一种睡眠质量数据库建立方法以及使用所述数据库的系统与流程

1.本发明涉及睡眠领域，具体涉及一种睡眠质量数据库建立方法以及使用所述数据库的系统。

背景技术：

2.睡眠质量是由不同关联因素组成的综合概念，通常包括睡眠时间、睡眠稳定性等方面。睡眠质量各关联因素之间既相关又存在差异，睡眠质量差的个体，并不一定在所有的睡眠质量关联因素上都表现的很差。例如青少年通常会因为睡前天马行空的思绪导致入睡困难，可是一旦睡着就可以睡得很深很稳定，而老年人更常见睡眠过程的浅眠、多梦、早醒等问题。
3.影响睡眠质量各个关联因素间的敏感生理指标也有所不同。入睡时，身体和精神的双重放松是入睡的必要前提；睡眠过程中的稳定性则是主要受到睡眠驱力的影响，其中前半夜的睡眠驱力主要来自白天学习、工作、运动等活动中累积消耗的疲惫程度，而后半夜的睡眠驱力主要受生物钟的影响。因此，准睡眠质量出问题的敏感因素以及对应不同敏感因素的敏感生理指标，才能针对性的进行干预，从而有效地改善睡眠质量。但现有技术存在两方面的不足：一是尚未从入睡、睡中、睡后三个角度全面评估睡眠质量，二是尚未从白天、入睡时、睡中三个角度全面评估睡眠质量的影响因素，这就导致现有的数据库无法精确提供与用户匹配的敏感因素和敏感生理指标，进而无法对用户的睡眠进行干预引导，甚至会出现影响睡眠质量的效果，导致使用体验较差。

技术实现要素：

4.为了解决现有技术的不足，本发明提供一种睡眠质量数据库建立方法以及使用所述数据库的系统，通过对目标人采集的基础生理数据采集进行计算统计分析获得与各关联因素对应的权重系数、理论参考值来获得敏感生理指标和敏感因素，有效提升引导用户入眠的效果，提升使用体验。
5.本发明通过以下方式实现：一种数据库建立方法，划定目标人，设定影响目标人睡眠的关联因素，并对目标人内各样本进行基础生理数据采集；同类目标人具有相似的敏感因素和敏感生理指标，通过对目标人内的大量样本采集基础生理数据来对该目标人的敏感因素和敏感生理指标进行统计学分析，进而为获得该目标人的敏感因素和敏感生理指标提供依据；
6.针对目标人，利用采集的基础生理数据通过计算与各关联因素对应的权重系数，进而获得与各关联因素对应的理论参考值，各关联因素通过权重系数排序获得敏感生理指标；计算对各关联因素的基础生理数据对应的权重系数，利用权重系数的大小来获得各基础生理数据与目标人睡眠相关性的关联度，进而获得各关联因素的敏感生理指标，为调节各关联因素提供干预方式参考；
7.利用所述理论参考值计算与各关联因素对应的排查范围，统计理论参考值落入排
查范围的比例并排序，以从各关联因素中获得与该目标人对应的敏感因素；利用理论参考值来计算目标人对应各关联因素的排查范围，并根据理论参考值的分布情况判定各关联因素的稳定性，进而获得与目标人对应的敏感因素。
8.将各类目标人对应的敏感因素以及与敏感因素对应的敏感生理指标进行记录并形成数据库。数据库能通过记录目标人的敏感因素为用户提供助眠方向参考，再通过记录敏感因素的敏感生理指标来为用户提供助眠的方式参考，由此为用户提供精确的干预操作，提升助眠效果。
9.作为优选，通过以下步骤建立数据库：
10.第一步，对目标人内的各样本进行基础生理数据采集，并形成连续的单元数据包，所述单元数据包内包括多种基础生理数据，所述基础生理数据通过i进行依次编号；具体地，对各样本进行8小时的整夜睡眠监测实验，实验开始前记录被试白天消耗的能量，同时在整夜监测过程中使用监测设备监测同质性体中所有人的脑电、肌电、眼电、心率、呼吸频率、皮电、皮温、血氧饱和度、心率变异性、核心体温等，为后续计算提供数据支持。所述基础生理数据通过i进行依次编号，使得各基础生理数据可通过编号i表达。
