1.一种基于小波分析的睡眠周期性检测及调节方法，其特征在于，包括以下步骤：
采集分析用户睡眠生理状态，得到睡眠状态特征曲线和睡眠时相曲线；
对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线；
对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估；
根据所述睡眠时相曲线、所述睡眠周期性指数曲线和动态调控效果曲线，提取时相周期性耦合指数、时相调节分布特征和周期指数调控系数，生成用户睡眠周期性检测及调节报告；
对用户睡眠周期性过程进行持续检测量化和动态调节，建立并动态更新用户睡眠周期特征数据库；
根据所述用户睡眠周期特征数据库，动态优化小波分析方法参数、所述周期边界频率、动态预测分析方法参数和所述睡眠周期动态调节策略；
所述对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线的具体步骤包括：
对所述睡眠状态特征曲线进行去趋势处理，得到睡眠状态特征基线曲线；
根据所述睡眠状态特征曲线的特征组合生成方式，确定所述周期边界频率和小波分析的方法参数，选取所述小波基函数；
对所述睡眠状态特征基线曲线进行小波分解和/或小波包分解，得到睡眠状态特征WT分量信号集；
从所述睡眠状态特征WT分量信号集中，筛选满足所述周期边界频率的WT分量信号，加和生成所述周期WT分量信号；
所述睡眠周期性指数的计算方法，具体为：
1)获取所述睡眠状态特征基线曲线和所述周期WT分量信号；
2)计算所述睡眠状态特征基线曲线和所述周期WT分量信号的信号差值，得到睡眠状态特征残差曲线；
3)分别对所述睡眠状态特征残差曲线和所述周期WT分量信号进行取平方计算，得到睡眠状态特征残差平方曲线和周期WT分量平方信号；
4)根据所述睡眠时相曲线、所述睡眠状态特征残差平方曲线和所述周期WT分量平方信号，计算得到睡眠周期性节点系数并按时序生成睡眠周期性节点系数曲线；
5)根据所述睡眠周期性节点系数曲线、小波分析方法对应预设方法修正系数和用户生物状态信息相关的预设用户个性修正系数，计算得到所述睡眠周期性指数。
2.如权利要求1所述的方法，其特征在于,所述采集分析用户睡眠生理状态，得到睡眠状态特征曲线和睡眠时相曲线的具体步骤还包括：
对用户的睡眠生理状态信号进行采集监测和信号处理，生成睡眠生理状态时帧数据；
对所述睡眠生理状态时帧数据中的全部时帧数据进行特征分析和特征选择，生成所述睡眠状态特征曲线；
对所述睡眠生理状态时帧数据中的全部时帧数据进行睡眠时相分析，生成所述睡眠时相曲线。
3.如权利要求2所述的方法，其特征在于：所述睡眠生理状态信号至少包括脑中枢状态信号、自主神经状态信号中的任一项；其中，所述脑中枢状态信号至少包括脑电图信号、脑磁图信号、血氧水平依赖信号中的任一项，所述自主神经状态信号至少包括血氧水平依赖信号、心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号的任一项。
4.如权利要求2所述的方法，其特征在于：所述信号处理至少包括AD数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波、带通滤波、矫正处理和分帧处理；其中，所述矫正处理具体为对目标信号中的包含伪迹或失真的信号数据片段进行信号矫正、信号预测和平滑处理，所述分帧处理是指根据信号采样率，以预设时间窗口长度和预设时间平移步长对目标信号进行连续滑动分割。
5.如权利要求2或3所述的方法，其特征在于：所述特征分析至少包括数值分析、包络分析、时频分析、熵分析、分形分析和复杂度分析中的任一项。
6.如权利要求2或3所述的方法，其特征在于：所述睡眠状态特征曲线具体为准确刻画用户在不同睡眠时期、不同睡眠时相的睡眠生理状态连续变化的特征曲线，由从所述特征分析得到的目标特征集中筛选出预设特征数量的目标特征并进行加权计算组合得到；其中，所述睡眠时期至少包括入睡前、睡眠中和睡眠后，所述睡眠时相至少包括清醒觉醒期、浅睡眠期、深睡眠期和快速眼动睡眠期。
7.如权利要求2或3所述的方法，其特征在于，所述睡眠时相曲线的生成方法具体为：
