CN110448401A - 一种止鼾系统及止鼾方法 - Google Patents
一种止鼾系统及止鼾方法 Download PDFInfo
- Publication number
- CN110448401A CN110448401A CN201910834051.7A CN201910834051A CN110448401A CN 110448401 A CN110448401 A CN 110448401A CN 201910834051 A CN201910834051 A CN 201910834051A CN 110448401 A CN110448401 A CN 110448401A
- Authority
- CN
- China
- Prior art keywords
- snore
- user
- stimulation
- mobile terminal
- module
- 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.)
- Pending
Links
- 206010041235 Snoring Diseases 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000000638 stimulation Effects 0.000 claims abstract description 91
- 230000004936 stimulating effect Effects 0.000 claims abstract description 13
- 230000007306 turnover Effects 0.000 claims abstract description 11
- 239000011229 interlayer Substances 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 35
- 238000001467 acupuncture Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 8
- 230000007958 sleep Effects 0.000 claims description 8
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000004622 sleep time Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000003860 sleep quality Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 12
- 238000005315 distribution function Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 208000001797 obstructive sleep apnea Diseases 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 206010002091 Anaesthesia Diseases 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 229940126680 traditional chinese medicines Drugs 0.000 description 2
- 229940126673 western medicines Drugs 0.000 description 2
- 206010020591 Hypercapnia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 206010013663 drug dependence Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000003300 oropharynx Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000037307 sensitive skin Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000001584 soft palate Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003781 tooth socket Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F5/00—Orthopaedic methods or devices for non-surgical treatment of bones or joints; Nursing devices; Anti-rape devices
- A61F5/56—Devices for preventing snoring
Landscapes
- Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Pulmonology (AREA)