11.第二步，根据连续的单元数据包对该样本的睡眠过程进行阶段划分，并计算获得多种关联因素的实际检测值，所述关联因素通过j进行依次编号。具体地，使用美国睡眠医学会(aasm)发布的睡眠分期标准对整夜睡眠进行阶段划分，包括入睡潜伏期sol、浅睡n1期、浅睡n2期、深睡n3期、快速眼动rem期、微觉醒期wk、以及睡醒但未起床期gu；通过对阶段划分后的基础生理数据进行统计和计算来获得多种关联因素以及对应的实际检测值，以此形成多个关联因素，为后续使用提供参考。关联因素设置的数量越多，则获得的敏感因素与影响用户睡眠质量的实际因素相接近，进而能为用户提供更准确的助眠引导。所述关联因素通过j进行依次编号，使得各关联因素通过编号j表达。
12.第三步，通过权重公式计算与各关联因素对应的权重系数，通过对权重系数从大到小排序并将与最大权重系数对应基础生理数据设定为与该关联因素对应的敏感生理指标。通过实际检测值以及与各关联因素对应的基础生理数据来计算获得与各关联因素对应的权重系数，通过对权重系数进行大小排序来表示对应基础生理数据与对应关联因素间的关联度大小，由此获得为与该关联因素对应的敏感生理指标，为有效调节该关联因素提供方式指导。
13.第四步，与各关联因素对应的实际检测值和权重系数通过误差公式计算获得误差项。第五步，所述误差项和权重系数通过误差公式计算获得与各关联因素对应的理论参考值。通过正向使用误差公式计算获得误差项，再通过反向使用误差公式来获得理论参考值，为确定目标人的敏感因素提供支持。
14.第六步，与目标人内各关联因素的理论参考值对应的累加平均数和标准差第七步，获得排查范围统计目标人内同一关联因素y
j’超出所述排查范围的数量并按大小排序，将数量最大的关联因素设定为该目标人的敏感因素。通过计算获得排查范围来对目标人内同一关联因素y
j’超出所述排查范围的数量进行统计，当对应关联因素内各样本的y
j’超出排查范围数量越多时，说明该目标人的该关联因素不稳定，通过对各关联因素超出数量进行排序来获得该目标人中最不稳定的关联因
素，并将该关联因素设定为敏感因素，为助眠提供方向参考。
15.第八步，重复第一步至第七步，将与不同目标人对应的敏感因素以及与所述敏感因素对应的敏感生理指标和理论参考值分组录入并形成数据库。通过对不同目标人进行上述操作并获得对应的敏感因素以及与所述敏感因素对应的敏感生理指标和理论参考值，为属于不同目标人的用户均能提供数据支持。
16.作为优选，在第一步中，所述基础生理数据包括肌电emgj、心率hbj、呼吸频率respj、皮电scj、皮温stj、血氧饱和度spoj、心率变异性hrvj、核心体温tepj、以及白天消耗的卡路里eng中的一种或多种，各关联因素会与不同种类的基础生理数据间产生不同程度的关联，通过增加提供的基础生理数据种类来提升判定准确性，进而为引导用户入眠提供精确的方式参考。
17.作为优选，在第二步中，通过分析单元数据包将样本的睡眠过程划分为入睡潜伏期、浅睡n1期、浅睡n2期、深睡n3期、快速眼动rem期、微觉醒wk、睡醒但未起床gu期，所述入睡潜伏期包括脑波频率在26-30hz的入睡潜伏第一阶段sol1、脑波频率在20-25hz的入睡潜伏第二阶段sol2、脑波频率在14-19hz的入睡潜伏期第三阶段sol3以及脑波频率在8-13hz的入睡潜伏第四阶段sol4。通过将样本的整个睡眠过程进行划分，进而可获得更细致的关联因素，通过增加关联因素种类来确保影响样本睡眠的实际因素会存在于划定的关联因素内，确保引导入眠方向的准确性。
18.作为优选，各关联因素为目标人内各样本对应数据的累加平均值。将各样本同一关联因素的数据进行累加平均，依次获得与目标人整体关联的数据，为后续计算和统计提供便利。
19.作为优选，所述关联因素包括入睡潜伏期sol的总时间t
sol
、入睡潜伏第一阶段时长t
s1
、入睡潜伏第二阶段时长t
s2
、入睡潜伏期第三阶段时长t
s3
以及入睡潜伏第四阶段时长t
