CN109350075A - 一种鼾声检测方法、装置及可读存储介质 - Google Patents
一种鼾声检测方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN109350075A CN109350075A CN201811086195.0A CN201811086195A CN109350075A CN 109350075 A CN109350075 A CN 109350075A CN 201811086195 A CN201811086195 A CN 201811086195A CN 109350075 A CN109350075 A CN 109350075A
- Authority
- CN
- China
- Prior art keywords
- signal
- user
- state
- sound
- snoring
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Anesthesiology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提供一种鼾声检测方法、装置及可读存储介质，该方法包括：通过MEMS传感器采集用户胸腔的振动信号；根据振动信号确定体动信号和高频振动信号；根据体动信号确定该用户的睡眠状态；在该用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。本发明实施例，可以提高检测鼾声信号的准确性。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种鼾声检测方法、装置及可读存储介质。
背景技术
打鼾是人们在日常生活中经常会遇到的一种睡眠障碍，打鼾者的气道通常比正常人狭窄，白天清醒时咽喉部肌肉代偿性收缩使气道保持开放，不发生堵塞。但夜间睡眠时神经兴奋性下降、肌肉松弛、咽部组织堵塞，使上气道塌陷，当气流通过狭窄部位时，产生涡流并引起振动，从而出现鼾声。打鼾过程中，人体呼吸反复暂停，容易造成大脑，血液缺氧，严重时可形成低血氧症。长期打鼾容易对人体多种脏器造成伤害，从而诱发一些慢性疾病，例如：高血压、脑心病、心肌梗死、心绞痛及脑血管意外等。可见，监测人们的鼾声有助于寻求治疗打鼾的方法。因此，如何检测鼾声，对于鼾症患者至关重要，有助于寻找合适的治疗改善打鼾症状。因此，如何检测鼾声已成为一个亟待解决的技术问题。目前，通过麦克风采集音频信号，从音频信号中确定是否存在鼾声信号。然而，由于音频信号容易受环境噪声、麦克风摆放位置等的影响，且在多人打鼾的情况下，音频信号很难分辨鼾声来源，以致降低了检测鼾声信号的准确性。
发明内容
本发明实施例提供一种商鼾声检测方法、装置及可读存储介质，用于提高检测鼾声信号的准确性。
第一方面提供一种鼾声检测方法，包括：
通过微机电系统(Micro Electro Mechanical Systems，MEMS)传感器采集用户胸腔的振动信号；
根据所述振动信号确定体动信号和高频振动信号；
根据所述体动信号确定所述用户的睡眠状态；
在所述用户的睡眠状态为入睡状态，且所述高频振动信号中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号。
在一个实施例中，所述在所述用户的睡眠状态为入睡状态，且所述高频振动信号中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号包括：
在所述用户的睡眠状态为入睡状态的情况下，将所述高频振动信号进行分段，获得分段信号；
对所述分段信号中每段信号的幅度的绝对值求和，获得能量曲线；
在所述能量曲线中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号。
在一个实施例中，所述在所述能量曲线中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号包括：
在所述能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔处于预设范围内，且所述第一时间段内的波峰的数量处于所述预设范围内的情况下，确定所述振动信号中存在鼾声信号。
在一个实施例中，所述根据所述振动信号确定体动信号和高频振动信号包括：
从所述振动信号中提取稳态信号；
使用所述振动信号减去所述稳态信号，获得高频非稳态信号；
根据所述高频非稳态信号确定体动信号和高频振动信号。
在一个实施例中，所述方法还包括：
根据所述稳态信号确定所述用户的体位，所述体位包括左侧卧、右侧卧、仰卧、俯卧和坐起。
在一个实施例中，所述根据所述体动信号确定所述用户的睡眠状态包括：
将所述用户佩戴所述MEMS传感器时的睡眠状态确定为离床状态；
在所述用户的体位为左侧卧、右侧卧、仰卧或俯卧的情况下，确定所述用户的睡眠状态为上床状态；
在所述用户的睡眠状态为上床状态，且所述体动信号在第二时间段内的幅度均小于第二阈值的情况下，所述用户的睡眠状态由所述上床状态切换为入睡状态；
在所述用户的睡眠状态为上床状态或入睡状态，且所述用户的体位为坐起的情况下，所述用户的睡眠状态由所述上床状态或入睡状态切换为离床状态。
在一个实施例中，所述方法还包括：
统计所述用户在不同体位下鼾声信号的出现次数和出现时长。
第二方面提供一种鼾声检测装置，包括用于执行第一方面或第一方面的任一实施例提供的鼾声检测方法的单元。
