1.一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于，包括：超声参数配置模块：用于配置超声刺激的参数，包括频率、强度和持续时间；

超声刺激生成模块：根据超声参数生成对应超声刺激信号，对实验对象的神门穴进行超声刺激；

信号采集模块：设置在睡眠的实验对象头部，采集实验对象神门穴被超声刺激后的睡眠脑电信号；

数据处理与特征提取模块：用于对采集到的脑电信号数据进行预处理和特征提取，包括依次连接如下模块：神经信号处理模块：接收睡眠脑电信号并进行初步处理，初步处理的操作步骤是对睡眠脑电信号进行降采样、50Hz陷波去噪、0.1Hz‑100Hz滤波处理，得到初步处理的睡眠脑电信号；

预处理模块：对初步处理的睡眠脑电信号，进行EEMD+FastICA方法去除伪迹处理，得到预处理的睡眠脑电信号；

特征提取模块：接收预处理的睡眠脑电信号并进行睡眠阶段分类以及频谱分析，划分不同睡眠周期并提取频谱特征，得到NREM阶段的θ节律脑电信号和睡眠θ波脑电特征；

反馈控制模块用于比较睡眠θ波脑电特征与预设期望，通过调整超声刺激的频率、强度和持续时间，实现对超声刺激参数的实时调节，包括依次连接的如下模块：数据接收模块：接收监测到的NREM阶段中的θ节律脑电信号以及睡眠θ波脑电特征；

参数调整模块：手动预设期望，对当前得到的θ节律脑电信号以及睡眠θ波脑电特征与预设期望做差值运算，根据差值结果和控制策略计算出超声参数调整量；参数调整模块中控制策略为根据预设期望与实际观测到的睡眠θ波脑电特征的差值，对超声参数进行调整，对于超声频率，根据差值的正负方向和大小来调整频率的偏移量，如果差值为正，表示实际观测到的睡眠θ波脑电特征低于预设期望，增加超声频率；如果差值为负，表示实际观测到的睡眠θ波脑电特征高于预设期望，降低超声频率；对于超声强度和刺激持续时间，根据差值的大小来调整强度或持续时间，如果差值大，增加超声强度或持续时间；如果差值小，降低超声强度或持续时间；

PID模块：使用PID控制算法，通过比例项、积分项和微分项综合考虑误差的大小、变化趋势和累积情况，实现对超声刺激参数调整量的精确调节和优化。

2.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：所述超声参数配置模块，初始配置的超声参数为经验性选择或是基于先前研究中的有效方案得出的参数，在初始超声参数基础上对通过反馈控制模块得出的实时超声参数调整量进行实时计算得出后续超声参数，为保证人体安全性，超声频率选择在20KHz至

2 2

100KHz的低频范围之间；超声强度设置在0.1mW/cm至3mW/cm之间。

3.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：预处理模块进行EEMD+FastICA方法去除伪迹处理体步骤如下：步骤1.1：向脑电信号中加入一个具有标准正态分布的加性白噪声；

步骤1.2：对新的单通道睡眠脑电信号使用EMD算法分解出一系列固有模态函数IMFs；

步骤1.3：重复前两步若干次，获得多个IMFs集；

步骤1.4：对整个IMSFs集取平均，获得平均IMFs集；

步骤1.5：对平均IMFs集使用FastICA算法，得到对应的混淆矩阵与解混淆矩阵W及独立分量；

步骤1.6：对脑电信号源使用混淆矩阵M将其重建为剔除了噪声源的IMFs集；

步骤1.7：对重建后的IMFs集求和，重建感兴趣的信号，即去噪后的单通道睡眠脑电信号；

对采集到的睡眠脑电信号x进行独立成分分解，得到一个解混矩阵W，线性分解出多路脑电信号中混合的独立源；输出矩阵S＝xW其各行是各独立源的时序序列，混合矩阵M是解混矩阵W的逆矩阵，去噪后的数据矩阵x′＝MS′。

4.根据权利要求3所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：EEMD算法如下：步骤2.1：设定总体平均次数m；

