1.睡眠环境光照条件辨识方法，包括以下步骤：

S1、建立非线性映射：以阅读面光的照度、色温、颜色xyz色坐标值共5个光色参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个体征参数作为输出量，在控制单元中建立动态递归Elman神经网络；

S2、获取训练样本集：通过控制单元的输出模块向可调光灯组发出调光信号，通过光色识别单元采集并识别阅读面光的照度、色温和颜色等光色参数，通过入睡识别单元及控制单元采集并处理识别出用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数，记录所述光色参数值及对应的所述体征参数值，获取神经网络的训练样本，反复进行训练样本的获取，得到神经网络的训练样本集；

S3、离线训练神经网络：基于所获取的训练样本集，控制单元中的迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的体征参数实际值和网络输出值，采用梯度下降法迭代调整神经网络的连接权值；

S4、在线预测：在现场环境中，经训练的神经网络基于通过光色识别单元获取的当前阅读面光的照度、色温、颜色的xyz色坐标值，对用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率进行预测并将结果通过输出模块输出。

2.根据权利要求1所述的睡眠环境光照条件辨识方法，其特征在于，所述步骤S4之前还包括如下步骤：T1、在控制单元中，建立一个被照面朝向对应的俯仰角及横滚角两个角组合到各光色参数值的映射表，所述俯仰角及横滚角为与被照面平行的光色传感器在世界坐标系的旋转角，入睡场景下所述坐标系中有一置于用户附近的支架，所述光色传感器依次通过俯仰板、横滚板和第一连接件连接于所述支架上，所述步骤S4中还包括如下流程：

T2、在现场环境中，若阅读面朝向所对应的俯仰角和横滚角的组合不在映射表中时，根据所述映射表通过角度组合空间中距离加权的插值计算来获取其对应的光色参数值；否则，若所述组合存在映射表中，则直接查表获取其对应的光色参数值。

3.根据权利要求1所述的睡眠环境光照条件辨识方法，其特征在于，所述步骤S2中通过如下处理过程获得所述神经网络输出量的5个体征参数：基于入睡识别单元周期性地获取各种光照条件下入睡过程中体征参数的状态变化并进行记录，对于所记录的每个入睡过程中的体征参数序列中的数据，对用户闭眼持续时长y1，对其预处理，

y1＝max(y1,4)，

然后，先基于如下模型进行离线数据拟合，

y1＝g1(t)＝8·b/exp(4·c·(a-t))+1，

再计算闭眼持续时长变化率，

-1 -1 -1 -1

kec＝k1＝t2-t1，其中t1＝g1 (4e ),t2＝g1 (4-4e )；

对用户眼睛开度、心率、体动频率、体温中的每个体征参数，对其归一化处理后，先分别基于如下模型进行离线数据拟合，y2＝g2(t)＝2·b/exp(4·c·(t-a))+1，

再计算其各自变化率，

ki＝t2-t1，其中t1＝g2-1(1-e-1),t2＝g2-1(e-1)，i＝2,3,4,5；

其中，y1、y2为体征参数预处理或归一化后的取值，t为时间，a、b、c为拟合系数，ki(i＝

2,3,4,5)分别对应眼睛开度变化率keo、心率变化率kh、体动频率变化率kb、体温变化率kp。

4.根据权利要求1～3任何一项所述的睡眠环境光照条件辨识方法，其特征在于，所述神经网络的模型为：xck(t)＝xk(t-mod(k,q)-1)，

其中，mod为求余函数，f()函数取为sigmoid函数；xck(t)为承接层输出，xj(t)为隐含层输出，ui(t-1)和yh(t)分别为输入层输入和输出层输出，wj、wjk和wji分别为隐含层到输出层的连接权值、承接层到隐含层的连接权值和输入层到隐含层的连接权值，θh和θj分别为输出层和隐含层阈值；k＝1,2…m，q为所选定的回归延时尺度，根据采样周期优选；j＝1,2…m，i＝1,2…5，隐含层及承接层节点数m可以在12～25之间选择；h＝1,2…5；

所述训练采用梯度下降法。

5.根据权利要求4所述的睡眠环境光照条件辨识方法，其特征在于：所述灯组为LED灯组，其通过驱动器调节灯组内各LED串的驱动电流值，所述调光信号为LED串驱动电流的PWM波占空比数值。

6.睡眠环境光照条件辨识方法，包括以下步骤：

S1、建立非线性映射：以阅读面光的照度、色温、颜色xyz色坐标值及入睡持续时间共6个参数作为输入量，以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率共5个体征参数作为输出量，在控制单元中建立动态递归Elman神经网络；

S2、获取训练样本集：通过控制单元的输出模块向可调光灯组发出调光信号，通过光色识别单元采集并识别阅读面光的照度、色温和颜色等光色参数，通过入睡识别单元及控制单元采集并处理识别出用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数，记录所述光色参数值及对应的所述体征参数值，获取神经网络的训练样本，反复进行训练样本的获取，得到神经网络的训练样本集；

其中，每个训练样本的参数按如下处理过程获取：

对用户眼睛开度持续检测，当发现眼睛开度值在一设定时间长度内连续小于入睡初始阶段眼睛开度值的(1-Δ％)倍时，将当前时间作为入睡持续时间的计时零点，同时舍弃此零点时刻之前的样本记录，所述Δ可取5至10之间的整数，所述用户眼睛开度变化率keo、闭眼持续时长变化率kec、心率变化率kh、体动频率变化率kb、体温变化率kp这5个体征参数均通过滑动平均滤波计算，如对于眼睛开度变化率，keo|t＝u＝ave(dEOu-2,dEOu-1,dEOu,dEOu+1,dEOu+2)，其中，ave为均值函数，dEOu为u时刻与上一时刻眼睛开度值之差；

S3、离线训练神经网络：基于所获取的训练样本集，控制单元中的迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的体征参数实际值和网络输出值，采用梯度下降法迭代调整神经网络的连接权值；

S4、在线预测：在现场环境中，经训练的神经网络基于通过光色识别单元获取的当前阅读面光的照度、色温、颜色的xyz色坐标值及入睡持续时间，对用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率进行预测并将结果通过输出模块输出。

7.睡眠环境中阅读面测光方法，包括以下步骤：

P1、将光色获取模块中的光色传感器依次通过俯仰板、横滚板和第一连接件连接在入睡场景中世界坐标系内用户附近的支架上；

P2、在光环境中，分别旋转连接所述俯仰板与横滚板的俯仰转轴、连接所述横滚板与第一连接件的横滚转轴，来改变光色传感器表面的朝向，对照射光进行采样后由光色判断模块计算出该朝向面的照度、色温、颜色xyz色坐标值等光色参数值，记录每个朝向对应的俯仰角α、横滚角β并建立α和β组合到各光色参数值的映射表；

P3、在现场环境中，若被照平面朝向所对应的俯仰角和横滚角的组合不在映射表中时，根据所述映射表通过角度组合空间中欧氏距离加权的插值计算来获取其对应的光色参数值；否则，若所述组合存在映射表中，则直接查表获取其对应的光色参数值。