CN102469978B - 呼气吸气信号的降噪 - Google Patents
呼气吸气信号的降噪 Download PDFInfo
- Publication number
- CN102469978B CN102469978B CN201080030613.XA CN201080030613A CN102469978B CN 102469978 B CN102469978 B CN 102469978B CN 201080030613 A CN201080030613 A CN 201080030613A CN 102469978 B CN102469978 B CN 102469978B
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- signal
- breathing
- gain function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 125
- 230000009467 reduction Effects 0.000 title claims abstract description 48
- 238000001914 filtration Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims description 87
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 49
- 238000010586 diagram Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 208000037656 Respiratory Sounds Diseases 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 230000003860 sleep quality Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 206010041235 Snoring Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Measuring devices for evaluating the respiratory organs
- A61B5/0803—Recording apparatus specially adapted therefor
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/40—Respiratory characteristics
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明涉及处理呼气吸气信号的系统和方法。对于频谱呼气吸气信号（18）执行降噪操作以便计算输出频谱信号（38），所述降噪操作使用频谱减法；并且执行降噪操作执行步骤的频谱减法中使用的增益函数（30）的二维频率和时间滤波（32），例如增益函数的二维频率和时间中值滤波。例如，基于呼气吸气信号计算所述频谱呼气吸气信号。
Description
技术领域
本发明涉及处理呼气吸气（breathing）信号（尤其是声呼气吸气信号）领域，更特别地涉及处理呼气吸气信号的方法以及用于处理呼气吸气信号的系统。
背景技术
呼气吸气信号或呼吸（respiratory）信号和呼吸率是基本的生命体征。呼吸率可以例如从测量的呼吸波形中获得。例如，呼吸波形信号通过从外部附接到要测量其呼吸的人的传感器电极而产生。呼吸波形也可以从心电图（ECG）波形中导出。
US6290654B1公开了一种用于检测呼气吸气患者的呼气吸气模式的设备。天线式麦克风用来感测呼气吸气或打鼾的声音。来自患者身体的可听的声音信号由该麦克风以及位于患者颈部上的另一气管麦克风转换成电信号，这些电信号被提供给A/D转换器。来自对应A/D转换器的输出被提供给主动噪声消除单元，该主动噪声消除单元用于使用由一组延迟线元件组成的自适应线性滤波器抑制背景噪声，每个延迟线元件由一个延迟采样周期以及一组相应的可调节系数表示。从传感器输出中减去自适应线性滤波器的输出。得到的输出用来调节自适应线性滤波器中的抽头权重以便最小化总的输出的均方值。来自气管麦克风的信号噪声以与来自天线式麦克风的信号噪声类似的方式进行处理。信号经过带通滤波并且提供给气流波形发生单元的估计的体积。
发明内容
需要放置附接到人的传感器电极或麦克风的测量实际上是碍眼的并且对于人是不方便的。这在要处理睡眠的人的呼气吸气信号时尤其重要。
因此，希望的是能够处理由远离呼气吸气的人放置的麦克风捕获的呼气吸气信号。
例如，当麦克风记录呼气吸气信号时，可以将麦克风置于呼气吸气的人的邻近，例如离呼气吸气的人50cm远。然而，由于由呼气吸气引起的声能通常非常弱，因而信噪比，即呼吸信号与噪声之间的比率可能非常低，使得从信号中提取诸如呼吸率之类的相关呼吸参数是困难的。
希望的是能够执行新的种类的降噪操作，以便有利于在离睡眠的人一定距离处捕获声呼气吸气信号时确定呼吸参数。
已经发现，大多数麦克风（其具有内置于麦克风中的放大器）表现出这样的传感器噪声，该传感器噪声由于放大器的1/f噪声而展现出低通特性。一些像MEMS（微机电系统）传感器那样的麦克风具有近似60dB的信噪比（SNR），即信号-传感器噪声比率。其他较优良的麦克风可能具有70-80dB的SNR范围。
希望的是提供一种用于处理呼气吸气信号的方法或系统，所述方法或系统有利于降低来自麦克风的传感器噪声。
为了更好地解决这些关切中的一个或多个，在本发明的第一方面中，提供了一种处理呼气吸气信号的方法，该方法包括：
- 对于频谱呼气吸气信号执行降噪操作以便计算输出频谱信号，所述降噪操作使用频谱减法；以及
- 执行降噪操作执行步骤的频谱减法中使用的增益函数的二维频率和时间滤波。
例如，降噪操作包括所述执行增益函数的二维滤波的步骤。
例如，所述方法进一步包括：
- 基于呼气吸气信号，例如基于时域中的呼气吸气信号，计算所述频谱呼气吸气信号。