- Nursing (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Orthopedics, Nursing, And Contraception (AREA)
Abstract
本发明提供一种止鼾系统及止鼾方法。本发明包括：移动终端，止鼾腰带和气垫枕，所述止鼾腰带包括腰带本体和置于腰带本体夹层中的用于监测用户的睡姿及用户在受到刺激后的翻身状态的体位感知模块和用于对用户身体的预设部位进行预设频率刺激的刺激模块，所述气垫枕包括枕头本体和置于枕头本体内部的至少两个气囊，所述气囊与充气泵相连，连接气囊与充气泵的充气管上设有电磁阀，所述充气泵和电磁阀用于在接收到移动终端传输的刺激命令后动作，完成气囊的充气/放气。本发明止鼾效果良好，促使用户无意识地自主翻身，在不影响睡眠质量的情况下实现止鼾。
Description
技术领域
本发明涉及医疗器械技术领域中的睡眠健康保障领域、止鼾器材领域、OSAHS预防领域，尤其涉及一种止鼾系统及止鼾方法。
背景技术
睡觉打鼾是日常生活中一种常见的现象。打鼾是由于空气通过口咽部时使软腭振动引起的，意味着气道有部分狭窄和阻塞。打鼾是阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的特征性表现，这种打鼾和单纯打鼾不同，其音量大、鼾声不规则、时而间断。打鼾不仅会影响别人休息，还还可能是睡眠呼吸暂停综合征的危险信号，会对人体健康产生许多危害。由于呼吸暂停引起的反复发作的夜间低氧和高碳酸血症，可导致高血压，冠心病，糖尿病和脑血管疾病等并发症，严重的甚至出现夜间猝死的现象。因此OSAHS是一种有潜在致死性的睡眠呼吸疾病。
现有的止鼾方法包括药物治疗和器械治疗，药物治疗的西药副作用大，而中药效果缓慢，都会产生药物依赖性，两者的疗效都不理想。而对于止鼾的器械多种多样，呼吸机效果明显，但价格昂贵，且有安全隐患，易造成自主呼吸衰退。硅胶阻鼾器简称“止鼾牙套”，就是塞进嘴里的装置，使用麻烦，需要睡觉前卡在嘴里，且效果不明显，还有依赖性。止鼾手表、手链等通过感应噪音，释放电流电击腕部敏感皮肤区，让使用者立即醒来，以严重牺牲自己的睡眠质量来换取暂时的不打鼾，无任何治疗效果。而其他通过外界物理干预使用户被动地改变体位(如止鼾枕头、止鼾气垫等)，这样的干预方式用户感知非常明显，用户在购买后，非但不会很好地止鼾，反而会大大降低用户的睡眠质量。
发明内容
根据上述提出的技术问题，而提供一种止鼾系统及止鼾方法。本发明主要利用针对性刺激的止鼾腰带和止鼾枕头的配合使用，从而在不影响睡眠质量的情况下促进用户实现无意识自主翻身，实现止鼾。本发明采用的技术手段如下：
一种止鼾系统，包括：
移动终端，用于识别用户的鼾声，并将相关工作指令发送至止鼾腰带和气垫枕；
所述止鼾腰带，包括腰带本体和置于腰带本体夹层中的体位感知模块和刺激模块，
所述体位感知模块，用于监测用户的睡姿及用户在受到刺激后的翻身状态，
所述刺激模块，用于对用户身体的预设部位进行预设频率的刺激，其在接收到移动终端传输的鼾声信号后开启，在接收到体位感知模块反馈的用户翻身信号后关闭；
所述气垫枕，包括枕头本体和置于枕头本体内部的至少两个气囊，所述气囊与充气泵相连，连接气囊与充气泵的充气管上设有电磁阀，所述充气泵和电磁阀用于在接收到移动终端传输的鼾声信号后动作，完成气囊的充气/放气。
进一步地，所述充气泵通过第一无线通讯模块与移动终端通讯连接，所述止鼾腰带夹层中设有电路板和连接在电路板上的第二无线通讯模块，所述体位感知模块和刺激模块连接在电路板上，所述止鼾腰带通过第二无线通讯模块与移动终端通讯连接，所述充气泵和止鼾腰带上均设有电源开关以及相应的供电模块。
进一步地，所述穴位刺激模块包含振动电机及包裹振动电机的外壳，所述振动电机通过振动电机驱动电路开启或关闭，由电路板产生的不同占空比的方波供电，该占空比能够由用户自行调节，以使不同的用户能找到适合于自己的刺激强度。
进一步地，所述穴位刺激模块为两个，分别置于所述腰带本体的预设部位，此预设部位使得两个穴位刺激模块均能够对人体预设位置进行刺激。
进一步地，所述体位感知模块，包括所述振动传感器和水平传感器，
所述水平传感器，用于检测用户睡姿，根据水平传感器发出的信号判断用户是偏左侧躺或偏右侧躺，若水平传感器检测用户偏左侧躺，则将相应信号输送至右侧的穴位刺激模块，若水平传感器检测用户偏右侧躺，则将相应信号输送至左侧的穴位刺激模块；
所述振动传感器，用于检测用户是否翻身，当振动传感器检测到振动时，输出一个电信号，此电信号若大于预设值，则证明用户已在穴位刺激模块的刺激下翻身。
进一步地，所述气垫枕的两个气囊分别通过第一充气管和第二充气管连接在所述充气泵上，两个气囊分别通过魔术贴粘在枕头底部，所述电磁阀具体为三通电磁阀。
一种止鼾方法，包括如下步骤：
S1：移动终端检测到用户打鼾后，读取腰带的水平传感器状态，根据状态判断用户是左侧卧或右侧卧，然后根据用户的睡姿向腰带发送右边刺激或左边刺激命令，向气垫枕发送左边充气或右边充气的命令；
S2：腰带接收到移动终端刺激命令后即开始通过刺激端子给予用户预设部位的间歇性刺激。
S3：气垫枕接到移动终端充气命令后，气泵启动对相应侧的气囊按照预设频率充/放气；
S4：移动终端监测用户打鼾情况，若用户停止打鼾，则控制腰带的刺激端子停止刺激，同时控制气垫枕放气直至原位，若用户未停止打鼾，则重复步骤S2和S3，直至用户停止打鼾。