第三方面提供一种鼾声检测装置，包括处理器、存储器和MEMS传感器，所述处理器、所述存储器和所述MEMS传感器相互连接，其中，所述MEMS传感器用于采集信号，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令执行第一方面提供的鼾声检测方法。
第四方面提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行第一方面提供的鼾声检测方法。
第五方面提供了一种应用程序，该应用程序用于在运行时执行第一方面提供的鼾声检测方法。
本发明实施例中，通过MEMS传感器采集用户胸腔的振动信号，根据振动信号确定体动信号和高频振动信号，根据体动信号确定用户的睡眠状态，在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。由于采用MEMS传感器采集用户胸腔的振动信号，可以降低环境噪声的影响，因此，可以提高检测鼾声信号的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种鼾声检测方法的流程示意图；
图2是本发明实施例提供的一种信号分离的示意图；
图3是本发明实施例提供的一种高频振动信号的示意图；
图4是本发明实施例提供的一种能量曲线的示意图；
图5是本发明实施例中提供的一种新的能量曲线的示意图；
图6是本发明实施例中提供的一种标记鼾声检测结果的示意图；
图7是本发明实施例提供的另一种鼾声检测方法的流程示意图；
图8是本发明实施例提供的一种MEMS加速度传感器的空间坐标的示意图；
图9是本发明实施例提供的一种传感器坐标轴方位与人体关系的示意图；
图10是本发明实施例提供的一种用户的睡眠状态间转换的示意图；
图11是本发明实施例提供的一种故障检测装置的结构示意图；
图12是本发明实施例提供的另一种故障检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种鼾声检测方法、装置及可读存储介质，用于提高鼾声信号检测的准确性。以下分别进行详细说明。
请参阅图1，图1是本发明实施例提供的一种鼾声检测方法的流程示意图。如图1所示，该鼾声检测方法可以包括以下步骤。
101、通过MEMS传感器采集用户胸腔的振动信号。
本实施例中，人在睡眠期间发生气道阻塞时，气流漩涡会引起气道振动，产生鼾声，可以认为鼾声是由气道振动产生，因此，可以通过检测胸腔的振动信号即可检测鼾声。因此，可以通过MEMS传感器采集用户胸腔的振动信号，MEMS传感器可以为MEMS加速度传感器，也可以为MEMS位移传感器，还可以为MEMS速度传感器，还可以为MEMS陀螺仪，还可以为其它MEMS传感器，本实施例不作限定。可以将MEMS传感器佩戴在用户胸腔正前方，以便通过MEMS传感器采集用户胸腔的振动信号。此外，为了采集到高频振动信号，MEMS传感器的采集频率要大于500Hz。
102、根据振动信号确定体动信号和高频振动信号。
本实施例中，通过MEMS传感器采集到用户胸腔的振动信号之后，根据振动信号确定体动信号和高频振动信号，可以是根据振动信号确定稳态信号、体动信号和高频振动信号，即通过信号分离算法确定稳态信号、体动信号和高频振动信号。请参阅图2，图2是本发明实施例提供的一种信号分离的示意图。如图2所示，该图是以MEMS传感器为三轴加速度传感器为例进行说明的，三轴加速度传感器采集的振动信号包括三路信号，可以将每一路信号分为两路，一路信号可以经过一个低通滤波，输出三路稳态信号；另一路信号减去上述稳态信号，达到去除基线效果，获得高频非稳态信号。之后将三路高频非稳态信号相加即可获得体动信号，此时的体动信号包含了人体三个方向的运动信息。之后体动信号可经过第一高通滤波以去除低频干扰。三路高频非稳态信号分别经过第二高通滤波获得三路高频振动信号，可以选择三路高频振动信号中能量最大的一路用于鼾声检测，也可以全部用于鼾声检测。选取能量最大的一路信号时，可以将三路信号能量实时累加，累加时间每达一定时间之后进行一次比较，选出能量最大的一路信号。
103、根据体动信号确定用户的睡眠状态。
本实施例中，根据振动信号确定体动信号和高频振动信号之后，根据体动信号确定用户的状态。在用户发生体动的情况下，体动信号的幅度会发生突变，以致出现大幅度高频振荡，在体动信号中存在幅度大于预设阈值的信号的情况下，表明用户发生了体动，在体动信号中连续一段时间内不存在幅度大于预设阈值的信号的情况下，表明用户未发生体动，确定用户的睡眠状态为入睡状态。
104、在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
本实施例中，根据体动信号确定出用户的睡眠状态之后，判断用户的睡眠状态是否为入睡状态，在判断出用户的睡眠状态为入睡状态的情况下，可以直接判断高频振动信号中是否存在幅度大于第一阈值的信号，在高频振动信号中存在幅度大于第一阈值的信号的情况下，可以确定振动信号中存在鼾声信号，在高频振动信号中不存在幅度大于第一阈值的信号的情况下，可以确定振动信号中不存在鼾声信号。