例如，呼气吸气信号为声呼气吸气信号。例如，呼气吸气信号为由麦克风捕获的信号。
例如，计算频谱呼气吸气信号的步骤包括快速傅立叶变换（FFT）。
术语“降噪操作”应当被理解为表示适合降低由频谱呼气吸气信号表示的信号中包含的噪声（例如传感器噪声）的操作。
术语“滤波”应当被理解为包括平均、中值滤波和其他滤波算法。
在使用频谱减法的降噪操作中，如进一步在下文中进一步详细地描述的，使用增益函数。
通常，呼气吸气随着时间非常缓慢地增加和减少。此外，呼气吸气信号的频率内容不像例如在语音信号的共振峰中那样表现出显著的峰和谷。已经发现，呼气吸气声音的频谱特性表现出高达近似2kHz的相关信息。由于在呼气吸气信号的时频特性中存在不表现出巨大的峰和谷的大区域，因而可以有利地应用增益函数的二维频率和时间滤波。因此，可以在避免呼气吸气信号的不可接受的失真的同时改善降噪。
例如，增益函数的所述二维频率和时间滤波为二维频率和时间平均/中值滤波，即平均或中值滤波。通常，像平均或中值滤波那样的滤波算法特别适合于消除异常值（outlier）。
在一个实施例中，增益函数的二维频率和时间滤波为二维频率和时间中值滤波。中值滤波是特别有利的，因为它允许通过由其他值代替异常值而不平滑相关的信号部分来消除异常值。因此，改善了降噪操作的质量。
例如，所述方法进一步包括基于将输出频谱信号转换到时域而提供输出信号。这对于计算呼吸参数可能是有利的。例如，将输出频谱信号转换到时域可以包括逆快速傅立叶变换（IFFT）。
例如，所述方法包括基于输出频谱信号计算至少一个呼吸参数。一个重要的呼吸参数为例如呼吸率。例如，基于通过将输出频谱信号转换到时域而获得的所述输出信号计算所述至少一个呼吸参数。例如，所述至少一个呼吸参数为睡眠质量参数。因此，可以确定睡眠质量。例如，可以确定或估计睡眠的人的睡眠质量，并且可以基于睡眠质量估计提供控制信号。例如，该控制信号可以是用于控制或影响睡眠环境的外部因素（例如温度、照明等等）的信号。例如，所述一个或多个控制信号可以被选择用于改善或增强睡眠的人的睡眠。另一种可能性是在人的睡眠质量被估计为太低（例如低于睡眠质量阈值）时，提供用于唤醒人的控制信号。
在一个实施例中，基于估计的噪声和幅度谱信号计算频谱减法中使用的增益函数，所述幅度谱信号基于频谱呼气吸气信号而被计算。例如，计算增益函数可以包括将估计的噪声频谱除以绝对值频谱信号。然而，代替绝对值频谱信号的是，也可以使用例如平方绝对值，即功率谱信号。因此，在这种情况下，基于幅度谱信号的平方和估计的噪声计算增益函数。
例如，降噪操作包括步骤：
- 基于频谱呼气吸气信号计算幅度谱信号；
- 基于估计的噪声和幅度谱信号计算增益函数；
- 执行增益函数的二维频率和时间滤波；以及
- 通过将频谱呼气吸气信号乘以滤波的增益函数计算输出频谱信号。
换言之，降噪操作包括上述执行增益函数的二维滤波的步骤。因此，实现了高效的降噪操作。
例如，降噪操作包括估计噪声，所述估计噪声包括基于幅度谱信号的若干连续块的平均操作，所述幅度谱信号基于频谱呼气吸气信号而被计算。例如，可以在若干连续块上对幅度谱信号进行平均。可替换地，例如，可以对幅度谱信号的平方（即功率谱信号）进行平均。因此，使用噪声平稳的先验知识。这例如在其中噪声主要由麦克风的传感器噪声确定的情形中是特别有利的，因为这样的传感器噪声是高度平稳的。例如，对于每个频率槽（bin），即在其上定义频谱信号函数的离散频率组的每个元素，例如尤其是FFT的频率槽，执行平均操作。例如，所述连续块的数量与至少1秒、优选地至少3秒、尤其是至少10秒的时间段相应。因此，可以实现高质量的噪声本底估计。
例如，利用与至少0.05秒、更优选地至少0.1秒或者甚至更优选地至少0.25秒的时间跨度相应的滤波器核执行增益函数的所述二维频率和时间滤波。
例如，利用与降噪操作中使用的幅度谱信号的至少3个连续块相应的滤波器核执行增益函数的所述二维频率和时间滤波，块尺寸为例如512个样本。更优选地，块的数量为至少5个或者甚至更优选地至少7个。因此，可以改善降噪。
例如，利用与至少40Hz、更优选地至少75Hz或者甚至更优选地至少100Hz的频率跨度相应的滤波器核执行增益函数的所述二维频率和时间滤波。例如，滤波器核可以与至少250Hz的频率跨度相应。例如，利用与至少3个频率槽、更优选地至少5个频率槽或者甚至更优选地至少7个频率槽相应的滤波器核执行增益函数的所述二维频率和时间滤波。因此，可以高效地移除传感器噪声。
例如，所述方法包括以至少4kHz、优选地至少8kHz的采样频率采样呼气吸气信号。这种相对较高的采样频率的使用是有利的，因为呼气吸气声音的频谱特性表现出高达2kHz的相关信息。因此，可以改善降噪。
例如，所述方法可以包括下采样基于输出频谱信号而计算的输出信号。使用比计算呼吸参数所需频率更高的采样频率以用于降噪操作允许改善降噪。例如，采样频率可以为至少8kHz。此外，使用高的采样频率允许执行增益函数在频率和时间上的二维滤波而不使呼气吸气声音失真。
在一个实施例中，所述方法进一步包括适应性调节增益函数的所述二维频率和时间滤波中使用的滤波器核的滤波器核宽度和/或滤波器核长度；所述适应性调节基于根据增益函数的二维频率和时间滤波而获得的信号的第一时频区域中包含的信号能量与第二时频区域中包含的噪声能量（例如音乐音调的能量）之间的比率。这样的信号为例如滤波的增益函数、频谱输出函数或者输出函数，其全部取决于滤波的增益函数。例如，所述信号可以是通过增益函数的二维频率和时间滤波而获得的滤波的增益函数。例如，第一时频区域由第一频率范围和第一时间范围组成，并且第二时频区域由第二频率范围和第二时间范围组成。例如，第一频率范围为较低的频率范围，并且第二频率范围为较高的频率范围。滤波器核宽度与滤波器核的频率跨度相应，并且滤波器核长度与滤波器核的时间跨度相应。优选地，第一和第二时频区域被选择成使得想要的信号（即呼气吸气声音）的能量对于第一时频区域内包含的能量产生相当大的贡献。因此，邻域中但是在第一时频区域外部包含的能量，尤其是适当选择的第二时频区域内包含的能量可以归结为噪声，例如音乐音调。
术语“信号能量”和“噪声能量”指的是信号振幅的绝对值的平方积分，并且可以在时域或频域计算。换言之，术语“噪声能量”应当被理解为表示假定可归结为噪声的信号能量。