1)通过深度学习算法对预定规模睡眠用户样本的所述睡眠生理状态时帧数据及其对应睡眠时相分期数据进行学习训练和数据建模，得到睡眠时相分期识别模型；
2)将当前用户的所述睡眠生理状态时帧数据输入所述睡眠时相分期识别模型，得到所对应的睡眠时相分期并按时序生成所述睡眠时相曲线。
8.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线的具体步骤还包括：
根据所述睡眠状态特征基线曲线和所述周期WT分量信号，计算得到所述睡眠周期性指数并按时序生成所述睡眠周期性指数曲线。
9.如权利要求8所述的方法，其特征在于：所述去趋势处理具体为移除目标信号中线性趋势成分和极低频趋势成分，至少包括去均值处理、低通滤波处理、去趋势分析FDA、多重分形去趋势分析MFDFA、非对称消除趋势波动分析ADFA中的任意一项。
10.如权利要求9所述的方法，其特征在于：所述小波分解至少包括连续小波变换CWT、离散小波变换DWT、经验小波变换EWT、同步挤压小波变换SWT、最大重叠离散小波变换MODWT、同步提取小波变换WSET中的任意一项。
11.如权利要求8所述的方法，其特征在于：所述周期边界频率至少包括带通截止频率、低通截止频率中的任一项。
12.如权利要求1所述的方法，其特征在于，
所述睡眠周期性节点系数的计算公式，具体为：
；
其中， 为所述睡眠周期性节点系数， 分别为所述睡眠状态特征残差平方
曲线中的第  个点数值和所述周期WT分量平方信号中的第  个点数值， 为所述睡眠时相曲线中的第  个点时相数值对应的时相修正系数。
13.如权利要求1或12所述的方法，其特征在于，所述睡眠周期性指数的一种计算公式，具体为：
；
其中， 为所述睡眠周期性指数， 分别为预设用户个性修正系数和预
设方法修正系数， 为所述睡眠周期性节点系数曲线中的第  个点数值，为所述睡眠周期性节点系数曲线的数据长度。
14.如权利要求1或2所述的方法，其特征在于，所述对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估的具体步骤还包括：
对所述睡眠时相曲线进行趋势预测分析，得到睡眠时相预测值；
对所述睡眠状态特征曲线进行趋势预测分析，得到睡眠状态周期特征预测值；
对所述睡眠周期性指数曲线进行趋势预测分析，得到睡眠周期性指数预测值；
按照预设动态调节周期，根据所述睡眠时相预测值、所述睡眠状态周期特征预测值、所述睡眠周期性指数预测值和预设睡眠周期调控知识库，动态生成所述睡眠周期动态调节策略；
根据所述睡眠周期动态调节策略，连接并控制睡眠周期调节外围设备，对用户睡眠过程进行动态干预调节；
对动态干预调节的效果进行动态跟踪评估，提取动态调节效果系数并生成动态调节效果曲线，计算得到调节效果综合指数。
15.如权利要求14所述的方法，其特征在于：所述趋势预测分析的方法至少包括AR、MA、ARMA、ARIMA、SARIMA、VAR、深度学习中的任一项。
16.如权利要求14所述的方法，其特征在于，所述睡眠周期动态调节策略至少包括睡眠场景、睡眠时相、调节方式、执行方式、调节强度、调节时点、持续时间、目标调节值和装置控制参数；其中，所述调节方式至少包括声乐刺激、超声刺激、光刺激、电刺激、磁刺激、温度刺激、湿度刺激、触觉刺激和 浓度调控中的任一方式，所述执行方式至少包括离体式和接触式中的任一方式。
17.如权利要求14所述的方法，其特征在于，所述睡眠周期调节外围设备至少包括声乐刺激设备、超声刺激设备、光刺激设备、电刺激设备、磁刺激设备、温度刺激设备、湿度刺激设备、触觉刺激设备和 浓度调控设备中的任一项，并由具体的调节方式决定。
18.如权利要求14所述的方法，其特征在于，所述动态调节效果系数的一种计算方式，具体为：
；
其中， 为所述动态调节效果系数， 为预设用户个性修正系数， 为趋势预测修正系数， 分别为动态调节前、动态调节后的所述睡眠周期性指数， 为取绝对值算符。
19.如权利要求18所述的方法，其特征在于，所述趋势预测修正系数的计算公式，具体为：
；
其中， 为所述趋势预测修正系数， 分别为动态调节后的所述睡眠周期