进一步地，所述步骤S1前，还设有如下步骤：
移动终端对采集的鼾声信号进行识别，判断是否为用户本人的鼾声，具体包括训练过程和识别过程，其中，
训练过程：预先采集用户预设睡眠时间段的音频信息，并提取其梅尔频率倒谱系数作为训练样本；
利用k-means聚类算法将所述训练样本分为鼾声和非鼾声两类，根据聚类结果将非鼾声剔除，得到鼾声训练集；
将所述鼾声训练集用高斯混合模型进行训练得到识别模型；
利用识别模型计算所述鼾声训练集中每个鼾声的生成概率，将生成概率按升序排列，取其中靠前的预设百分比数据为该实验对象的鼾声生成概率门限；
识别过程：移动终端采集到有声段，然后提取该有声段的梅尔频率倒谱系数，利用识别模型计算该有声段的生成概率，若概率大于所述鼾声生成概率门限，则该有声段为该实验对象的鼾声，否则该有声段就不是该实验对象的鼾声。
进一步地，所述步骤S4中，若用户停止打鼾，腰带将干预结果反馈至移动终端，移动终端保存干预结果，继续监测用户睡眠情况，直到再一次检测到用户开始打鼾，所述干预结果包括水平传感器状态、振动传感器数值。
本发明具有以下优点：
1、预先通过移动设备训练用户的鼾声，在具体应用时，针对用户鼾声进行刺激，止鼾效果良好；
2、通过止鼾腰带的刺激模块和气垫枕的充气效果，促使用户无意识地自主翻身，在不影响睡眠质量的情况下实现止鼾；
3、止鼾腰带的刺激模块刺激穴位时还具有按摩的功效，长期使用有缓解疲劳、保健身体的功效。
基于上述理由本发明可在睡眠健康、止鼾、OSAHS预防等领域广泛推广；
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明止鼾系统实施应用图。
图2为本发明止鼾系统中的止鼾腰带结构图。
图3为本发明气垫枕结构图。
图中：1、止鼾腰带；2、气垫枕；3、气垫枕功能盒；4、充气管；9、第一气囊；10、第二气囊；12、气垫枕功能盒开关；13、电磁阀一口；14、电磁阀二口；15、电磁阀三口；16、第二三通电磁阀；17、第一三通电磁阀；18、电磁阀四口；19、电磁阀五口；20、电磁阀六口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明实施例公开了一种如图1所示的止鼾系统，包括：移动终端、止鼾腰带1和气垫枕2。
其中所述移动终端，用于识别用户的鼾声，并将相关工作指令发送至止鼾腰带1和气垫枕2。
如图2所示的所述止鼾腰带1，包括腰带本体，所述腰带本体为夹层结构，夹层中设有电路板和连接在电路板上的穴位刺激模块、体位感知模块和供电模块电路。所述体位感知模块，用于监测用户的睡姿及用户在受到刺激后的翻身状态，所述刺激模块，用于对用户身体的预设部位进行预设频率的刺激，其在接收到移动终端传输的鼾声信号后开启，在接收到体位感知模块反馈的用户翻身信号后关闭，所述刺激方式包括振动、电刺激等，本实施例采用的是振动刺激。
如图3所示的气垫枕2，包括枕头本体和置于枕头本体内部的至少两个气囊，所述气囊与充气泵相连，连接气囊与充气泵的充气管4上设有电磁阀，所述充气泵和电磁阀用于在接收到移动终端传输的鼾声信号后动作，完成气囊的充气/放气。
止鼾腰带1在具体的应用中，腰带的前，后侧分别设有若干开口，其中，前置开口可用于突出开关按键、主面板等易于被用户触碰的功能部，后置开口用于突出穴位刺激模块，根据具体应用场景的不同，腰带可选用不同材质制作，本发明穴位刺激模块刺激的穴位包括但不限于大横穴，本实施例中，穴位刺激模块主要刺激的穴位为大横穴(找寻穴位的方法：与肚脐处于同一水平线上，距肚脐左右约4寸即13.2cm处或大腿中线与经过肚脐的水平线交叉处)，故可选用不同尺寸型号，以匹配不同身材的用户，或是通过设置卡扣、弹力线等可调节机构将穴位刺激模块调整到不同用户的大横穴位置。
作为优选的实施方式，所述充气泵通过第一无线通讯模块与移动终端通讯连接，所述止鼾腰带1夹层中设有电路板和连接在电路板上的第二无线通讯模块，所述体位感知模块和刺激模块连接在电路板上，所述止鼾腰带1通过第二无线通讯模块与移动终端通讯连接，所述充气泵和止鼾腰带1上均设有电源开关以及相应的供电模块。本实施例中，止鼾腰带1、气垫枕2的无线通讯模块选用蓝牙MCU CC2541芯片，其集成了无线通讯功能，同时，也可根据实际情况选用2.4G、5G等其他符合常理的其他无线通信方式代替。
本实施例中，止鼾腰带1的穴位刺激模块，用于对用户身体的预设部位进行预设频率的刺激，本实施例中，此预设部位即大横穴，其在接收到鼾声信号后开启，在接收到振动传感器反馈的用户翻身信号后关闭；作为优选的实施方式，穴位刺激模块包含振动电机及包裹振动电机的外壳，所述振动电机通过振动电机驱动电路开启或关闭，由电路板产生的不同占空比的方波供电，该占空比可由用户自行调节，以使不同的用户能找到适合于自己的刺激强度，通过外壳直接与大横穴接触，达成刺激感，刺激方式包括但不限于振动、电刺激等，为了不影响用户睡眠，刺激强度用户可通过移动终端进行自主调节，选择拥有最佳体感的刺激强度，刺激方式为间隙刺激，即刺激一段时间停止一段时间，周而复始。本发明采用刺激2秒停止9秒方式(刺激间隙包括但不限于此)进行刺激，本发明通过刺激穴位使用户产生微麻感(该感觉与用户长期保持同一睡眠体位产生的压麻触感相似)，促使用户在人身体机能的自我保护机制下实现无意识自主翻身，达到止鼾的效果。