例如，所述适应性调节包括优化所述函数的第一时频区域内包含的信号能量与第二时频区域内包含的噪声能量之间的比率。
例如，第一时间范围可以被选择成使得它相应于或者包括所述信号的（局部）最大信号能量。
例如，所述第一和第二时间范围可以没有重叠。例如，所述第一和第二时间范围可以是连续的时间范围。例如，第二时间范围可以在第一时间范围之前。
例如，逐步地，例如按照固定数量的频率槽或者固定数量的时间块适应性调节滤波器核宽度和/或滤波器核长度。
例如，基于增益函数的二维频率和时间滤波获得所述信号，所述滤波利用测试滤波器核执行，该测试滤波器核的宽度和/或长度分别不同于执行增益函数的滤波的步骤中当前使用的滤波器核的宽度和/或长度。
出于以下的原因，适应性调节滤波器核宽度和/或滤波器核长度是有利的。
呼气吸气信号的特性时频模式可以随着时间和具体的人而变化。例如，人可以具有吸气和呼气，其中大多数呼气吸气能量集中于特定的时间跨度，而对于其他人而言，呼气吸气能量可能跨更长的时间跨度散布。类似地，频率特性也可以随着不同的人而变化。除了因人而异之外，也可能存在单个人的呼气吸气信号的时频特性随着时间的差异。例如，当这个人感冒时，通常呼气吸气过程通过嘴而不是鼻发生，并且时频特性很可能改变。
尽管频谱减法造成的音乐音调可以通过选择足够大的核尺寸而最小化或者被移除，但是太大的核尺寸可能导致呼气吸气声音的失真，例如频谱和/或时间上的涂抹（smear out）。因此，适应性调节滤波器核宽度和/或滤波器核长度可以在最小化呼气吸气声音的失真的同时改善降噪。
在本发明的另一方面中，提供了一种用于处理呼气吸气信号的系统，该系统包括：
- 降噪单元，其用于通过对频谱呼气吸气信号执行降噪操作而计算输出频谱信号，其中降噪操作使用频谱减法；以及
- 滤波器单元或滤波器，其用于执行频谱减法中使用的增益函数的二维频率和时间滤波。
例如，所述系统可以适于执行如上面所描述的处理呼气吸气信号的方法。
例如，所述系统进一步包括：
- 频谱分析单元或频谱分析器，其用于基于呼气吸气信号，即时域中的呼气吸气信号，计算所述频谱呼气吸气信号。
例如，将呼气吸气信号输入到频谱分析单元。例如，将频谱分析单元的包括频谱呼气吸气信号的输出输入到降噪单元。
例如，输出频谱信号由降噪单元输出。例如，降噪单元包括滤波器单元。例如，滤波器单元为用于执行增益函数的二维频率和时间中值滤波的中值滤波单元。例如，频谱分析单元、降噪单元和/或滤波器单元为用于对呼气吸气信号滤波的系统的频谱减法单元的部分。
例如，所述系统进一步包括用于基于将输出频谱信号转换到时域而计算输出信号的合成单元。
例如，频谱分析单元的输出耦合到降噪单元的输入。例如，降噪单元的输出耦合到合成单元的输入。
例如，所述系统进一步包括用于基于输出频谱信号计算至少一个呼吸参数的呼气吸气分析单元。例如，降噪单元的输出或者频谱减法单元的输出或者合成单元的输出可以耦合到呼气吸气分析单元的输入。
在一个实施例中，所述系统进一步包括滤波器适应性调节单元，其用于适应性调节增益函数的所述二维频率和时间滤波中使用的滤波器核的滤波器核宽度和/或滤波器核长度，其中所述适应性调节基于根据增益函数的二维频率和时间滤波而获得的信号的第一时频区域中包含的信号能量与第二时频区域中包含的噪声能量之间的比率。滤波器适应性调节单元可以被设置用于执行如上面所描述的适应性调节滤波器核宽度和/或滤波器核长度的步骤。
本发明的这些和其他方面根据以下描述的实施例将是清楚明白的，并且将参照这些实施例进行阐述。
附图说明
图1示意性地示出了用于处理呼气吸气信号的系统以及该系统中的数据流。
图2示出了图解说明呼吸吸气信号的、比较实例的输出信号的以及图1系统的输出信号的声能的示图。
图3示意性地示出了用于获取睡眠的人的呼气吸气信号的设置。
图4示意性地示出了用于处理呼气吸气信号的系统的另一实施例。
具体实施方式
图1示例性地示出了用于处理呼气吸气信号的系统。用于处理呼气吸气信号的系统和方法将在下文中参照图1进行描述。
在图1中，通过箭头示意性地示出了信号或数据流。细线箭头示出时域中的信号，或者如果显式提及的话，示出一个或多个参数。粗的有轮廓的箭头表示时域中的数据块流或者频域中的数据块流。
置于离睡眠的人例如50cm的距离处的麦克风捕获的呼气吸气信号10由采样器或采样单元12采样并且设置成时间块。例如，采样频率为8kHz。8kHz的采样率对于保持呼气吸气信号中的呼气吸气声音的相关信息是足够的。例如，将信号转换成连续的B样本块。例如，B=256。
采样单元12的输出耦合到块级联和加窗单元14的输入，该块级联和加窗单元通过将当前块的样本与来自至少一个先前的块的样本级联而构造连续的时间块或者M样本块。例如，将当前块的样本与先前的块的样本级联成M个样本，其中M=2B。例如，M=512。
例如，块的M个样本由Hann窗加窗，Hann窗也称为升余弦窗。
单元14的输出耦合到频谱分析单元16的输入。例如，单元16使用FFT运算将M样本块转换到频域。因此，单元16输出具有M个频率槽的复谱的连续重叠时间块形式的频谱呼气吸气信号18。单元16的输出耦合到幅度谱计算单元20的输入。单元20将频谱信号18的复频谱转换成具有M/2+1个频率槽的幅度谱信号22。例如，在15.625Hz的频率分辨率下，M/2+1=257。
单元20的输出耦合到噪声估计单元24的输入和增益函数计算单元26的输入。
噪声估计单元24估计频谱噪声本底并且将幅度噪声频谱信号28输出到增益函数计算单元26。因此，单元24的输出耦合到单元26的另一输入。例如，通过对幅度谱信号22的若干连续时间块进行平均而估计噪声。例如，信号22的块数量可以与10秒或更多的时间段相应。
单元26基于幅度谱信号22和估计的幅度噪声频谱信号28计算增益函数30。例如，增益函数30具有这样的频谱的连续块的形式以及M/2+1的块尺寸，该频谱具有0与1之间的频谱值。
用于噪声频谱减法的增益函数的计算同样地在例如语音增强领域中是已知的。通常，计算增益函数，使得噪声的频谱减法可以通过在频域中将频谱信号18乘以增益函数30而执行。例如，可以将频谱或增益函数30计算为Gn=max(1-Wn/|X|, λ)，其中X为频谱呼气吸气信号18，W为估计的噪声频谱信号，并且n=0, ..., M/2+1。在这里，λ为限制降噪量的所谓的频谱本底。如果λ=0，那么获得最大的降噪量。
