1.一种基于lightGBM和蜂群算法的儿童睡眠监测系统，其特征在于，所述监测系统包括测量分析系统、上位机系统和移动终端，测量分析系统分别与上位机系统和移动终端相连接，上位机系统与移动终端相连接；所述测量分析系统包括信号采集模块、供电模块、MCU控制模块和无线通信模块，所述信号采集模块、供电模块和无线通信模块均与MCU控制模块相连接，MCU控制模块通过无线通信模块分别与上位机系统和移动终端无线连接。

2.根据权利要求1所述的基于lightGBM和蜂群算法的儿童睡眠监测系统，其特征在于，所述信号采集模块包括数字处理芯片、三轴陀螺仪、三轴加速度计、压电薄膜传感器、温度传感器和湿度传感器，三轴陀螺仪、三轴加速度计、压电薄膜传感器、温度传感器和湿度传感器均与数字信号处理芯片相连接，数字信号处理芯片与MCU控制模块相连接；所述MCU控制模块内设有闪存单元，所述上位机系统包括学习优化模块，学习优化模块与闪存单元无线连接。

3.根据权利要求1或2所述的基于lightGBM和蜂群算法的儿童睡眠监测系统的监测方法，其特征在于，其步骤如下：步骤一、将测量分析系统放置在被监测人的被子内，并靠近被监测人胸部的位置，利用信号采集模块实时对被监测人的睡眠状态数据进行采集及预处理；

步骤二、MCU控制模块利用训练好的lightGBM分类器对预处理后的睡眠状态数据进行识别，得到被监护人的睡眠状态信息；同时，将预处理后的睡眠状态数据存储到MCU控制模块的闪存单元中，闪存单元中的睡眠状态数据定时发送至上位机系统；

步骤三、上位机系统中的学习优化模块利用蜂群算法对lightGBM分类器的参数和数据特征个数进行优化，并把优化信息反馈给MCU控制模块，实时调整MCU控制模块中的lightGBM分类器；

步骤四、当MCU控制模块利用lightGBM分类器分析睡眠状态数据出现异常或学习优化模块分析某睡眠状态数据与数据库中历史数据差别过大时将睡眠状态数据转化为警示信息，MCU控制模块通过无线通信模块将警示信息发送给移动终端，被监护人的家人或医生及时作出下一步判断处理。

4.根据权利要求3所述的基于lightGBM和蜂群算法的儿童睡眠监测系统的监测方法，其特征在于，所述步骤一中采集的被监测人的睡眠状态数据包括被子的偏转角度、角速度、角加速度、加速度、被子内部的温度、湿度、被监测人的心率和呼吸率。

5.根据权利要求4所述的基于lightGBM和蜂群算法的儿童睡眠监测系统的监测方法，其特征在于，所述学习优化模块利用蜂群算法对lightGBM分类器和数据特征个数进行优化的方法为：S31、初始化蜂群个数Q，初始化观察蜂的迭代次数l＝0和侦察蜂的迭代次数t＝0，设置观察蜂的最大迭代次数lmax和侦察蜂的最大迭代次数tmax；

S32、蜂群算法对应的解：每个解包括代表睡眠状态数据8个特征是否被选中的索引值和lightGBM分类器的6个参数，解的维度为14维，其中，8个特征分别为被子的偏转角度、角速度、角加速度、加速度、被子内部的温度、湿度、被监测人的心率和呼吸率，8个特征是否被选中的索引值的取值均为0或1，0表示否，1表示是，6个参数分别为迭代器数量、特征占比、学习率、最小叶子节点样本权重和、树的深度和叶子数量，迭代器数量的取值范围为[1,

1000]，特征占比的取值范围为[0,1.0]，学习率的取值范围为[0.001,0.9]，最小叶子节点样本权重和的取值范围为[1,100]，树的深度的取值范围为[1,10]，叶子数量的取值范围为[1,30]；

S33、在取值范围内随机选择特征和参数的值，获得一组初始解向量；

S34、将初始解向量输入lightGBM分类器中，并计算初始解向量对应的目标函数的初值AUC0；

S35、雇佣蜂阶段：随机修改初始解向量中某一个元素的值，更新为当前最优解，重复步骤S34获得目标函数的值AUC，若AUC>AUC0，则替换当前最优解和目标函数的值，否则，初始解向量不变，目标函数的值AUC0不变；

S36、观察蜂阶段：观察蜂按照选择概率选择解向量并对其任意维度进行更新，判断目标函数的值是否替换当前最优解，若新解的目标函数的值高于当前最优解对应的目标函数的值则替换，否则当前最优解及其对应的目标函数的值保持不变；

S37、观察蜂的迭代次数l+1，循环步骤S36，直至观察蜂的迭代次数达到观察蜂的最大迭代次数lmax，结束循环，执行步骤S38；

S38、侦察蜂阶段：将步骤S37中的观察蜂转变为侦查蜂，并生成一组新解进行开采更新，侦察蜂的迭代次数t+1，判断侦察蜂的迭代次数是否达到侦察蜂的最大迭代次数tmax，若是，执行步骤S39，否则，执行步骤S36；

S39、输出目标函数的最优值AUC对应的解向量，并利用解向量包含的6个参数值更新lightGBM分类器。

6.根据权利要求5所述的基于lightGBM和蜂群算法的儿童睡眠监测系统的监测方法，其特征在于，所述目标函数AUC的计算方法为： 其中，insi为第i个样本的序号， 为序号insi的随机数，positiveclass为正样本集，i＝

1,2,…,M+N，排列顺序是根据选择概率从小到大排序的，M为分类结果为正的样本个数，N为分类结果为负的样本的个数。

7.根据权利要求6所述的基于lightGBM和蜂群算法的儿童睡眠监测系统的监测方法，其特征在于，所述步骤S36中的选择概率的计算方法为： 其中，j＝1,2,…,A，AUCj为第j个解的目标函数的值，A为所有解的数量。