所述体位感知模块，用于检测用户是否翻身，当传感器的值大于设定的翻身阈值时认为用户翻身，若检测到用户翻身，则将用户翻身信号通过无线通讯模块反馈至穴位刺激模块。本实施例中，刺激的大横穴为两个，故所述穴位刺激模块为两个，分别置于所述腰带本体的预设部位，此预设部位使得两个穴位刺激模块均能够对人体预设位置进行刺激。所述外部状态监测电路，包括所述振动传感器和水平传感器，所述水平传感器，用于检测用户睡姿，根据水平传感器发出的信号判断用户是偏左侧躺或偏右侧躺，若水平传感器检测用户偏左侧躺，则将相应信号输送至右侧的穴位刺激模块，若水平传感器检测用户偏右侧躺，则将相应信号输送至左侧的穴位刺激模块；所述振动传感器，用于检测用户是否翻身，当振动传感器检测到振动时，输出一个电信号，此电信号若大于预设值，证明用户动得越厉害，因此可以根据该数值判断用户是否翻身，在可选的实施方式中，实现手段包括但不限于振动传感器、陀螺仪等。若用户对刺激模块的刺激一直没反应，则刺激模块执行完一个刺激周期后主动停止刺激并将刺激结果反馈给移动终端，直到接收到移动终端的下一个刺激命令后刺激模块才重新开始工作。
作为优选的实施方式，所述腰带本体上还设有电源开关和用于指示充电状态及联网状态的指示灯，所述电源开关和指示灯均连接在电路板上，本实施例中，选用锂电池对内部电路进行供电，通过锂电池充电模块对锂电池进行充电操作，LED指示灯可为多个，即充电指示灯和蓝牙连接状态指示灯，由程序控制颜色或闪烁状态来表示是否充电或是否充满。
作为优选的实施方式，所述气垫枕的两个气囊分别通过第一充气管和第二充气管连接在所述充气泵上，两个气囊分别通过魔术贴粘在枕头底部，所述电磁阀具体为第一三通电磁阀17和第二三通电磁阀16。本实施例的充气泵可选用血压仪等医疗领域常见的微型气泵，例如型号为ZT370-01的微型气泵。气垫枕接到移动终端充气命令后，若接到左边充气命令，气泵启动，电磁阀四口18封闭、电磁阀五口19和电磁阀六口20连通，电磁阀三口15封闭、电磁阀一口13和电磁阀二口14连通，第二气囊10开始充气，充完气一段时间后(本发明实施例选择两分钟，但不限于此)电磁阀二口14封闭、电磁阀一口13和电磁阀三口15连通，第二气囊10开始放气；若接到右边充气命令，气泵启动，电磁阀二口14封闭、电磁阀一口13和电磁阀三口15连通，电磁阀五口19封闭、电磁阀四口18和电磁阀六口20连通，第一气囊9开始充气，充完气一段时间后(本发明实施例选择两分钟，但不限于此)电磁阀四口18封闭、电磁阀五口19和电磁阀六口20连通，第一气囊9开始放气；配合腰带刺激，辅助用户翻身，打开气道，停止打鼾。可将电磁阀及充气泵均置于气垫枕功能盒3中，通过气垫枕功能盒开关12统一管理，或是按需排布，此时，气垫枕功能盒3内部设有电路板，电磁阀通过电源线连接到电路板上。
本发明实施例还公开了一种止鼾方法，包括如下步骤：
S1：移动终端检测到用户打鼾后，读取腰带的水平传感器状态，根据状态判断用户是左侧卧或右侧卧，然后根据用户的睡姿向腰带发送右边刺激或左边刺激命令，向气垫枕发送左边充气或右边充气的命令；
S2：腰带接收到移动终端刺激命令后即开始通过刺激端子给予用户预设部位的间歇性刺激。
S3：气垫枕接到移动终端充气命令后，气泵启动对相应侧的气囊按照预设频率充/放气；
S4：移动终端监测用户打鼾情况，若用户停止打鼾，则控制腰带的刺激端子停止刺激，同时控制气垫枕放气直至原位，若用户未停止打鼾，则重复步骤S2和S3，直至用户停止打鼾。
移动设备中的鼾声检测方法可选用现有的APP或是本发明提供的如下鼾声信号识别方法，本发明实施例提供的方法，通过对原始鼾声信号进行预处理操作，有效降低数据的处理量和增加鼾声信号的区分度。
具体地，鼾声信号识别方法，包括如下步骤：
移动终端对采集的鼾声信号进行识别，判断是否为用户本人的鼾声，具体包括训练过程和识别过程，其中，
训练过程：预先采集用户预设睡眠时间段的音频信息，并提取其梅尔频率倒谱系数作为训练样本；
利用k-means聚类算法将所述训练样本分为鼾声和非鼾声两类，根据聚类结果将非鼾声剔除，得到鼾声训练集；
将所述鼾声训练集用高斯混合模型进行训练得到识别模型；
利用识别模型计算所述鼾声训练集中每个鼾声的生成概率，将生成概率按升序排列，取其中靠前的预设百分比数据为该实验对象的鼾声生成概率门限；
识别过程：移动终端采集到有声段，然后提取该有声段的梅尔频率倒谱系数，利用识别模型计算该有声段的生成概率，若概率大于所述鼾声生成概率门限，则该有声段为该实验对象的鼾声，否则该有声段就不是该实验对象的鼾声。
在大于8000Hz的采样率下，由于短时平稳性对语音信号进行处理时帧长一般选择256个采样点甚至更短，而鼾声信号由于打鼾过程中信道基本保持不变，所以可以取更长比如512个采样点、1024个采样点、2048个采样点等等。这样一来就可以极大降低打鼾者识别时需要处理的数据量，使系统的实时性更好，特别是数据需要在网络中进行传输的时候这种优势更加明显。与语音信号一样，为了防止鼾声信号经分帧之后产生频谱泄漏，仍要对其进行加窗处理，原理和方法与语音信号相似，本实施例使用汉明窗(Hamming)。
所述步骤S1中，对采集到的音频信息进行分帧加窗处理，所述提取其梅尔频率倒谱系数具体包括如下步骤：
S11、对一帧鼾声信号s(n)加窗函数并进行快速傅里叶变换将其时域信息转换到频域：
S(n)＝FFT(s(n)×w(n))； (1)
其中，
w(n)表示窗函数其中L表示窗长。