本实施例中，通过采集多个用户(>30)的打鼾振动信号，发现大于90％的鼾声信号均具有以下特性：每次鼾声信号产生的时间间隔大体相等，信号幅度没有太大变化，鼾声信号的频率与人体呼吸节律基本一致。因此，在高频振动出现的周期性明显，且在人体正常呼吸频率范围内的情况下，大致可判别为鼾声信号。可以针对不同的检测人群，设置呼吸频率不同的阈值检测范围，例如：成人呼吸频率阈值范围可以为10～60次/分，婴儿呼吸频率阈值范围可以为10～80次/分。因此，在判断出用户的睡眠状态为入睡状态的情况下，也可以先将高频振动信号进行分段获得分段信号。之后对分段信号中每段信号的幅度的绝对值求和获得能量曲线。每段信号的时长可以为25-50ms，此时，可以得到采样率为20-40Hz的能量曲线。请参阅图3，图3是本发明实施例提供的一种高频振动信号的示意图。如图3所示，纵坐标为信号幅度，横坐标为时间，单位为s，可见，高频振动信号中存在很多毛刺。请参阅图4，图4是本发明实施例提供的一种能量曲线的示意图。图4是由图3得到的能量曲线，如图4所示，与图3中的高频振动信号相比，能量曲线中的毛刺减少了很多。获取到能量曲线之后，可以判断能量曲线中是否存在幅度大于第一阈值的信号，在能量曲线中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。在能量曲线中不存在幅度大于第一阈值的信号的情况下，确定振动信号中不存在鼾声信号。
本实施例中，获取到能量曲线之后，也可以判断能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔是否处于预设范围内，以及第一时间段内的波峰的数量是否处于预设范围内，在能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔处于预设范围内，且第一时间段内的波峰的数量处于预设范围内的情况下，确定振动信号中存在鼾声信号。在能量曲线中第一时间段内幅度大于阈值的相邻波峰间的间隔不处于预设范围内，或者第一时间段内的波峰的数量不处于预设范围内的情况下，确定振动信号中不存在鼾声信号。第一时间段为预先设置的时间段，可以为30s，也可以1min，还可以为其它时间长度，本实施例不作限定。预设范围即上述的呼吸频率阈值范围。
本实施例中，通过图4可知，获得的能量曲线虽然相对于高频振动信号毛刺减少了很多，但还是有很多毛刺。此外，能量曲线中的波峰数目也很多。因此，获取到能量曲线之后，也可以先将能量曲线中第一时间段内的所有波峰作为参考点进行差值处理，获得新的能量曲线。请参阅图5，图5是本发明实施例中提供的一种新的能量曲线的示意图。图5是由图4进行差值处理之后得到的，可见，图5中的毛刺和波峰的数量相对于图4减少了。其中，差值可以为线性差值，也可以为三次样条差值，还可以为多项式差值，还可以为其它差值，本实施例不作限定。得到新的能量曲线之后，可以统计新的能量曲线中第一时间段内波峰的数量，在波峰的数量小于预设范围中的最小值的情况下，可以认为无明显振动信号出现，确定能量曲线中这第一时间段曲线内无鼾声信号。在波峰的数量大于预设范围中的最大值的情况下，将再次执行上述的差值处理，之后再次统计波峰的数量，在波峰的数量还大于预设范围中的最大值的情况下，可以认为这段信号的信号质量较差，将不再继续进行处理，保持与上一段信号同样的判断结果。
本实施例中，在经过第一次差值处理或第二次差值处理的新的能量曲线中第一时间段内波峰的数量处于预设范围内的情况下，可以统计这第一时间段范围内幅度大于第一阈值的相邻波峰之间的间隔，并判断这第一时间段范围内幅度大于第一阈值的相邻波峰之间的间隔是否均处于预设范围内，在这第一时间段范围内幅度大于第一阈值的相邻波峰之间的间隔均处于预设范围内的情况下，可以确定这第一时间段曲线内存在鼾声信号，可以标记鼾声检测结果，并保存这第一时间段曲线内幅度大于阈值的波峰的数量和相邻波峰之间的间隔。请参阅图6，图6是本发明实施例中提供的一种标记鼾声检测结果的示意图。确定出与这第一时间段相邻的上一第一时间段和下一第一时间段的结果之后，如果只有这第一时间段内存在鼾声信号，则可以认为是噪声干扰或短暂的鼾声，忽略这第一时间段的检测结果。当与这第一时间段相邻的上一第一时间段和下一第一时间段中的至少一个存在鼾声信号，它们之间的波峰的数量的差值小于第一预设值，且它们之间的相邻波峰之间的间隔之间的差值小于第二预设值时，可以进一步确定这第一时间段内存在鼾声信号。举例说明，第一时间段为1min，如果只检测到1min之内存在鼾声信号，可以将这1min内的信号认为是噪声干扰或短暂的鼾声，忽略这第一时间段的检测结果。如果检测到连续2min之内存在鼾声信号，可以确定这2min内的信号中存在鼾声信号。其中，从高频振动信号中检测鼾声信号可以在频域通过快速傅氏变换(Fast Fourier Transformation，FFT)来实现，也可以采用时频结合分析法来实现。
在图1所描述的鼾声检测方法中，通过MEMS传感器采集用户胸腔的振动信号，根据振动信号确定体动信号和高频振动信号，根据体动信号确定用户的睡眠状态，在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。由于采用MEMS传感器采集用户胸腔的振动信号，可以降低环境噪声的影响，因此，可以提高检测鼾声信号的准确性。
请参阅图7，图7是本发明实施例提供的另一种鼾声检测方法的流程示意图。如图7所示，该鼾声检测方法可以包括以下步骤。
701、通过MEMS传感器采集用户胸腔的振动信号。
其中，步骤701与步骤101相同，详细描述请参考步骤101，在此不再详细赘述。
702、根据振动信号确定稳态信号、体动信号和高频振动信号。
其中，步骤702与步骤102相似，详细描述请参考步骤102，在此不再详细赘述。
703、根据稳态信号确定用户的体位。
