智能环境中由于需求不同导致的变化因素,单纯通过算法来适应这些变化会造成系统适应能力较差,导致在当前环境下智能系统难以得到广泛的应用和推广。软件定义智能将支撑智能实现的通用要素分离出来,成为预装在节点设备上的“智能层”,再把变化因素归纳为规则,智能层通过更新规则的方式解决各种变化所导致适应性差的问题。本文将软件定义智能应用于智能环境中的睡眠动作识别系统,主要包含以下工作:（1）基于软件定义智能层次化模型设计了睡眠动作识别系统框架,该系统框架主要由数据采集模块、数据预处理模块、特征提取模块、工作引擎模块组成,其中工作引擎为软件定义智能用于规则推理的核心组件,该引擎基于规则更新的方式来应对各种变化因素,从而提高睡眠动作识别系统的适应性。（2）设计了一种时间队列用于实时提取动作的特征,包括能量、频域熵、均方根等,使用分类回归树算法CART（Classification and Regression Tree）训练这些特征得到决策树模型,基于该模型提供的特征重要性参数提出了一种特征选择算法用于筛选出重要特征,对这些重要特征重新训练得到新的决策树模型,使用随机搜索算法和代价复杂度算法CCP（Cost-Complexity Pruning）对该新模型剪枝,基于该剪枝后的模型设计了一种可用于提取出工作引擎所需睡眠动作识别规则的算法,依赖这些规则工作引擎可实时读取用户数据推理出睡眠动作结论。（3）通过对比实验验证了该系统框架通过更新规则可快速适应睡眠动作识别中节点位置、节点数量和用户需求的变化。实验表明该系统框架能够充分利用多个节点的计算资源,可识别9种常见睡眠动作,每种动作的识别精确率均可达到96%以上,总识别准确率达到98.9%。该系统框架扩展识别其它动作操作便捷,在保证一定动作识别准确率的情况下比其它系统的适应性更强。（4）设计了基于睡眠动作识别的看护系统,用户可以通过该系统的客户端查看被看护人的睡眠动作情况,包括动作结论数据图和动作统计数据图,还可以获取系统根据相关疾病推荐的专家知识。