S12、将经过傅里叶变换后的鼾声信号通过等Mel尺度的三角滤波器组以得到每个三角滤波器的输出能量，其对数形式表示为：
其中，M表示等Mel尺度的三角滤波器组中的等Mel尺度的三角滤波器数量，m是一个普通变量，其取值为0～M之间的整数；
S13、对E(m)进行离散余弦变换即可得到梅尔频率倒谱系数特征：
通过观察大量鼾声的频谱图发现，鼾声信号的能量主要集中在2000Hz以下，因此采用较低阶的MFCC就能对鼾声信号的特性进行表征，这也是鼾声信号处理与语音信号处理的区别之一。以说话人识别为例，要想取得较好的识别率，一般取的MFCC特征阶数为16阶左右。而本实施例通过实验发现在进行打鼾者识别的时候12阶MFCC特征的效果是最好的。即，C(n)阶数为12时最优选值。
另外，如果仅用梅尔倒谱系数的情况下不能取得较好的性能，可考虑加上MFCC的一阶差分和二阶差分特征，一阶差分反映的是鼾声信号特征的帧间关系，二阶差分则反映的是一阶差分的帧间关系。如果遇到需要处理的信号帧间关联比较大的情况，此时将原始特征融入差分特征共同作为信号的总特征将会比单独使用原始特征取得更好的性能。
本实施例包含两个过程：一是GMM模型的训练，首先采集一定数量待监测对象的鼾声数据，然后提取出每个信号的MFCC特征制作成训练样本集并训练好模型；二是鼾声信号的识别，先从录制的连续音频中用端点检测的方法提取出有声段信号，然后再提取出该有声段的MFCC特征送到已训练好的GMM模型中进行识别，GMM模型输出识别结果。
具体地，设随机变量为x，则GMM模型可表示如下：
其中：
K为高斯分布函数的个数，D为数据的维数，πk为每个高斯分布函数在该模型中所占的权重，μk为第k个分布函数中数据的均值矢量，Σk为第k个分布函数中数据的协方差矩阵；
鼾声信号的特征矢量序列x1，x2，x3，…xn服从高斯混合模型分布，那么该序列的联合分布概率为：
对P(x)取对数得：
直接对L(x)求导计算极值非常复杂且不利于计算机运算，因此将其转化为对L(x)的下界函数求导：
根据詹森不等式logE(x)≥E(logx)可得：
上式右边分别对πk、μk、∑k求偏导并令导函数为零可得参数重估函数：
其中：
γ(i,k)表示第i个数据由第k个高斯分布函数产生的概率，Nk表示训练数据集中有Nk个数据由第k个高斯分布函数产生，n表示训练数据集的总个数。
在训练数据足够的情况下，GMM模型理论上可以随机初始化，但往往训练过程非常复杂且耗时巨大，因此为了降低模型训练的次数，模型初始化的时候应尽可能的逼近真实值。考虑到GMM模型本质就是一个对数据的聚类过程，故可以用比较简单的聚类算法对GMM模型参数做初始估计，一种很好的选择就是k-means聚类算法。k-means聚类算法的执行流程为：
(1)从数据集中随机选择k个聚类中心；
(2)依次计算每个数据到聚类中心的距离，将该数据归到距离最小的一类；
(3)重新计算聚类中心，与前一次聚类中心比较，如收敛则退出，否则回到2。
由于经过k-means聚类后的数据计算得到的模型初始参数已经比较接近模型的真实值，因此模型训练次数大大减小。
公式(9)、(10)和(11)得到的μk,∑k,πk相当于θ1，其距离真实值θr仍有较大差距，故需要通过E-M算法对GMM进行训练，通过不断最大化下界函数从而不断逼近模型参数的真实值，其执行流程如下：
S301、计算第i个数据由第k个高斯分布函数产生的概率γ(i,k)：
S302、计算GMM参数的估计值：
S303、计算L(x)的值，若不收敛返回S301步骤，收敛则退出。
经过前述工作，已经得到了监测对象鼾声数据的GMM，接下来就是要利用训练好的模型从多种声音中识别出监测对象的鼾声，为进一步的分析做准备。
当输入鼾声信号时，GMM输出的数据实质是该模型产生每一帧信号的概率。通常一个鼾声信号会被分成多个帧，那么该模型产生该鼾声的概率就是多个帧概率的乘积。但是，经过端点检测出来的音频信号长短不一，而帧长是确定的，因此每段音频被分成的帧数是不一样的，如果直接以一个音频段多个帧的联合分布概率作为判决标准的话，一些比较短但不是鼾声的音频就容易被误判为鼾声，而一些是鼾声但帧数比较多的音频反而会因为多次乘以小于一的数(GMM产生一帧数据的概率)而联合分布概率变得很小，从而导致误判。解决这一问题的一种方法是设置一个产生每帧音频数据的概率门限，一旦大于该门限就判定该帧属于某一鼾声数据的一部分，一旦一段音频中含有一定数量的该种数据帧，就可判定该音频为鼾声信号；另一种方法是计算一段音频中每帧数据由GMM产生的平均概率，这样就免除了音频长短不一时导致的干扰。经过测试发现第二种判决方式的效果要优于第一种判决方式，所以本设计采用第二种方式作为音频段是否是鼾声的判决依据。
本方法实施例提供的鼾声信号识别方法，通过预处理和MFCC特征提取，降低数据的处理量和增加鼾声信号的区分度。与直接使用原始鼾声数据相比，如果1024个数据分为一帧，那么需要处理的数据量就减小将近100倍，无论是实时性还是处理效率都大大提高，而且对处理设备的要求也大大降低。
高斯混合模型是一个概率模型，他表征了鼾声特征矢量的分布情况，并且灵活度比较高，通过改变其高斯分布函数数目就能很好地拟合不同的数据分布情况，为鼾声信号的识别提供了非常坚实的理论基础。
