CN104622432B - 基于低音比的睡眠鼾声监测方法及系统 - Google Patents

基于低音比的睡眠鼾声监测方法及系统 Download PDF

Info

Publication number
CN104622432B
CN104622432B CN201510065354.9A CN201510065354A CN104622432B CN 104622432 B CN104622432 B CN 104622432B CN 201510065354 A CN201510065354 A CN 201510065354A CN 104622432 B CN104622432 B CN 104622432B
Authority
CN
China
Prior art keywords
sound
snoring
sleep
octave band
bass
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
Application number
CN201510065354.9A
Other languages
English (en)
Other versions
CN104622432A (zh
Inventor
彭健新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510065354.9A priority Critical patent/CN104622432B/zh
Publication of CN104622432A publication Critical patent/CN104622432A/zh
Application granted granted Critical
Publication of CN104622432B publication Critical patent/CN104622432B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4818Sleep apnoea
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于低音比的睡眠鼾声监测方法及系统,所述方法包括以下步骤:记录患者整晚的睡眠鼾声,并提取记录中每个睡眠鼾声信号;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;根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测。本发明方法及系统通过计算患者睡眠鼾声的低音比来判断其鼾声为正常鼾声还是非正常鼾声,以及判别阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的严重程度,为患者提供初步的诊断结果,同时为术后效果的客观评价提供一种可选择的方法。