本实施例中，用户的体位可以包括仰卧、俯卧、左侧卧、右侧卧、坐起和异常。举例说明，在MEMS传感器为三轴加速度传感器的情况下，可以将加速力转换为电信号输出。加速力是指物体在加速过程中受到的外界作用力，例如：地球引力，即重力。请参阅图8，图8是本发明实施例提供的一种MEMS加速度传感器的空间坐标的示意图。可以将MEMS加速度传感器固定于睡衣(或其他可穿戴载体)中，睡衣的硅胶壳内可以设计特定卡扣，确保用户每次佩戴监测器时，坐标轴方位一致。请参阅图9，图9是本发明实施例提供的一种传感器坐标轴方位与人体关系的示意图。如图9所示，用户仰卧时，轴正向垂直于X轴和Y轴构成的平面向上。因此，只有在正确佩戴MEMS加速度传感器的前提下，才能监测到用户正确的睡眠数据。在加速度传感器坐标与人体相对固定的前提下，可基于加速度传感器三轴重力加速度分量来判断用户的体位。例如，人体仰卧时，Z轴方向加速度正向最大，俯卧时Z轴方向加速度反向最大，而这两种体位下，X轴与Y轴方向加速度基本为零。表1为根据三轴重力加速度分量判断体位的条件，表中X轴，Y轴与Z轴方向的重力加速度分别表示为gx、gy和gz。
表1三轴重力加速度分量与体位的关系
704、根据体动信号确定用户的睡眠状态。
本实施例中，用户的状态可以包括上床状态、离床状态和入睡状态。可以将用户刚佩戴MEMS传感器时的状态默认为离床状态。在检测到用户体位为左侧卧、右侧卧、仰卧或俯卧的情况下，可以确定用户的睡眠状态为上床状态。在用户的睡眠状态为上床状态，且体动信号在第二时间段内的幅度均小于第二阈值的情况下，用户的睡眠状态由上床状态切换为入睡状态。在入睡状态下，用户连续体动超过一段时间时，用户状态由睡眠状态切换为上床状态。在上床状态或入睡状态下，检测到用户体位为坐起时，用户的睡眠状态切换为离床状态。请参阅图10，图10是本发明实施例提供的一种用户的睡眠状态间转换的示意图。
本实施例中，在用户的睡眠状态处于入睡状态的情况下，用户短暂翻身或进行其他短暂睡眠活动，可以维持之前的判断结果，直到加速度分量稳定时，再重新判断用户的睡眠状态。在用户连续动作时间过长的情况下，将判断出异常状态。
705、在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
其中，步骤705与步骤104中相同，详细描述请参考步骤104，在此不再详细赘述。
706、统计用户在不同体位下鼾声信号的出现次数和出现时长。
本实施例中，在确定出振动信号中存在鼾声信号的情况下，可以统计鼾声信号的出现次数和出现时长。进一步地，可以统计用户在每种体位下鼾声信号的出现次数和出现时长。可以将统计的上述数据存储在本地，也可以通过蓝牙、WIFI等将统计的上述数据存储在终端设备上，在统计时间达到一定时间的情况下，如5天、7天、10天等。可以分析用户体位与鼾声的关系，在用户在某些体位下打鼾次数明显减少的情况下，可以提示用户选择合适的体位。在用户在几种体位下打鼾次数没有明显差异的情况下，可以提示用户打鼾可能与寝具或睡眠环境有关。在用户打鼾总时长小于睡眠总时长的30％的情况下，可以为用户提供睡眠保健建议。在用户打鼾总时长超过睡眠总时长的30％的情况下，可以提醒用户及时就医。
在图7所描述的鼾声检测方法中，通过MEMS传感器采集用户胸腔的振动信号，根据振动信号确定体动信号和高频振动信号，根据体动信号确定用户的睡眠状态，在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。由于采用MEMS传感器采集用户胸腔的振动信号，可以降低环境噪声的影响，因此，可以提高检测鼾声信号的准确性。此外，根据稳态信号确定用户的体位，并统计鼾声信号的出现次数和出现时长，可以统计出不同体位下用户打鼾的情况，从而可以给用户不同的建议。
请参阅图11，图11是本发明实施例提供的一种故障检测装置的结构示意图。如图11所示，该故障检测装置可以包括：
采集单元1101，用于通过MEMS传感器采集用户胸腔的振动信号；
第一确定单元1102，用于根据采集单元1101采集的振动信号确定体动信号和高频振动信号；
第二确定单元1103，用于根据第一确定单元1102确定的体动信号确定用户的睡眠状态；
第三确定单元1104，用于在第二确定单元1103确定的用户的睡眠状态为入睡状态，且第一确定单元1102确定的高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，第三确定单元1104包括：
在用户的睡眠状态为入睡状态的情况下，将高频振动信号进行分段，获得分段信号；
对分段信号中每段信号的幅度的绝对值求和，获得能量曲线；
在能量曲线中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，第三确定单元1104在能量曲线中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号包括：
在能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔处于预设范围内，且第一时间段内的波峰的数量处于预设范围内的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，第一确定单元1102包括：
从振动信号中提取稳态信号；
使用振动信号减去稳态信号，获得高频非稳态信号；
根据高频非稳态信号确定体动信号和高频振动信号。
作为一种可能的实施方式，该故障检测装置还可以包括：
第四确定单元1105，用于根据第一确定单元1102确定的稳态信号确定用户的体位，用户的体位包括左侧卧、右侧卧、仰卧、俯卧和坐起。