s4
；或者，所述关联因素包括浅睡n1期总时长t
n1
、浅睡n2期总时长t
n2
、深睡n3期总时长t
n3
以及快速眼动期总时长t
rem
；
20.所述关联因素包括统计浅睡n1期内脑波频率标准差形成的浅睡n1期稳定性参数st
n1
以及统计样本睡眠过程中首末次浅睡n1期间非浅睡n1期阶段数量形成的非浅睡n1期阶段数cm
n1
；
21.所述关联因素包括统计浅睡n2期内脑波频率标准差形成的浅睡n2期稳定性参数st
n2
以及统计样本睡眠过程中首末次浅睡n2期间非浅睡n2期阶段数量并设定为非浅睡n2期阶段数cm
n2
；
22.所述关联因素包括统计深睡n3期内脑波频率标准差形成的深睡n3期稳定性参数st
n3
以及统计样本睡眠过程中首末次深睡n3期间非深睡n3期阶段数量形成的非深睡n3期阶段数cm
n3
；
23.所述关联因素包括统计快速眼动期内脑波频率标准差形成的快速眼动期稳定性参数st
rem
以及统计样本睡眠过程中首末次快速眼动期间非快速眼动期阶段数量形成非快速眼动期阶段数cm
n1
；
24.所述关联因素包括微觉醒次数n
wk
和微觉醒总时长t
wk
；
25.所述关联因素包括睡醒但未起床gu期内脑波频率的变化速度sp
gu
。
26.参数j＝20，且对上述关联因素依次编号，使得各关联因素均具有不同的编号。通
过划分各类关联因素来增加该目标人影响入睡的实际因素被覆盖的概率，进而为引导用户入睡提供方向参考。
27.作为优选，在第三步中，所述权重公式为：
[0028][0029]
通过带入其中数据sdj和x
ij
来计算获得β
ij
。
[0030]
β
ij
为与目标人内各关联因素对应的权重系数，通过调整参数i和j实现单个样本内各关联因素内的各基础生理数据均具有对应的权重系数。
[0031]
x
ij
为与目标人内各关联因素对应的各基础生理数据，通过该调整参数i和j实现单个样本内各关联因素内的各基础生理数据均具有对应的实际数值，例如，设定j＝1时代表入睡潜伏期sol的总时间t
sol
，设定i＝1时为肌电，则x
11
表示样本处于入睡潜伏期期间的肌电数值。
[0032]
sdj为与各关联因素的方差，对样本内各关联因素进行方差计算来体现单个样本内各关联因素间的差异大小，进而有效消除个别数据偏差的影响。
[0033]
在第四步中，所述误差公式为yj＝x
ij
*β
ij
+ε
ij
，将数据yj、x
ij
以及β
ij
带入误差公式并计算获得数据ε
ij
，其中，yj为目标人内各关联因素对应基础生理数据的实际检测值，ε
ij
为与目标人内各关联因素的各基础生理数据对应的误差项；在第五步中，将数据ε
ij
、x
ij
以及β
ij
带入误差公式并计算获得理论参考值y
j’。理论参数值和实际检测值存在差异，利用理论参数值作为获得排查范围的基础，有效消除因个体差异或偶然偏差而出现实际检测值发生较大偏离的情况，有效提升数据准确性。
[0034]
一种系统，包括使用所述方法的数据库，所述系统根据用户的敏感因素在数据库中获得对应的敏感生理指标，并对用户睡眠进行干预。用户在获知自身敏感因素后，根据数据库内对应的敏感生理指标对自身进行精确引导，对敏感因素进行针对性调节，进而有效改善睡眠质量。
[0035]
作为优选，所述系统根据用户输入的基础信匹配归类至对应目标人，并获取该目标人对应的敏感因素；或者，用户通过手持终端输入敏感因素；或者，系统通过检测设备采集用户睡眠过程中的基础生理数据并计算获得与各敏感因素对应的实际检测值，在所述数据库内获取与用户对应的理论参考值并形成理论参考范围，当实际检测值落在理论参考范围外时，将对应的关联因素设定为敏感因素。用户可以根据多种方式获知与自身匹配的敏感因素，进而为用户提供引导方向参考。
[0036]