Description

基于低音比的睡眠鼾声监测方法及系统
技术领域
本发明涉及一种睡眠鼾声监测方法及系统,尤其是一种基于低音比的睡眠鼾声监测方法及系统,属于信号处理、声学、医学诊断领域。
背景技术
从声学角度来讲,鼾声是由软腭、咽腔壁、会厌、舌等咽部组织结构的振动产生的,气流受限一般是产生振动的前提,而气流受限又与各种原因引起的上气道截面积减小密切相关,呼吸紊乱事件由气道狭窄导致,部分狭窄时发生低通气、气道完全阻塞时呼吸暂停。因此,鼾声中可能隐含呼吸紊乱事件的信息。
阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopneasyndrome,简称为OSAHS)患者睡眠时咽腔部分或全部塌陷,导致反复出现的睡眠结构紊乱、病理性睡眠中断、夜间睡眠低氧血症,继发体内一系列的病理变化,严重危及人类的健康和安全。多导睡眠仪(Polysomnography,简称为PSG)作为检测OSAHS的“金标准”也存在诸多不足,其检测费用昂贵,对检测环境要求较高、操作复杂,极大的制约了PSG的普及使用。
对于声信号的分析,一般是从信号的时域和频域进行分析。倍频带声压分析是室内声学和语言声学常用的一种分析方法,比如衡量声音大小,一般对所分析的声信号进行倍频带滤波,然后计算不同倍频带声压级是多少dB。对于鼾声,通过倍频带滤波然后计算出各倍频带声压级,可了解睡眠鼾声的倍频带声压分布规律和特点。睡眠鼾声分析是近年来OSAHS诊断中一个快速发展的研究领域,它通过对鼾声进行时域和频域的分析,获取鼾声的声学特征并进行判断。由于基于睡眠鼾声分析的方法只需对患者睡眠时的鼾声进行离体录音就可进行分析诊断,其操作方便、无创,可弥补标准PSG检查的不足,适合于OSAHS的筛查及术后效果的客观评估,使许多由于种种原因不能行PSG检查的患者有了新的选择。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供一种基于低音比的睡眠鼾声监测方法,该方法实施简单方便,在不影响睡眠质量的情况下,可以对患者的睡眠鼾声进行监测。
本发明的另一目的在于提供一种基于低音比的睡眠鼾声监测系统。
本发明的目的可以通过采取如下技术方案达到:
基于低音比的睡眠鼾声监测方法,所述方法包括以下步骤:
1)记录患者整晚的睡眠鼾声,根据记录的患者整晚的睡眠鼾声,提取记录中每个睡眠鼾声信号;
2)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数值;
3)如果获取的是多个倍频带声压数值,则计算低频倍频带的声压与中频倍频带的声压之间的比值,取对数,得到每个睡眠鼾声的低音比;如果获取的是多个倍频带声压级数值,则计算低频倍频带的声压级与中频倍频带的声压级之间的差值,得到每个睡眠鼾声的低音比;
4)根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测。
作为一种实施方案,步骤4)所述根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测包括判断每个睡眠鼾声是否正常以及判别阻塞性睡眠呼吸暂停低通气综合征的严重程度;
所述判断每个睡眠鼾声是否正常,具体为:当低音比值大于2dB时,判断为正常鼾声;当低音比值小于或等于2dB时,判断为非正常鼾声;
所述判别阻塞性睡眠呼吸暂停低通气综合征的严重程度,具体为:统计整晚的睡眠鼾声的低音比,计算其均值、标准偏差,以及计算正常鼾声次数、非正常鼾声次数和它们之间的比值,判别阻塞性睡眠呼吸暂停低通气综合征的严重程度。
作为一种实施方案,步骤3)所述低频倍频带的声压或声压级取一个低频倍频带的声压或声压级,或者取两个低频倍频带的平均声压或声压级。
