声音诱导的睡眠方法和用于该方法的系统的制作方法
【专利说明】
[0001 ]优先权主张
[0002] 本申请主张2013年6月11日提交的新加坡专利申请No. 201304490-4的优先权。
技术领域
[0003] 本发明总体上涉及交互式睡眠诱导，更具体地，涉及用于声音诱导的睡眠的方法 和用于该方法的系统。
【背景技术】
[0004] 现代社会的紧张生活使得良好质量的睡眠弥足珍贵但是难以实现。人们为忙乱的 工作负荷和家庭负担所困扰而不能使其大脑休息，甚至是要睡眠的时候也是如此。为了快 速诱导良好质量的睡眠，研究人员已经寻求了许多利用心电图（ECG)和/或脑电图（EEG)以 监测睡眠质量的方法。
[0005] 电脉冲，例如类似经皮神经电刺激仪的电脉冲(类似TENS的脉冲），已经被用于释 放内啡肽以此促进睡眠。然而，在这种方法中，必须将至少一个电极与受试者的皮肤接触以 提供电脉冲。另外，这种方法尤其适用于处于疼痛并且由于疼痛而无法睡眠的受试者。但 是，非侵入式并且容易实施的方法更合意，甚至对于处于疼痛的患者来说。
[0006] 因此，需要的是一种容易的并且是有效的可个体化的睡眠诱导方法。另外，根据随 后的详细描述以及随附的权利要求，结合附图和本公开的【背景技术】，其他合意的特征和特 点将变得显而易见。
【发明内容】
[0007] 根据具体的描述，提供了一种用于声音诱导的睡眠的方法。所述方法包括检测受 试者的脑波信号、分析脑波信号以确定受试者的当前欲睡状态、基于脑波信号和声音的声 学特征之间的量化的关联指数响应于当前欲睡状态选择声音以及将声音播放给受试者。
[0008] 根据另一方面，提供了一种用于声音诱导的睡眠的系统。所述系统包括检测器模 块、分析器模块、处理器模块和播放器模块。检测器模块配置成检测受试者的脑波信号。分 析器模块配置成分析脑波信号以确定受试者的当前欲睡状态。处理器模块配置成基于脑波 信号和声音的声学特征之间的量化的关联指数响应于当前欲睡状态选择声音。并且播放器 模块配置成将声音播放给受试者。
【附图说明】
[0009] 附图用于示意各个实施方式并且说明根据本实施方式的各种原理和优点，其中相 同的附图标记指代在不同视图中相同或功能上相似的元件并且附图连同下面的详细描述 一起并入于说明书中并且形成说明书的一部分。
[0010] 图1描绘了根据本实施方式的用于声音诱导的睡眠的方法的流程图。
[0011] 图2描绘了根据本实施方式的用于声音诱导的睡眠的系统的框图。
[0012] 图3描绘了根据本实施方式的用于声音诱导的睡眠的方法的流程图。
[0013] 图4描绘了根据本实施方式的用于声音诱导的睡眠的方法的流程图。
[0014] 图5描绘了根据本实施方式的对在图3中描述的对欲睡状态的检测建模的流程图。
[0015] 图6描绘了根据本实施方式的选择声音的流程图。
[0016] 并且图7描绘了根据本实施方式的声音诱导的睡眠的方法的评估过程的流程图。
[0017] 本领域技术人员将理解，附图中的元件出于简明和清楚的目的而进行示意并且没 有必要按照比例绘制。例如，框图或流程图中的一些元件的大小可能相对于其他元件夸大 以有助于改进对本实施方式的理解。
【具体实施方式】
[0018] 下面的详细描述本质上仅仅是示例性的并且不用于限制本发明或本发明的应用 和使用。另外，不意在被先前的本发明的【背景技术】或下面的详细描述中提出的任何理论约 束。本实施方式的意图是呈现一种新颖的声音诱导的睡眠方法和用于此的系统。本声音诱 导的睡眠方法联合了音乐治疗和脑-计算机相互作用。其连续并且适应性地选择最合适的 声音以快速地诱导良好质量的睡眠。响应于脑波而选择声音。还提供了用于声音诱导的睡 眠的系统以快速地诱导良好质量的睡眠。
[0019] 参考图1，描绘了根据本实施方式的用于声音诱导的睡眠的方法100。方法100包括 在步骤110检测受试者的脑波信号。尽管方法100以及对根据本实施方式的声音诱导的睡眠 的讨论限于检测受试者的脑波信号，然而本实施方式和声音诱导的睡眠的方法在从受试者 检测其他信号（例如心跳信号）的时候也是适用的。本文中讨论的受试者包括人、动物或对 声音有反应的其他生物。
[0020] 方法100还包括在步骤130分析脑波信号以检测受试者的当前欲睡状态、在步骤 150基于脑波信号和声音的声学特征之间的量化的关联指数响应于当前欲睡状态选择声 音，以及在步骤170将声音播放给受试者。
[0021] 脑波由来自脑中相互交流(communicating)的神经元的物质的同步的电脉冲产 生。使用放置在头皮上的传感器(例如，使用用于脑电图（EEG)的传感器)而对脑波信号进行 检测。脑波被分为多个带宽并且每个带宽与一不同的睡眠状态关联:德尔塔(Delta)波与深 度或无梦睡眠关联；西塔(Theta)波与轻度睡眠关联;阿尔法(Alpha)、贝塔(Beta)和伽马 (Gamma)波与清醒状态关联。这样，当前欲睡状态可以由脑波所属的带宽来确定。当前欲睡 状态可以包括欲睡的状态和非欲睡的状态。欲睡的状态可以与德尔塔波和西塔波关联而非 欲睡的状态可以与阿尔法、贝塔和伽马波关联。当前欲睡状态还可以包括深度睡眠状态、轻 度睡眠状态、中度睡眠状态或完全清醒状态。可以给每个欲睡状态分配欲睡度分数以量化 欲睡度。
[0022] 播放给受试者的声音可以包括音乐、自然声音、电子声音等。可以具有用于存储用 于诱导睡眠的声音的数据库或声音库，例如睡眠治疗光盘(CD)。选择的声音可以包括单个 乐曲/声音或包括包含多个乐曲的声音列表和/或其他类型的声音。包含在选择的声音中的 声音的列表可以被预先存储为整体，在该整体中声音以预设的顺序特定地排列以根据下面 描述的方法诱导睡眠。
[0023] 声音可以借助其声学特征表示和分析。声音的声学特征可以包括从包含音乐信号 总体能量、节奏（tempo )、亮度、粗糙度、梅尔倒谱系数（Me 1-frequency cep stra I coefficient)、音高（pitch)、不和谐度（inharmonicity)、调（key)、色谱图（chromagram)、 调式(mode)、音色重心（tonal centroid)和声段熵(period entropy)的群组中选择的特 征。可以从环境音乐或自然声音计算声学特征。
[0024] 脑波信号和声音的声学特征之间的量化的关联指数可以通过确定它们之间的相 关性（correlation)来获得。相关性可以使用典型相关性分析（Canonical Correlation Analysis，CCA)来表达。CCA是一种通过找到在其中变量之间的相关性矩阵是对角的两个基 并且使得在对角线上的相关性最大化来测量两个多维变量之间的线性关系的方法。这样， CCA同时使脑波信号和声音的声学特征之间的相关性最大化并且使欲睡状态和非欲睡状态 之间的区别最大化。
[0025] 使用CCA的优化问题可以用公式表示为：
[0029]表