本发明的突出有益效果：将各类目标人对应的敏感因素以及与敏感因素对应的敏感生理指标进行记录并形成数据库。数据库能通过记录目标人的敏感因素为用户提供助眠方向参考，再通过记录敏感因素的敏感生理指标来为用户提供助眠的方式参考，由此为用户提供精确的干预操作，提升助眠效果。
具体实施方式
[0037]
下面结合具体实施方式对本发明的实质性特点作进一步的说明。
[0038]
实施例一：
[0039]
本实施例提供一种数据库建立方法。
[0040]
所述数据库通过以下方式建立：
[0041]
划定目标人，设定影响目标人睡眠的关联因素，并对目标人内各样本进行基础生理数据采集；
[0042]
针对目标人，利用采集的基础生理数据通过计算与各关联因素对应的权重系数，进而获得与各关联因素对应的理论参考值；
[0043]
各关联因素通过权重系数排序获得敏感生理指标；
[0044]
利用所述理论参考值计算与各关联因素对应的排查范围，统计理论参考值落入排查范围的比例并排序，以从各关联因素中获得与该目标人对应的敏感因素；
[0045]
将各类目标人对应的敏感因素以及与敏感因素对应的敏感生理指标进行记录并形成数据库。
[0046]
在建立数据库时，先对各待检测人员进行目标人划分，测量待检测人员个体特征：年龄、身高、体重、脊椎曲度、睡眠质量指数、睡眠障碍指数等，并计算各个特征的累加平均数和标准差，设定预设范围，预设范围为累加平均数
±
1.96*标准差，将任一特征值不在预设范围内的待检测人员剔除，剩余的待检测人员组成目标人。以上述目标人为样本，通过以下步骤建立数据库：
[0047]
第一步，对目标人内的各样本进行基础生理数据采集，并形成连续的单元数据包，所述单元数据包内包括多种基础生理数据，所述基础生理数据通过i进行依次编号。
[0048]
具体地，i＝9，并依次对肌电emgj、心率hbj、呼吸频率respj、皮电scj、皮温stj、血氧饱和度spoj、心率变异性hrvj、核心体温tepj、以及白天消耗的卡路里eng进行编号，也可以根据实际情况对基础生理数据的种类和数量进行调节，也应视为本实施例的具体实施方式。
[0049]
第二步，根据连续的单元数据包对该样本的睡眠过程进行阶段划分，并计算获得多种关联因素的实际检测值，所述关联因素通过j进行依次编号。
[0050]
具体地，使用美国睡眠医学会(aasm)发布的睡眠分期标准对各样本的整个睡眠过程进行阶段划分，通过分析单元数据包将样本的睡眠过程划分为入睡潜伏期、浅睡n1期、浅睡n2期、深睡n3期、快速眼动rem期、微觉醒wk、睡醒但未起床gu期，所述入睡潜伏期包括脑波频率在26-30hz的入睡潜伏第一阶段sol1、脑波频率在20-25hz的入睡潜伏第二阶段sol2、脑波频率在14-19hz的入睡潜伏期第三阶段sol3以及脑波频率在8-13hz的入睡潜伏第四阶段sol4。
[0051]
具体地，设定j＝20，并以此对各关联因素进行编号，所述关联因素包括但不仅限于：入睡潜伏期sol的总时间t
sol
、入睡潜伏第一阶段时长t
s1
、入睡潜伏第二阶段时长t
s2
、入睡潜伏期第三阶段时长t
s3
、入睡潜伏第四阶段时长t
s4
、浅睡n1期总时长t
n1
、浅睡n2期总时长t
n2
、深睡n3期总时长t
n3
、快速眼动期总时长t
bem
、浅睡n1期稳定性参数st
n1
、非浅睡n1期阶段数cm
n1
、浅睡n2期稳定性参数st
n2
、非浅睡n2期阶段数cm
n2
、深睡n3期稳定性参数st
n3
、非深睡n3期阶段数cm
n3
、快速眼动期稳定性参数st
rem
、非快速眼动期阶段数cm
n1
、微觉醒次数n
wk
、微觉醒总时长t
wk
以及睡醒但未起床gu期内脑波频率的变化速度sp
gu
。通过设定上述关联因素来与用户的实际影响因素匹配，确保数据库能根据用户所处目标人来提供精确的方向