作为一种实施方案,步骤2)所述多个倍频带包括中心频率为63Hz、125Hz、250Hz、500Hz、1000Hz、2000Hz和4000Hz这7个倍频带;步骤3)所述计算低频倍频带声压与中频倍频带声压之间的比值是分别计算低频63Hz、125Hz、250Hz倍频带的声压与中频1000Hz倍频带的声压比值,或计算125Hz、250Hz两个低频倍频带的平均声压与中频1000Hz倍频带的声压比值。
作为一种实施方案,所述每个睡眠鼾声的低音比计算如下式:
式中,LR为低音比,pi是中心频率为63Hz、125Hz、250Hz的倍频带声压或125Hz、250Hz两个低频倍频带的平均声压,i表示中心频率为63Hz、125Hz、250Hz的倍频带或它们中的两个倍频带组合,p1000Hz为1000Hz倍频带的声压,p0=2×10-5帕斯卡,Lpi是中心频率为63Hz、125Hz、250Hz的倍频带声压级或125Hz、250Hz两个低频倍频带的平均声压级,Lp1000Hz为1000Hz倍频带的声压级。
作为一种实施方案,所述低音比的均值计算如下式:
式中,为低音比均值,n为鼾声次数;
所述低音比的标准偏差计算如下式:
式中,sLR为低音比的标准偏差,n为鼾声次数。
作为一种实施方案,步骤1)所述患者整晚的睡眠鼾声采用录音设备进行记录。
作为一种实施方案,必要时可在步骤1)提取记录中每个睡眠鼾声信号之前,对睡眠鼾声信号进行降噪的预处理。
作为一种实施方案,所述患者整晚的睡眠鼾声信号的采样频率不小于10000Hz。
本发明的另一目的可以通过采取如下技术方案达到:
基于低音比的睡眠鼾声监测系统,所述系统应用到电脑或基于数字信号处理芯片的智能仪器中,具体包括:
信号记录模块,用于记录患者的整晚睡眠鼾声;
信号提取模块,用于根据患者整晚的睡眠鼾声记录,提取记录中每个睡眠鼾声信号;
信号处理模块,用于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数值,从而得到每个睡眠鼾声的低音比;
睡眠鼾声监测模块,用于根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测。
本发明相对于现有技术具有如下的有益效果:
1、本发明方法及系统通过计算患者睡眠鼾声的低音比来判断其鼾声为正常鼾声还是非正常鼾声,以及判别阻塞性睡眠呼吸暂停低通气综合征的严重程度,为患者提供初步的诊断结果,同时为术后效果的客观评价提供一种可选择的方法。
2、本发明方法及系统通过采集患者的睡眠鼾声信号、分析睡眠鼾声的低音比,根据正常鼾声与非正常鼾声发生次数及比值,可以判别阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的严重程度,实施过程中仅需录制患者睡眠时的鼾声,不影响患者睡眠的舒适度、对测试环境要求不高、检测方便、费用低廉,可以广泛应用于患者的睡眠监测。
附图说明
图1为正常鼾声各倍频带声压分布图。
图2为非正常鼾声各倍频带声压分布图
图3为本发明实施例1的基于低音比的睡眠鼾声监测流程图。
图4为本发明实施例1的部分睡眠鼾声的低音比计算结果图。
图5为本发明实施例5的基于低音比的睡眠鼾声监测系统结构框图。
具体实施方式
下面结合附图对本发明的基于低音比的睡眠鼾声监测方法的具体实施方式作详细描述。
实施例1:
本实施例的原理是:众所周知,声音是由物体振动引起的,而语音的产生是声带振动或声道狭窄部所产生的涡流。声音经过气流通道所形成的共鸣系统或经过滤波器以后,频谱发生改变。再经过口唇和鼻腔时频谱又发生改变。不同音位之间的差别可以是由于发声源引起的,也可以是由于声道的形状和空气柱的长度不同所引起的。与语音相似,鼾声是由呼吸道某部位(器官)塌陷或者阻塞,导致呼吸气流不通畅引起共鸣而发出的声音。也就是说,鼾声与阻塞位置密切相关,阻塞性睡眠呼吸暂停低通气综合征(OSAHS)严重程度不同,对应鼾声的各倍频带频谱也不同,正常鼾声的能量主要集中在低频63Hz、125Hz、250Hz倍频带,如图1所示,即低倍频带鼾声的声压级较高,而非正常鼾声的声压级在125Hz、250Hz倍频带降低,而中频1000Hz、2000Hz倍频程声压级增大,如图2所示。
如图3所示,本实施例的基于低音比的睡眠鼾声监测方法,包括以下步骤:
1)搭建一个比较安静的录音环境,采用录音设备记录患者的整晚的睡眠鼾声信号,采样频率不小于10000Hz;
2)根据患者整晚的睡眠鼾声记录,必要时对患者的每个睡眠鼾声信号进行预处理,如降噪及手动删除患者未入睡时的录音;
3)对每个经过预处理的睡眠鼾声信号进行人工提取;
4)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中心频率为63Hz、125Hz、250Hz、500Hz、1000Hz、2000Hz和4000Hz这7个倍频带声压数值;
5)分别计算低频63Hz、125Hz、250Hz的倍频带声压与中频1000Hz倍频带的声压之间的比值,或计算125Hz、250Hz两个低频倍频带的平均声压与中频1000Hz倍频带的声压之间的比值(可见,低频倍频带的声压既可以取一个低频倍频带的声压,也可以取两个低频倍频带的平均声压),取对数,得到每个睡眠鼾声的低音比,详细计算如下式:
式中,LR为低音比,pi是中心频率为63Hz、125Hz、250Hz的倍频带声压或125Hz、250Hz两个低频倍频带的平均声压,i表示中心频率为63Hz、125Hz、250Hz的倍频带或它们中的两个倍频带组合,p1000Hz为1000Hz倍频带的声压,p0=2×10-5帕斯卡,Lpi是中心频率为63Hz、125Hz、250Hz的倍频带声压级或125Hz、250Hz两个低频倍频带的平均声压级,Lp1000Hz为1000Hz倍频带的声压级。
图4示出了各个倍频带的声压级值以及部分睡眠鼾声的低音比计算结果,考虑要准确得到63Hz倍频带声压,对录音设备要求较高,从而提高测试成本,表中只计算125Hz、250Hz倍频带的低音比,正常鼾声的低音比值较大(大于2dB),而非正常鼾声低音比值较小(小于或等于2dB),这样根据低频倍频带的声压与中频1000Hz倍频带的声压比值,即可判断患者睡眠鼾声是否正常;
6)所有睡眠鼾声的低音比计算完毕后,根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测,此时可以直接判断每个睡眠鼾声是否正常,以及通过统计分析方法判别阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的严重程度,具体为:
统计整晚的睡眠鼾声的低音比,计算其均值、标准偏差,以及计算正常鼾声次数、非正常鼾声次数和它们之间的比值,判别患者的阻塞性睡眠呼吸暂停低通气综合征(OSAHS)严重程度;其中,所述低音比的均值计算如下式:
式(2)中,为低音比均值,n为鼾声次数;
所述低音比的标准偏差计算如下式:
式(3)中,sLR为低音比的标准偏差,n为鼾声次数。
7)显示分析结果,为临床诊断提供初步依据。
上述步骤4)中,在对每个睡眠鼾声信号进行倍频带滤波后,也可以直接获取每个睡眠鼾声信号的中心频率为63Hz、125Hz、250Hz、500Hz、1000Hz、2000Hz和4000Hz这7个倍频带声压级数值;这样在步骤5)中,只要分别计算低频63Hz、125Hz、250Hz的倍频带声压级与中频1000Hz倍频带的声压级之间的差值,或计算125Hz、250Hz两个低频倍频带的平均声压级与中频1000Hz倍频带的声压级之间的差值,就可以得到每个睡眠鼾声的低音比。
