CN103190911B

CN103190911B - 基于鼾声共振峰和功率比轨迹的上气道变化监测方法

Info

Publication number: CN103190911B
Application number: CN201310131916.6A
Authority: CN
Inventors: 许志勇; 钱昆; 许辉杰; 黄魏宁
Original assignee: Nanjing University of Science and Technology; Beijing Hospital
Current assignee: Nanjing University of Science and Technology; Beijing Hospital
Priority date: 2013-04-16
Filing date: 2013-04-16
Publication date: 2014-09-17
Anticipated expiration: 2033-04-16
Also published as: CN103190911A

Abstract

本发明公开了一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法。该方法首先读取用麦克风录制的待测者鼾声数据，通过设置短时能量门限对过门限的鼾声数据样本提取两个声学特征，即共振峰第一频率（F1）和800Hz功率比（PR800）；然后按照时序对通过门限的鼾声数据样本进行两个特征轨迹的显示；最后测试人员可对该患者在该段时间内上气道变化情况进行监测。本发明实现容易，方法简单，开发成产品后硬件成本小，使用方便。

Description

基于鼾声共振峰和功率比轨迹的上气道变化监测方法

技术领域

本发明属于用声信号处理手段实现医学生命体征监测技术，特别是一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法。

背景技术

阻塞性睡眠呼吸暂停低通气综合症（Obstructive Sleep Apnea-HypopneaSyndrome，OSAHS）是一种危害度极高的多发病症。呼吸暂停是指患者口鼻气流完全停止大于10秒以上，低通气是指口鼻气流低于正常值的50%，且两者都会伴有血氧浓度低于正常值的4%。OSAHS患者若长期得不到合理的诊断和治疗，将会导致个人生活质量严重下降，极易诱发高血压，冠心病，心力衰竭等心脑血管疾病，极端情况易出现夜间猝死。鼾声是OSAHS患者的一个显著的症状，对其进行声学信号分析手段可以提供开发一种“非侵入式”辅助诊断设备的可能。临床中，医生关心的是如何利用声学信号分析手段发现待测者潜在的上气道阻塞部位，进而为手术提供更为精确的方案(1.何权瀛,陈宝元.睡眠呼吸病学[M].北京：人民卫生出版社,2009.2.许辉杰，黄魏宁，余力生，等.OSAHS患者不同阻塞部位鼾声频域特性分析[J].听力学及言语疾病杂志,2011,19(1):28-32.)。传统的整夜上气道压力测定法可以很好地监测待测者上气道的变化情况，但这种方法是“侵入式”手段，易造成患者的极度不适和增加检测的复杂程度。且设备造价相对昂贵，不易进行大范围推广。

对基于声学信号分析手段寻找待测者潜在的上气道阻塞部位的首要任务是通过基于声学信号分析手段对待测者上气道变化情况实现监测。如何找到合适的声学特征来反映上气道结构的生理和解剖学意义显得尤为重要。目前国内外的研究表明，第一共振峰频率（F1）和800Hz功率比（PR800）可以很好地反映出上气道结构情况（3.许辉杰，余力生，黄魏宁，等.OSAHS患者与单纯打鼾者鼾声声学特性初步研究[J].听力学及言语疾病杂志,2009,17(3):235-238.4.NgK A,Koh S T,Baey E,et al.Could formant frequencies of snore signals be analternative means for the diagnosis of obstructive sleep apnea[J].Sleep Medicine,2008,9:894-898.）但是这些方法并没有从动态考虑在一段时间内这些特征的变化情况，所以不能够很好地反映出一段时间内待测者上气道结构的变化情况。

由上可知，现有技术存在造价昂贵、操作复杂、极易造成待测者不适等缺陷，且无法对待测者的上气道实现实时的监测。

发明内容

本发明的目的在于提供一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法。

实现本发明目的的技术解决方案为：一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法，步骤如下：

步骤1、对短时能量门限进行设置，即先读取用麦克风录制的鼾声数据，然后通过“短时分帧”处理将数据分割成样本，确定每个样本的短时能量值，得出所有样本中最大最小能量值，结合噪声基底能量值给出短时能量门限；

步骤2、对两个声学特征进行提取，即对通过短时能量门限的样本结合相应的信号处理算法提取两个声学特征，分别为第一共振峰频率F1和800Hz功率比PR800；

步骤3、特征轨迹的显示，对当前样本的声学特征值进行显示，该过程按照时间顺序进行，对没通过短时能量门限的样本不进行任何操作。

本发明与现有技术相比，其显著优点为：1）本发明的方法能够反映出声学特征的动态变化情况（轨迹）；2）本发明的方法简单实用，易实现，开发成硬件产品成本相对较低；3）本发明的方法属于“非侵入式”监测方法，对待测者造成的影响较小。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明基于鼾声共振峰和功率比轨迹的上气道变化监测方法的流程图。

