本發(fā)明涉及一種止鼾系統(tǒng)，特別是一種基于鼾聲識別及分類的止鼾系統(tǒng)。

背景技術：

據(jù)2015年我國最新統(tǒng)計，患各類睡眠障礙人群達38.2％，超過國際平均27％的比例。其中，睡眠打鼾是造成睡眠障礙的重要原因，打鼾會引起睡眠過程中呼吸反復暫停，造成大腦、血液嚴重缺氧，誘發(fā)高血壓、心肌梗死、心絞痛及腦血管意外等嚴重疾病。針對睡眠障礙類疾病的診斷預篩以長期夜間體征(呼吸狀態(tài))監(jiān)控為基礎。目前針對睡眠呼吸狀態(tài)監(jiān)控，如基于多導睡眠儀(PSG)的監(jiān)控，要求在專業(yè)場所由專業(yè)人員進行操作，監(jiān)控過程采取捆扎等方式附著于監(jiān)控對象面部、鼻腔及胸腹部，對監(jiān)控對象干擾大，用戶體驗度低，且監(jiān)控成本高。

近年來，基于睡眠過程中的鼾聲信號分類識別、止鼾干預等方面的研究受到了國內(nèi)外學者的普遍關注。其中，針對非接觸式的鼾聲分析及止鼾的現(xiàn)有技術方案調(diào)研如下：

針對采集的鼾聲信號，公開號為CN101972505A的發(fā)明專利“具有鼾聲檢測的計算機控制cpap系統(tǒng)”提出以采集到的鼾聲信號功率為依據(jù)進行檢測與分類，檢測與分類門限值設置為60分貝。

另外，公開號為CN102138796A的專利“基于鼾聲分析的睡眠監(jiān)測阻塞定位儀”也提出計算鼾聲的響度、鼾聲頻率、鼾聲指數(shù)、呼吸暫停時間、低通氣時間和睡眠呼吸紊亂指數(shù)。

而專利“鼾聲檢測方法及裝置(公開號為CN105534480A)”，“鼾聲檢測控制設備及其檢測控制方法(CN105147244A)”、“基于低音比的睡眠鼾聲監(jiān)測方法及系統(tǒng)(CN104622432A)”和“一種基于鼾聲篩查OSAHS的裝置(CN 103735267A)”分別提出分析采集的信號頻譜特征，其共性分析方式為：分析采集的音頻信號中的低頻段信號及高頻段信號，以識別出鼾聲信號；對每個睡眠鼾聲信號進行倍頻帶濾波，獲取每個睡眠鼾聲信號的多個倍頻帶聲壓或聲壓級值，從而得到每個睡眠鼾聲的低音比，根據(jù)低音比來判斷是否為正常鼾聲或非正常鼾聲，以及呼吸暫停低通氣綜合征(OSAHS)的嚴重程度。

針對止鼾干預，為了提高用戶舒適度，現(xiàn)有方案盡可能減少止鼾設備與用戶的接觸面積，在家用的日常睡眠環(huán)境下進行止鼾干預。干預方式包括利用枕頭、床墊充氣，如專利方案“智能止鼾枕的測試系統(tǒng)CN102225030A”、“一種智能型止鼾枕及止鼾方法CN105249747A”和“基于體位療法的智能止鼾背墊CN105232208A”，通過充氣改變用戶睡姿，緩解用戶打鼾的情況。

另外，部分方案考慮穿戴式止鼾，穿戴范圍包括頭部、手腕部，如專利方案“基于藍牙技術的健康糾鼾裝置及聲頻降噪與采集鼾聲方法CN104783950A”，進行電刺激以達到止鼾目的。

然而，總體上現(xiàn)有專利技術在鼾聲檢測及智能干預方面仍存在一些問題，具體如下:

1：鼾聲信號檢測：對鼾聲信號的分類依賴于對鼾聲的精準檢測。現(xiàn)有檢測的方案主要為過零率檢測、短時平均功率檢測、近似周期性檢測等三種方案。然而上述方案僅適用于安靜無擾的環(huán)境，當出現(xiàn)由夜間翻身、夢語等突發(fā)性干擾時，對鼾聲信號的檢測效果不佳。此外，缺乏對呼吸暫停，特別是阻塞性打鼾導致呼吸暫?；虻屯獾臋z測。

