一种助眠设备的控制方法、装置、终端以及存储介质与流程

1.本发明涉及设备控制领域，尤其涉及的是一种助眠设备的控制方法、装置、终端以及存储介质。


背景技术：

2.高品质的睡眠是健康生活的重要基础，研究表明睡眠质量比睡眠时间更重要。因此，各种助眠设备应运而生。助眠设备是一类帮助人体睡眠的仪器，包括但不限于热敷装置、按摩装置以及音乐装置。它们通过舒缓心情或者放松肌肉来降低人体大脑的活跃度，从而达到助眠的效果。现有的助眠设备通常以固定的工作参数运行，然而用户的睡眠状态和睡眠时间是会发生变化的，因此采用固定的工作参数控制助眠设备难以达到好的助眠效果。
3.因此，现有技术还有待改进和发展。


技术实现要素：

4.本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种助眠设备的控制方法、装置、终端以及存储介质，旨在解决现有技术中采用固定的工作参数控制助眠设备难以达到好的助眠效果的问题。
5.本发明解决问题所采用的技术方案如下：第一方面，本发明实施例提供一种助眠设备的控制方法，其中，所述方法包括：获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同；根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态；根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数。
6.在一种实施方式中，所述根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态，包括：根据所述脑电数据和所述眼电数据，确定电流强度变化曲线；根据所述眼动数据，确定眼动强度变化曲线；根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度；根据所述脑部活跃度，确定所述目标睡眠状态。
7.在一种实施方式中，所述根据所述脑电数据和所述眼电数据，确定电流强度变化曲线，包括：根据所述脑电数据确定脑电强度变化曲线，根据所述眼电数据确定眼电强度变化曲线；
分别对所述脑电强度变化曲线和所述眼电强度变化曲线进行归一化处理，得到标准脑电强度变化曲线和标准眼电强度变化曲线；根据所述标准脑电强度变化曲线和所述标准眼电强度变化曲线，确定所述电流强度变化曲线，其中，所述电流强度变化曲线中每一时间点对应的强度值基于所述标准脑电强度变化曲线和所述标准眼电强度变化曲线分别对应的该时间点的数据值确定。
8.在一种实施方式中，所述根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度，包括：根据所述电流强度变化曲线，确定若干第一数据点，其中，各所述第一数据点分别对应的电流强度均高于预设的第一阈值；根据所述眼动强度变化曲线，确定若干第二数据点，其中，各所述第二数据点分别对应的眼动强度均高于预设的第二阈值；获取各所述第一数据点和各所述第二数据点对应的数据分布特征，将所述数据分布特征输入预先经过训练的预测模型，得到所述脑部活跃度。
9.在一种实施方式中，所述获取各所述第一数据点和各所述第二数据点对应的数据分布特征，包括：对各所述第一数据点和各所述第二数据点的数值进行归一化处理，得到各所述第一数据点分别对应的第一标准数据点和各所述第二数据点分别对应的第二标准数据点；根据各所述第一标准数据点和各所述第二标准数据点，确定目标时间序列，其中，所述目标时间序列包括按时间顺序排列的若干变量，每一所述变量基于该变量对应的时间点所对应的所述第一标准数据点和/或所述第二标准数据点确定；根据所述目标时间序列，确定所述数据分布特征。
10.在一种实施方式中，所述根据所述目标时间序列，确定所述数据分布特征，包括：获取所述目标时间序列中各相邻所述变量之间的时间间隔，根据各相邻所述变量之间的所述时间间隔确定时间分布特征；获取所述目标时间序列中各所述变量的数值，根据各所述变量的数值确定数值分布特征；根据所述时间分布特征和所述数值分布特征，确定所述数据分布特征。
11.在一种实施方式中，所述工作参数包括工作时长和工作强度，所述根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数，包括：根据所述目标睡眠状态，从预设的若干助眠设备中确定所述目标助眠设备；根据所述目标睡眠状态和所述采集时间段，确定所述目标助眠设备对应的所述工作时长和所述工作强度。