图2是一段待测者鼾声数据示意图。

图3是用本发明的方法对一次呼吸暂停前的鼾声数据提取的声学特征轨迹示意图。

具体实施方式

结合图1，本发明的一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法，步骤如下：

步骤1、对短时能量门限进行设置，即先读取用麦克风录制的鼾声数据，然后通过“短时分帧”处理将数据分割成样本，确定每个样本的短时能量值，得出所有样本中最大最小能量值，结合噪声基底能量值给出短时能量门限；对短时能量门限进行设置具体为：

步骤1-1、对用麦克风录制的鼾声数据进行读取并用“短时分帧”处理对原始数据进行50%重叠“分帧”；其中“帧长”为64ms，“帧移”为32ms，“一帧”鼾声数据视为一个样本。

步骤1-2、利用公式确定每个样本的短时能量；

式中，k表示第k个样本，N为每个样本所包含的数字信号采样点数，E_k为每个样本的短时能量，S_k为数字信号采样样本幅度，具体由硬件电路确定。

步骤1-3、选出上述所有样本中能量最大值E_max和最小值E_min,分别确定待选门限值I₁和I₂，

所述I₁=a*[E_max-E_min]+E_min，I₂=b*E_min+E_b

上式中，E_b为噪声基底能量，具体数值根据所选麦克风硬件设备和测试环境进行调整，a,b为自适应参数值，根据实验选取；

步骤1-4、确定短时能量门限为T_e=min(I₁,I₂)。

其中对第一共振峰频率F1提取采用线性预测编码方法提取，具体为：

步骤2-1、对鼾声数据样本加汉明窗，建立一个全极点模型H(z)如下：

H (z) = \frac{1}{1 - Σ_{k = 1}^{p} a_{k} z^{- k}};

式中，a_k（k=1,2,3,…,p）为线性预测系数，p为线性预测模型阶数：

步骤2-2、利用莱文森-德宾（Levinson-Durbin）算法求取a_k的值；

步骤2-3、将求出的a_k的值代入全极点模型H(z)，利用快速求根算法得到多项式的复根之后即可得到所有共振峰的频率值，取出第一共振峰F1的频率值。

对800Hz功率比PR800按照快速傅里叶变换方法提取，具体为：

步骤2-A、对鼾声数据样本加汉明窗后作快速傅里叶变换得到其频谱结构；

步骤2-B、对低于800Hz和高于800Hz的频带范围分别计算累计功率；

步骤2-C、将低于800Hz的累计功率除以高于800Hz的累计功率即得到800Hz功率比PR800。

步骤3、特征轨迹的显示，对当前样本的声学特征值进行显示，该过按照时间顺序进行，对没通过短时能量门限的样本不进行任何操作。声学特征轨迹的显示过程为：

步骤3-1、判断当前样本是否为最后一个样本，若是，则显示出最后轨迹图，否则，执行下一步；

步骤3-2、先存储当前样本两个特征值的数据值，随后读取下一个样本，并执行步骤3-3；

步骤3-3、判断当前样本能量值是否通过短时能量门限，若通过则进行声学特征提取并存储当前样本的声学特征值，否则执行步骤3-4；

步骤3-4、读取下一个样本并返回步骤3-3。

下面结合实施例对本发明做进一步详细的描述：

结合图1，本发明基于鼾声共振峰和功率比轨迹的上气道变化监测方法，步骤如下：

第一步，对拟进行分析的麦克风记录的鼾声数据进行“短时分帧”处理，分别计算每“一帧”（即一个样本）的短时能量值，然后设置出短时能量门限用于随后对当前“帧”进行过门限判断。

（1）对用麦克风录制的鼾声数据进行读取并用“短时分帧”处理对原始数据进行50%重叠“分帧”，一般取“帧长”为64ms，“帧移”为32ms，“一帧”鼾声数据可视为一个样本。

（2）根据公式（k表示第k个样本，N为每个样本所包含的数字信号采样点数）计算每个样本的短时能量。

（3）选出所有样本中能量最大值E_max和最小值E_min,分别计算I₁=a*[E_max-E_min]+E_min和I₂=b*E_min+E_b(E_b为噪声基底能量)，a,b为参数值，根据所选实例情况调试取a为0.01，b为15，E_b为0.004。

