的强度，可以反应出人体睡眠时是否出现打鼾。
[0048]如上述步骤S3所述，参照图2，人体打鼾状态出现时，吸气信号上叠加的第一震动信号的强度与呼气信号上叠加的第二震动信号的强度会明显不同，比如第一震动信号的强度明显大于第二震动信号;参照图3，而当第一震动信号的强度和第二震动信号的强度大体相同时，则说明人体没有打鼾。上述预设的方法包括多种，比如将第一震动信号的强度与第二信号的强度相减，得到的结果值的绝对值与预设的阈值相比，如果结果值的绝对值大于或等于预设的阈值，则可以认为人体处于打鼾状态等。
[0049]本实施例中，上述按照预设的方法比较第一震动信号的强度和第二震动信号的强度，根据比较结果判断人体是否为打鼾状态的步骤S3，包括:
[0050]S31、分别对第一震动信号和第二震动信号进行强度积分处理，然后比较处理后的两个数据，判断人体是否为打鼾状态。
[0051]如上述步骤S31所述，第一震动信号和第二震动信号进行强度积分处理，可以得到两个相当于强度的结果，所得结果更加直观，方便两个数据进行比较运算。
[0052]参照图4，本实施例中，上述按照预设的方法比较第一震动信号的强度和第二震动信号的强度，根据比较结果判断人体是否为打鼾状态的步骤，包括:
[0053]S301、将第一震动信号的强度和第二震动信号的强度进行比值运算；
[0054]S302、将所得的比值与预设的阈值比较，根据比较结果判断人体是否为打鼾状态。
[0055]如上述步骤S301所述，当人体正常睡眠时，第一震动信号的强度和第二震动信号的强度基本相同，所以两者之间的比值为I左右。
[0056]如上述步骤S302所述，当人体处于打鼾状态时，两者的比值者会大于一指定阈值，或者小于另一指定阈值，比值的结果根据第一震动信号的强度和第二震动信号的强度哪一个作为分母相关。如在一具体实施例中，当使用第一震动信号的强度除以第二震动信号的强度时，所得结果大于等于设定的第一阈值时，判定人体为打鼾状态，本实施例中，第一阈值一般选用1.5;在另一具体实施例中，当使用第二震动信号的强度除以第一震动信号的强度时，所得结果小于或等于设定的第二阈值时，判定人体为打鼾状态，本实施例中，第二阈值一般选用0.67。
[0057]本实施例中，上述将所得的比值与预设的阈值比较，根据比较结果判断人体是否为打鼾状态的步骤S302，包括:
[0058]S3021、当第一震动信号的强度和第二震动信号的强度进行比值运算的比值与预设的阈值比较，连续指定次数符合打鼾状态特征时，判定人体处于打鼾状态。
[0059]如上述步骤S3021所述，上述连续指定次数符合打鼾状态特征是指，当连续的几个呼吸周期内，每一个呼吸信号的第一震动信号的强度和第二震动信号的强度进行比值运算的比值与预设的阈值比较，都表示人体睡眠时可能处于打鼾状态，那么就可以确定该人体正处于打鼾状态。由于与呼吸动作同步检测，多个呼吸动作符合打鼾状态特征才做出判断，可以避免咳嗽、说话等引发的干扰，同时，其它的震动信号由于难以多次与呼吸动作同步，所以难以造成错误识别，大大地提高打鼾状态的识别准确性。
[0060]在一具体实施例中，在一枕头内设置震动装置和检测鼾症的装置，当检测鼾症的装置检测到人体处于打鼾状态时，控制震动装置震动;检测鼾症的装置包括微动信号感应装置等硬件结构，当人体的头部压迫到枕头上时，微动信号感应装置可以采集到人体的震动信号，其检测过程为:
[0061]1、微动信号感应装置采集人体的微动信号，并获取微动信号中的呼吸信号；
[0062]2、检测鼾症的装置获取呼吸信号中吸气信号上叠加的震动频率为150Hz的第一震动信号，以及获取呼气信号叠加的震动频率为150HZ的第二震动信号；
[0063]3、然后分别对第一震动信号和第二震动信号进行强度积分处理，分别得到代表第一震动信号和第二震动信号强度的第一结果和第二结果；
[0064]4、将第一结果除以第二结果，如果比值结果大于或等于1.5，则认为人体符合打鼾状态特征；
[0065]5、如果连续五个呼吸周期，获取到的比值结果均符合大于等于1.5，则认定人体处于打鼾状态，并控制震动装置震动，改变人体头部的体位等，阻止人体打鼾的状态。
[0066]本实施例的检测鼾症的方法，由于与呼吸动作同步检测，多个呼吸动作符合打鼾状态特征才判定人体处于打鼾状态，可以避免咳嗽、说话等引发的干扰，同时，其它的震动信号由于难以多次与呼吸动作同步，也难以造成错误识别，所以其可靠性极高；简单易行，本方法仅仅在已有的睡眠传感器(置于枕头、床垫的微动信号感应装置)上稍作软件上的修改就可以实现，不必额外增加硬件支出；其增加的软件模块也十分简单，仅仅对呼吸信号不同相位的高频信号进行检波和滤波处理，然后进行除法运算进行比对即可。
[0067]参照图5，本发明实施例还提供一种检测鼾症的装置，包括:
[0068]第一获取单元10，用于获取人体睡眠时的震动信号，并判断出人体的呼吸信号，其中，呼吸信号包括吸气时产生的吸气信号，其相应电信号表现为长达1-3秒的基线上升曲线；以及呼气时产生的呼气信号，其相应电信号表现为长达1-3秒的基线下降曲线；
[0069]第二获取单元20，用于获取吸气信号上叠加的指定范围频率的第一震动信号的强度，其相应电信号表现为叠加在吸气信号基线上的300Hz附近的较高频率信号；以及与吸气信号相邻的呼气信号上叠加的指定范围频率的第二震动信号的强度，相应电信号表现为叠加在呼气信号基线上的300Hz附近的较高频率信号；
[0070]判断单元30，用于按照预设的方法比较第一震动信号的强度和第二震动信号的强度，根据比较结果判断人体是否为打鼾状态。
[0071]如上述第一获取单元10，获取人体睡眠时的震动信号的方法可以为通过设置有微动信号感应装置的枕头或床垫等采集，该震动信号一般包含了人体的心跳、呼吸、翻身的信息，本发明只需要通过检波、滤波等处理得到呼吸信号即可。上述呼吸信号包括吸气信号和呼气信号，即时人体呼吸过程的一个周期内包含的过程，比如吸气一呼气为一个周期，或者呼气一吸气为一个周期等。在人体打鼾时，主要是人体吸气时受到阻碍，而发出“呼噜”声，而呼气时则一般不会出现“呼噜”声，所以将呼吸信号进行细致的区分可以方便后续分析的说明。
[0072]如上述第二获取单元20，人体睡眠时的呼吸频率一般为0.2Hz?0.5Hz，当人体打鼾时，会出现200Hz?300Hz的震动信号，其会叠加到呼吸信号上，更准确的说是叠加到吸气信号上，所以叠加到呼吸信号上的200Hz?300Hz的震动信号的强度，可以反应出人体睡眠时是否出现打鼾。打鼾状态出现时，吸气信号上叠加的第一震动信号的强度与呼气信号上叠加的第二震动信号的强度会明显不同，而当第一震动信号的强度和第二震动信号的强度大体相同时，则说明人体没有打鼾。
[0073]如上述判断单元30，参照图2，人体打鼾状态出现时，吸气信号上叠加的第一震动信号的强度与呼气信号上叠加的第二震动信号的强度会明显不同，比如第一震动信号的强度明显大于第二震动信号;参照图3，而当第一震动信号的强度和第二震动信号的强度大体相同时，则说明人体没有打鼾。上述预设的方法包括多种，比如将第一震动信号的强度与第二信号的强度相减，得到的结果值的绝对值与预设的阈值相比，如果结果值的绝对值大于或等于预设的阈值，则可以认为人体处于打鼾状态等。
[0074]参照图6，本发明实施例中，上述判断单元30，包括:
[0075]积分模块31，用于分别对第一震动信号和第二震动信号进行强度积分处理，然后比较处理后的两个数据，判断人体是否为打鼾状态。
[0076]如上述积分模块31，第一震动信号和第二震动信号进行强度积分处理，可以得到两个相当于强度的结果，所得结果更加直观，方便两个数据进行比较运算。
[0077]本发明实施例中，上述判断单元30，包括:
[0078]比值运算模块32，用于将第一震动信号的强度和第二震动信号的强度进行比值运算；
[0079]判断模块33，用于将所得的比值与预设的阈值比较，根据比较结果判断人体是否为打鼾状态。
[0080]如上述比值