单元26输出的频谱或增益函数30输入到滤波单元32，例如2D中值滤波单元。滤波单元32例如执行增益函数或频谱30的二维频率和时间中值滤波。例如，滤波单元32具有中值滤波核，该中值滤波核具有7个频率槽的宽度和7个时间块的长度。在中值滤波中，通过取频谱的镜像而执行从M/2+1个频率槽到M个频率槽的扩展。滤波单元32输出滤波的增益函数34。
单元32和单元16的输出耦合到频谱乘法单元36的输入，该频谱乘法单元将频谱信号18和滤波的增益函数34相乘，从而执行估计的噪声的频谱减法。因此，产生了输出频谱信号38。
单元36的输出耦合到合成单元40的输入，该合成单元例如通过执行IFFT将输出频谱信号38转换到时域。
因此，单元20、24、26、32和36形成用于对频谱信号18执行降噪操作，从而计算输出频谱信号38的降噪单元。
单元40的输出耦合到块重叠和相加单元42的输入，该块重叠和相加单元基于从单元40接收的M样本块的重叠部分的相加计算B样本块。例如，所述B样本块是非重叠的连续块。单元42输出的块由转换器单元44转换成形成输出信号46的连续样本序列。例如，转换器单元44执行下采样。因此，输出信号46可以具有比采样单元12的采样频率更低的采样频率。
例如，转换器单元44的输出输入到呼气吸气信号评估单元48，该呼气吸气信号评估单元基于输出信号46计算至少一个呼吸参数50。呼吸参数例如可以为呼吸率。例如，呼气吸气信号评估单元48可以以同样地在本领域中已知的方式根据输出信号46计算呼吸率。
例如，用于处理呼气吸气信号的系统可以包括用于执行计算机程序的处理器，该计算机程序适于执行上面描述的方法。例如，该处理器和/或计算机程序可以包括和/或形成上面描述的单元（例如单元12、14、16、20、24、26、28、32、36、40、42、44和/或48）中的一个或多个。例如，该处理器和/或计算机程序可以是适于执行上面描述的方法的计算机的一部分。
图2示出了表示随着时间的信号的声能的示图（A）。声能以涉及图1系统的采样单元12输出的信号值的任意单位示出。
示图（A）示出了呼气吸气的人跨近似24秒的呼气吸气信号的真实记录。该呼气吸气信号通过使用置于离呼气吸气的人近似50cm处的麦克风而被记录。采样率为8000Hz，并且使用了B=256和M=512的值。由图可见，信噪比是差的，并且呼吸的声音是眼睛不可见的。
作为一个比较实例，示图（B）示出了从如图1中所示的系统获得的，但是单元32没有执行中值滤波的输出信号。因此，示图（B）示出了估计的噪声的常规频谱减法的结果。已经发现，频谱减法方法在输出信号中产生音乐音调，这些音调具有时间和频率上的高度随机的特性。这些音乐音调或异常值中的一些在示图（B）中可见。这样的异常值可能容易被呼气吸气信号评估单元或过程错误地分类为呼气吸气。
示图（C）示出了利用包括2D中值滤波单元32的图1系统处理示图（A）的呼气吸气信号的结果。7频率槽乘7时间块的核尺寸用来获得示图（C）中所示的输出信号46。由图可见，有效地移除了音乐音调。因此，可以改善单元48对呼吸参数的分类和提取。
由于呼气吸气随着时间非常缓慢地增加和减少，并且由于呼气吸气的频率内容也不像其例如存在于语音的元音中那样表现出巨大的峰和谷，因而可以在二维中执行中值滤波而不过度地使呼气吸气声音失真。
图3示意性地示出了用于使用置于睡眠的人54邻近的一个或多个麦克风52捕获呼气吸气信号10的可能设置。例如，两个麦克风52置于床的前面角落处。使用不同位置处的两个麦克风允许适应睡眠的人54的位置变化。例如，可以针对与不同麦克风52相应的两个呼气吸气信号10执行上面描述的方法，并且可以选择具有较高信噪比的呼气吸气信号以便计算所述至少一个呼吸参数。
图4示出了用于处理呼气吸气信号的系统的另一实施例，该系统与图1系统的不同之处在于，降噪单元进一步包括滤波器适应性调节单元56。增益函数计算单元26的输出耦合到滤波器适应性调节单元56的输入。滤波器适应性调节单元56确定由滤波单元32使用的滤波器参数，尤其是滤波器核宽度Nf和滤波器核长度Nt。单元56的参数输出耦合到单元32的参数输入。
可以将与若干频率槽的宽度和若干时间块的长度相应的核尺寸解释为滤波的模型阶。因此，Nf为针对频率的模型阶并且Nt为针对时间的模型阶。
为了适应性调节单元32使用的滤波器核的滤波器核宽度Nf和滤波器核长度Nt，单元56执行以下计算步骤。
单元56确定用于计算想要的信号（即呼气吸气声音）的信号能量的第一时间范围。例如，确定增益函数的信号能量达到最大值所在的检测时刻t。例如，将第一时间范围设置为[t-0.25, t+0.25]，其中时间值以秒为单位给出。
例如，确定用于计算噪声信号的信号能量的第二时间范围。例如，将第二时间范围设置为[t-0.75, t-0.25]。
例如，然后使用与单元32当前使用的滤波器核具有相同的核尺寸的测试滤波器核执行增益函数的二维频率和时间滤波，从而创建滤波的信号。
例如，计算在第一时间范围内且在例如信号的0-2kHz的第一或较低频率范围内包含的信号能量，并且计算在第二时间范围以及例如2-4kHz的第二或较高频率范围内的信号能量，并且计算这两个信号能量值之间的比率。
如果该比率大于特定阈值，那么假设存在呼气吸气声音。然而，如果该比率小于阈值，则这意味着所描述的音乐音调存在于所述较高的频率范围内。因此，降噪是不充分的。
在例如不充分降噪的情况下，可以针对一个或多个不同核尺寸的测试滤波器核重复利用测试滤波器核对增益函数滤波以及确定所述比率的步骤，并且可以选择最优的核尺寸。然后，将选择的核滤波器宽度Nf和核滤波器长度Nt输出到滤波单元32。
例如，可以使用核尺寸或核阶为(Nt_test, Nf_test) = (Nt -1, Nf), (Nt, Nf -1), (Nt, Nf), (Nt, Nf +1), (Nt +1, Nf)的测试滤波器核确定所述比率，其中(Nt, Nf)为当前的核尺寸。例如，可以将具有最优比率的核阶选择为新的核尺寸。