性指数和动态调节前的所述睡眠周期性指数预测值， 分别为动态调节后的所述睡眠状态特征曲线中睡眠状态周期特征数值和动态调节前的所述睡眠状态周期特征预测值。
20.如权利要求15‑19任一项所述的方法，其特征在于，所述动态调节效果系数将用于后续小波分析方法参数、动态预测分析方法参数、所述趋势预测分析的方法选择、所述睡眠周期动态调节策略的动态优化。
21.如权利要求15‑19任一项所述的方法，其特征在于，所述调节效果综合指数具体为所述动态调节效果曲线的平均值或均方根。
22.如权利要求1或2所述的方法，其特征在于：所述根据所述睡眠时相曲线、所述睡眠周期性指数曲线和动态调控效果曲线，提取时相周期性耦合指数、时相调节分布特征和周期指数调控系数，生成用户睡眠周期性检测及调节报告的具体步骤还包括：
计算所述睡眠时相曲线和所述睡眠周期性指数曲线的相关性，得到所述时相周期性耦合指数；
根据所述睡眠时相曲线、所述睡眠周期性指数曲线和所述动态调控效果曲线，计算不同睡眠时相下所述睡眠周期性指数、动态调节效果系数的分布特征，得到所述时相调节分布特征；
计算所述睡眠周期性指数曲线和所述动态调控效果曲线的相关性，得到所述周期指数调控系数；
按照预设报告周期，生成所述用户睡眠周期性检测及调节报告。
23.如权利要求22所述的方法，其特征在于：所述相关性的计算方法至少包括相干性分析、皮尔逊相关分析、杰卡德相似分析、线性互信息分析、线性相关分析、欧氏距离分析、曼哈顿距离分析、切比雪夫距离分析中的任意一项。
24.如权利要求22所述的方法，其特征在于：所述分布特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度中的任意一项。
25.如权利要求22所述的方法，其特征在于：所述用户睡眠周期性检测及调节报告至少包括用户生物状态信息、所述睡眠状态特征曲线、所述睡眠时相曲线、所述睡眠周期性指数曲线、所述动态调控效果曲线、所述时相周期性耦合指数、所述时相调节分布特征、所述周期指数调控系数，检测及调节小结。
26.如权利要求1或2所述的方法，其特征在于：所述对用户睡眠周期性过程进行持续检测量化和动态调节，建立并动态更新用户睡眠周期特征数据库的具体步骤还包括：
初始化建立和存储所述用户睡眠周期特征数据库；
对用户睡眠周期性过程进行持续检测量化和动态调节，动态更新所述用户睡眠周期特征数据库。
27.如权利要求26所述的方法，其特征在于：所述用户睡眠周期特征数据库至少包括用户生物状态信息、所述睡眠状态特征曲线、所述睡眠时相曲线、所述睡眠周期性指数曲线、所述动态调控效果曲线、所述时相周期性耦合指数、所述时相调节分布特征、所述周期指数调控系数、小波分析方法、趋势预测分析方法、所述睡眠周期动态调节策略。
28.如权利要求1或2所述的方法，其特征在于：所述根据所述用户睡眠周期特征数据库，动态优化小波分析方法参数、所述周期边界频率、动态预测分析方法参数和所述睡眠周期动态调节策略的具体步骤还包括：
根据所述用户睡眠周期特征数据库，动态优化用户睡眠周期性检测量化过程中的小波分析方法参数、所述周期边界频率；
根据所述用户睡眠周期特征数据库，动态优化用户睡眠周期性动态调节过程中的动态预测分析方法参数和所述睡眠周期动态调节策略。
29.一种基于小波分析的睡眠周期性检测及调节系统，其特征在于，包括以下模块：
睡眠状态跟踪模块，用于采集分析用户睡眠生理状态，得到睡眠状态特征曲线和睡眠时相曲线；
小波指数分析模块，用于对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线；
动态策略调控模块，用于对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估；
检测调节分析模块，用于根据所述睡眠时相曲线、所述睡眠周期性指数曲线和动态调控效果曲线，提取时相周期性耦合指数、时相调节分布特征和周期指数调控系数，生成用户睡眠周期性检测及调节报告；
周期数据更新模块，用于对用户睡眠周期性过程进行持续检测量化和动态调节，建立并动态更新用户睡眠周期特征数据库；