上述步骤6)中,低音比的均值还可以通过对低音比的分布规律(如高斯分布等)进行分析获取。
实施例2:
本实施例的基于低音比的睡眠鼾声监测方法采用离线分析,具体包括以下步骤:
1)录音的方案设定为对患者采用非接触式麦克风,连接麦克风、电脑、USB外置声卡,麦克风悬挂在距离患者躺着时口鼻上方30cm左右,录音的文件格式设定为WAV,采样率为11KHz,16bit量化,录音后的睡眠鼾声信号保存在电脑中;
2)当录音环境不佳时,比如环境噪声太大,需要采用信号处理方法对睡眠鼾声信号进行预处理,如采用谱减法降噪,使信噪比大于10dB;
3)手动提取每个睡眠鼾声信号并按照一定规则命名保存;
4)通过编写的软件读取每个睡眠鼾声,计算低音比,统计整晚的睡眠鼾声的低音比,计算其均值、标准偏差,以及计算正常鼾声次数、非正常鼾声次数和它们之间的比值,判别患者的阻塞性睡眠呼吸暂停低通气综合征(OSAHS)严重程度;
5)显示分析结果,为临床诊断提供初步依据。
实施例3:
本实施例的基于低音比的睡眠鼾声监测方法采用在线分析,其具体步骤与实施例2的离线分析相似,区别之处在于:采用实时在线处理方式,步骤3)采用信号处理方法利用编写的程序自动提取睡眠鼾声,然后计算每个睡眠鼾声的低音比,统计整晚的睡眠鼾声的低音比,计算其均值、标准偏差,以及计算正常鼾声次数、非正常鼾声次数和它们之间的比值,显示分析结果。
实施例4:
本实施例的基于低音比的睡眠鼾声监测方法采用手机应用软件,具体包括以下步骤:
1)患者躺着时,手机置于离患者头部30~50cm范围,设置采样率为11KHz(最低要求为4000Hz),16bit量化,对患者的睡眠鼾声进行录音;
2)当录音环境不佳时,比如环境噪声太大,需要采用信号处理方法对睡眠鼾声信号进行预处理,如采用谱减法降噪,使信噪比大于10dB;
3)自动提取每个睡眠鼾声信号;
4)计算低音比,统计整晚的睡眠鼾声的低音比,计算其均值、标准偏差,以及计算正常鼾声次数、非正常鼾声次数和它们之间的比值,判别患者的阻塞性睡眠呼吸暂停低通气综合征(OSAHS)严重程度。
5)显示分析结果,为临床诊断提供初步依据。
上述步骤1)中,考虑手机存储卡容量限制,采用率可设置为4000Hz,,对应的倍频带滤波为63Hz、125Hz、250Hz、500Hz、1000Hz这5个倍频带,然后计算这5个倍频带的声压或声压级,从而获取每个鼾声的低音比。
实施例5:
如图5所示,本实施例提供了一种基于低音比的睡眠鼾声监测系统,该系统可以应用到电脑或基于数字信号处理(DSP)芯片的智能仪器中,具体包括:
信号记录模块,用于记录患者的整晚睡眠鼾声;
信号提取模块,用于根据患者整晚的睡眠鼾声记录,提取记录中每个睡眠鼾声信号;
信号处理模块,用于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数值,获得每个睡眠鼾声的低音比;
睡眠鼾声监测模块,用于根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测。
上述模块的具体实现过程同上述实施例1~4。
综上所述,本发明方法及系统通过计算患者睡眠鼾声的低音比来判断其鼾声为正常鼾声还是非正常鼾声,以及判别阻塞性睡眠呼吸暂停低通气综合征的严重程度,为患者提供初步的诊断结果,同时为术后效果的客观评价提供一种可选择的方法。
以上所述,仅为本发明专利优选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。