通过仿真试验，探究了MFCC特征阶数、鼾声信号分帧长度、高斯混合模型的高斯分布函数个数共三个条件对鼾声信号识别率的影响。经过大量数据的测试和对结果的分析得到了在指定测试集下进行打鼾者识别时鼾声信号处理的最佳条件：MFCC阶数为12，鼾声信号的分帧长度为1024个采样点(采样频率8000Hz)，高斯混合模型的高斯分布函数个数为3时已经能够得到较高的识别率(>0.95)。另外，本算法的训练集不需要人手动筛选，而是通过程序自动进行筛选和识别，大大提高了算法的可执行性。
作为优选的实施方式，所述步骤S4中，若用户停止打鼾，腰带将干预结果反馈至移动终端，移动终端保存干预结果，继续监测用户睡眠情况，直到再一次检测到用户开始打鼾，所述干预结果包括水平传感器状态、振动传感器数值。
本实施例具体应用场景，用户在睡觉之前，预先将本发明的止鼾腰带系紧在腰部，此时2个穴位刺激模块3对准大横穴，气垫枕和止鼾腰带的开关提前开启，通过通讯连接的手机APP来检测鼾声，当检测到鼾声时，穴位刺激模块的振动电机驱动电路开启，刺激用户翻身，通过振动传感器检测用户翻身后，穴位刺激模块停止刺激，具体地，用于检测用户睡姿的水平传感器，根据水平传感器发出的信号判断用户是偏左侧躺或偏右侧躺，若水平传感器检测用户偏左侧躺，则将相应信号输送至右侧的穴位刺激模块，若水平传感器检测用户偏右侧躺，则将相应信号输送至左侧的穴位刺激模块。此时，气垫枕开始充气，具体地，当用户左侧卧时腰带右边开始刺激，同时左边气垫开始充气，促使用户往右侧翻身，当用户右侧卧时腰带左边开始刺激，同时右边气垫开始充气，促使用户往左侧翻身，当用户平躺时往左或往右翻身都行，因此任选一边刺激即可。左侧或右侧翻身都能使用户打开气道，从而达到止鼾的目的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种止鼾系统，其特征在于，包括：移动终端和与其通讯连接的止鼾腰带、气垫枕，
所述移动终端，用于识别用户的鼾声，并将相关工作指令发送至止鼾腰带和气垫枕；
所述止鼾腰带，包括腰带本体和置于腰带本体夹层中的体位感知模块和刺激模块，
所述体位感知模块，用于监测用户的睡姿及用户在受到刺激后的翻身状态，
所述刺激模块，用于对用户身体的预设部位进行预设频率的刺激，其在接收到移动终端传输的鼾声信号后开启，在接收到体位感知模块反馈的用户翻身信号后关闭；
所述气垫枕，包括枕头本体和置于枕头本体内部的至少两个气囊，各气囊均与充气泵相连，连接气囊与充气泵的充气管上设有电磁阀，所述充气泵和电磁阀用于在接收到移动终端传输的鼾声信号后动作，完成气囊的充气/放气动作。
2.根据权利要求1所述的止鼾系统，其特征在于，所述充气泵通过第一无线通讯模块与移动终端通讯连接，所述止鼾腰带夹层中设有电路板和连接在电路板上的第二无线通讯模块，所述体位感知模块和刺激模块连接在电路板上，所述止鼾腰带通过第二无线通讯模块与移动终端通讯连接，所述充气泵和止鼾腰带上均设有电源开关以及相应的供电模块。
3.根据权利要求1所述的止鼾系统，其特征在于，所述穴位刺激模块包含振动电机及包裹振动电机的外壳，所述振动电机通过振动电机驱动电路开启或关闭，由电路板产生的不同占空比的方波供电，该占空比能够由用户自行调节，以用于不同的用户能找到适合于自己的刺激强度。
4.根据权利要求1所述的止鼾系统，其特征在于，所述穴位刺激模块为两个，分别置于所述腰带本体的预设部位，此预设部位使得两个穴位刺激模块均能够对人体预设位置进行刺激。
5.根据权利要求1～4任一项所述的止鼾系统，其特征在于，所述体位感知模块，包括所述振动传感器和水平传感器，
所述水平传感器，用于检测用户睡姿，根据水平传感器发出的信号判断用户是偏左侧躺或偏右侧躺，若水平传感器检测用户偏左侧躺，则将相应信号输送至右侧的穴位刺激模块，若水平传感器检测用户偏右侧躺，则将相应信号输送至左侧的穴位刺激模块；
所述振动传感器，用于检测用户是否翻身，当振动传感器检测到振动时，输出一个电信号，此电信号若大于预设值，则证明用户已在穴位刺激模块的刺激下翻身。
6.根据权利要求1所述的止鼾系统，其特征在于，所述气垫枕的两个气囊分别通过第一充气管和第二充气管连接在所述充气泵上，两个气囊分别通过魔术贴粘在枕头底部，所述电磁阀具体为三通电磁阀。
7.一种止鼾方法，其特征在于，包括如下步骤：
S1：移动终端检测到用户打鼾后，读取腰带的水平传感器状态，根据状态判断用户是左侧卧或右侧卧，然后根据用户的睡姿向腰带发送右边刺激或左边刺激命令，向气垫枕发送左边充气或右边充气的命令；
S2：腰带接收到移动终端刺激命令后即开始通过刺激端子给予用户预设部位的间歇性刺激。
S3：气垫枕接到移动终端充气命令后，气泵启动对相应侧的气囊按照预设频率充/放气；
S4：移动终端监测用户打鼾情况，若用户停止打鼾，则控制腰带的刺激端子停止刺激，同时控制气垫枕放气直至原位，若用户未停止打鼾，则重复步骤S2和S3，直至用户停止打鼾。
8.根据权利要求7所述的止鼾方法，其特征在于，所述步骤S1前，还设有如下步骤：
移动终端对采集的鼾声信号进行识别，判断是否为用户本人的鼾声，具体包括训练过程和识别过程，其中，
训练过程：预先采集用户预设睡眠时间段的音频信息，并提取其梅尔频率倒谱系数作为训练样本；
利用k-means聚类算法将所述训练样本分为鼾声和非鼾声两类，根据聚类结果将非鼾声剔除，得到鼾声训练集；
将所述鼾声训练集用高斯混合模型进行训练得到识别模型；
利用识别模型计算所述鼾声训练集中每个鼾声的生成概率，将生成概率按升序排列，取其中靠前的预设百分比数据为该实验对象的鼾声生成概率门限；
