本發明提出一種睡眠分期資訊偵測方法及其在電子裝置與伺服器的實作架構，可在不依賴腦電判讀的情況下，利用使用者的心律資訊（HR/HRV/ECG）推估睡眠分期。系統透過多時間窗的時間通道分析、時域轉頻域（FFT/AR）與雙深度學習模型融合（ANN + CNN/RNN-LSTM），在提升判斷準確率的同時，降低計算量並加快處理速度，適合行動端即時推論或雲端大規模運算。

核心特色：

1. 心律資料輸入：接收即時或已記錄的心律資訊。

2. 區間時段分析：以至少兩種時間窗切割（如 1/2/5 分鐘）擷取心律區間資訊，提升特徵量與穩定性。

3. 頻域特徵轉換：將時間窗資料轉為頻域資訊（FFT，可搭配 AR）以擷取關鍵特徵值。

4. 結合模型判讀：ANN 與 CNN+RNN/LSTM 交叉整合，輸出睡眠分期結果。

5. 雲端皆可部署：可在手機/穿戴裝置端執行，亦可上傳至伺服器集中分析與通知。