12.第二方面，本发明实施例还提供一种助眠设备的控制装置，其中，所述装置包括：数据获取模块，用于获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同；状态确定模块，用于根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态；设备控制模块，用于根据所述目标睡眠状态和所述采集时间段，确定目标助眠设
备和所述目标助眠设备对应的工作参数。
13.在一种实施方式中，所述状态确定模块包括：电流分析单元，用于根据所述脑电数据和所述眼电数据，确定电流强度变化曲线；眼动分析单元，用于根据所述眼动数据，确定眼动强度变化曲线；脑部分析单元，用于根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度；状态分析单元，用于根据所述脑部活跃度，确定所述目标睡眠状态。
14.在一种实施方式中，所述电流分析单元包括：曲线绘制单元，用于根据所述脑电数据确定脑电强度变化曲线，根据所述眼电数据确定眼电强度变化曲线；第一归一化处理单元，用于分别对所述脑电强度变化曲线和所述眼电强度变化曲线进行归一化处理，得到标准脑电强度变化曲线和标准眼电强度变化曲线；曲线融合单元，用于根据所述标准脑电强度变化曲线和所述标准眼电强度变化曲线，确定所述电流强度变化曲线，其中，所述电流强度变化曲线中每一时间点对应的强度值基于所述标准脑电强度变化曲线和所述标准眼电强度变化曲线分别对应的该时间点的数据值确定。
15.在一种实施方式中，所述根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度，包括：筛选单元，用于根据所述电流强度变化曲线，确定若干第一数据点，其中，各所述第一数据点分别对应的电流强度均高于预设的第一阈值；根据所述眼动强度变化曲线，确定若干第二数据点，其中，各所述第二数据点分别对应的眼动强度均高于预设的第二阈值；预测单元，用于获取各所述第一数据点和各所述第二数据点对应的数据分布特征，将所述数据分布特征输入预先经过训练的预测模型，得到所述脑部活跃度。
16.在一种实施方式中，所述预测单元包括：第二归一化处理单元，用于对各所述第一数据点和各所述第二数据点的数值进行归一化处理，得到各所述第一数据点分别对应的第一标准数据点和各所述第二数据点分别对应的第二标准数据点；序列生成单元，用于根据各所述第一标准数据点和各所述第二标准数据点，确定目标时间序列，其中，所述目标时间序列包括按时间顺序排列的若干变量，每一所述变量基于该变量对应的时间点所对应的所述第一标准数据点和/或所述第二标准数据点确定；特征提取单元，用于根据所述目标时间序列，确定所述数据分布特征。
17.在一种实施方式中，所述特征提取单元包括：时间分析单元，用于获取所述目标时间序列中各相邻所述变量之间的时间间隔，根据各相邻所述变量之间的所述时间间隔确定时间分布特征；数值分析单元，用于获取所述目标时间序列中各所述变量的数值，根据各所述变量的数值确定数值分布特征；综合分析单元，用于根据所述时间分布特征和所述数值分布特征，确定所述数据分布特征。
18.在一种实施方式中，所述工作参数包括工作时长和工作强度，所述设备控制模块包括：设备筛选单元，用于根据所述目标睡眠状态，从预设的若干助眠设备中确定所述目标助眠设备；参数确定单元，用于根据所述目标睡眠状态和所述采集时间段，确定所述目标助眠设备对应的所述工作时长和所述工作强度。
19.第三方面，本发明实施例还提供一种终端，其中，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如上述任一所述的助眠设备的控制方法的指令；所述处理器用于执行所述程序。
20.第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有多条指令，其中，所述指令适用于由处理器加载并执行，以实现上述任一所述的助眠设备的控制方法的步骤。
21.本发明的有益效果：本发明实施例通过用户的睡眠状态和当前时间动态调节助眠设备的工作参数，解决了现有技术中采用固定的工作参数控制助眠设备难以达到好的助眠效果的问题。
附图说明
22.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1是本发明实施例提供的助眠设备的控制方法的流程示意图。