步骤2.2：将一个具有标准正态分布的白噪声ni(t)加到睡眠脑电信号x(t)上，产生一个新的信号序列，xi(t)＝x(t)+ni(t)(i＝1,2,…,m)；

步骤2.3：找到每一组含噪声的睡眠脑电信号xi(t)的所有极值；并拟合出上下包络线emax(t)和emin(t)；

步骤2.4：计算出上下包络线的均值mi(t)，并计算出中间信号hi(t)＝xi(t)‑mi(t)；

步骤2.5：判断hi(t)是否为IMF，即hi(t)是否符合本征模函数的两个条件；

步骤2.6：若hi(t)不是IMF，则利用hi(t)代替xi(t)，重复步骤2.2‑2.5，直到hi(t)满足判据；

步骤2.7：若是，则hi(t)为筛选出的IMF1，记为ci(t)，计算差值信号ri(t)＝xi(t)‑ci(t)；

步骤2.8：将ri(t)代替xi(t)重复上述过程m次，分解出m个IMF分量，得到各自IMF和的形式，即步骤2.9：重复上述步骤m次，每次分解加入幅值不同的白噪声信号得到IMF的集合为：c1,j(t),c2,j(t),…cM,j(t),j＝1,2,…J；

步骤2.10：利用不相关序列的统计平均值为零的原理，将上述对应的IMF进行集合平均运算，得到EEMD分解后最终的IMF，即：

5.根据权利要求3所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：FastICA算法如下：步骤3.1：对睡眠脑电信号x归一化，即减去其均值m＝E{x}使其具有零均值；

‑1/2 T

步骤3.2：对睡眠脑电信号进行白化，x′＝ED Ex，白化过程去除信号之间的相关性，得到互不相关的睡眠脑电信号序列；

步骤3.3：设置需要估计的独立分量的个数m和迭代次数p；

步骤3.4：初始化权重矢量矩阵Wp；

T T

步骤3.5：根据负熵最大原则，Wp＝E{x′g(Wpx′)}‑E{g′(Wpx′)}Wp；

步骤3.6： 令

步骤3.7：判断Wp是否收敛，假如Wp不收敛的话，返回第3.5步；

步骤3.8：令p＝p+1，重复迭代，如果p≤m，返回第3.4步。

6.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：所述特征提取模块具体计算为：使用标准的睡眠分期算法，进行睡眠分期，睡眠分期包括清醒Wakefulness阶段、非快速眼动NREM阶段和快速眼动REM阶段，将每个时间点标记为相应的睡眠阶段；利用深度学习检测出NREM睡眠时间段；对NREM睡眠时间段，采用快速傅里叶变换将信号从时域转换到频域，得到NREM睡眠时间段的频谱；选择出4Hz‑8Hz的θ波，得到θ波频段；在θ波频段上积分求得θ波的功率，得到NREM阶段的θ节律脑电信号和睡眠θ波脑电特征，具体步骤如下：步骤4.1：设预处理后的连续时间信号为Xpre(t)；

步骤4.2：利用标准睡眠分期算法进行睡眠分期，得到不同睡眠阶段的连续时间信号stage(t)；包括清醒阶段连续时间信号Wakefulness(t)、快速眼动阶段连续时间信号REM(t)、非快速眼动阶段连续时间信号NREM(t)；

步骤4.3：提取stage(t)的各阶段的时域特征，对睡眠数据应用训练好的分类器，根据特性判定每个时间点处于哪个睡眠阶段；定义一个二值序列nrem(t)，当nrem(t)＝1表示该时间点处于NREM睡眠阶段，当nrem(t)＝0表示该时间点处于其他的睡眠时期；

步骤4.4：设NREM睡眠阶段的脑电信号为Xθ(t)，Xθ(t)＝Xpre(t)*nrem(t)，对其进行快速2

傅里叶变换Xθ(f)＝FFT(Xθ(t))，则频谱为Pθ(f)＝|Xθ(f)|；

步骤4.5：θ波的频率范围[4Hz,8Hz]，即fmin＝4Hz,fmax＝8Hz；则θ波功率为步骤4.6：实时将各个NREM睡眠阶段的θ波功率整合为特征向量的形式，为θ＝[P1,P2,P3,…,Pi,…,Pn]，其中Pi为第i个NREM睡眠阶段的θ波功率。

7.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：所述数据处理与特征提取模块上连结设置有数据可视化模块，用于将处理后的数据和特征以可视化的方式呈现，通过绘制θ波形图、频谱图，帮助用户直观地理解和分析NREM睡眠阶段数据。

8.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：所述参数调整模块中，预设期望是基于先前研究、文献报告进行设定的NREM阶段的θ波平均功率，为向量数据。

9.根据权利要求1所述的一种基于超声刺激神门穴的实时睡眠节律闭环调控系统，其特征在于：超声刺激生成模块包括依次连接的如下模块：信号发生模块：根据配置好的超声参数，生成相应的超声刺激信号输出；

准直模块：将输出的超声刺激信号限定在设定空间范围内并向所述实验对象的神门穴发射。