作为一种可能的实施方式，第二确定单元1103包括：
将用户佩戴MEMS传感器时的睡眠状态确定为离床状态；
在第四确定单元1105确定的用户的体位为左侧卧、右侧卧、仰卧或俯卧的情况下，确定用户的睡眠状态为上床状态；
在用户的睡眠状态为上床状态，且体动信号在第二时间段内的幅度均小于第二阈值的情况下，用户的睡眠状态由上床状态切换为入睡状态；
在用户的睡眠状态为上床状态或入睡状态，且用户的体位为坐起的情况下，用户的睡眠状态由上床状态或入睡状态切换为离床状态。
作为一种可能的实施方式，该鼾声检测装置还可以包括：
统计单元1106，用于统计用户在不同体位下鼾声信号的出现次数和出现时长。
在图11所描述的鼾声检测装置中，由于采用MEMS传感器采集用户胸腔的振动信号，可以降低环境噪声的影响，因此，可以提高检测鼾声信号的准确性。
可以理解的是，本实施例的鼾声检测装置的单元的功能可根据上述鼾声检测方法实施例中的方法具体实现，其具体实现过程可以参照上述鼾声检测方法实施例的相关描述，此处不再赘述。
请参阅图12，图12是本发明实施例提供的另一种鼾声检测装置的结构示意图。如图12所示，该鼾声检测装置可以包括至少一个处理器1201、存储器1202、MEMS传感器1203和总线1204，处理器1201、存储器1202和MEMS传感器1203之间通过总线1204连接，其中：
MEMS传感器1203，用于采集用户胸腔的振动信号；
存储器1202用于存储计算机程序，计算机程序包括程序指令，处理器1201用于调用存储器1202存储的程序指令执行以下步骤：
根据振动信号确定体动信号和高频振动信号；
根据体动信号确定用户的睡眠状态；
在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，处理器1201在用户的睡眠状态为入睡状态，且高频振动信号中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号包括：
在用户的睡眠状态为入睡状态的情况下，将高频振动信号进行分段，获得分段信号；
对分段信号中每段信号的幅度的绝对值求和，获得能量曲线；
在能量曲线中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，处理器1201在能量曲线中存在幅度大于第一阈值的信号的情况下，确定振动信号中存在鼾声信号包括：
在能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔处于预设范围内，且第一时间段内的波峰的数量处于预设范围内的情况下，确定振动信号中存在鼾声信号。
作为一种可能的实施方式，处理器1201根据振动信号确定体动信号和高频振动信号包括：
从振动信号中提取稳态信号；
使用振动信号减去稳态信号，获得高频非稳态信号；
根据高频非稳态信号确定体动信号和高频振动信号。
作为一种可能的实施方式，处理器1201还用于调用存储器1202存储的程序指令执行以下步骤：
根据稳态信号确定用户的体位，用户的体位包括左侧卧、右侧卧、仰卧、俯卧和坐起。
作为一种可能的实施方式，处理器1201根据体动信号确定用户的睡眠状态包括：
将用户佩戴MEMS传感器时的睡眠状态确定为离床状态；
在用户的体位为左侧卧、右侧卧、仰卧或俯卧的情况下，确定用户的睡眠状态为上床状态；
在用户的睡眠状态为上床状态，且体动信号在第二时间段内的幅度均小于第二阈值的情况下，用户的睡眠状态由上床状态切换为入睡状态；
在用户的睡眠状态为上床状态或入睡状态，且用户的体位为坐起的情况下，用户的睡眠状态由上床状态或入睡状态切换为离床状态。
作为一种可能的实施方式，处理器1201还用于调用存储器1202存储的程序指令执行以下步骤：
统计用户在不同体位下鼾声信号的出现次数和出现时长。
在图12所描述的鼾声检测装置中，由于采用MEMS传感器采集用户胸腔的振动信号，可以降低环境噪声的影响，因此，可以提高检测鼾声信号的准确性。
在一个实施例中提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时使处理器执行图1或图6的鼾声检测方法。
在一个实施例中提供了一种应用程序，该应用程序用于在运行时执行图1或图6的鼾声检测方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种鼾声检测方法，其特征在于，包括：
通过微机电系统MEMS传感器采集用户胸腔的振动信号；
根据所述振动信号确定体动信号和高频振动信号；
根据所述体动信号确定所述用户的睡眠状态；
在所述用户的睡眠状态为入睡状态，且所述高频振动信号中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号。
2.根据权利要求1所述的方法，其特征在于，所述在所述用户的睡眠状态为入睡状态，且所述高频振动信号中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号包括：
在所述用户的睡眠状态为入睡状态的情况下，将所述高频振动信号进行分段，获得分段信号；
对所述分段信号中每段信号的幅度的绝对值求和，获得能量曲线；
在所述能量曲线中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号。
3.根据权利要求2所述的方法，其特征在于，所述在所述能量曲线中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号包括：
