式设备的存储器中；当所述二值化能量值序列的缓存数据使用存储器内存达到预定容量时，将所述二值化能量值序列的缓存数据压缩为一信息值；将所述信息值依次存储至一睡眠质量参数中；当所述睡眠质量参数的获取时间大于预先设定的获取周期值时，根据睡眠质量参数中的信息值确定睡眠状态。由于通过穿戴式设备实时监测用户睡眠的状态和质量，从而帮助用户了解和改善自己的健康状态。
【附图说明】
[0018]图1为本发明所述睡眠分析方法较佳实施例的流程图。
[0019]图2为本发明所述睡眠分析系统较佳实施例的结构框图。
【具体实施方式】
[0020]本发明提供一种睡眠分析方法及其系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0021]请参见图1，图1是本发明所述睡眠分析方法较佳实施例的流程图。如图1所示，所述睡眠分析方法，包括以下步骤:
步骤S100、通过穿戴式设备监测用户的动作而产生一监测数据，处理所述监测数据得到一二值化能量值序列，并将所述二值化能量值序列存储至穿戴式设备的存储器中；
本发明较佳实施例中，通过设置在穿戴式设备中的加速度传感器分别获取用户在空间中X，Y，Z轴三个方向上的加速度，并将上述三个加速度按一设定的算法计算而得出一能量值。由于穿戴式设备是在一预先设定监测时间内监测用户的所有动作(此处的所有动作还包括静止不动的动作)，并根据所有动作产生的一串监测信号，故可以根据所述一串监测信号中的每一监测信号对应产生一能量值，此时将上述能量值与一预先设定的能量阈值比较，该预先设定的能量阈值根据普通用户睡眠时的动作幅度设置，通过实验得到的经验值确定，用于反映用户是否在睡眠过程中翻动。当所述能量值大于所述能量阈值时，判定用户存在睡眠过程中存在明显的翻动，将该能量值二值化为1，否则将该能量值二值化为O。每将一能量值进行二值化处理(转换为O和I的二进制数据)后，将其按获取时间的先后顺序，依次存储在穿戴式设备的随机存储器RAM中，可得到一二值化能量序列，例如010111000...，111000110000…等。
[0022]步骤S200、当所述二值化能量值序列的缓存数据使用存储器内存达到预定容量时，将所述二值化能量值序列的缓存数据压缩为一信息值；
具体的，在步骤S200中，将所述二值化能量值序列的缓存数据存储在穿戴式设备的RAM (Random Access Memory,随机存储器)中。由于RAM的存储空间都非常小，因此不可能保存长时间的数据用来做睡眠分析，在本实施例中，为防止数据丢失，当二值化能量值序列的数据使用RAM空间达到预定容量时，例如上述二值化能量值序列的数据占据RAM空间总容量的80%、90%或者刚刚占满时，对RAM空间内的二值化能量值序列进行压缩处理，以更简单、占用空间更少的方式来描述当前数据的情况，而且压缩后的数据尽可能的代表原始的数据。在步骤SlOO中，可用一个信息值来表示一段二值化能量值序列，为了减少数据的体积，该信息值采用二进制基本算符表示，对相对静止动作的数据描述为0，相对移动动作的数据描述为I。
[0023]步骤S300、将所述信息值依次存储至一睡眠质量参数中；
由于每重复执行步骤SlOO及步骤S200 —次，都可获取一信息值，并将信息值依次存储至一睡眠质量参数中，在睡眠质量参数的获取时间内，获取的睡眠质量参数为一个全由O和I组成的信息值序列，由各信息值依次排列构成。
[0024]步骤S400、当所述睡眠质量参数的获取时间大于预先设定的获取周期值时，根据睡眠质量参数中的信息值确定睡眠状态。
[0025]本发明较佳实施例中，通过统计睡眠质量参数中I的占有比率(即睡眠质量参数中I的总个数占数字总个数的比值)来获取用户的睡眠状态结果。穿戴式设备产商或用户都可对睡眠状态映射表进行设置，例如设置I的占有比小于或等于10%时，对应的睡眠状态结果为睡眠状态好，I的占有比例大于10%且小于或等于30%时，对应的睡眠状态结果为睡眠状态一般，I的占有比大于30%时，对应的睡眠状态结果为睡眠状态差。显然还可以在睡眠状态映射表中设置更多百分比阈值，并与睡眠状态结果一一对应。相对地，也可以通过统计睡眠质量参数中O的占有比率来获取用户的睡眠状态结果。
[0026]较佳的,如图1所示，所述步骤SlOO之前还包括:
步骤S10、穿戴式设备接收用户的操作指令，设置睡眠质量参数的获取周期值，及设置一存储器内存预定容量。
[0027]显然，一般用户在睡觉时，才有必要对用户的睡眠质量参数进行获取。当用户睡觉前预先设置一睡眠质量参数获取周期值，则穿戴式设备则在所述睡眠质量参数获取周期内获取用户的信息值，并按时间先后顺序依次存储至睡眠质量参数中，当所述睡眠质量参数的获取时间大于预先设定的获取周期值时，停止获取信息值，并根据睡眠质量参数中I的占有比率，获取睡眠状态结果。
[0028]较佳的，所述步骤SlOO具体包括:
步骤S101、通过穿戴式设备监测用户的动作而产生一监测数据，处理所述监测数据得到一能量值；
具体的，通过穿戴式设备实时监测用户的动作的监测过程中，用户不管是处于运动状态，还是静止状态，穿戴式设备都会根据用户的当前动作得到一监测数据，如用户当前动作的运动加速度。当监测到用户当前状态为静止状态，则根据静止状态的监测数据并结合一预先设定的能量值计算公式计算得到能量值为O ;当监测到用户状态为运动状态，则根据运动状态的监测数并结合一预先设定的能量值计算公式计算得到的实际能量值；
步骤S102、将所述能量值与一预先设定的能量阈值比较，当所述能量值大于所述预先设定的能量阈值，将所述能量值进行二值化处理，得到一二值化能量值为I ;当所述能量值小于或等于所述预先设定的能量阈值，将所述能量值进行二值化处理，得到一二值化能量值为O ;
步骤S103、将用户的动作中的每一动作对应的二值化能量值依次存储至穿戴式设备的存储器中，得到一二值化能量值序列。
[0029]具体的，在步骤S103中，将用户的动作中的每一动作对应的二值化能量值依次存储至穿戴式设备的存储器RAM的buffer区域。Buffer是穿戴式设备的存储器RAM中独立开辟的一个用来存储传感器实时数据的区域。Buffer区域存储大小是固定的，因此只能缓存部分数据，处理完后这部分数据会被新的数据覆盖。
[0030]进一步的实施例,所述步骤SlOl之前还包括:
步骤S1000、穿戴式设备接收用户的操作指令，设置能量阈值。
[0031]具体的，步骤SlOl和步骤S102关键算法的伪代码如下:
Il能量计算及能量值二值化转换算法
void calculate_energy(float x, float y, float z)energy = sqrt (x'2 + y'2 + z'2);if