2：止鼾干預方案：(1)干預模式單一，缺乏基于鼾聲分類的交互式自適應干預模式，在干預的過程中分析實時干預效果，例如鼾聲信號減弱采取降級干預，鼾聲信號不變，則采取升級干預；(2)干預方式體驗度低、局限性大：如通過枕頭或氣墊充放氣改變睡姿緩解打鼾的方式，當用戶睡姿偏離枕頭或氣墊時將起不到止鼾的作用；手碗式穿戴式止鼾器與體表接觸范圍大，且需要與體表緊密接觸，用戶體驗度低。

技術實現(xiàn)要素：

本發(fā)明在于克服現(xiàn)有技術的缺點與不足，提供一種基于鼾聲識別及分類的止鼾系統(tǒng)。

本發(fā)明是通過以下的技術方案實現(xiàn)的：一種基于鼾聲識別及分類的止鼾系統(tǒng)，包括中心控制裝置和指環(huán)式止鼾裝置；

所述中心控制裝置，用于對用戶鼾聲進行識別和分類，并根據(jù)分類結果發(fā)送控制信號至所述指環(huán)式止鼾裝置；

所述指環(huán)式止鼾裝置包括震動模塊、無線接口和電池；所述無線接口接收中心控制裝置的控制信號，控制震動模塊的工作；所述電池為震動模塊和無線接口供電。

相比于現(xiàn)有技術，本發(fā)明根據(jù)不同鼾聲類型，驅(qū)動指環(huán)式止鼾裝置進行震動，可以調(diào)節(jié)用戶的睡眠體位，緩解打鼾。

作為本發(fā)明的進一步改進，所述中心控制裝置包括：采集模塊、預處理模塊、識別模塊和控制信號發(fā)送模塊；

所述采集模塊，用于采集用戶的鼾聲信號；

所述預處理模塊，用于對鼾聲信號進行預處理，該處理方式包括：濾波、去除高頻噪聲和降采樣處理；

所述識別模塊，用于對處理后的鼾聲信號進行識別和分類；

所述信號發(fā)送模塊，用于根據(jù)鼾聲的類別，發(fā)送相應控制信號至指環(huán)式止鼾裝置。

作為本發(fā)明的進一步改進，所述識別模塊包括：

鼾聲信號分貝計算模塊，用于計算設定周期內(nèi)數(shù)據(jù)平均分貝信息；

鼾聲峰值判定模塊，用于獲取設定周期內(nèi)信號的最大對應時刻；

鼾聲分類模塊，用于將所述鼾聲峰值信號，對鼾聲進行分類。

作為本發(fā)明的進一步改進，所述鼾聲信號分貝計算模塊中，以10點為周期，求解每個周期內(nèi)數(shù)據(jù)平均分貝信息的公式為：d(t)＝20log(d’(t)),其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

作為本發(fā)明的進一步改進，所述鼾聲峰值判定模塊通過對該d(t)求解一階導數(shù)，獲得求導后每250點數(shù)據(jù)峰值對應的時刻，以及獲取第一參考點、第二參考點對應時刻；所述第一參考點和第二參考點分別為最大值對應時刻左右平移50點。

作為本發(fā)明的進一步改進，所述鼾聲分類包括：存在呼吸暫停的阻塞性鼾聲、較強鼾聲、中等鼾聲和較弱鼾聲四個類型。

作為本發(fā)明的進一步改進，所述信號發(fā)送模塊中通過2.4G無線傳輸至所述指環(huán)止鼾裝置的震動模塊中，且所述震動模塊根據(jù)不同的鼾聲類型，啟動不同的震動強度。

作為本發(fā)明的進一步改進，所述震動模塊由脈寬調(diào)制PWM占空比進行控制，占空比越大，震動強度越弱。

作為本發(fā)明的進一步改進，所述指環(huán)式止鼾裝置中呈兩層結構，所述震動模塊、無線接口位于底層；所述電池位于上層。

作為本發(fā)明的進一步改進，所述電池為紐扣電池。

相比于現(xiàn)有技術，本發(fā)明具備以下的有益效果：

1.鼾聲識別：通過降采樣處理，有效降低鼾聲辨識的復雜度；利用AR模型預測鼾聲預期范圍，結合約束條件，可有效檢測由于阻塞性打鼾存在呼吸暫停的情況；

2.指環(huán)式止鼾裝置：指環(huán)式裝置與指端接觸面積少，不需要與肌膚緊密接觸，且指環(huán)與肌膚接觸部分有柔性材料組成，因此用戶體驗度高。

3.基于鼾聲分類的智能分級止鼾控制：結合鼾聲分級與實時鼾聲監(jiān)測，采取逐級干預的模式，在不驚醒用戶睡眠過程的前提下，通過輕微逐級震動，促使用戶改變體位，緩解打鼾。