在所述能量曲线中第一时间段内幅度大于第一阈值的相邻波峰间的间隔处于预设范围内，且所述第一时间段内的波峰的数量处于所述预设范围内的情况下，确定所述振动信号中存在鼾声信号。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述振动信号确定体动信号和高频振动信号包括：
从所述振动信号中提取稳态信号；
使用所述振动信号减去所述稳态信号，获得高频非稳态信号；
根据所述高频非稳态信号确定体动信号和高频振动信号。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述稳态信号确定所述用户的体位，所述体位包括左侧卧、右侧卧、仰卧、俯卧和坐起。
6.根据权利要求5所述的方法，其特征在于，所述根据所述体动信号确定所述用户的睡眠状态包括：
将所述用户佩戴所述MEMS传感器时的睡眠状态确定为离床状态；
在所述用户的体位为左侧卧、右侧卧、仰卧或俯卧的情况下，确定所述用户的睡眠状态为上床状态；
在所述用户的睡眠状态为上床状态，且所述体动信号在第二时间段内的幅度均小于第二阈值的情况下，所述用户的睡眠状态由所述上床状态切换为入睡状态；
在所述用户的睡眠状态为上床状态或入睡状态，且所述用户的体位为坐起的情况下，所述用户的睡眠状态由所述上床状态或所述入睡状态切换为离床状态。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
统计所述用户在不同体位下鼾声信号的出现次数和出现时长。
8.一种鼾声检测装置，其特征在于，包括：
采集单元，用于通过微机电系统MEMS传感器采集用户胸腔的振动信号；
第一确定单元，用于根据所述采集单元采集的振动信号确定体动信号和高频振动信号；
第二确定单元，用于根据所述第一确定单元确定的体动信号确定所述用户的睡眠状态；
第三确定单元，用于在所述第二确定单元确定的用户的睡眠状态为入睡状态，且所述第一确定单元确定的高频振动信号中存在幅度大于第一阈值的信号的情况下，确定所述振动信号中存在鼾声信号。
9.一种鼾声检测装置，其特征在于，包括处理器、存储器和MEMS传感器，所述处理器、所述存储器和所述MEMS传感器相互连接，其中，所述MEMS传感器用于采集信号，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令执行如权利要求1-7任一项所述的鼾声检测方法。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的鼾声检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811086195.0A CN109350075B (zh) | 2018-09-18 | 2018-09-18 | 一种鼾声检测方法、装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811086195.0A CN109350075B (zh) | 2018-09-18 | 2018-09-18 | 一种鼾声检测方法、装置及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109350075A true CN109350075A (zh) | 2019-02-19 |
| CN109350075B CN109350075B (zh) | 2022-02-01 |
Family
ID=65351168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811086195.0A Active CN109350075B (zh) | 2018-09-18 | 2018-09-18 | 一种鼾声检测方法、装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109350075B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110179436A (zh) * | 2019-04-04 | 2019-08-30 | 深圳创达云睿智能科技有限公司 | 一种鼾声取样方法及终端设备 |
| CN110638460A (zh) * | 2019-09-16 | 2020-01-03 | 深圳和而泰家居在线网络科技有限公司 | 一种相对于床的对象的状态检测方法、装置和设备 |
| CN112545851A (zh) * | 2020-11-03 | 2021-03-26 | 未来穿戴技术有限公司 | 按摩方法及装置、电子设备、计算机可读存储介质 |
| CN112820319A (zh) * | 2020-12-30 | 2021-05-18 | 麒盛科技股份有限公司 | 一种人类鼾声识别方法及其装置 |
| CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006082589A2 (en) * | 2005-02-07 | 2006-08-10 | Widemed Ltd. | Detection and monitoring of stress events during sleep |
| WO2009093477A1 (ja) * | 2008-01-25 | 2009-07-30 | Institute Of National Colleges Of Technology, Japan | 睡眠状態の判定方法およびシステム |
