歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立臺北大學 電機工程學系 楊棧雲所指導 甘丞佑的 可攜式腦波檢測入眠裝置之研製與以其發展音樂助眠系統之研究 （2021），提出小米手環睡眠原理關鍵因素是什麼，來自於睡眠開始、腦波圖、助眠裝置。
而第二篇論文國立臺北科技大學 電機工程系 練光祐所指導 陳孟廷的 基於低解析度紅外線陣列感測訊號之 睡眠評估系統 （2017），提出因為有 改良式K-means分群演算法、睡姿辨識、紅外線陣列感測器的重點而找出了 小米手環睡眠原理的解答。
可攜式腦波檢測入眠裝置之研製與以其發展音樂助眠系統之研究
為了解決小米手環睡眠原理 的問題，作者甘丞佑 這樣論述：
失眠是現今高壓且快速社會中人們困擾的問題，無法放鬆入睡失眠，或定義為開始入睡困難，是一種常見的疾病，造成人們無法快速進入睡眠。本研究研製了一種藉偵測腦波狀態以判斷入睡時間點以開關助眠音樂，以期幫助有失眠困擾的人容易入眠。研究分成四個階段進行，其第一階段先在Linux環境樹莓派中撰寫Python程式，改裝Neurosky腦波儀，使其不受限於Windows環境，發展一個可攜型的睡眠腦波偵測儀。第二階段即立基於所發展的睡眠腦波偵測儀，參考文獻設計出一套基於單一FP1頻道之δ波上升以及α 波下降判斷人體何時入眠之檢測演算法，並撰寫程式於樹莓派中。第三階段再以一所發展的軟、硬體核心配合一音樂播放裝置，
整合為一睡前即播放助眠音樂，直到偵測得入眠時間，加上一略為滯後的延遲即淡出關閉音樂之助眠裝置，反覆驗證所發展的軟、硬體，直到信賴可實際應用。第四階段再以發展完成的裝置循正規之睡眠測驗進行其性能測試，在9名受試者共27天配戴中，與市售智能裝置的夜間睡眠資料進行比對，其在辨認入睡時間具有一定之一致性，差異度僅為11%。另外在26名依匹茲堡睡眠品質表所得之PSQI指數分為好(0-5)與不好(6-12)兩組的受試者中，分別分析所研製裝置對於兩個群組睡眠品質造成的影響，根據兩群組受試者各自6天共156天的睡眠資料調查結果表明: 對於睡眠品質好的人連續使用可以減少其入睡時間，第三天時比起平常減少1.42分
鐘。但對於睡眠品質差的人反而會造成其睡眠時間延長，第三天時比起平常延長1.71分鐘，本研究的新穎處在於研製了一種準確度不亞於市售穿戴裝置且成本遠低於醫院PSG設備的可攜式腦波入睡偵測裝置，其整合音樂播放的延伸的助眠裝置可以使得睡眠品質好的人有效減少其入眠時間，提升睡眠品質。
基於低解析度紅外線陣列感測訊號之 睡眠評估系統
為了解決小米手環睡眠原理 的問題，作者陳孟廷 這樣論述：
本論文針對睡眠提出了一套具有隱私性的睡眠監測系統。此研究採用低解析度的紅外線陣列偵測人體表面溫度，透過移動平均法將偵測到的劇烈溫度變化平滑化，濾波後的溫度數據透過雙三次插值演算法提升此熱成像圖之解析度。本文並提出一套改良式K-means演算法，用於此監測系統的圖樣識別。在不需考慮使用者身形與睡姿方向的情況下，辨識常見的四種睡姿，如:仰躺、趴睡、左側睡、右側睡。藉由姿勢變換可知晚上是否在床上睡得安穩。若遇有不安穩的睡眠情況則給予適當的輔助。本文針對傳統K-means演算法的分群方式，將必須給定之群聚數目改為透過合理性指標判斷出合適群聚數目；同時改良初始群聚中心點產生的方法，降低原本因隨機產生而
造成分群結果的不確定性。經由實驗結果得知，本系統在事先建模的情況下針對單一使用者睡姿辨識率可達九成以上，而在不事先建模且在蓋棉被情況下睡姿辨識率亦有八成以上，同時根據美國國家睡眠基金會網站提供的睡眠階段(REM, NREM)之生理變化，透過計算身體移動變異量，可分析出整晚深層睡眠與淺層睡眠的區間分布。此項結果與市面上的智慧手環和睡眠分析APP比較，其數據皆呈現相同的趨勢。