為了更好地理解和實施，下面結合附圖詳細說明本發(fā)明。

附圖說明

圖1是本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的模塊框圖。

圖2是本發(fā)明的止鼾系統(tǒng)的識別和分類的步驟流程圖。

具體實施方式

本發(fā)明為了解決如背景技術中所述現(xiàn)有技術中的在檢測鼾聲以及止鼾時的技術缺陷，本發(fā)明提供了一種基于鼾聲識別及分類的止鼾系統(tǒng)，具體的通過以下的實施例進行說明。

請參閱圖1，其為本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的模塊框圖。

本發(fā)明提供了基于鼾聲識別及分類的止鼾系統(tǒng)，包括中心控制裝置10和指環(huán)式止鼾裝置20。所述中心控制裝置10，用于對用戶鼾聲進行識別和分類，并根據(jù)分類結果發(fā)送控制信號至所述指環(huán)式止鼾裝置20。所述指環(huán)式止鼾裝置20套在用戶的手指上，根據(jù)中心控制裝置的信號，對用戶進行止鼾干預。

具體的，以下介紹中心控制裝置的構成模塊。所述中心控制裝置10包括：采集模塊11、預處理模塊12、識別模塊13和控制信號發(fā)送模塊14。

所述采集模塊11，用于采集用戶的鼾聲信號。

所述預處理模塊12，用于對鼾聲信號進行預處理，該處理方式包括：濾波、去除高頻噪聲和降采樣處理。

所述識別模塊13，用于對處理后的鼾聲信號進行識別和分類。

具體的，為了實現(xiàn)對鼾聲進行識別和分類，在本實施例中所述識別模塊包括：鼾聲信號分貝計算模塊、鼾聲峰值判定模塊和鼾聲分類模塊。

所述鼾聲信號分貝計算模塊，用于計算設定周期內(nèi)數(shù)據(jù)平均分貝信息。具體的，所述鼾聲信號分貝計算模塊中，以10點為周期，求解每個周期內(nèi)數(shù)據(jù)平均分貝信息的公式為：d(t)＝20log(d’(t)),其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

所述鼾聲峰值判定模塊，用于獲取設定周期內(nèi)信號的最大對應時刻。具體的，所述鼾聲峰值判定模塊通過對該d(t)求解一階導數(shù)，獲得求導后每250點數(shù)據(jù)峰值對應的時刻，以及獲取第一參考點、第二參考點對應時刻；所述第一參考點和第二參考點分別為最大值對應時刻左右平移50點。

所述鼾聲分類模塊，用于將所述鼾聲峰值信號，對鼾聲進行分類。具體的，所述鼾聲分類包括：存在呼吸暫停的阻塞性鼾聲、較強鼾聲、中等鼾聲和較弱鼾聲四個類型。

所述信號發(fā)送模塊14，用于根據(jù)鼾聲的類別，發(fā)送相應控制信號至指環(huán)式止鼾裝置。

具體的，所述指環(huán)式止鼾裝置20包括震動模塊22、無線接口23和電池21；所述無線接口23接收中心控制裝置的控制信號，控制震動模塊的工作；所述電池21為震動模塊和無線接口供電。其中，所述指環(huán)式止鼾裝置中呈兩層結構，所述震動模塊、無線接口位于底層；所述電池位于上層。具體的，所述電池為紐扣電池。

進一步，所述信號發(fā)送模塊中通過2.4G無線傳輸至所述指環(huán)止鼾裝置的震動模塊中，且所述震動模塊根據(jù)不同的鼾聲類型，啟動不同的震動強度。具體的，所述震動模塊由脈寬調(diào)制PWM占空比進行控制，占空比越大，震動強度越弱。

以下介紹本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的具體工作流程。本發(fā)明的止鼾系統(tǒng)分別通過兩個部分實現(xiàn)，第一部分為進行鼾聲的識別和分類；第二部分為由不同類型的鼾聲實現(xiàn)不同程度的震動止鼾干預。

