CN105249927B - 一种鼾声识别方法及止鼾装置 - Google Patents
一种鼾声识别方法及止鼾装置 Download PDFInfo
- Publication number
- CN105249927B CN105249927B CN201510721812.XA CN201510721812A CN105249927B CN 105249927 B CN105249927 B CN 105249927B CN 201510721812 A CN201510721812 A CN 201510721812A CN 105249927 B CN105249927 B CN 105249927B
- Authority
- CN
- China
- Prior art keywords
- sound
- snoring
- sample
- duration
- threshold range
- 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.)
- Active
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种鼾声识别方法，包括：连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2...Tn及相邻声音样本的间隔时间为t1、t2...tn‑1，其中，1<n<100；判断每一持续时间T1、T2...Tn是否在第一阈值范围中，是，进入下一步；判断每一间隔时间t1、t2...tn‑1是否在第二阈值范围中，是，进入下一步；判断所述持续时间T1、T2...Tn两两之间差值的最大值是否小于N%*T1，其中，1<N<200，是，进入下一步；判断所述间隔时间t1、t2...tn‑1两两之间差值的最大值是否小于N%*t1，是，则判断所述n个声音样本为鼾声。本发明还涉及一种止鼾装置。上述方法和装置可以准确判断鼾声，并有效滤除环境噪音，进而有效止鼾。
Description
技术领域
本发明涉及鼾声识别方法及止鼾装置，特别涉及一种根据鼾声基本规律的鼾声识别方法及其止鼾装置。
背景技术
打鼾，医学术语为鼾症、打呼噜、睡眠呼吸暂停综合症，是一种普遍存在的睡眠现象，由于打鼾使睡眠呼吸反复暂停，造成大脑、血液严重缺氧，形成低血氧症，而诱发高血压、脑心病、心率失常、心肌梗死、心绞痛。夜间呼吸暂停时间超过120秒容易在凌晨发生猝死。现有的止鼾枕头不能区分患者的鼾声和外界噪音，经常会误振动，影响患者的正常睡眠。因此，如何使止鼾枕头能区分患者的鼾声和外界噪音，是值得解决的问题。
现在市场的止鼾产品普遍使用的鼾声检测方法是设定一个声音分贝限值，当环境声音超出该限值时就判断为是鼾声，这样很容易将环境噪音误判为鼾声。
发明内容
本发明提供一种鼾声识别方法及其止鼾装置，可以有效解决上述问题。
本发明提供一种鼾声识别方法，包括以下步骤：
S1，连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2...Tn及相邻声音样本的间隔时间为t1、t2...tn-1，其中，1<n<100；
S2，判断每一持续时间T1、T2...Tn是否在第一阈值范围中，是，进入步骤S3，否，进入步骤S6；
S3，判断每一间隔时间t1、t2...tn-1是否在第二阈值范围中，是，进入步骤S4，否，进入步骤S6；
S4，判断所述持续时间T1、T2...Tn两两之间差值的最大值是否小于N%*T1，其中，1<N<200，是，进入步骤S5，否，进入步骤S6；
S5，判断所述间隔时间t1、t2...tn-1两两之间差值的最大值是否小于N%*t1，是，则判断所述n个声音样本为鼾声，否，进入步骤S6；
S6，删除所述n个声音样本，并重新采集n个声音样本，并重复步骤S1-S6。
进一步的，所述第一阈值范围为0.1s~5s。
进一步的，所述第二阈值范围为0.5s~10s。
进一步的，所述n个声音样本为通过麦克风将环境中的声音信号转换为电信号，并将所述电信号通过滤波、比较、整形得到单片机可以识别的电信号。
进一步的，50<N<100。
进一步的，所述检测方法在单片机中进行。
本发明进一步提供一种止鼾装置，包括：
声音样本采集单元，所述声音样本采集单元用于连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2...Tn及相邻声音样本的间隔时间为t1、t2...tn-1，其中，1<n<100；
鼾声判断单元，用于根据所述n个声音样本判断是否为鼾声，其中，所述鼾声判断单元依次根据每一持续时间T1、T2...Tn在均第一阈值范围中，每一间隔时间t1、t2...tn-1在均第二阈值范围中，所述持续时间T1、T2...Tn两两之间差值的最大值小于N%*T1，以及所述间隔时间t1、t2...tn-1两两之间差值的最大值小于N%*t1判断所述n个声音样本为鼾声，否则，判断为环境噪音，其中，1<N<200；以及
止鼾单元，根据所述鼾声判断单元进行相应的止鼾动作。
进一步的，所述声音样本采集单元包括：
麦克风，用于获得环境中的声音信号；以及
转换器，用于将所述声音信号转换为电信号，并将所述电信号进行滤波、比较、整形得到单片机可以识别的电信号。
进一步的，所述鼾声判断单元为单片机。
进一步的，所述鼾声识别装置包括存有鼾声样本的存储单元，若声音样本采集单元采集的新鼾声和存于所述存储单元中的鼾声样本不同时，把所述新鼾声样本存入所述存储单元中。
本发明提供的鼾声识别方法及其止鼾装置，通过分析鼾声样本的规律，构建鼾声的数学模型，并将声音样本与鼾声的数学模型对比，从而可以准确判断鼾声，并有效滤除环境噪音，为设备止鼾动作提供准确的判断依据，避免误动作。