例如，可以针对若干呼气吸气重复上面描述的确定第一和第二时间范围以及针对各时间范围确定所述比率的步骤，并且可以将该比率在所述若干呼气吸气上平均。
例如，在特定时间过去之后，例如每10分钟，单元56可以降低针对时间和频率的模型阶，即将滤波器核宽度和长度减少例如值1。因此，可以应用模型阶随着时间的泄漏。如果为了通过使用不同尺寸的测试滤波器核确定所述比率，仅仅测试了具有比单元32中当前使用的滤波器核更大的滤波器核宽度和/或更大的滤波器核长度的测试滤波器核，那么这是特别有用的。
如上面所描述的适应性调节滤波器核宽度和/或滤波器核长度允许确定单独的个人的最优滤波器核尺寸、该个人的呼气吸气状况和/或声学条件。因此，可以改善呼吸参数50的计算。
尽管在所述附图和前面的描述中已经详细地图示和描述了本发明，但是这样的图示和描述应当被认为是说明性或示例性的，而不是限制性的。本发明并不限于所公开的实施例。
本领域技术人员在实施要求保护的本发明时，根据对于所述附图、本公开以及所附权利要求书的研究，应当能够理解并实施所公开实施例的变型。
在权利要求书中，措词“包括/包含”并没有排除其他的元件或步骤，并且不定冠词“一”并没有排除复数。权利要求书中的任何附图标记都不应当被视为对范围的限制。
Claims (9)
1.一种处理呼气吸气信号的方法，包括：
- 对于频谱呼气吸气信号（18）执行降噪操作以便计算输出频谱信号（38），所述降噪操作使用频谱减法；以及
- 执行降噪操作执行步骤的频谱减法中使用的增益函数（30）的二维频率和时间滤波（32），
其中基于估计的噪声和幅度谱信号计算增益函数（30），所述幅度谱信号基于频谱呼气吸气信号而被计算，并且利用与至少0.05秒的时间跨度和至少40Hz的频率跨度相应的滤波器核执行增益函数的所述二维频率和时间滤波。
2.如权利要求1所述的方法，其中增益函数（30）的所述二维频率和时间滤波（32）为二维频率和时间平均或中值滤波。
3.如权利要求1或2所述的方法，进一步包括：
- 基于呼气吸气信号（10），计算所述频谱呼气吸气信号（18）。
4.如权利要求1或2所述的方法，进一步包括：
- 基于输出频谱信号（38）计算至少一个呼吸参数（50）。
5.如权利要求1或2所述的方法，其中降噪操作包括步骤：
- 基于频谱呼气吸气信号（18）计算幅度谱信号（22）；
- 基于估计的噪声（24）和幅度谱信号（22）计算增益函数（30）；
- 执行增益函数（30）的二维频率和时间滤波（32）；以及
- 通过将频谱呼气吸气信号（18）乘以滤波的增益函数（34）计算输出频谱信号（38）。
6.如权利要求1或2所述的方法，进一步包括：
- 适应性调节（56）增益函数（30）的所述二维频率和时间滤波（32）中使用的滤波器核的滤波器核宽度和/或滤波器核长度，其中所述适应性调节基于根据增益函数的二维频率和时间滤波而获得的信号的第一时频区域中包含的信号能量与第二时频区域中包含的噪声能量之间的比率。
7.一种用于处理呼气吸气信号的系统，包括：
- 降噪单元（20，24，26，32，36），其用于通过对频谱呼气吸气信号（18）执行降噪操作而计算输出频谱信号（38），其中降噪操作使用频谱减法；以及
- 滤波器单元（32），其用于执行频谱减法中使用的增益函数（30）的二维频率和时间滤波，
其中基于估计的噪声和幅度谱信号计算增益函数（30），所述幅度谱信号基于频谱呼气吸气信号而被计算，并且利用与至少0.05秒的时间跨度和至少40Hz的频率跨度相应的滤波器核执行增益函数的所述二维频率和时间滤波。
8.如权利要求7所述的系统，进一步包括：
- 频谱分析单元（16），其用于基于呼气吸气信号（10）计算所述频谱呼气吸气信号（18）。
9.如权利要求7或8所述的系统，进一步包括：
- 滤波器适应性调节单元（56），其用于适应性调节增益函数（30）的所述二维频率和时间滤波（32）中使用的滤波器核的滤波器核宽度和/或滤波器核长度，其中所述适应性调节基于根据增益函数的二维频率和时间滤波而获得的信号的第一时频区域中包含的信号能量与第二时频区域中包含的噪声能量之间的比率。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP09164723 | 2009-07-07 | ||
| EP09164723.0 | 2009-07-07 | ||
| PCT/IB2010/053042 WO2011004299A1 (en) | 2009-07-07 | 2010-07-02 | Noise reduction of breathing signals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102469978A CN102469978A (zh) | 2012-05-23 |
| CN102469978B true CN102469978B (zh) | 2015-07-15 |
Family
ID=42731970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201080030613.XA Expired - Fee Related CN102469978B (zh) | 2009-07-07 | 2010-07-02 | 呼气吸气信号的降噪 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US8834386B2 (zh) |
| EP (1) | EP2451359B1 (zh) |
| JP (1) | JP5648052B2 (zh) |
| KR (1) | KR101715709B1 (zh) |
| CN (1) | CN102469978B (zh) |
| BR (1) | BR112012000273A8 (zh) |
| WO (1) | WO2011004299A1 (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR112013030404A2 (pt) * | 2011-05-30 | 2016-12-13 | Koninkl Philips Nv | método para a detecção da postura de um corpo, equipamento para a detecção de posturas de um corpo sobre um leito e uso de um método |