24.图2是本发明实施例提供的助眠设备的控制装置的内部模块示意图。
25.图3是本发明实施例提供的终端的原理框图。
具体实施方式
26.本发明公开了一种助眠设备的控制方法、装置、终端以及存储介质，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用以解释本发明，并不用于限定本发明。
27.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
28.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的
意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
29.高品质的睡眠是健康生活的重要基础，研究表明睡眠质量比睡眠时间更重要。因此，各种助眠设备应运而生。助眠设备是一类帮助人体睡眠的仪器，包括但不限于热敷装置、按摩装置以及音乐装置。它们通过舒缓心情或者放松肌肉来降低人体大脑的活跃度，从而达到助眠的效果。现有的助眠设备通常以固定的工作参数运行，然而用户的睡眠状态和睡眠时间是会发生变化的，因此采用固定的工作参数控制助眠设备难以达到好的助眠效果。
30.针对现有技术的上述缺陷，本发明提供一种助眠设备的控制方法，所述方法包括：获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同；根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态；根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数。本发明可以通过用户的睡眠状态和当前时间动态调节助眠设备的工作参数，解决了现有技术中采用固定的工作参数控制助眠设备难以达到好的助眠效果的问题。
31.示例性方法如图1所示，所述方法包括如下步骤：步骤s100、获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同。
32.具体地，本实施例中的目标用户可以为任意一个需要使用助眠设备提高睡眠质量的用户。为了实现对助眠设备的工作参数进行动态调节，本实施例需要同时获取目标用户当前的脑电数据、眼电数据以及眼动数据。其中，脑电数据是基于目标用户当前的脑电波生成的；眼电数据是基于目标用户的眼球的静息电位生成的；眼动数据是基于目标用户的眼球转动生成的。
33.如图1所示，所述方法还包括如下步骤：步骤s200、根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态。
34.具体地，当目标用户处于不同睡眠状态时，其大脑的活跃情况和眼球转动情况会存在差别。因此当目标用户处于不同睡眠状态时，采集到的脑电数据、眼电数据以及眼动数据的数据特征是不同的。所以可以通过分析目标用户当前的脑电数据、眼电数据以及眼动数据，判断目标用户当前所处的睡眠状态，即得到目标睡眠状态。相较于采用单一类型的数据，本实施例采用多种不同类型的数据可以准确地判定目标用户当前的睡眠状态。
35.在一种实现方式中，所述步骤s200具体包括如下步骤：步骤s201、根据所述脑电数据和所述眼电数据，确定电流强度变化曲线；步骤s202、根据所述眼动数据，确定眼动强度变化曲线；步骤s203、根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度；步骤s204、根据所述脑部活跃度，确定所述目标睡眠状态。
36.具体地，由于脑电数据和眼电数据是基于目标用户不同头部部位产生的电流数据
生成的，因此可以将脑电数据和眼电数据结合分析，以生成用于反映目标用户头部电流强度的变化曲线，即得到电流强度变化曲线。然后根据眼动数据，生成用于反映目标用户眼部运动强度的变化曲线，即得到眼动强度变化曲线。由于目标用户的大脑在不同的活跃状态下，其头部的电流强度和眼动强度是不同的，因此可以基于电流强度变化曲线和眼动强度变化曲线综合判定目标用户当前的脑部活跃度。最后，由于目标用户在不同睡眠状态下，其大脑的活跃程度不同，因此可以基于目标用户的脑部活跃度判断其当前的睡眠状态，即得到目标睡眠状态。具体地，本实施例预先设定了不同脑部活跃度区间与不同睡眠状态之间的对应关系。例如脑部活跃度位于0-25之间为深眠状态；脑部活跃度位于26-50之间为浅眠状态；脑部活跃度位于51-75之间为入睡状态；脑部活跃度位于76-100之间为清醒状态。判断当前获取的脑部活跃度位于哪一区间，即可获知目标用户对应的目标睡眠状态。