附图说明
图1为本发明实施例提供的鼾声识别方法的流程图。
图2为本发明实施例提供的止鼾装置的模块示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
请参照图1，本发明实施例提供一种鼾声识别方法，包括以下步骤：
S1，连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2...Tn及相邻声音样本的间隔时间为t1、t2...tn-1，其中，1<n<100；
S2，判断每一持续时间T1、T2...Tn是否在第一阈值范围中，是，进入步骤S3，否，进入步骤S6；
S3，判断每一间隔时间t1、t2...tn-1是否在第二阈值范围中，是，进入步骤S4，否，进入步骤S6；
S4，判断所述持续时间T1、T2...Tn两两之间差值的最大值是否小于N%*T1，其中，1<N<200，是，进入步骤S5，否，进入步骤S6；
S5，判断所述间隔时间t1、t2...tn-1两两之间差值的最大值是否小于N%*t1，是，则判断所述n个声音样本为鼾声，并进行相应的止鼾动作，否，进入步骤S6；
S6，删除所述n个声音样本，并重新采集n个声音样本，并重复步骤S1-S6。
在步骤S1中，所述n个声音样本为通过麦克风将环境中的声音信号转换为电信号，并将所述电信号通过滤波、比较、整形得到单片机可以识别的电信号。优选的，10<n<50；更优选的，20<n<40。本实施例中，n等于30。
在步骤S2中，所述第一阈值范围为0.1s~5s；优选的，所述第一阈值范围为1s~5s；更优选的，所述第一阈值范围为1.5s~5s。
在步骤S3中，所述第二阈值范围为0.5s~10s；优选的，所述第二阈值范围为1s~10s；更优选的，所述第二阈值范围为1s~5s。
在步骤S4和步骤S5，优选的，50<N<100。
本发明实施例中提供的第一阈值范围，第二阈值范围，N%*T1以及N%*t1，均是通过多个分析鼾声样本的规律，构建而形成数学模型。进一步的，本发明实施例将声音样本与鼾声的数学模型对比，从而可以准确判断鼾声，并有效滤除环境噪音，为设备止鼾动作提供准确的判断依据，进而避免误动作。
请参见图2，本发明进一步提供一种止鼾装置100，包括：
声音样本采集单元10，所述声音样本采集单元10用于连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2...Tn及相邻声音样本的间隔时间为t1、t2...tn-1，其中，1<n<100；
鼾声判断单元11，用于根据所述n个声音样本判断是否为鼾声，其中，所述鼾声判断单元11依次根据每一持续时间T1、T2...Tn在均第一阈值范围中，每一间隔时间t1、t2...tn-1在均第二阈值范围中，所述持续时间T1、T2...Tn两两之间差值的最大值小于N%*T1，以及所述间隔时间t1、t2...tn-1两两之间差值的最大值小于N%*t1判断所述n个声音样本为鼾声，否则，判断为环境噪音，其中，1<N<200；以及
止鼾单元12，根据所述鼾声判断单元11进行相应的止鼾动作。
进一步的，所述声音样本采集单元10包括：麦克风102，用于获得环境中的声音信号；以及转换器104，用于将所述声音信号转换为电信号，并将所述电信号进行滤波、比较、整形得到单片机可以识别的电信号。
所述鼾声判断单元11可以为单片机。
所述止鼾装置100可以为止鼾枕头等。
所述鼾声识别装置包括存有鼾声样本的存储单元，若声音样本采集单元采集的新鼾声和存于所述存储单元中的鼾声样本不同时，把所述新鼾声样本存入所述存储单元中。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种鼾声识别方法，其特征在于，包括以下步骤：
S1，连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2…Tn及相邻声音样本的间隔时间为t1、t2…tn-1，其中，20<n<40；
S2，判断每一持续时间T1、T2…Tn是否在第一阈值范围中，是，进入步骤S3，否，进入步骤S6；
S3，判断每一间隔时间t1、t2…tn-1是否在第二阈值范围中，是，进入步骤S4，否，进入步骤S6；
S4，判断所述持续时间T1、T2…Tn两两之间差值的最大值是否小于N％*T1，其中，1<N<200，是，进入步骤S5，否，进入步骤S6；
S5，判断所述间隔时间t1、t2…tn-1两两之间差值的最大值是否小于N％*t1，是，则判断所述n个声音样本为鼾声，否，进入步骤S6；
S6，删除所述n个声音样本，并重新采集n个声音样本，并重复步骤S1-S6。
2.根据权利要求1所述的鼾声识别方法，其特征在于，所述第一阈值范围为0.1s～5s。
3.根据权利要求1所述的鼾声识别方法，其特征在于，所述第二阈值范围为0.5s～10s。
4.根据权利要求1所述的鼾声识别方法，其特征在于，所述n个声音样本为通过麦克风将环境中的声音信号转换为电信号，并将所述电信号通过滤波、比较、整形得到单片机可以识别的电信号。
5.根据权利要求1所述的鼾声识别方法，其特征在于，50<N<100。
6.一种止鼾装置，其特征在于，包括：
声音样本采集单元，所述声音样本采集单元用于连续采集n个声音样本，并记录每一声音样本的持续时间为T1、T2…Tn及相邻声音样本的间隔时间为t1、t2…tn-1，其中，20<n<40；