第一，先介紹如何進行鼾聲的識別和分類。請同時參閱圖2，其為本發(fā)明的止鼾系統(tǒng)的識別和分類的步驟流程圖。

本發(fā)明中的鼾聲識別和分類包括以下步驟：

S1：鼾聲識別。

步驟S11：首先，中心控制裝置中鼾聲采集模塊由兩個拾音器模塊構成，對識取的鼾聲信息以8000Hz采樣；接著：采樣數(shù)據(jù)以堆棧存儲，每個堆棧為一幀數(shù)據(jù)，共80000點(10s)，之后以1s(8000點)為周期進行數(shù)據(jù)更新。

然后，對堆棧內(nèi)數(shù)據(jù)進行鼾聲識別，具體步驟如下：

步驟S12：對采集的鼾聲信號進行濾波，低通濾波及高通濾波采用截至頻率為300Hz和8000Hz的切比雪夫IIR濾波器.

步驟S13：對300-8000Hz的帶通信號做平滑處理，采用經(jīng)驗模態(tài)分解(EMD)4層分解去除高頻分量，獲得信號相應低頻包絡。

步驟S14：對平滑后數(shù)據(jù)以1：8的比例進行降采樣處理以減少目標數(shù)據(jù)長度，降采樣后堆棧數(shù)據(jù)長度降為10000點。

步驟S15：以10點為周期，求解每個周期內(nèi)數(shù)據(jù)平均分貝信息d(t)＝20log(d’(t))，其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

步驟S16：求解d(t)相對時間t的一階導數(shù)，獲得求導后每250點數(shù)據(jù)峰值對應時刻，以及第一、第二參考點位置。其中，所述參考點位置分別為最大值對應時刻左右平移50點。

步驟S17：針對鼾聲信號的識別，主要考慮以下兩個約束條件：

(C1)正常人群最小最大呼吸率范圍為10-30次/分鐘，推算每幀內(nèi)最多不超過4個鼾聲信號。

(C2)正常呼吸(打鼾)聲周期范圍為1-3秒，鼾聲起始范圍應為以鼾聲周期中心為基準左右各50-150點。

考慮到信號經(jīng)過濾波后的平滑性，通過求d(t)一階導數(shù)，獲取求導后每個周期(250點)信號的最大值對應時刻，和第一、第二參考點位置。其中，上述參考點用以輔助判定鼾聲信號峰值。

聯(lián)合約束條件(C1)和(C2)確定每個數(shù)據(jù)幀內(nèi)的有效鼾聲信號。當在60s時間內(nèi)，當檢測出連續(xù)3個以上有效鼾聲信號起，建立自回歸(AR)模型，預測下一鼾聲出現(xiàn)時間，具體公式(1)為：x(t)＝ax(t-1)+a²x(t-2)+a³x(t-3)

其中，a為遺忘因子，x(t)為下一時刻預測的鼾聲峰值與當前時刻鼾聲峰值的間期，x(t-n)表示過去n個時刻相鄰鼾聲峰值間期。注意，為滿足預測間期歸一化，遺忘因子滿足a+a²+a³＝1。

最后，再返回步驟S11進行下一輪的識別。

S2：進行鼾聲分類。

首先，將鼾聲分為病態(tài)鼾聲和常態(tài)鼾聲兩大類。其中，病態(tài)鼾聲指存在呼吸暫停的阻塞性鼾聲。

第一大類：存在呼吸暫停的阻塞性鼾聲。結合約束條件(C2)，判定條件為：存在兩個有效且相鄰鼾聲峰值P(t1)和P(t2)，時間坐標分別為t1、t2；則判定為呼吸暫停需同時滿足以下4個條件：

(1)相鄰鼾聲峰值間期|t1-t2|大于一定門限值(醫(yī)學上，呼吸暫停門限值設置為10s)；

(2)P(t1)、P(t2)均大于30dB；

(3)P(t1)向左相鄰1個鼾聲峰值間期小于6s，且P(t2)向右相鄰鼾聲間期小于6s；

(4)P(t1)向左相鄰1個鼾聲峰值及P(t2)向右相鄰1個鼾聲峰值分貝均大于30dB。

第二大類：正常呼吸下的鼾聲。首先，根據(jù)鼾聲峰值點坐標，定義鼾聲周期范圍；結合約束條件(C2)，判斷鼾聲周期內(nèi)連續(xù)幅度信息與門限值的關系。定義不同門限值，以反映鼾聲分貝大小，以此為依據(jù)進行鼾聲分類。