| US9729965B2 (en) | 2012-08-01 | 2017-08-08 | Dolby Laboratories Licensing Corporation | Percentile filtering of noise reduction gains |
| JP6432970B2 (ja) * | 2013-09-27 | 2018-12-05 | 公立大学法人奈良県立医科大学 | 呼吸監視装置及び呼吸監視方法 |
| CN105078505B (zh) * | 2014-04-24 | 2018-01-23 | 重庆融海超声医学工程研究中心有限公司 | 生理信号处理方法及处理装置 |
| EP3229692B1 (en) * | 2014-12-12 | 2019-06-12 | Koninklijke Philips N.V. | Acoustic monitoring system, monitoring method, and monitoring computer program |
| WO2016122143A1 (en) * | 2015-01-28 | 2016-08-04 | Samsung Electronics Co., Ltd. | Method and apparatus for improving and monitoring sleep |
| WO2017106454A1 (en) * | 2015-12-16 | 2017-06-22 | Dolby Laboratories Licensing Corporation | Suppression of breath in audio signals |
| US10339911B2 (en) | 2016-11-01 | 2019-07-02 | Stryker Corporation | Person support apparatuses with noise cancellation |
| US11517256B2 (en) * | 2016-12-28 | 2022-12-06 | Koninklijke Philips N.V. | Method of characterizing sleep disordered breathing |
| US10607590B2 (en) * | 2017-09-05 | 2020-03-31 | Fresenius Medical Care Holdings, Inc. | Masking noises from medical devices, including dialysis machines |
| TWI813584B (zh) * | 2018-08-31 | 2023-09-01 | 逸陞有限公司 | 室內主動降噪系統 |
| JP7122225B2 (ja) * | 2018-10-31 | 2022-08-19 | エア・ウォーター・バイオデザイン株式会社 | 処理装置、システム、処理方法、およびプログラム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1205133A (zh) * | 1996-10-04 | 1999-01-13 | 摩托罗拉公司 | 滤波协处理器 |
| CN101443814A (zh) * | 2005-11-08 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于对伸长特征进行滤波的方法和系统 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4630305A (en) * | 1985-07-01 | 1986-12-16 | Motorola, Inc. | Automatic gain selector for a noise suppression system |
| US4853903A (en) * | 1988-10-19 | 1989-08-01 | Mobil Oil Corporation | Method and apparatus for removing sinusoidal noise from seismic data |
| US5797852A (en) | 1993-02-04 | 1998-08-25 | Local Silence, Inc. | Sleep apnea screening and/or detecting apparatus and method |
| JP3484757B2 (ja) * | 1994-05-13 | 2004-01-06 | ソニー株式会社 | 音声信号の雑音低減方法及び雑音区間検出方法 |
| US5687243A (en) * | 1995-09-29 | 1997-11-11 | Motorola, Inc. | Noise suppression apparatus and method |
| US6549586B2 (en) * | 1999-04-12 | 2003-04-15 | Telefonaktiebolaget L M Ericsson | System and method for dual microphone signal noise reduction using spectral subtraction |
| US6175602B1 (en) * | 1998-05-27 | 2001-01-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Signal noise reduction by spectral subtraction using linear convolution and casual filtering |