鼾声判断单元，用于根据所述n个声音样本判断是否为鼾声，其中，所述鼾声判断单元依次根据每一持续时间T1、T2…Tn均在第一阈值范围中，每一间隔时间t1、t2…tn-1均在第二阈值范围中，所述持续时间T1、T2…Tn两两之间差值的最大值小于N％*T1，以及所述间隔时间t1、t2…tn-1两两之间差值的最大值小于N％*t1，判断所述n个声音样本为鼾声，否则，判断为环境噪声，其中，50<N<100；以及止鼾单元，根据所述鼾声判断单元进行相应的止鼾动作。
7.根据权利要求6所述的止鼾装置，其特征在于，所述声音样本采集单元包括：
麦克风，用于获得环境中的声音信号；以及
转换器，用于将所述声音信号转换为电信号，并将所述电信号进行滤波、比较、整形得到单片机可以识别的电信号。
8.根据权利要求6所述的止鼾装置，其特征在于，所述鼾声判断单元为单片机。
9.根据权利要求6所述的止鼾装置，其特征在于，所述止鼾装置包括存有鼾声样本的存储单元，若声音样本采集单元采集的新鼾声和存于所述存储单元中的鼾声样本不同时，把所述新鼾声样本存入所述存储单元中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510721812.XA CN105249927B (zh) | 2015-10-30 | 2015-10-30 | 一种鼾声识别方法及止鼾装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510721812.XA CN105249927B (zh) | 2015-10-30 | 2015-10-30 | 一种鼾声识别方法及止鼾装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105249927A CN105249927A (zh) | 2016-01-20 |
| CN105249927B true CN105249927B (zh) | 2019-01-11 |
Family
ID=55090098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510721812.XA Active CN105249927B (zh) | 2015-10-30 | 2015-10-30 | 一种鼾声识别方法及止鼾装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105249927B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106539560A (zh) * | 2016-11-25 | 2017-03-29 | 美的集团股份有限公司 | 鼾声检测方法、鼾声检测系统、止鼾系统和止鼾枕 |
| CN106601241A (zh) * | 2016-12-26 | 2017-04-26 | 河南思维信息技术有限公司 | 一种录音文件自动校时方法 |
| WO2018201343A1 (zh) * | 2017-05-03 | 2018-11-08 | 深圳市云中飞电子有限公司 | 终端、计算机可读存储介质、电子止鼾器及其止鼾方法 |
| CN108697328B (zh) * | 2017-12-27 | 2021-07-13 | 深圳和而泰数据资源与云技术有限公司 | 一种鼾声识别方法及止鼾装置 |
| CN108836265B (zh) * | 2018-04-23 | 2024-03-08 | 广东美的制冷设备有限公司 | 睡眠状态检测方法、家电和计算机可读存储介质 |
| CN108938175B (zh) * | 2018-07-25 | 2024-02-09 | 深圳市华信物联传感技术有限公司 | 一种止鼾系统及方法 |
| CN111603335A (zh) * | 2019-02-25 | 2020-09-01 | 胡福民 | 睡眠姿势调整系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4941478A (en) * | 1986-02-19 | 1990-07-17 | Shohei Takeuchi | Pillow for controlling snoring |
| DE4103912A1 (de) * | 1991-02-08 | 1992-08-13 | Schoeller Phillip A | Verfahren und einrichtung zur bekaempfung von schnarchen |
| CN102138796A (zh) * | 2011-04-14 | 2011-08-03 | 广州医学院第一附属医院 | 基于鼾声分析的睡眠监测阻塞定位仪 |
-
2015
- 2015-10-30 CN CN201510721812.XA patent/CN105249927B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4941478A (en) * | 1986-02-19 | 1990-07-17 | Shohei Takeuchi | Pillow for controlling snoring |
| DE4103912A1 (de) * | 1991-02-08 | 1992-08-13 | Schoeller Phillip A | Verfahren und einrichtung zur bekaempfung von schnarchen |