检测调节优化模块，用于根据所述用户睡眠周期特征数据库，动态优化小波分析方法参数、所述周期边界频率、动态预测分析方法参数和所述睡眠周期动态调节策略；
数据运行管理模块，用于对所述系统的全部过程数据进行可视化管理、统一存储和运行管理；
所述对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线的具体步骤包括：
对所述睡眠状态特征曲线进行去趋势处理，得到睡眠状态特征基线曲线；
根据所述睡眠状态特征曲线的特征组合生成方式，确定所述周期边界频率和小波分析的方法参数，选取所述小波基函数；
对所述睡眠状态特征基线曲线进行小波分解和/或小波包分解，得到睡眠状态特征WT分量信号集；
从所述睡眠状态特征WT分量信号集中，筛选满足所述周期边界频率的WT分量信号，加和生成所述周期WT分量信号；
所述睡眠周期性指数的计算方法，具体为：
1)获取所述睡眠状态特征基线曲线和所述周期WT分量信号；
2)计算所述睡眠状态特征基线曲线和所述周期WT分量信号的信号差值，得到睡眠状态特征残差曲线；
3)分别对所述睡眠状态特征残差曲线和所述周期WT分量信号进行取平方计算，得到睡眠状态特征残差平方曲线和周期WT分量平方信号；
4)根据所述睡眠时相曲线、所述睡眠状态特征残差平方曲线和所述周期WT分量平方信号，计算得到睡眠周期性节点系数并按时序生成睡眠周期性节点系数曲线；
5)根据所述睡眠周期性节点系数曲线、小波分析方法对应预设方法修正系数和用户生物状态信息相关的预设用户个性修正系数，计算得到所述睡眠周期性指数。
30.如权利要求29所述的系统，其特征在于，所述睡眠状态跟踪模块还包括以下功能单元：
状态采集处理单元，用于对用户的睡眠生理状态信号进行采集监测和信号处理，生成睡眠生理状态时帧数据；
状态曲线提取单元，用于对所述睡眠生理状态时帧数据中的全部时帧数据进行特征分析和特征选择，生成所述睡眠状态特征曲线；
睡眠时相分析单元，用于对所述睡眠生理状态时帧数据中的全部时帧数据进行睡眠时相分析，生成所述睡眠时相曲线。
31.如权利要求29所述的系统，其特征在于，所述小波指数分析模块还包括以下功能单元：
状态趋势处理单元，用于对所述睡眠状态特征曲线进行去趋势处理，得到睡眠状态特征基线曲线；
分析参数选取单元，用于根据所述睡眠状态特征曲线的特征组合生成方式，确定所述周期边界频率和小波分析的方法参数，选取所述小波基函数；
信号小波分析单元，用于对所述睡眠状态特征基线曲线进行小波分解和或小波包分解，得到睡眠状态特征WT分量信号集;
周期分量提取单元，用于从所述睡眠状态特征WT分量信号集中，筛选满足所述周期边界频率的WT分量信号，加和生成所述周期WT分量信号；
周期指数计算单元，用于根据所述睡眠状态特征基线曲线和所述周期WT分量信号，计算得到所述睡眠周期性指数并按时序生成所述睡眠周期性指数曲线。
32.如权利要求29所述的系统，其特征在于，所述动态策略调控模块还包括以下功能单元：
睡眠时相预测单元，用于对所述睡眠时相曲线进行趋势预测分析，得到睡眠时相预测值；
周期特征预测单元，用于对所述睡眠状态特征曲线进行趋势预测分析，得到睡眠状态周期特征预测值；
周期指数预测单元，用于对所述睡眠周期性指数曲线进行趋势预测分析，得到睡眠周期性指数预测值；
调节策略生成单元，用于按照预设动态调节周期，根据所述睡眠时相预测值、所述睡眠状态周期特征预测值、所述睡眠周期性指数预测值和预设睡眠周期调控知识库，动态生成所述睡眠周期动态调节策略；
动态调节执行单元，用于根据所述睡眠周期动态调节策略，连接并控制睡眠周期调节外围设备，对用户睡眠过程进行动态干预调节；
动态效果评估单元，用于对动态干预调节的效果进行动态跟踪评估，提取动态调节效果系数并生成动态调节效果曲线，计算得到调节效果综合指数。
33.如权利要求29‑32任一项所述的系统，其特征在于，所述检测调节分析模块还包括以下功能单元：
时相耦合分析单元，用于计算所述睡眠时相曲线和所述睡眠周期性指数曲线的相关性，得到所述时相周期性耦合指数；
时相分布分析单元，用于根据所述睡眠时相曲线、所述睡眠周期性指数曲线和所述动态调控效果曲线，计算不同睡眠时相下所述睡眠周期性指数、动态调节效果系数的分布特征，得到所述时相调节分布特征；