| US6290654B1 (en) | 1998-10-08 | 2001-09-18 | Sleep Solutions, Inc. | Obstructive sleep apnea detection apparatus and method using pattern recognition |
| US6487257B1 (en) * | 1999-04-12 | 2002-11-26 | Telefonaktiebolaget L M Ericsson | Signal noise reduction by time-domain spectral subtraction using fixed filters |
| FI20025029A0 (fi) * | 2002-05-29 | 2002-05-29 | Joni Kettunen | Menetelmä luotettavan hengitysaktiviteetti-informaation saamiseksi sydämen sykemittauksesta |
| CA2454296A1 (en) * | 2003-12-29 | 2005-06-29 | Nokia Corporation | Method and device for speech enhancement in the presence of background noise |
| US20090024046A1 (en) | 2004-04-04 | 2009-01-22 | Ben Gurion University Of The Negev Research And Development Authority | Apparatus and method for detection of one lung intubation by monitoring sounds |
| US7742914B2 (en) * | 2005-03-07 | 2010-06-22 | Daniel A. Kosek | Audio spectral noise reduction method and apparatus |
| JP4686281B2 (ja) * | 2005-07-06 | 2011-05-25 | 株式会社東芝 | 呼吸状態判定装置、呼吸状態測定方法および呼吸状態判定プログラム |
| WO2007026691A1 (ja) * | 2005-09-02 | 2007-03-08 | Nec Corporation | 雑音抑圧の方法及び装置並びにコンピュータプログラム |
| EP1810618A1 (en) | 2006-01-24 | 2007-07-25 | Enel Produzione S.p.A. | System and method of processing acoustic signals for the energy characterisation of the respiratory condition |
| FI120964B (fi) | 2007-02-15 | 2010-05-31 | Smart Valley Software Oy | Laite ja menetelmä nukkuvan henkilön suotuisalla, havahtumiseen liittyvällä, ajankohdalla herättämiseksi |
-
2010
- 2010-07-02 WO PCT/IB2010/053042 patent/WO2011004299A1/en active Application Filing
- 2010-07-02 BR BR112012000273A patent/BR112012000273A8/pt not_active IP Right Cessation
- 2010-07-02 CN CN201080030613.XA patent/CN102469978B/zh not_active Expired - Fee Related
- 2010-07-02 KR KR1020127003028A patent/KR101715709B1/ko active IP Right Grant
- 2010-07-02 US US13/382,304 patent/US8834386B2/en not_active Expired - Fee Related
- 2010-07-02 JP JP2012519094A patent/JP5648052B2/ja not_active Expired - Fee Related
- 2010-07-02 EP EP10740324.8A patent/EP2451359B1/en not_active Not-in-force
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1205133A (zh) * | 1996-10-04 | 1999-01-13 | 摩托罗拉公司 | 滤波协处理器 |
| CN101443814A (zh) * | 2005-11-08 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于对伸长特征进行滤波的方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| BOR-SHING LIN,et al.WHEEZE RECOGNITION BASED ON 2D BILATERAL FILTERING OF SPECTROGRAM.《BIOMEDICAL ENGINEERINGAPPLICATIONS,BASIS & * |
| COMMUNICATIONS》.2006,第18卷(第3期), * |