| CN102138796A (zh) * | 2011-04-14 | 2011-08-03 | 广州医学院第一附属医院 | 基于鼾声分析的睡眠监测阻塞定位仪 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105249927A (zh) | 2016-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105249927B (zh) | 一种鼾声识别方法及止鼾装置 | |
| US10765399B2 (en) | Programmable electronic stethoscope devices, algorithms, systems, and methods | |
| JP5781926B2 (ja) | 音声分類器とマイクロホンを用いる音響患者モニタリング | |
| EP2120712B1 (en) | Arrangement and method to wake up a sleeping subject at an advantageous time instant associated with natural arousal | |
| US10618522B2 (en) | Drowsiness detection and intervention system and method | |
| CN109464130A (zh) | 睡眠辅助方法、系统及可读存储介质 | |
| US5928156A (en) | Process and device for the automatic detection of abnormal breathing sounds | |
| AU2019246815B2 (en) | Systems and methods for diagnosing sleep | |
| CN105615884B (zh) | 检测打鼾的方法和装置 | |
| CN108697328B (zh) | 一种鼾声识别方法及止鼾装置 | |
| KR20070111507A (ko) | 생리적 영향에 따른 노래 분류 | |
| ITUB20155835A1 (it) | Circuito di diagnosi per rilevare lo stato di carico di un amplificatore audio, corrispondente sistema audio, circuito integrato e procedimento | |
| JP2008068019A (ja) | 呼気時間を出力可能な装置および方法 | |
| Verma et al. | Ranking of sensitive positions based on statistical parameters and cross correlation analysis | |
| Doheny et al. | Estimation of respiratory rate and exhale duration using audio signals recorded by smartphone microphones | |
| CN109767784B (zh) | 鼾声识别的方法及装置、存储介质和处理器 | |
| Basner et al. | Aircraft noise effects on sleep: a systematic comparison of EEG awakenings and automatically detected cardiac activations | |
| WO2016102184A1 (en) | Method and sleep monitoring device for determining a body posture of a person in a bed | |
| US20120157873A1 (en) | Wake-up device for napping time | |
| WO2022236749A1 (zh) | 脑电波异常放电检测方法、装置、介质及设备 | |
| US20200007975A1 (en) | Method and appartus for adaptive audio signal alteration | |
| CN104274181B (zh) | 家具式体征检测方法、系统以及监测系统 | |
| JP3780273B2 (ja) | 就寝中の身体反応情報検出システム | |
| JP2010503443A (ja) | 寝たきり患者の興奮を時間ベースで解析する装置および方法 | |
| JP4622476B2 (ja) | 寝室設置装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160901 Address after: Siming District of Xiamen City, Fujian province 361001 Luling Road No. 1819 A402-2 Applicant after: Xiamen Tuwan Intelligent Technology Co., Ltd. Address before: 200051, building 9, building 63, building 849, Zhongshan West Road, Changning District, Shanghai, Applicant before: Rabbit Intelligent Technology (Shanghai) Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |