基于鼾声识别及分类的止鼾系统的制作方法

本发明涉及一种止鼾系统，特别是一种基于鼾声识别及分类的止鼾系统。

背景技术：

据2015年我国最新统计，患各类睡眠障碍人群达38.2％，超过国际平均27％的比例。其中，睡眠打鼾是造成睡眠障碍的重要原因，打鼾会引起睡眠过程中呼吸反复暂停，造成大脑、血液严重缺氧，诱发高血压、心肌梗死、心绞痛及脑血管意外等严重疾病。针对睡眠障碍类疾病的诊断预筛以长期夜间体征(呼吸状态)监控为基础。目前针对睡眠呼吸状态监控，如基于多导睡眠仪(PSG)的监控，要求在专业场所由专业人员进行操作，监控过程采取捆扎等方式附着于监控对象面部、鼻腔及胸腹部，对监控对象干扰大，用户体验度低，且监控成本高。

近年来，基于睡眠过程中的鼾声信号分类识别、止鼾干预等方面的研究受到了国内外学者的普遍关注。其中，针对非接触式的鼾声分析及止鼾的现有技术方案调研如下：

针对采集的鼾声信号，公开号为CN101972505A的发明专利“具有鼾声检测的计算机控制cpap系统”提出以采集到的鼾声信号功率为依据进行检测与分类，检测与分类门限值设置为60分贝。

另外，公开号为CN102138796A的专利“基于鼾声分析的睡眠监测阻塞定位仪”也提出计算鼾声的响度、鼾声频率、鼾声指数、呼吸暂停时间、低通气时间和睡眠呼吸紊乱指数。

而专利“鼾声检测方法及装置(公开号为CN105534480A)”，“鼾声检测控制设备及其检测控制方法(CN105147244A)”、“基于低音比的睡眠鼾声监测方法及系统(CN104622432A)”和“一种基于鼾声筛查OSAHS的装置(CN 103735267A)”分别提出分析采集的信号频谱特征，其共性分析方式为：分析采集的音频信号中的低频段信号及高频段信号，以识别出鼾声信号；对每个睡眠鼾声信号进行倍频带滤波，获取每个睡眠鼾声信号的多个倍频带声压或声压级值，从而得到每个睡眠鼾声的低音比，根据低音比来判断是否为正常鼾声或非正常鼾声，以及呼吸暂停低通气综合征(OSAHS)的严重程度。

针对止鼾干预，为了提高用户舒适度，现有方案尽可能减少止鼾设备与用户的接触面积，在家用的日常睡眠环境下进行止鼾干预。干预方式包括利用枕头、床垫充气，如专利方案“智能止鼾枕的测试系统CN102225030A”、“一种智能型止鼾枕及止鼾方法CN105249747A”和“基于体位疗法的智能止鼾背垫CN105232208A”，通过充气改变用户睡姿，缓解用户打鼾的情况。

另外，部分方案考虑穿戴式止鼾，穿戴范围包括头部、手腕部，如专利方案“基于蓝牙技术的健康纠鼾装置及声频降噪与采集鼾声方法CN104783950A”，进行电刺激以达到止鼾目的。

然而，总体上现有专利技术在鼾声检测及智能干预方面仍存在一些问题，具体如下:

1：鼾声信号检测：对鼾声信号的分类依赖于对鼾声的精准检测。现有检测的方案主要为过零率检测、短时平均功率检测、近似周期性检测等三种方案。然而上述方案仅适用于安静无扰的环境，当出现由夜间翻身、梦语等突发性干扰时，对鼾声信号的检测效果不佳。此外，缺乏对呼吸暂停，特别是阻塞性打鼾导致呼吸暂停或低通气的检测。

2：止鼾干预方案：(1)干预模式单一，缺乏基于鼾声分类的交互式自适应干预模式，在干预的过程中分析实时干预效果，例如鼾声信号减弱采取降级干预，鼾声信号不变，则采取升级干预；(2)干预方式体验度低、局限性大：如通过枕头或气垫充放气改变睡姿缓解打鼾的方式，当用户睡姿偏离枕头或气垫时将起不到止鼾的作用；手碗式穿戴式止鼾器与体表接触范围大，且需要与体表紧密接触，用户体验度低。

技术实现要素：

本发明在于克服现有技术的缺点与不足，提供一种基于鼾声识别及分类的止鼾系统。

本发明是通过以下的技术方案实现的：一种基于鼾声识别及分类的止鼾系统，包括中心控制装置和指环式止鼾装置；

所述中心控制装置，用于对用户鼾声进行识别和分类，并根据分类结果发送控制信号至所述指环式止鼾装置；

所述指环式止鼾装置包括震动模块、无线接口和电池；所述无线接口接收中心控制装置的控制信号，控制震动模块的工作；所述电池为震动模块和无线接口供电。

相比于现有技术，本发明根据不同鼾声类型，驱动指环式止鼾装置进行震动，可以调节用户的睡眠体位，缓解打鼾。

作为本发明的进一步改进，所述中心控制装置包括：采集模块、预处理模块、识别模块和控制信号发送模块；

所述采集模块，用于采集用户的鼾声信号；

所述预处理模块，用于对鼾声信号进行预处理，该处理方式包括：滤波、去除高频噪声和降采样处理；

所述识别模块，用于对处理后的鼾声信号进行识别和分类；

所述信号发送模块，用于根据鼾声的类别，发送相应控制信号至指环式止鼾装置。

作为本发明的进一步改进，所述识别模块包括：

鼾声信号分贝计算模块，用于计算设定周期内数据平均分贝信息；

鼾声峰值判定模块，用于获取设定周期内信号的最大对应时刻；

鼾声分类模块，用于将所述鼾声峰值信号，对鼾声进行分类。

作为本发明的进一步改进，所述鼾声信号分贝计算模块中，以10点为周期，求解每个周期内数据平均分贝信息的公式为：d(t)＝20log(d’(t)),其中d’(t)为第t周期内采集的信号样本的平均幅度值。

作为本发明的进一步改进，所述鼾声峰值判定模块通过对该d(t)求解一阶导数，获得求导后每250点数据峰值对应的时刻，以及获取第一参考点、第二参考点对应时刻；所述第一参考点和第二参考点分别为最大值对应时刻左右平移50点。

作为本发明的进一步改进，所述鼾声分类包括：存在呼吸暂停的阻塞性鼾声、较强鼾声、中等鼾声和较弱鼾声四个类型。

作为本发明的进一步改进，所述信号发送模块中通过2.4G无线传输至所述指环止鼾装置的震动模块中，且所述震动模块根据不同的鼾声类型，启动不同的震动强度。

作为本发明的进一步改进，所述震动模块由脉宽调制PWM占空比进行控制，占空比越大，震动强度越弱。

作为本发明的进一步改进，所述指环式止鼾装置中呈两层结构，所述震动模块、无线接口位于底层；所述电池位于上层。

作为本发明的进一步改进，所述电池为纽扣电池。

相比于现有技术，本发明具备以下的有益效果：

1.鼾声识别：通过降采样处理，有效降低鼾声辨识的复杂度；利用AR模型预测鼾声预期范围，结合约束条件，可有效检测由于阻塞性打鼾存在呼吸暂停的情况；

2.指环式止鼾装置：指环式装置与指端接触面积少，不需要与肌肤紧密接触，且指环与肌肤接触部分有柔性材料组成，因此用户体验度高。

3.基于鼾声分类的智能分级止鼾控制：结合鼾声分级与实时鼾声监测，采取逐级干预的模式，在不惊醒用户睡眠过程的前提下，通过轻微逐级震动，促使用户改变体位，缓解打鼾。

为了更好地理解和实施，下面结合附图详细说明本发明。

附图说明

图1是本发明的基于鼾声识别及分类的止鼾系统的模块框图。

图2是本发明的止鼾系统的识别和分类的步骤流程图。

具体实施方式

本发明为了解决如背景技术中所述现有技术中的在检测鼾声以及止鼾时的技术缺陷，本发明提供了一种基于鼾声识别及分类的止鼾系统，具体的通过以下的实施例进行说明。

请参阅图1，其为本发明的基于鼾声识别及分类的止鼾系统的模块框图。

本发明提供了基于鼾声识别及分类的止鼾系统，包括中心控制装置10和指环式止鼾装置20。所述中心控制装置10，用于对用户鼾声进行识别和分类，并根据分类结果发送控制信号至所述指环式止鼾装置20。所述指环式止鼾装置20套在用户的手指上，根据中心控制装置的信号，对用户进行止鼾干预。

具体的，以下介绍中心控制装置的构成模块。所述中心控制装置10包括：采集模块11、预处理模块12、识别模块13和控制信号发送模块14。

所述采集模块11，用于采集用户的鼾声信号。

所述预处理模块12，用于对鼾声信号进行预处理，该处理方式包括：滤波、去除高频噪声和降采样处理。

所述识别模块13，用于对处理后的鼾声信号进行识别和分类。

具体的，为了实现对鼾声进行识别和分类，在本实施例中所述识别模块包括：鼾声信号分贝计算模块、鼾声峰值判定模块和鼾声分类模块。

所述鼾声信号分贝计算模块，用于计算设定周期内数据平均分贝信息。具体的，所述鼾声信号分贝计算模块中，以10点为周期，求解每个周期内数据平均分贝信息的公式为：d(t)＝20log(d’(t)),其中d’(t)为第t周期内采集的信号样本的平均幅度值。

所述鼾声峰值判定模块，用于获取设定周期内信号的最大对应时刻。具体的，所述鼾声峰值判定模块通过对该d(t)求解一阶导数，获得求导后每250点数据峰值对应的时刻，以及获取第一参考点、第二参考点对应时刻；所述第一参考点和第二参考点分别为最大值对应时刻左右平移50点。

所述鼾声分类模块，用于将所述鼾声峰值信号，对鼾声进行分类。具体的，所述鼾声分类包括：存在呼吸暂停的阻塞性鼾声、较强鼾声、中等鼾声和较弱鼾声四个类型。

所述信号发送模块14，用于根据鼾声的类别，发送相应控制信号至指环式止鼾装置。

具体的，所述指环式止鼾装置20包括震动模块22、无线接口23和电池21；所述无线接口23接收中心控制装置的控制信号，控制震动模块的工作；所述电池21为震动模块和无线接口供电。其中，所述指环式止鼾装置中呈两层结构，所述震动模块、无线接口位于底层；所述电池位于上层。具体的，所述电池为纽扣电池。

进一步，所述信号发送模块中通过2.4G无线传输至所述指环止鼾装置的震动模块中，且所述震动模块根据不同的鼾声类型，启动不同的震动强度。具体的，所述震动模块由脉宽调制PWM占空比进行控制，占空比越大，震动强度越弱。

以下介绍本发明的基于鼾声识别及分类的止鼾系统的具体工作流程。本发明的止鼾系统分别通过两个部分实现，第一部分为进行鼾声的识别和分类；第二部分为由不同类型的鼾声实现不同程度的震动止鼾干预。

第一，先介绍如何进行鼾声的识别和分类。请同时参阅图2，其为本发明的止鼾系统的识别和分类的步骤流程图。

本发明中的鼾声识别和分类包括以下步骤：

S1：鼾声识别。

步骤S11：首先，中心控制装置中鼾声采集模块由两个拾音器模块构成，对识取的鼾声信息以8000Hz采样；接着：采样数据以堆栈存储，每个堆栈为一帧数据，共80000点(10s)，之后以1s(8000点)为周期进行数据更新。

然后，对堆栈内数据进行鼾声识别，具体步骤如下：

步骤S12：对采集的鼾声信号进行滤波，低通滤波及高通滤波采用截至频率为300Hz和8000Hz的切比雪夫IIR滤波器.

步骤S13：对300-8000Hz的带通信号做平滑处理，采用经验模态分解(EMD)4层分解去除高频分量，获得信号相应低频包络。

步骤S14：对平滑后数据以1：8的比例进行降采样处理以减少目标数据长度，降采样后堆栈数据长度降为10000点。

步骤S15：以10点为周期，求解每个周期内数据平均分贝信息d(t)＝20log(d’(t))，其中d’(t)为第t周期内采集的信号样本的平均幅度值。

步骤S16：求解d(t)相对时间t的一阶导数，获得求导后每250点数据峰值对应时刻，以及第一、第二参考点位置。其中，所述参考点位置分别为最大值对应时刻左右平移50点。

步骤S17：针对鼾声信号的识别，主要考虑以下两个约束条件：

(C1)正常人群最小最大呼吸率范围为10-30次/分钟，推算每帧内最多不超过4个鼾声信号。

(C2)正常呼吸(打鼾)声周期范围为1-3秒，鼾声起始范围应为以鼾声周期中心为基准左右各50-150点。

考虑到信号经过滤波后的平滑性，通过求d(t)一阶导数，获取求导后每个周期(250点)信号的最大值对应时刻，和第一、第二参考点位置。其中，上述参考点用以辅助判定鼾声信号峰值。

联合约束条件(C1)和(C2)确定每个数据帧内的有效鼾声信号。当在60s时间内，当检测出连续3个以上有效鼾声信号起，建立自回归(AR)模型，预测下一鼾声出现时间，具体公式(1)为：x(t)＝ax(t-1)+a²x(t-2)+a³x(t-3)

其中，a为遗忘因子，x(t)为下一时刻预测的鼾声峰值与当前时刻鼾声峰值的间期，x(t-n)表示过去n个时刻相邻鼾声峰值间期。注意，为满足预测间期归一化，遗忘因子满足a+a²+a³＝1。

最后，再返回步骤S11进行下一轮的识别。

S2：进行鼾声分类。

首先，将鼾声分为病态鼾声和常态鼾声两大类。其中，病态鼾声指存在呼吸暂停的阻塞性鼾声。

第一大类：存在呼吸暂停的阻塞性鼾声。结合约束条件(C2)，判定条件为：存在两个有效且相邻鼾声峰值P(t1)和P(t2)，时间坐标分别为t1、t2；则判定为呼吸暂停需同时满足以下4个条件：

(1)相邻鼾声峰值间期|t1-t2|大于一定门限值(医学上，呼吸暂停门限值设置为10s)；

(2)P(t1)、P(t2)均大于30dB；

(3)P(t1)向左相邻1个鼾声峰值间期小于6s，且P(t2)向右相邻鼾声间期小于6s；

(4)P(t1)向左相邻1个鼾声峰值及P(t2)向右相邻1个鼾声峰值分贝均大于30dB。

第二大类：正常呼吸下的鼾声。首先，根据鼾声峰值点坐标，定义鼾声周期范围；结合约束条件(C2)，判断鼾声周期内连续幅度信息与门限值的关系。定义不同门限值，以反映鼾声分贝大小，以此为依据进行鼾声分类。

综合第一类和第二类的分类原则，最终可将对鼾声分为4类：

I.存在呼吸暂停的阻塞性鼾声。

II.较强鼾声。

III.中等鼾声。

IV.较弱鼾声。

其中，当有效鼾声范围内样本信息均值大于70分贝，视为较强鼾声；当大于50分贝小于70分贝，视为中等鼾声；当大于30分贝小于50分贝，视为较弱鼾声。

第二、在完成鼾声的识别和分类之后，通过指环式止鼾装置对用户进行止鼾干预。

1.根据鼾声分类的自适应震动止鼾干预：由鼾声分类可知，根据鼾声的特性及强弱，将鼾声分为4类，因此，中心控制模块与指环式止鼾装置进行交互通信时，控制指令信息触发震动器，分别针对中呼吸暂停、较弱、中等和较强4类鼾声。控制指令由2.4G无线传输至指环止鼾装置，触发制动模块。为了在不影响用户的睡眠(惊醒用户)进行有效的止鼾干预，结合鼾声分类与实时鼾声监测，自适应控制止鼾装置的震动频率(震动强度)、时间。具体方案如下：

针对鼾声分类I—存在呼吸暂停的阻塞性的鼾声：考虑到呼吸暂停对用户身体健康的危害性，将采取较强烈的止鼾干预模式。当检测到分类I时，中心控制器通过2.4G无线触发指环止鼾装置，震动器震动强度由脉宽调制(PWM)控制。针对鼾声分类I，设置PWM占空比以控制震动模式强度，使用户感知指端震动，改变睡姿，避免呼吸暂停的再次发生。

针对鼾声分类II，III和IV：通过调整震动器PWM占空比，以不影响用户或伴侣睡眠为宗旨，尽可能抑制其打鼾状况。中心控制器实时监测鼾声，如出现鼾声减弱或暂停时，中心控制器停止触发震动模块；如仍然监测到同样类型的鼾声，中心控制器提高PWM占空比量级，继续触发震动模块进行止鼾。

在上述指环震动干预的过程中，中心控制装置对鼾声信号进行实时监测与识别，自适应的改变震动器PWM占空比数值，提升止鼾干预的效果。针对四类鼾声的PWM占空比函数F(x)的公式(2)设置为：F(x)＝e^x，其中，x＝1,2,3,4分别代表鼾声的分类。

2.穿戴式指环式止鼾装置：穿戴式指环具有受无线控制指令震动的功能。指环包括震动模块、纽扣电池、无线接口组成，呈两层结构，其中，震动模块与无线接口位于底层，电池位于上层。指环装置震动强度根据脉宽调制PWM占空比调节，占空比越大，震动强度越弱；占空比设计方式参考公式(2)。为考虑装置的低耗节能，无线串口与中控模块见采用单工通信，仅接收来自中控模块的启动指令，不需反馈信息至中控模块。

相比于现有技术，本发明具备以下的有益效果：

1.鼾声识别：通过降采样处理，有效降低鼾声辨识的复杂度；利用AR模型预测鼾声预期范围，结合约束条件，可有效检测由于阻塞性打鼾存在呼吸暂停的情况；

2.指环式止鼾装置：指环式装置与指端接触面积少，不需要与肌肤紧密接触，且指环与肌肤接触部分有柔性材料组成，因此用户体验度高。

3.基于鼾声分类的智能分级止鼾控制：结合鼾声分级与实时鼾声监测，采取逐级干预的模式，在不惊醒用户睡眠过程的前提下，通过轻微逐级震动，促使用户改变体位，缓解打鼾。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。