周期调控分析单元，用于计算所述睡眠周期性指数曲线和所述动态调控效果曲线的相关性，得到所述周期指数调控系数；
用户报告生成单元，用于按照预设报告周期，生成所述用户睡眠周期性检测及调节报告；
用户报告输出单元，用于对所述用户睡眠周期性检测及调节报告的格式输出、展现形式进行统一管理。
34.如权利要求33所述的系统，其特征在于，所述周期数据更新模块还包括以下功能单元：
数据库初始化单元，用于初始化建立和存储所述用户睡眠周期特征数据库；
数据库动态更新单元，用于对用户睡眠周期性过程进行持续检测量化和动态调节，动态更新所述用户睡眠周期特征数据库。
35.如权利要求34所述的系统，其特征在于，所述检测调节优化模块还包括以下功能单元：
检测量化优化单元，用于根据所述用户睡眠周期特征数据库，动态优化用户睡眠周期性检测量化过程中的小波分析方法参数、所述周期边界频率；
动态调节优化单元，用于根据所述用户睡眠周期特征数据库，动态优化用户睡眠周期性动态调节过程中的动态预测分析方法参数和所述睡眠周期动态调节策略。
36.如权利要求29所述的系统，其特征在于，所述数据运行管理模块还包括以下功能单元：
用户信息管理单元，用于用户基本信息的登记输入、编辑、查询、输出和删除；
数据可视化管理单元，用于对所述系统中所有数据的可视化展现管理；
数据存储管理单元，用于对所述系统中所有数据的统一存储管理；
数据运营管理单元，用于对所述系统中所有数据的备份、迁移和导出。
37.一种基于小波分析的睡眠周期性检测及调节装置，其特征在于，包括以下模组：
睡眠状态跟踪模组，用于采集分析用户睡眠生理状态，得到睡眠状态特征曲线和睡眠时相曲线；
小波指数分析模组，用于对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线；
动态策略调控模组，用于对所述睡眠时相曲线、所述睡眠状态特征曲线和所述睡眠周期性指数曲线进行动态预测分析，生成睡眠周期动态调节策略，对用户睡眠过程进行动态调控和调控效果评估；
检测调节分析模组，用于根据所述睡眠时相曲线、所述睡眠周期性指数曲线和动态调控效果曲线，提取时相周期性耦合指数、时相调节分布特征和周期指数调控系数，生成用户睡眠周期性检测及调节报告；
周期数据库模组，用于对用户睡眠周期性过程进行持续检测量化和动态调节，建立并动态更新用户睡眠周期特征数据库；
检测调节优化模组，用于根据所述用户睡眠周期特征数据库，动态优化小波分析方法参数、所述周期边界频率、动态预测分析方法参数和所述睡眠周期动态调节策略；
数据可视化模组，用于对所述装置中所有过程数据和/或结果数据的统一可视化展示管理；
数据管理中心模组，用于对所述装置中所有过程数据和/或结果数据的统一存储和数据运营管理；
所述对所述睡眠状态特征曲线进行去趋势处理，选取小波基函数并进行小波分析，确定周期边界频率并提取周期WT分量信号，计算得到睡眠周期性指数和睡眠周期性指数曲线的具体步骤包括：
对所述睡眠状态特征曲线进行去趋势处理，得到睡眠状态特征基线曲线；
根据所述睡眠状态特征曲线的特征组合生成方式，确定所述周期边界频率和小波分析的方法参数，选取所述小波基函数；
对所述睡眠状态特征基线曲线进行小波分解和/或小波包分解，得到睡眠状态特征WT分量信号集；
从所述睡眠状态特征WT分量信号集中，筛选满足所述周期边界频率的WT分量信号，加和生成所述周期WT分量信号；
所述睡眠周期性指数的计算方法，具体为：
1)获取所述睡眠状态特征基线曲线和所述周期WT分量信号；
2)计算所述睡眠状态特征基线曲线和所述周期WT分量信号的信号差值，得到睡眠状态特征残差曲线；
3)分别对所述睡眠状态特征残差曲线和所述周期WT分量信号进行取平方计算，得到睡眠状态特征残差平方曲线和周期WT分量平方信号；
4)根据所述睡眠时相曲线、所述睡眠状态特征残差平方曲线和所述周期WT分量平方信号，计算得到睡眠周期性节点系数并按时序生成睡眠周期性节点系数曲线；
5)根据所述睡眠周期性节点系数曲线、小波分析方法对应预设方法修正系数和用户生物状态信息相关的预设用户个性修正系数，计算得到所述睡眠周期性指数。