识别过程：移动终端采集到有声段，然后提取该有声段的梅尔频率倒谱系数，利用识别模型计算该有声段的生成概率，若概率大于所述鼾声生成概率门限，则该有声段为该实验对象的鼾声，否则该有声段就不是该实验对象的鼾声。
9.根据权利要求7所述的止鼾方法，其特征在于，所述步骤S4中，若用户停止打鼾，腰带将干预结果反馈至移动终端，移动终端保存干预结果，继续监测用户睡眠情况，直到再一次检测到用户开始打鼾，所述干预结果包括水平传感器状态、振动传感器数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910834051.7A CN110448401A (zh) | 2019-09-04 | 2019-09-04 | 一种止鼾系统及止鼾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910834051.7A CN110448401A (zh) | 2019-09-04 | 2019-09-04 | 一种止鼾系统及止鼾方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110448401A true CN110448401A (zh) | 2019-11-15 |
Family
ID=68490743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910834051.7A Pending CN110448401A (zh) | 2019-09-04 | 2019-09-04 | 一种止鼾系统及止鼾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110448401A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112472403A (zh) * | 2020-12-17 | 2021-03-12 | 山东大学齐鲁医院(青岛) | 一种拉力可变腹带 |
| CN112569109A (zh) * | 2020-12-10 | 2021-03-30 | 天津市华碘源创科技有限公司 | 一种叩穴器 |
| CN113599053A (zh) * | 2021-07-28 | 2021-11-05 | 麒盛科技股份有限公司 | 一种气囊枕的自适应调节方法、系统和计算机程序 |
| CN114469492A (zh) * | 2021-12-30 | 2022-05-13 | 深圳小梦智眠科技有限公司 | 功能枕 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005013868A1 (ja) * | 2003-08-08 | 2005-02-17 | Sanyo Electric Co., Ltd. | いびき防止装置 |
| CN101053538A (zh) * | 2006-04-14 | 2007-10-17 | 比奥斯利普梅德有限公司 | 防止睡眠呼吸障碍的装置 |
| CN201223639Y (zh) * | 2008-06-30 | 2009-04-22 | 宁波职业技术学院 | 阻塞性睡眠呼吸暂停电刺激器 |
| CN102458317A (zh) * | 2009-06-16 | 2012-05-16 | 皇家飞利浦电子股份有限公司 | 打鼾减少装置 |
| CN102499637A (zh) * | 2011-09-26 | 2012-06-20 | 大连理工大学 | 阻塞性睡眠呼吸暂停低通气综合症筛查方法及其装置 |
| CN203915193U (zh) * | 2014-03-14 | 2014-11-05 | 北京航空航天大学 | 一种带有呼吸传感器的止鼾腰带 |
| CN104188638A (zh) * | 2014-09-09 | 2014-12-10 | 喜临门家具股份有限公司 | 一种睡眠保障系统及其控制方法 |
| CN204033325U (zh) * | 2014-09-09 | 2014-12-24 | 喜临门家具股份有限公司 | 一种睡眠保障系统 |
| CN106264839A (zh) * | 2016-08-05 | 2017-01-04 | 南通海联助眠科技产品有限公司 | 智能止鼾枕 |
| CN109998766A (zh) * | 2019-04-15 | 2019-07-12 | 深圳市云智眠科技有限公司 | 一种升降式缓解打鼾的方法及系统 |
-
2019
- 2019-09-04 CN CN201910834051.7A patent/CN110448401A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005013868A1 (ja) * | 2003-08-08 | 2005-02-17 | Sanyo Electric Co., Ltd. | いびき防止装置 |
| CN101053538A (zh) * | 2006-04-14 | 2007-10-17 | 比奥斯利普梅德有限公司 | 防止睡眠呼吸障碍的装置 |
| CN201223639Y (zh) * | 2008-06-30 | 2009-04-22 | 宁波职业技术学院 | 阻塞性睡眠呼吸暂停电刺激器 |