Claims (5)

1.基于低音比的睡眠鼾声监测方法,其特征在于所述方法包括以下步骤:
1)记录患者整晚的睡眠鼾声,根据记录的患者整晚的睡眠鼾声,提取记录中每个睡眠鼾声信号;
2)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数值;其中,多个倍频带包括中心频率为63Hz、125Hz、250Hz、500Hz、1000Hz、2000Hz和4000Hz这7个倍频带;
3)如果获取的是多个倍频带声压数值,则计算低频倍频带的声压与中频倍频带的声压之间的比值,取对数,得到每个睡眠鼾声的低音比;如果获取的是多个倍频带声压级数值,则计算低频倍频带的声压级与中频倍频带的声压级之间的差值,得到每个睡眠鼾声的低音比;其中,所述低频倍频带的声压或声压级取一个低频倍频带的声压或声压级,或者取两个低频倍频带的平均声压或声压级;所述计算低频倍频带声压与中频倍频带声压之间的比值是分别计算低频63Hz、125Hz、250Hz倍频带的声压与中频1000Hz倍频带的声压比值,或计算125Hz、250Hz两个低频倍频带的平均声压与中频1000Hz倍频带的声压比值;
所述每个睡眠鼾声的低音比计算如下式:
L R = 20 l o g ( p i p 1000 H z ) = 20 l o g ( p i / p 0 ) - 20 log ( p 1000 H z / p 0 ) = Lp i - Lp 1000 H z
式中,LR为低音比,pi是中心频率为63Hz、125Hz、250Hz的倍频带声压或125Hz、250Hz两个低频倍频带的平均声压,i表示中心频率为63Hz、125Hz、250Hz的倍频带或它们中的两个倍频带组合,p1000Hz为1000Hz倍频带的声压,p0=2×10-5帕斯卡,Lpi是中心频率为63Hz、125Hz、250Hz的倍频带声压级或125Hz、250Hz两个低频倍频带的平均声压级,Lp1000Hz为1000Hz倍频带的声压级;
4)根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测,包括判断每个睡眠鼾声是否正常,所述判断每个睡眠鼾声是否正常,具体为:当低音比值大于2dB时,判断为正常鼾声;当低音比值小于或等于2dB时,判断为非正常鼾声。
2.根据权利要求1所述的基于低音比的睡眠鼾声监测方法,其特征在于:步骤1)所述患者整晚的睡眠鼾声采用录音设备进行记录。
3.根据权利要求1所述的基于低音比的睡眠鼾声监测方法,其特征在于:在步骤1)提取记录中每个睡眠鼾声信号之前,对睡眠鼾声信号进行降噪的预处理。
4.根据权利要求1所述的基于低音比的睡眠鼾声监测方法,其特征在于:所述患者整晚的睡眠鼾声信号的采样频率不小于10000Hz。
5.基于低音比的睡眠鼾声监测系统,其特征在于:所述系统应用到电脑或基于数字信号处理芯片的智能仪器中,具体包括:
信号记录模块,用于记录患者的整晚睡眠鼾声;
信号提取模块,用于根据患者整晚的睡眠鼾声记录,提取记录中每个睡眠鼾声信号;
信号处理模块,用于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数值,如果获取的是多个倍频带声压数值,则计算低频倍频带的声压与中频倍频带的声压之间的比值,取对数,得到每个睡眠鼾声的低音比;如果获取的是多个倍频带声压级数值,则计算低频倍频带的声压级与中频倍频带的声压级之间的差值,得到每个睡眠鼾声的低音比;其中,多个倍频带包括中心频率为63Hz、125Hz、250Hz、500Hz、1000Hz、2000Hz和4000Hz这7个倍频带;所述低频倍频带的声压或声压级取一个低频倍频带的声压或声压级,或者取两个低频倍频带的平均声压或声压级;所述计算低频倍频带声压与中频倍频带声压之间的比值是分别计算低频63Hz、125Hz、250Hz倍频带的声压与中频1000Hz倍频带的声压比值,或计算125Hz、250Hz两个低频倍频带的平均声压与中频1000Hz倍频带的声压比值;
所述每个睡眠鼾声的低音比计算如下式:
L R = 20 l o g ( p i p 1000 H z ) = 20 l o g ( p i / p 0 ) - 20 log ( p 1000 H z / p 0 ) = Lp i - Lp 1000 H z
式中,LR为低音比,pi是中心频率为63Hz、125Hz、250Hz的倍频带声压或125Hz、250Hz两个低频倍频带的平均声压,i表示中心频率为63Hz、125Hz、250Hz的倍频带或它们中的两个倍频带组合,p1000Hz为1000Hz倍频带的声压,p0=2×10-5帕斯卡,Lpi是中心频率为63Hz、125Hz、250Hz的倍频带声压级或125Hz、250Hz两个低频倍频带的平均声压级,Lp1000Hz为1000Hz倍频带的声压级;
睡眠鼾声监测模块,用于根据每个睡眠鼾声的低音比对整晚的睡眠鼾声进行监测,包括判断每个睡眠鼾声是否正常,所述判断每个睡眠鼾声是否正常,具体为:当低音比值大于2dB时,判断为正常鼾声;当低音比值小于或等于2dB时,判断为非正常鼾声。
CN201510065354.9A 2015-02-06 2015-02-06 基于低音比的睡眠鼾声监测方法及系统 Expired - Fee Related CN104622432B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510065354.9A CN104622432B (zh) 2015-02-06 2015-02-06 基于低音比的睡眠鼾声监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510065354.9A CN104622432B (zh) 2015-02-06 2015-02-06 基于低音比的睡眠鼾声监测方法及系统