指引，有效提升入睡引导准确性。各关联因素为目标人内各样本对应数据的累加平均值，既能体现目标人的普遍水平，还能有效消除个别偏差数据对整体水平的影响，提升数据准确性。
[0052]
第三步，通过权重公式计算与各关联因素对应的权重系数，通过对权重系数从大到小排序并将与最大权重系数对应基础生理数据设定为与该关联因素对应的敏感生理指标。
[0053]
所述权重公式为：
[0054][0055]
通过带入其中数据sdj和x
ij
来计算获得β
ij
，其中，β
ij
为与目标人内各关联因素对应的权重系数，x
ij
为与目标人内各关联因素对应的各基础生理数据，sdj为与各关联因素的方差。
[0056]
第四步，与各关联因素对应的实际检测值和权重系数通过误差公式计算获得误差项。
[0057]
具体地，所述误差公式为yj＝x
ij
*β
ij
+ε
ij
[0058]
将数据yj、x
ij
以及β
ij
带入误差公式并计算获得数据ε
ij
，其中，yj为目标人内各关联因素对应基础生理数据的实际检测值，ε
ij
为与目标人内各关联因素的各基础生理数据对应的误差项
[0059]
第五步，所述误差项和权重系数通过误差公式计算获得与各关联因素对应的理论参考值。
[0060]
具体地，将将数据ε
ij
、x
ij
以及β
ij
带入误差公式并计算获得理论参考值y
j’。
[0061]
第六步，与目标人内各关联因素的理论参考值对应的累加平均数和标准差
[0062]
具体地，将各样本间同一关联因素对应的理论参考值进行累加平均计算，以此获得累加平均数用于表示该目标人关于同一关联因素的理论参考值，为后续设定排查范围提供依据。
[0063]
具体地，对各样本间同一关联因素对应的理论参考值进行标准差计算，为设定排查范围的幅度提供依据。
[0064]
第七步，获得排查范围统计目标人内同一关联因素y
j’超出所述排查范围的数量并按大小排序，将数量最大的关联因素设定为该目标人的敏感因素。
[0065]
具体地，将各样本间同一关联因素对应的理论参考值与排查范围进行逐一对比，并对统计获得的超出排查范围的理论参考值数量进行排序，以此确定部分布偏差最大的关联因素为敏感因素，且敏感因素与该目标人的睡眠状态关联性最强。
[0066]
第八步，重复第一步至第七步，将与不同目标人对应的敏感因素以及与所述敏感因素对应的敏感生理指标和理论参考值分组录入并形成数据库。通过对大量样本进行分类来获得多个目标人，并分别通过上述步骤获得对应的敏感因素、敏感生理指标以及理论参考值，为用户提供准确的归类信息和入睡指引。
[0067]
在本实施例中，浅睡n1期稳定性参数st
n1
通过统计浅睡n1期内脑波频率标准差形成；非浅睡n1期阶段数cm
n1
通过统计样本睡眠过程中首末次浅睡n1期间非浅睡n1期阶段数量形成；浅睡n2期稳定性参数st
n2
通过统计浅睡n2期内脑波频率标准差形成；非浅睡n2期阶段数cm
n2
通过统计样本睡眠过程中首末次浅睡n2期间非浅睡n2期阶段数量；深睡n3期稳定性参数st
n3
通过统计深睡n3期内脑波频率标准差形成；非深睡n3期阶段数cm
n3
通过统计样本睡眠过程中首末次深睡n3期间非深睡n3期阶段数量形成；快速眼动期稳定性参数st
rem
通过统计快速眼动期内脑波频率标准差形成；非快速眼动期阶段数cm
n1
通过统计样本睡眠过程中首末次快速眼动期间非快速眼动期阶段数量形成。
[0068]
在本实施例中，通过检测组件对各样本的整个睡眠过程进行检测，并将收集到的基础生理数据通过以30秒为间隔形成单元数据包，通过对单元数据包内的数据进行分析归类，由此获得各关联因素对应的实际检测值yj。
[0069]
实施例二：
[0070]
相较于实施例一，本实施例提供一种使用所述数据库的系统。
[0071]