37.在一种实现方式中，所述步骤s201具体包括如下步骤：步骤s2011、根据所述脑电数据确定脑电强度变化曲线，根据所述眼电数据确定眼电强度变化曲线；步骤s2012、分别对所述脑电强度变化曲线和所述眼电强度变化曲线进行归一化处理，得到标准脑电强度变化曲线和标准眼电强度变化曲线；步骤s2013、根据所述标准脑电强度变化曲线和所述标准眼电强度变化曲线，确定所述电流强度变化曲线，其中，所述电流强度变化曲线中每一时间点对应的强度值基于所述标准脑电强度变化曲线和所述标准眼电强度变化曲线分别对应的该时间点的数据值确定。
38.具体地，首先将脑电数据和眼电数据分别转化为脑电强度变化曲线和眼电强度变化曲线。由于脑电强度和眼电强度分别对应的度量单位是不同的，为了能够将两者结合分析，需要对脑电强度变化曲线和眼电强度变化曲线进行归一化处理，以使得脑电强度和眼电强度的数值落入同等的数值范围，即得到标准脑电强度变化曲线和标准眼电强度变化曲线。然后将标准脑电强度变化曲线和标准眼电强度变化曲线融合成一条新的曲线，即得到电流强度变化曲线。由于电流强度变化曲线既可以反映脑电强度的变化特征，也可以反映眼电强度的变化特征即得到电流强度变化曲线，因此通过电流强度变化曲线来分析目标用户的脑部活跃度更为准确。
39.在另一种实现方式中，相较于眼电数据而言，脑电数据的变化特征更符合脑部活跃度的变化情况，因此可以分别针对眼电数据和脑电数据设定权重值。针对电流强度变化曲线上的每一时间点，该时间点对应的强度值基于标准脑电强度变化曲线和标准眼电强度变化曲线分别对应的该时间点的数据值的加权平均值确定。
40.在一种实现方式中，步骤s203具体包括如下步骤：步骤s2031、根据所述电流强度变化曲线，确定若干第一数据点，其中，各所述第一数据点分别对应的电流强度均高于预设的第一阈值；步骤s2032、根据所述眼动强度变化曲线，确定若干第二数据点，其中，各所述第二数据点分别对应的眼动强度均高于预设的第二阈值；步骤s2033、获取各所述第一数据点和各所述第二数据点对应的数据分布特征，将所述数据分布特征输入预先经过训练的预测模型，得到所述脑部活跃度。
41.具体地，针对电流强度变化曲线，本实施例预先设定了第一阈值，通过第一阈值可
以筛选出多个电流强度较高的第一数据点。针对眼动强度变化曲线，本实施例预先设定了第二阈值，通过第二阈值可以筛选出多个眼电强度较高的第二数据点。可以理解的是，当目标用户处于不同的脑部活跃程度时，第一数据点和第二数据点的数据分布特征会发生变化，因此通过第一数据点和第二数据点的数据分布特征可以分析目标用户当前的脑部活跃度。为此，本实施例预先训练了一个预测模型，该预测模型预先经过大量的训练数据已经学习到了不同数据分布特征与脑部活跃度之间的复杂映射关系，因此将当前获取的第一数据点和第二数据点的数据分布特征输入该预测模型，即可得到目标用户当前的脑部活跃度。
42.在一种实现方式中，所述步骤s2033包括如下步骤：步骤s20331、对各所述第一数据点和各所述第二数据点的数值进行归一化处理，得到各所述第一数据点分别对应的第一标准数据点和各所述第二数据点分别对应的第二标准数据点；步骤s20332、根据各所述第一标准数据点和各所述第二标准数据点，确定目标时间序列，其中，所述目标时间序列包括按时间顺序排列的若干变量，每一所述变量基于该变量对应的时间点所对应的所述第一标准数据点和/或所述第二标准数据点确定；步骤s20333、根据所述目标时间序列，确定所述数据分布特征。
43.具体地，由于第一数据点和第二数据点的数值分别对应的度量单位不同，因此为了有效地对两者进行分析，本实施例需要对各第一数据点和各第二数据点的数值进行归一化处理，第一数据点经过归一化处理后即得到第一标准数据点，第二数据点经过归一化处理后即得到第二标准数据点。可以理解的是，由于第一数据点和第二数据点都是基于描述强度随时间变化的曲线中提取的，因此第一数据点和第二数据点都具有时间属性，则归一化处理后得到第一标准数据点和第二标准数据点也具有时间属性。因此可以根据各个第一标准数据点和第二标准数据点构建一个时间序列，即得到目标时间序列。具体地，可以将各个第一标准数据点和第二标准数据点按时间顺序排列。针对排列结果中的每一顺序位，若该顺序位对应的时间点仅对应一个第一标准数据点/第二标准数据点，则根据该第一标准数据点/第二标准数据点的值确定该顺序位对应的变量的值；若该顺序位对应的时间点同时对应一个第一标准数据点和一个第二标准数据点，则根据该第一标准数据点和第二标准数据点的值综合确定该顺序位对应的变量的值。由于目标时间序列汇总了各第一数据点和各第二数据点的信息，因此通过分析目标时间序列可以快速得到各第一数据点和各第二数据点的数据分布特征。