Publications (2)

Publication Number Publication Date
CN104622432A CN104622432A (zh) 2015-05-20
CN104622432B true CN104622432B (zh) 2017-06-06

Family

ID=53202052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510065354.9A Expired - Fee Related CN104622432B (zh) 2015-02-06 2015-02-06 基于低音比的睡眠鼾声监测方法及系统

Country Status (1)

Country Link
CN (1) CN104622432B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3322336B1 (en) * 2015-07-16 2019-09-11 Koninklijke Philips N.V. System and method for analysis of the upper airway and a respiratory pressure support system
CN105534480B (zh) * 2016-01-05 2018-08-14 深圳和而泰智能控制股份有限公司 鼾声检测方法及装置
CN107358965B (zh) * 2017-06-09 2020-12-22 华南理工大学 一种睡眠鼾声分类检测方法及系统
CN109745011B (zh) * 2019-02-20 2021-12-03 华为终端有限公司 用户睡眠呼吸风险监控方法、终端及计算机可读介质
CN116758684B (zh) * 2023-06-15 2024-06-21 西安航空学院 一种光叫醒系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007063007A1 (de) * 2007-12-21 2009-06-25 Kouemou, Guy Leonard, Dr. Ing. Verfahren und Vorrichtung zur schlafmedizinschen Vorabdiagnose und Therapie-Begleitung
CN101896122A (zh) * 2007-12-18 2010-11-24 阿尔卡特朗讯 用于在听诊器信号中检测呼吸周期的方法
CN102429662A (zh) * 2011-11-10 2012-05-02 大连理工大学 家庭环境中睡眠呼吸暂停综合征的筛查系统
CN103371829A (zh) * 2012-04-19 2013-10-30 富士通株式会社 无呼吸确定装置和无呼吸确定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2739351C (en) * 2008-11-17 2013-01-29 Toronto Rehabilitation Institute Method and apparatus for monitoring breathing cycle by frequency analysis of an acoustic data stream

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101896122A (zh) * 2007-12-18 2010-11-24 阿尔卡特朗讯 用于在听诊器信号中检测呼吸周期的方法
DE102007063007A1 (de) * 2007-12-21 2009-06-25 Kouemou, Guy Leonard, Dr. Ing. Verfahren und Vorrichtung zur schlafmedizinschen Vorabdiagnose und Therapie-Begleitung
CN102429662A (zh) * 2011-11-10 2012-05-02 大连理工大学 家庭环境中睡眠呼吸暂停综合征的筛查系统
CN103371829A (zh) * 2012-04-19 2013-10-30 富士通株式会社 无呼吸确定装置和无呼吸确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阻塞性睡眠呼吸暂停低通气综合征和单纯鼾症患者鼾声声压级参数分析;彭好 等;《山东大学耳鼻喉眼学报》;20140630;第28卷(第3期);第42-46页 *

Also Published As

Publication number Publication date
CN104622432A (zh) 2015-05-20

Similar Documents

Publication Publication Date Title
CN104622432B (zh) 基于低音比的睡眠鼾声监测方法及系统
Duckitt et al. Automatic detection, segmentation and assessment of snoring from ambient acoustic data
CN100418468C (zh) 无拘束、非察觉性的睡眠障碍测量装置
Litzaw et al. The effect of gender upon nasalance scores among normal adult speakers
US8758262B2 (en) Respiratory disease monitoring system
CN102138795A (zh) 根据鼾声声学特征确定阻塞性睡眠呼吸暂停与低通气综合症严重程度的方法
CN103169505B (zh) 一种多普勒超声拾音分析处理装置
US10506969B2 (en) Acoustic upper airway assessment system and method, and sleep apnea assessment system and method relying thereon
CN103889324B (zh) 一种使用语音特性来表征上气道的系统和方法
US20130144190A1 (en) Sleep apnea detection system
JP2001505085A (ja) フォノニューモグラフ・システム
US6850882B1 (en) System for measuring velar function during speech
CA2739351A1 (en) Method and apparatus for monitoring breathing cycle by frequency analysis of an acoustic data stream
WO2020238954A1 (zh) 呼吸暂停监测的方法及装置
Zubaydi et al. MobSpiro: Mobile based spirometry for detecting COPD
CN105962897B (zh) 一种自适应的鼾声信号检测方法
Romero et al. Deep learning features for robust detection of acoustic events in sleep-disordered breathing
Lopez et al. Acoustic, aerodynamic, and perceptual analyses of the voice of cochlear-implanted children
CN110558946A (zh) 一种记录用户异常睡眠状态的方法及睡眠仪
CN103519785A (zh) 基于实时语音多维建模的语音障碍多维测量系统及其方法
Luo et al. Design of embedded real-time system for snoring and OSA detection based on machine learning
JP2009233103A (ja) 咳嗽検出装置及び咳嗽検出装置のプログラム
Zhao et al. A snoring detector for OSAHS based on patient's individual personality
Dalston Acoustic assessment of the nasal airway
CN113948109A (zh) 一种基于声音识别生理现象的系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170606

CF01 Termination of patent right due to non-payment of annual fee