所述系统包括使用所述方法形成的数据库，所述系统根据用户的敏感因素在数据库中获得对应的敏感生理指标，并对用户睡眠进行干预。
[0072]
在本实施例中，所述系统可以根据多种方式确定用户的敏感因素，进而在数据库内获得与该敏感因素匹配的敏感生理指标和理论参考值，为选用合适的设备对用户进行睡眠引导提供参考，以此提升使用体验。在确定敏感因素时，包括但不仅限于：
[0073]
方式一，所述系统根据用户输入的基础信匹配归类至对应目标人，并获取该目标人对应的敏感因素。系统将用户归类至匹配的目标人中，再通过数据库获取对应的敏感生理指标和理论参考值，为后续选用引导设备提供参考依据。
[0074]
方式二，用户通过手持终端输入敏感因素，用户根据自身喜好和认知来为自己选定敏感因素，再通过数据库获取对应的敏感生理指标和理论参考值，为后续选用引导设备提供参考依据。
[0075]
方式三，系统通过检测设备采集用户睡眠过程中的基础生理数据并计算获得与各敏感因素对应的实际检测值，在所述数据库内获取与用户对应的理论参考值并形成理论参考范围，当实际检测值落在理论参考范围外时，将对应的关联因素设定为敏感因素。用户被系统划定为归类至匹配的目标人中，用户通过穿戴设备来获得实际检测值，并将实际检测值与数据库内该目标人的理论参考值进行比对，当超出预设浮动范围时，将该基础生理数据设定为敏感生理指标，为后续选用引导设备提供参考依据。
[0076]
本实施例所述方法的其它步骤和效果均与实施例一一致，不再赘述。

技术特征：

1.一种数据库建立方法，其特征在于，划定目标人，设定影响目标人睡眠的关联因素，并对目标人内各样本进行基础生理数据采集；针对目标人，利用采集的基础生理数据通过计算与各关联因素对应的权重系数，进而获得与各关联因素对应的理论参考值；各关联因素通过权重系数排序获得敏感生理指标；利用所述理论参考值计算与各关联因素对应的排查范围，统计理论参考值落入排查范围的比例并排序，以从各关联因素中获得与该目标人对应的敏感因素；将各类目标人对应的敏感因素以及与敏感因素对应的敏感生理指标进行记录并形成数据库。2.根据权利要求1所述的一种数据库建立方法，其特征在于，通过以下步骤建立数据库：第一步，对目标人内的各样本进行基础生理数据采集，并形成连续的单元数据包，所述单元数据包内包括多种基础生理数据，所述基础生理数据通过i进行依次编号；第二步，根据连续的单元数据包对该样本的睡眠过程进行阶段划分，并计算获得多种关联因素的实际检测值，所述关联因素通过j进行依次编号；第三步，通过权重公式计算与各关联因素对应的权重系数，通过对权重系数从大到小排序并将与最大权重系数对应基础生理数据设定为与该关联因素对应的敏感生理指标；第四步，与各关联因素对应的实际检测值和权重系数通过误差公式计算获得误差项；第五步，所述误差项和权重系数通过误差公式计算获得与各关联因素对应的理论参考值；第六步，与目标人内各关联因素的理论参考值对应的累加平均数和标准差第七步，获得排查范围统计目标人内同一关联因素y
j’超出所述排查范围的数量并按大小排序，将数量最大的关联因素设定为该目标人的敏感因素；第八步，重复第一步至第七步，将与不同目标人对应的敏感因素以及与所述敏感因素对应的敏感生理指标和理论参考值分组录入并形成数据库。3.根据权利要求2所述的一种数据库建立方法，其特征在于，在第一步中，所述基础生理数据包括肌电emg
j
、心率hb
j
、呼吸频率resp
j
、皮电sc
j
、皮温st
j
、血氧饱和度spo
j
、心率变异性hrv
j
、核心体温tep
j