| CN103356168A (zh) * | 2012-03-30 | 2013-10-23 | 株式会社百利达 | 睡眠管理系统以及睡眠计 |
| CN105286823A (zh) * | 2015-10-13 | 2016-02-03 | 吉林大学 | 穿戴式自供电多生理参数监测装置及监测方法 |
| US9675268B2 (en) * | 2009-11-05 | 2017-06-13 | Inovise Medical, Inc. | Detection and differentiation of sleep disordered breathing |
| CN106983515A (zh) * | 2017-04-17 | 2017-07-28 | 安徽咏鹅家纺股份有限公司 | 一种智能睡眠监测系统 |
| CN107041730A (zh) * | 2017-03-07 | 2017-08-15 | 杭州医电园科技有限公司 | 一种非接触式睡眠监测装置及其监测方法 |
| CN107811610A (zh) * | 2017-09-27 | 2018-03-20 | 深圳和而泰智能控制股份有限公司 | 一种呼吸率检测方法、装置、电子设备及存储介质 |
| CN107981844A (zh) * | 2017-12-08 | 2018-05-04 | 绵眠（上海）智能科技有限公司 | 一种基于压电薄膜的鼾声识别方法及系统 |
| CN108186012A (zh) * | 2018-02-01 | 2018-06-22 | 深圳市禹欣鑫电子有限公司 | 基于脑电和胸腹运动的睡眠呼吸暂停智能可穿戴设备 |
| CN108416367A (zh) * | 2018-02-08 | 2018-08-17 | 南京理工大学 | 基于多传感器数据决策级融合的睡眠分期方法 |
-
2018
- 2018-09-18 CN CN201811086195.0A patent/CN109350075B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006082589A2 (en) * | 2005-02-07 | 2006-08-10 | Widemed Ltd. | Detection and monitoring of stress events during sleep |
| WO2009093477A1 (ja) * | 2008-01-25 | 2009-07-30 | Institute Of National Colleges Of Technology, Japan | 睡眠状態の判定方法およびシステム |
| US9675268B2 (en) * | 2009-11-05 | 2017-06-13 | Inovise Medical, Inc. | Detection and differentiation of sleep disordered breathing |
| CN103356168A (zh) * | 2012-03-30 | 2013-10-23 | 株式会社百利达 | 睡眠管理系统以及睡眠计 |
| CN105286823A (zh) * | 2015-10-13 | 2016-02-03 | 吉林大学 | 穿戴式自供电多生理参数监测装置及监测方法 |
| CN107041730A (zh) * | 2017-03-07 | 2017-08-15 | 杭州医电园科技有限公司 | 一种非接触式睡眠监测装置及其监测方法 |
| CN106983515A (zh) * | 2017-04-17 | 2017-07-28 | 安徽咏鹅家纺股份有限公司 | 一种智能睡眠监测系统 |
| CN107811610A (zh) * | 2017-09-27 | 2018-03-20 | 深圳和而泰智能控制股份有限公司 | 一种呼吸率检测方法、装置、电子设备及存储介质 |
| CN107981844A (zh) * | 2017-12-08 | 2018-05-04 | 绵眠（上海）智能科技有限公司 | 一种基于压电薄膜的鼾声识别方法及系统 |
| CN108186012A (zh) * | 2018-02-01 | 2018-06-22 | 深圳市禹欣鑫电子有限公司 | 基于脑电和胸腹运动的睡眠呼吸暂停智能可穿戴设备 |
| CN108416367A (zh) * | 2018-02-08 | 2018-08-17 | 南京理工大学 | 基于多传感器数据决策级融合的睡眠分期方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110179436A (zh) * | 2019-04-04 | 2019-08-30 | 深圳创达云睿智能科技有限公司 | 一种鼾声取样方法及终端设备 |
| CN110179436B (zh) * | 2019-04-04 | 2021-11-19 | 深圳创达云睿智能科技有限公司 | 一种鼾声取样方法及终端设备 |
| CN110638460A (zh) * | 2019-09-16 | 2020-01-03 | 深圳和而泰家居在线网络科技有限公司 | 一种相对于床的对象的状态检测方法、装置和设备 |
| CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