44.在一种实现方式中，所述步骤s20333具体包括如下步骤：步骤s203331、获取所述目标时间序列中各相邻所述变量之间的时间间隔，根据各相邻所述变量之间的所述时间间隔确定时间分布特征；步骤s203332、获取所述目标时间序列中各所述变量的数值，根据各所述变量的数值确定数值分布特征；步骤s203333、根据所述时间分布特征和所述数值分布特征，确定所述数据分布特征。
45.具体地，本实施例中的数据分布特征主要包括两类，一类是时间分布特征，另一类是数值分布特征。由于目标时间序列中各变量都是基于电流强度变化曲线和/或眼动强度变化曲线中强度值较高的数据点确定的，因此各变量的时间分布的密集程度，可以侧面反
映目标用户当前的脑部活跃度。各变量的时间分布越密集，表示脑部活跃度越高；各变量的时间分布越分散，表示脑部活跃度越低。同理，各变量的数值的集中区间，也可以侧面反映目标用户当前的脑部活跃度。各变量的数值在高数值位越集中，表示脑部活跃度越高；各变量的数值在低数值位越集中，表示脑部活跃度越低。因此将基于目标时间序列提取出的时间分布特征和数值分布特征作为最终的数据分布特征，通过数据分布特征可以准确判定目标用户当前的脑部活跃度。
46.如图1所示，所述方法还包括如下步骤：步骤s300、根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数。
47.具体地，由于目标用户在不同睡眠状态和不同时间段的助眠需求不同，因此本实施例可以根据目标用户当前的睡眠状态和所处时间段，选择合适的助眠设备并动态调节助眠设备的工作参数，以符合目标用户在不同状态下的助眠需求，提高目标用户的睡眠质量。
48.在一种实现方式中，所述工作参数包括工作时长和工作强度，所述步骤s300具体包括如下步骤：步骤s301、根据所述目标睡眠状态，从预设的若干助眠设备中确定所述目标助眠设备；步骤s302、根据所述目标睡眠状态和所述采集时间段，确定所述目标助眠设备对应的所述工作时长和所述工作强度。
49.具体地，由于不同的助眠设备的助眠效果不同，因此本实施例可以通过目标用户当前的睡眠状态为其选择最合适的助眠设备，即得到目标助眠设备。脑电数据、眼电数据以及眼动数据的采集时间段可以反映当前的时间信息，通过当前的时间信息和当前的睡眠状态，可以分析出目标用户入睡的难易程度。例如同样是清醒状态，目标用户在晚上九点处于清醒状态和凌晨三点处于清醒状态的入睡难度是不一样的，凌晨三点处于清醒状态表示目标用户可能严重失眠，因此入睡难度更大。因此根据目标睡眠状态和采集时间段可以确定目标用户的入睡难度，进而动态调节目标助眠设备的工作时长和工作强度。当入睡难度大于第一难度阈值时，增加工作时长和工作强度；当入睡难度小于第二难度阈值时，降低工作时长和工作强度，其中，第二难度阈值小于第一难度阈值。
50.在一种实现方式中，当助眠设备的工作时长超过预设的时长阈值时或者根据预设的周期重新采集目标用户对应的脑电数据、眼电数据以及眼动数据，并重新确定目标睡眠状态。当目标睡眠状态转换为深眠状态，且持续预设时长时，关闭目标助眠设备。
51.示例性装置基于上述实施例，本发明还提供了一种助眠设备的控制装置，如图2所示，所述装置包括：数据获取模块01，用于获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同；状态确定模块02，用于根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态；设备控制模块03，用于根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数。
52.在一种实现方式中，所述状态确定模块02包括：电流分析单元，用于根据所述脑电数据和所述眼电数据，确定电流强度变化曲线；眼动分析单元，用于根据所述眼动数据，确定眼动强度变化曲线；脑部分析单元，用于根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度；状态分析单元，用于根据所述脑部活跃度，确定所述目标睡眠状态。
53.在一种实现方式中，所述电流分析单元包括：曲线绘制单元，用于根据所述脑电数据确定脑电强度变化曲线，根据所述眼电数据确定眼电强度变化曲线；第一归一化处理单元，用于分别对所述脑电强度变化曲线和所述眼电强度变化曲线进行归一化处理，得到标准脑电强度变化曲线和标准眼电强度变化曲线；曲线融合单元，用于根据所述标准脑电强度变化曲线和所述标准眼电强度变化曲线，确定所述电流强度变化曲线，其中，所述电流强度变化曲线中每一时间点对应的强度值基于所述标准脑电强度变化曲线和所述标准眼电强度变化曲线分别对应的该时间点的数据值确定。
54.在一种实现方式中，所述根据所述电流强度变化曲线和所述眼动强度变化曲线，确定所述目标用户对应的脑部活跃度，包括：筛选单元，用于根据所述电流强度变化曲线，确定若干第一数据点，其中，各所述第一数据点分别对应的电流强度均高于预设的第一阈值；根据所述眼动强度变化曲线，确定若干第二数据点，其中，各所述第二数据点分别对应的眼动强度均高于预设的第二阈值；预测单元，用于获取各所述第一数据点和各所述第二数据点对应的数据分布特征，将所述数据分布特征输入预先经过训练的预测模型，得到所述脑部活跃度。
55.在一种实现方式中，所述预测单元包括：第二归一化处理单元，用于对各所述第一数据点和各所述第二数据点的数值进行归一化处理，得到各所述第一数据点分别对应的第一标准数据点和各所述第二数据点分别对应的第二标准数据点；序列生成单元，用于根据各所述第一标准数据点和各所述第二标准数据点，确定目标时间序列，其中，所述目标时间序列包括按时间顺序排列的若干变量，每一所述变量基于该变量对应的时间点所对应的所述第一标准数据点和/或所述第二标准数据点确定；特征提取单元，用于根据所述目标时间序列，确定所述数据分布特征。
56.在一种实现方式中，所述特征提取单元包括：时间分析单元，用于获取所述目标时间序列中各相邻所述变量之间的时间间隔，根据各相邻所述变量之间的所述时间间隔确定时间分布特征；数值分析单元，用于获取所述目标时间序列中各所述变量的数值，根据各所述变量的数值确定数值分布特征；综合分析单元，用于根据所述时间分布特征和所述数值分布特征，确定所述数据分布特征。
57.在一种实现方式中，所述工作参数包括工作时长和工作强度，所述设备控制模块
03包括：设备筛选单元，用于根据所述目标睡眠状态，从预设的若干助眠设备中确定所述目标助眠设备；参数确定单元，用于根据所述目标睡眠状态和所述采集时间段，确定所述目标助眠设备对应的所述工作时长和所述工作强度。
58.基于上述实施例，本发明还提供了一种终端，其原理框图可以如图3所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中，该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现助眠设备的控制方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
59.本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端的限定，具体的终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
60.在一种实现方式中，所述终端的存储器中存储有一个以上的程序，且经配置以由一个以上处理器执行所述一个以上程序包含用于进行助眠设备的控制方法的指令。
61.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
62.综上所述，本发明公开了一种助眠设备的控制方法、装置、终端以及存储介质，所述方法包括：获取目标用户对应的脑电数据、眼电数据以及眼动数据，其中，所述脑电数据、所述眼电数据以及所述眼动数据分别对应的采集时间段相同；根据所述脑电数据、所述眼电数据以及所述眼动数据，确定所述目标用户对应的目标睡眠状态；根据所述目标睡眠状态和所述采集时间段，确定目标助眠设备和所述目标助眠设备对应的工作参数。本发明可以通过用户的睡眠状态和当前时间动态调节助眠设备的工作参数，解决了现有技术中采用固定的工作参数控制助眠设备难以达到好的助眠效果的问题。
63.应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。