（4）设置短时能量门限为T_e=min(I₁,I₂)，实例中T_e为0.009。

第二步，两个声学特征提取：如图1所示，对当前读取的“帧”进行过门限判断，若大于设定的门限值，则进行声学特征提取，否则读取下一“帧”鼾声数据。

（1）对“短时分帧”后的数据进行“加窗处理”（即原信号在时域上乘以一个窗函数），一般选取汉明窗：

w (n) = 0.54 - 0.46 \cos (2 π \frac{n}{N}), 0 \leq n \leq N

其中，N为一“帧”样本的采样点数。

（2）建立适合模拟上气道结构的全极点模型H(z)（a_k，k=1,2,3,…,p称为预测系数，p称为线性预测模型阶数，p的选取与硬件数字信号采样率有关）：

H (z) = \frac{1}{1 - Σ_{k = 1}^{p} a_{k} z^{- k}};

通过Levinson-Durbin算法（5.Rabiner R L,Schafer W R.THEORYAND APPLICATIONS OF DIGITAL SPEECH PROCESSING[M].London,UK:Pearson Education,Inc.,2010.）可以求得a_k的值。将求出的a_k值代入全极点模型H(z)，利用快速求根算法得到多项式的第i个复根之后代入公式

θ_{i} = \arctan \frac{imag (r_{i})}{real (r_{i})},

然后根据公式（F_s为数字信号采样率）令i=1得到共振峰第一频率（F1）的值。

（3）对“加窗”后的鼾声数据样本作FFT，得到其频谱之后根据以下公式计算800Hz功率比：

PR 800 = 1 g (\frac{Σ_{f_{i} = 0}^{800 Hz} X_{f_{i}}^{2}}{Σ_{f_{j} = 800 Hz}^{f_{c}} X_{f_{j}}^{2}}) .

第三步，特征轨迹的显示：如图1所示，先判断当前“帧”是否为最后“帧”，如果是，结束主程序，显示出声学特征轨迹；如果不是，暂时存储当前“帧”的声学特征值并回到读取下一“帧”，再次进行过门限判断和声学特征提取。图2所示为一段鼾声数据，医学上通常关心如何对一次呼吸暂停/低通气前的待测者上气道进行实时监测，图3即为对选出的该类型鼾声片段的声学特征轨迹。在图3中，片段1，片段2和片段3的F1和PR800这两个声学特征的轨迹分布各有不同，从而反映出待测者上气道结构变化情况。

由上可知，本发明的方法简单实用，易实现，且能够反映出F1和PR800这两个声学特征的动态变化情况。

Claims

1.一种基于鼾声共振峰和功率比轨迹的上气道变化监测方法，其特征在于，步骤如下：

步骤1-1、对用麦克风录制的鼾声数据进行读取并用“短时分帧”处理对原始数据进行50％重叠“分帧”；

步骤1-2、利用公式确定每个样本的短时能量；

式中，k表示第k个样本，N为每个样本所包含的数字信号采样点数，E_k为每个样本的短时能量，S_k为数字信号采样样本幅度；

所述I₁＝a*[E_max-E_min]+E_min，I₂＝b*E_min+E_b

上式中，E_b为噪声基底能量，a,b为自适应参数值；

步骤1-4、确定短时能量门限为T_e＝min(I₁,I₂)；

步骤3、特征轨迹的显示，对通过短时能量门限的样本的两个特征值进行显示，所述特征轨迹的显示按照时间顺序进行，对没通过短时能量门限的样本不进行任何操作。

2.根据权利要求1所述的基于鼾声共振峰和功率比轨迹的上气道变化监测方法，其特征在于，步骤2中对声学特征进行提取时，对第一共振峰频率F1提取采用线性预测编码方法提取，具体为：

H (z) = \frac{1}{1 - Σ_{k = 1}^{p} a_{k} z^{- k}};

式中，a_k(k＝1,2,3,…,p)为线性预测系数，p为线性预测模型阶数：

步骤2-2、利用莱文森-德宾算法求取a_k的值；

步骤2-3、将求出的a_k的值代入全极点模型H(z)，利用快速求根算法得到多项式的复根之后即可得到所有共振峰的频率值，取出第一共振峰频率F1。

3.根据权利要求1所述的基于鼾声共振峰和功率比轨迹的上气道变化监测方法，其特征在于，步骤2中对两个声学特征进行提取时，对800Hz功率比PR800按照快速傅里叶变换方法提取，具体为：

4.根据权利要求1所述的基于鼾声共振峰和功率比轨迹的上气道变化监测方法，其特征在于，步骤3特征轨迹的显示过程为：

步骤3-4、读取下一个样本并返回步骤3-3。

5.根据权利要求1所述的基于鼾声共振峰和功率比轨迹的上气道变化监测方法，其特征在于，步骤1-1中“帧长”为64ms，“帧移”为32ms，“一帧”鼾声数据视为一个样本。