| HUIJUN DING,et al.2D Spectrogram Filter for Single Channel Speech Enhancement.《Proceedings of the 7th WSEAS International Conference on Signal,speech and image processing 》.2007, * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2451359A1 (en) | 2012-05-16 |
| WO2011004299A1 (en) | 2011-01-13 |
| JP5648052B2 (ja) | 2015-01-07 |
| JP2012532650A (ja) | 2012-12-20 |
| KR101715709B1 (ko) | 2017-03-13 |
| CN102469978A (zh) | 2012-05-23 |
| KR20120034777A (ko) | 2012-04-12 |
| BR112012000273A8 (pt) | 2017-10-24 |
| US20120157870A1 (en) | 2012-06-21 |
| US8834386B2 (en) | 2014-09-16 |
| EP2451359B1 (en) | 2017-09-06 |
| BR112012000273A2 (pt) | 2016-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102469978B (zh) | 呼气吸气信号的降噪 | |
| CN109410977B (zh) | 一种基于EMD-Wavelet的MFCC相似度的语音段检测方法 | |
| EP2457504B1 (en) | Sleep apnea syndrome examination device and program | |
| Yadollahi et al. | A robust method for heart sounds localization using lung sounds entropy | |
| Pourazad et al. | Heart sound cancellation from lung sound recordings using time-frequency filtering | |
| KR20040075771A (ko) | 윈드 노이즈를 억제하는 시스템 | |
| Chang et al. | Performance evaluation and enhancement of lung sound recognition system in two real noisy environments | |
| CN101625869A (zh) | 一种基于小波包能量的非空气传导语音增强方法 | |
| Zhang et al. | A novel wheeze detection method for wearable monitoring systems | |
| WO2022218254A1 (zh) | 语音信号增强方法、装置及电子设备 | |
| JP5614261B2 (ja) | 雑音抑制装置、雑音抑制方法、及びプログラム | |
| Lee et al. | Restoration of lung sound signals using a hybrid wavelet-based approach | |
| Tian et al. | Smart radar sensor for speech detection and enhancement | |
| WO2020024787A1 (zh) | 音乐噪声抑制方法及装置 | |
| Ng et al. | Snore signal enhancement and activity detection via translation-invariant wavelet transform | |
| Gath et al. | Analysis of vocal tract parameters in Parkinsonian speech | |
| JP2003510665A (ja) | 適応フィルタリングアルゴリズムを用いるデエッサーのための装置および方法 | |
| CN114615926A (zh) | 基于声音分析的鼾声检测的装置和方法 | |
| Moussavi et al. | Heart sound cancellation based on multiscale products and linear prediction | |
| CN111968627B (zh) | 一种基于联合字典学习和稀疏表示的骨导语音增强方法 | |
| JP2000105599A (ja) | 雑音レベル時間変動率計算方法及び装置と雑音低減方法 及び装置 | |
| Jin et al. | A filter bank-based source extraction algorithm for heart sound removal in respiratory sounds | |
| Fan et al. | The improvement and realization of speech enhancement algorithm based on wiener filtering | |
| Kim et al. | A new binary mask based on noise constraints for improved speech intelligibility | |
| Jin et al. | An acoustical respiratory phase segmentation algorithm using genetic approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150715 Termination date: 20190702 |