、以及白天消耗的卡路里eng中的一种或多种。4.根据权利要求2所述的一种数据库建立方法，其特征在于，在第二步中，通过分析单元数据包将样本的睡眠过程划分为入睡潜伏期、浅睡n1期、浅睡n2期、深睡n3期、快速眼动rem期、微觉醒wk、睡醒但未起床gu期，所述入睡潜伏期包括脑波频率在26-30hz的入睡潜伏第一阶段sol1、脑波频率在20-25hz的入睡潜伏第二阶段sol2、脑波频率在14-19hz的入睡潜伏期第三阶段sol3以及脑波频率在8-13hz的入睡潜伏第四阶段sol4。5.根据权利要求4所述的一种数据库建立方法，其特征在于，各关联因素为目标人内各样本对应数据的累加平均值。
6.根据权利要求5所述的一种数据库建立方法，其特征在于，所述关联因素包括入睡潜伏期sol的总时间t
sol
、入睡潜伏第一阶段时长t
s1
、入睡潜伏第二阶段时长t
s2
、入睡潜伏期第三阶段时长t
s3
以及入睡潜伏第四阶段时长t
s4
；或者，所述关联因素包括浅睡n1期总时长t
n1
、浅睡n2期总时长t
n2
、深睡n3期总时长t
n3
以及快速眼动期总时长t
rem
；或者，所述关联因素包括统计浅睡n1期内脑波频率标准差形成的浅睡n1期稳定性参数st
n1
以及统计样本睡眠过程中首末次浅睡n1期间非浅睡n1期阶段数量形成的非浅睡n1期阶段数cm
n1
；或者，所述关联因素包括统计浅睡n2期内脑波频率标准差形成的浅睡n2期稳定性参数st
n2
以及统计样本睡眠过程中首末次浅睡n2期间非浅睡n2期阶段数量并设定为非浅睡n2期阶段数cm
n2
；或者，所述关联因素包括统计深睡n3期内脑波频率标准差形成的深睡n3期稳定性参数st
n3
以及统计样本睡眠过程中首末次深睡n3期间非深睡n3期阶段数量形成的非深睡n3期阶段数cm
n3
；或者，所述关联因素包括统计快速眼动期内脑波频率标准差形成的快速眼动期稳定性参数st
rem
以及统计样本睡眠过程中首末次快速眼动期间非快速眼动期阶段数量形成非快速眼动期阶段数cm
n1
；或者，所述关联因素包括微觉醒次数n
wk
和微觉醒总时长t
wk
；或者，所述关联因素包括睡醒但未起床gu期内脑波频率的变化速度sp
gu
。7.根据权利要求2所述的一种数据库建立方法，其特征在于，在第三步中，所述权重公式为：通过带入其中数据sd
j
和x
ij
来计算获得β
ij
，其中，β
ij
为与目标人内各关联因素对应的权重系数，x
ij
为与目标人内各关联因素对应的各基础生理数据，sd
j
为与各关联因素的方差。8.根据权利要求7所述的一种数据库建立方法，其特征在于，在第四步中，所述误差公式为y
j
＝x
ij
*β
ij
+ε
ij
，将数据y
j
、x
ij
以及β
ij
带入误差公式并计算获得数据ε
ij
，其中，y
j
为目标人内各关联因素对应基础生理数据的实际检测值，ε
ij
为与目标人内各关联因素的各基础生理数据对应的误差项；在第五步中，将数据ε
ij
、x
ij
以及β
ij
带入误差公式并计算获得理论参考值y
j’。9.一种系统，包括使用权利要求1-9任一项所述方法的数据库，其特征在于，所述系统根据用户的敏感因素在数据库中获得对应的敏感生理指标，并对用户睡眠进行干预。10.根据权利要求9所述的一种系统，其特征在于，所述系统根据用户输入的基础信匹配归类至对应目标人，并获取该目标人对应的敏感因素；或者，用户通过手持终端输入敏感因素；或者，系统通过检测设备采集用户睡眠过程中的基础生理数据并计算获得与各敏感因素对应的实际检测值，在所述数据库内获取与用户对应的理论参考值并形成理论参考范围，当实际检测值落在理论参考范围外时，将对应的关联因素设定为敏感因素。

技术总结

本发明涉及一种睡眠质量数据库建立方法以及使用所述数据库的系统。现有睡眠引导用数据库的关联因素不足，无法满足使用需求。本发明将各类目标人对应的敏感因素以及与敏感因素对应的敏感生理指标进行记录并形成数据库。数据库能通过记录目标人的敏感因素为用户提供助眠方向参考，再通过记录敏感因素的敏感生理指标来为用户提供助眠的方式参考，由此为用户提供精确的干预操作，提升助眠效果。提升助眠效果。