共查询到20条相似文献,搜索用时 578 毫秒
1.
2.
3.
钢筋水泥的都市让人们享受科技带来便利的同时,也带来了巨大的生活和工作压力,喝杯咖啡才能睡个安稳觉的奇怪习惯让我们看到都市年轻人们的无奈与辛酸,睡个安稳觉成为不少人心中的简单而又难以实现的愿望。虽然我们很难延长睡眠时间,但改善睡眠质量总是能做到的!下面,笔者就为大家分享一些针对安神助眠的应用方案。 相似文献
4.
5.
随着社会现代化发展,人们的生活节奏普遍加快,工作压力增大以及人们心理、生理的变化,越来越多的人存在睡眠不足的困扰.基于国人睡眠痛点,海尔空调肩负使命向全社会正式发布了智慧卧室健康睡眠空气场景以及新一代黑科技——雷神者Ⅱ睡眠空调.其中卧室的健康睡眠空气场景,面向全社会各类群体,打造了睡前场景、睡中场景和起床场景三个阶段的解决方案. 相似文献
6.
7.
8.
利用脑电信号模糊特征分类的方法对睡眠进行分期研究。首先对脑电信号进行预处理,滤除干扰噪声后使用模糊熵算法、多尺度熵算法以及复杂度算法对脑电信号进行特征参数提取,采用最小二乘支持向量机(the Least Squares Support Vector Machine,LS-SVM)对特征参数进行分类,并将睡眠过程分为清醒期、浅睡期、深睡期和快速眼动期(Rapid Eye Movement,REM),获得分期正确率。最后通过上述方法对2?000组睡眠脑电样本进行睡眠分期测试,与专家人工分期结果进行比对,将复杂度输入到最小二乘支持向量机进行分类的平均正确率是92.65%,高于模糊熵和多尺度熵作为最小二乘向量机的输入时的准确率。基于模糊特征的复杂度提取的特征参数可以作为睡眠分期的有效依据,在保证准确度的前提下,降低人工成本。 相似文献
9.
10.
睡眠质量已成为临床医学和人类生活中普遍关心的问题,为了研究不同睡眠时期大脑的活动,并对整夜睡眠状况及睡眠质量进行分析和评价,为了完成自动识别,提出一种基于神经网络的睡眠分期方法并探讨其应用到实际中的可行性。以国际睡眠分期标准为基础,充分考虑EEG信号的各个特征参数,利用BP神经网络分类器设计了一种睡眠自动分期分析的方法。仿真结果表明,利用改进的BP算法消除了网络训练受样本次序影响的缺陷,总睡眠分期准确率达到79.2%。这种方法及选取的17个睡眠分期参数可为睡眠质量的评价提供途径,可把专家们从冗繁的判读整夜睡眠记录中解脱出来,以进行更深入地分析和研究。 相似文献
11.
《电脑界(电脑高手)》2004,(11):85-85
对夜猫子上班族来讲.睡眠问题最为常见所造成的日夜颠倒。任职于网络公司客服部的韩炅廷就深受其害。他要轮调小夜班和大夜班.轮大夜班是晚上10点上班.早上日点下班.回到家辗转难眠。“热牛奶.热水瀑、精油、喝酒、褪黑激素.所有可以让我睡着的方法都试过.但还是无法倒头就睡。”他无奈地说。韩炅廷的父母甚至担心,这样的轮班法会让他“娶不到老婆”。他并非特例,据国外的调查,约有四分之一的轮班或夜间工作者受严重失眠或睡不饱爱困的困扰。睡眠不足所造成的影响不仅仅只是倦怠,嗜睡、烦心.更严重的是容易发生意外。就长期来说.轮班和慢性疾病也有关系,甚至还可能增加罹癌几率。如果你也是轮班工作者,下面10个方法.可以让自己的日夜生活品质好一点: 相似文献
12.
13.
14.
秋去冬来,转眼又到了数九寒天的时候。提起冬天,首先想起的是北方的皑皑白雪;在江南,很少有机会见到冰雪,但是10℃以下的天气还是会有的,让人们感觉到冬日的寒冷。无论是北方还是江南,到了冬季后,睡眠变得更加香甜,让人有睡不够的感觉,正如俗话所说,“春困秋乏夏打盹,睡不醒的冬三月”。 相似文献
15.
16.
生活节奏的加快,让睡眠障碍变得日益普遍。据调查显示我国又超过3亿人存在不同程度的睡眠障碍。“月亮不睡我不睡”—搞定睡眠也成了很多刚步入社会的年轻人第一堂必修课。根据《中国国民心理健康报告(2019~2020)》显示,18~34岁青年的焦虑平均水平,高于成人期的其他年龄段。此外,北京大学第六医院在进行首次全国性精神障碍流行病学调查时发现,在各年龄段人群中,18~34岁的年轻人是酒精、失眠或疼痛药物使用障碍发病率最高的群体。大数据也显示,这个年龄段是成年人熬夜的主力军,在18岁以上人群中熬夜人数占比达53.5%。 相似文献
17.
拥有一个舒适的室内睡眠环境是许多人所梦寐以求的,结合睡眠的医学知识和自动控制理论,提出一种以单片机为控制核心,整合多种家居电器的睡眠环境智能调节系统的设计方案,并介绍了系统的总体规划、控制策略和软件实现,经实际测试表明该系统实用价值较高,不仅能有效地改善睡眠环境也可有助睡眠医学的相关研究. 相似文献
18.
为实现高效的自动睡眠分期,提出一种基于周期分割的时域信号处理方法,采用合并增减序列方法对三个通道多导睡眠图记录(2路脑电,1路眼电)进行周期分割,根据信号波形的周期标记睡眠各期的特征波形,提取特征波形在每一帧数据的时长占比与平均幅值作为特征。双向长短时记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)作为分类器,解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点。对42?699个样本使用交叉验证方法得到了84.8%的平均准确率,实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度,是一种有效的时域信号处理方法,双向长短时记忆网络可以有效提高睡眠分期准确率,具有良好的应用前景。 相似文献
19.
现有睡眠监测研究主要是针对睡眠质量提出非干扰式监测方法的研究,而缺乏对睡眠质量主动调节方法的研究。基于心率变异性(HRV)分析的精神状态以及睡眠分期研究主要集中在这两种信息的获取上,而这两种信息的获取需要佩戴专业医疗设备,并且这些研究缺乏对信息的应用以及调整。音乐可以作为一种解决睡眠问题的非药物类方法,但现有音乐推荐方法并未考虑个体睡眠及精神状态的差异。针对以上问题提出了一种基于移动设备的精神压力和睡眠状态的音乐推荐系统。首先,用手表采集光体积扫描计信号来提取特征并计算心率;其次,将采集的信号通过蓝牙传递给手机,手机通过这些信号评估人的精神压力以及睡眠状态来播放调整音乐;最后,根据个体每晚的入眠时间进行音乐推荐。实验结果表明,在使用睡眠音乐推荐系统后,用户睡眠总时长相较于使用前增长11.0%。 相似文献