| CN113520307B (zh) * | 2020-04-20 | 2023-04-18 | 华为技术有限公司 | 一种可穿戴设备 |
| CN112545851A (zh) * | 2020-11-03 | 2021-03-26 | 未来穿戴技术有限公司 | 按摩方法及装置、电子设备、计算机可读存储介质 |
| CN112820319A (zh) * | 2020-12-30 | 2021-05-18 | 麒盛科技股份有限公司 | 一种人类鼾声识别方法及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109350075B (zh) | 2022-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109350075A (zh) | 一种鼾声检测方法、装置及可读存储介质 | |
| JP6594399B2 (ja) | 生体情報モニタリングシステム | |
| JP5733499B2 (ja) | 生体状態推定装置及びコンピュータプログラム | |
| EP2278918B1 (en) | Respiratory monitors and monitoring methods | |
| JP5855019B2 (ja) | 周期的な生理学的信号を処理する方法及び装置 | |
| CA2809764C (en) | Systems and methods for respiratory event detection | |
| WO2020019358A1 (zh) | 一种生理参数测量系统及配备该测量系统的智能座椅 | |
| JP2011167362A (ja) | 生体状態推定装置及びコンピュータプログラム | |
| CN113473910A (zh) | 睡眠监测系统和方法 | |
| CN112155560B (zh) | 基于实时心冲击信号的呼吸暂停检测方法及系统 | |
| JP2007292514A (ja) | 加速度センサのデータ処理方法、及び呼吸運動検出方法、並びに呼吸運動検出装置。 | |
| CN109171655A (zh) | 一种基于重力加速度的睡眠呼吸及睡姿的检测方法 | |
| CN109350826A (zh) | 一种助眠及防呼吸暂停装置 | |
| JP2019512368A (ja) | 睡眠時無呼吸症の検出装置 | |
| JP2018126436A (ja) | ベッドモニタリングシステム | |
| CN103027684A (zh) | 用于去除在呼吸运动监测中由身体运动引起的噪声的装置和方法 | |
| WO2018147252A1 (ja) | ベッドモニタリングシステム | |
| CA3100475C (en) | Apparatus and a method for monitoring a patient during his sleep | |
| JP2012090913A (ja) | 睡眠計測装置 | |
| JP2005160650A (ja) | 無呼吸症候群判定装置 | |
| CN209347880U (zh) | 一种助眠及防呼吸暂停装置 | |
| CN107468212A (zh) | 睡眠呼吸暂停事件判别方法 | |
| AU2011203044C1 (en) | Systems and methods for respiratory event detection | |
| JP4480473B2 (ja) | Ａｈ測定装置 | |
| Hummel et al. | Estimation of sleep status in sleep apnea patients using a novel head actigraphy technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518000 Guangdong science and technology innovation and Research Institute, Shenzhen, Shenzhen, Nanshan District No. 6, science and technology innovation and Research Institute, Shenzhen, D 10, 1004, 10 Patentee after: Shenzhen Hetai intelligent home appliance controller Co.,Ltd. Address before: 518000 Guangdong science and technology innovation and Research Institute, Shenzhen, Shenzhen, Nanshan District No. 6, science and technology innovation and Research Institute, Shenzhen, D 10, 1004, 10 Patentee before: SHENZHEN H&T DATA RESOURCES AND CLOUD TECHNOLOGY Ltd. |
|
| CP01 | Change in the name or title of a patent holder |