綜合第一類和第二類的分類原則，最終可將對鼾聲分為4類：

I.存在呼吸暫停的阻塞性鼾聲。

II.較強鼾聲。

III.中等鼾聲。

IV.較弱鼾聲。

其中，當有效鼾聲范圍內(nèi)樣本信息均值大于70分貝，視為較強鼾聲；當大于50分貝小于70分貝，視為中等鼾聲；當大于30分貝小于50分貝，視為較弱鼾聲。

第二、在完成鼾聲的識別和分類之后，通過指環(huán)式止鼾裝置對用戶進行止鼾干預。

1.根據(jù)鼾聲分類的自適應震動止鼾干預：由鼾聲分類可知，根據(jù)鼾聲的特性及強弱，將鼾聲分為4類，因此，中心控制模塊與指環(huán)式止鼾裝置進行交互通信時，控制指令信息觸發(fā)震動器，分別針對中呼吸暫停、較弱、中等和較強4類鼾聲。控制指令由2.4G無線傳輸至指環(huán)止鼾裝置，觸發(fā)制動模塊。為了在不影響用戶的睡眠(驚醒用戶)進行有效的止鼾干預，結合鼾聲分類與實時鼾聲監(jiān)測，自適應控制止鼾裝置的震動頻率(震動強度)、時間。具體方案如下：

針對鼾聲分類I—存在呼吸暫停的阻塞性的鼾聲：考慮到呼吸暫停對用戶身體健康的危害性，將采取較強烈的止鼾干預模式。當檢測到分類I時，中心控制器通過2.4G無線觸發(fā)指環(huán)止鼾裝置，震動器震動強度由脈寬調(diào)制(PWM)控制。針對鼾聲分類I，設置PWM占空比以控制震動模式強度，使用戶感知指端震動，改變睡姿，避免呼吸暫停的再次發(fā)生。

針對鼾聲分類II，III和IV：通過調(diào)整震動器PWM占空比，以不影響用戶或伴侶睡眠為宗旨，盡可能抑制其打鼾狀況。中心控制器實時監(jiān)測鼾聲，如出現(xiàn)鼾聲減弱或暫停時，中心控制器停止觸發(fā)震動模塊；如仍然監(jiān)測到同樣類型的鼾聲，中心控制器提高PWM占空比量級，繼續(xù)觸發(fā)震動模塊進行止鼾。

在上述指環(huán)震動干預的過程中，中心控制裝置對鼾聲信號進行實時監(jiān)測與識別，自適應的改變震動器PWM占空比數(shù)值，提升止鼾干預的效果。針對四類鼾聲的PWM占空比函數(shù)F(x)的公式(2)設置為：F(x)＝e^x，其中，x＝1,2,3,4分別代表鼾聲的分類。

2.穿戴式指環(huán)式止鼾裝置：穿戴式指環(huán)具有受無線控制指令震動的功能。指環(huán)包括震動模塊、紐扣電池、無線接口組成，呈兩層結構，其中，震動模塊與無線接口位于底層，電池位于上層。指環(huán)裝置震動強度根據(jù)脈寬調(diào)制PWM占空比調(diào)節(jié)，占空比越大，震動強度越弱；占空比設計方式參考公式(2)。為考慮裝置的低耗節(jié)能，無線串口與中控模塊見采用單工通信，僅接收來自中控模塊的啟動指令，不需反饋信息至中控模塊。

相比于現(xiàn)有技術，本發(fā)明具備以下的有益效果：

1.鼾聲識別：通過降采樣處理，有效降低鼾聲辨識的復雜度；利用AR模型預測鼾聲預期范圍，結合約束條件，可有效檢測由于阻塞性打鼾存在呼吸暫停的情況；

2.指環(huán)式止鼾裝置：指環(huán)式裝置與指端接觸面積少，不需要與肌膚緊密接觸，且指環(huán)與肌膚接觸部分有柔性材料組成，因此用戶體驗度高。

3.基于鼾聲分類的智能分級止鼾控制：結合鼾聲分級與實時鼾聲監(jiān)測，采取逐級干預的模式，在不驚醒用戶睡眠過程的前提下，通過輕微逐級震動，促使用戶改變體位，緩解打鼾。

本發(fā)明并不局限于上述實施方式，如果對本發(fā)明的各種改動或變形不脫離本發(fā)明的精神和范圍，倘若這些改動和變形屬于本發(fā)明的權利要求和等同技術范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變形。