| CN102458317A (zh) * | 2009-06-16 | 2012-05-16 | 皇家飞利浦电子股份有限公司 | 打鼾减少装置 |
| CN102499637A (zh) * | 2011-09-26 | 2012-06-20 | 大连理工大学 | 阻塞性睡眠呼吸暂停低通气综合症筛查方法及其装置 |
| CN203915193U (zh) * | 2014-03-14 | 2014-11-05 | 北京航空航天大学 | 一种带有呼吸传感器的止鼾腰带 |
| CN104188638A (zh) * | 2014-09-09 | 2014-12-10 | 喜临门家具股份有限公司 | 一种睡眠保障系统及其控制方法 |
| CN204033325U (zh) * | 2014-09-09 | 2014-12-24 | 喜临门家具股份有限公司 | 一种睡眠保障系统 |
| CN106264839A (zh) * | 2016-08-05 | 2017-01-04 | 南通海联助眠科技产品有限公司 | 智能止鼾枕 |
| CN109998766A (zh) * | 2019-04-15 | 2019-07-12 | 深圳市云智眠科技有限公司 | 一种升降式缓解打鼾的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 深蓝睡眠科技: "深蓝睡眠", 《HTTPS://MP.WEIXIN.QQ.COM/S/CSWJFEOL_ALXPZ9H8M_T7W》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112569109A (zh) * | 2020-12-10 | 2021-03-30 | 天津市华碘源创科技有限公司 | 一种叩穴器 |
| CN112472403A (zh) * | 2020-12-17 | 2021-03-12 | 山东大学齐鲁医院(青岛) | 一种拉力可变腹带 |
| CN112472403B (zh) * | 2020-12-17 | 2022-07-15 | 山东大学齐鲁医院(青岛) | 一种拉力可变腹带 |
| CN113599053A (zh) * | 2021-07-28 | 2021-11-05 | 麒盛科技股份有限公司 | 一种气囊枕的自适应调节方法、系统和计算机程序 |
| CN114469492A (zh) * | 2021-12-30 | 2022-05-13 | 深圳小梦智眠科技有限公司 | 功能枕 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110448401A (zh) | 一种止鼾系统及止鼾方法 | |
| CN109497956B (zh) | 止鼾系统及其控制方法 | |
| CN108420228A (zh) | 一种睡眠状态监测的智能软硬可调床垫及其监测方法 | |
| CN205548852U (zh) | 一种改善打鼾、睡眠呼吸暂停低通气症状的可充气式床垫 | |
| CN107007265A (zh) | 健康睡眠检测系统 | |
| CN115813146A (zh) | 一种智能体感音波理疗床垫及其使用方法 | |
| CN105232208A (zh) | 基于体位疗法的智能止鼾背垫 | |
| CN103251388A (zh) | 基于智能手机平台的打鼾监测和防治方法及系统 | |
| CN105476631A (zh) | 一种基于脑电信号的睡眠检测及睡眠辅助方法及装置 | |
| CN107898432B (zh) | 鼾声检测方法、装置、设备及介质 | |
| CN107049699A (zh) | 一种催眠智能躺椅垫及其心率和呼吸波的测量方法 | |
| CN106618040A (zh) | 枕头和睡眠干预方法 | |
| CN103961777B (zh) | 一种梦魇监测和唤醒系统 | |
| CN110584626A (zh) | 一种头戴式鼾声监测装置及止鼾方法 | |
| TW201735892A (zh) | 智慧型生理反應回饋控制系統及方法 | |
| Dafna et al. | Breathing rate estimation during sleep using audio signal analysis | |
| CN111467642B (zh) | 智能枕头及其控制方法与装置、控制设备和存储介质 | |
| US20200306496A1 (en) | Method and system for delivering sensory simulation to a user | |
| CN213884093U (zh) | 基于薄膜传感器技术的智能声波理疗床垫 | |
| CN104616661A (zh) | 基于无线通讯的智能纠鼾方法及系统 | |
| CN106821581B (zh) | 无创鼾声治疗系统 | |
| CN117100224A (zh) | 一种睡眠检测方法及智能寝具产品、存储介质 | |
| CN107014045B (zh) | 一种空调系统 | |
| CN203138794U (zh) | 穿戴式止鼾器 | |
| CN117018381A (zh) | 一种个性化助眠系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |