CN112155560A - 基于实时心冲击信号的呼吸暂停检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于实时心冲击信号的呼吸暂停检测方法及系统。其中呼吸暂停检测方法包括：采集实时BCG数据；每次取长度大于一个呼吸周期的实时BCG数据进行处理，得到一定长度的呼吸波形数据和心率波形数据并缓存；计算心率波形数据的离散度，同时对所述呼吸波形数据的信号特征进行多维度处理分析得到相应的信号特征；当所述心率波形数据的离散度以及所述呼吸波形数据的各维度处理分析的信号特征均符合呼吸暂停条件，则判定当前检测对象为呼吸暂停。本发明对呼吸暂停事件判断十分准确。

Description

基于实时心冲击信号的呼吸暂停检测方法及系统

技术领域

本发明涉及信号检测方法及设备，尤其涉及用于检测呼吸是暂停还是正常的检测方法及设备。

背景技术

呼吸暂停是指自主呼吸停止，常为暂时性或自限性，大多数病例是致命的，需要紧急治疗。导致呼吸暂停最常见的便是打呼噜，它是睡眠呼吸暂停综合症这一疾病的主要表现，呼吸暂停综合症就是响亮地鼾声突然中断，患者强力呼吸但不起作用，完全呼吸不了，几秒甚至几十秒钟后患者醒来，大声喘息，气道被迫开放，然后继续呼吸。睡眠呼吸暂停综合症有一定的危害性，此类患者在睡梦中打呼噜、张口呼吸、频繁呼吸停止，它会导致睡眠中反复憋醒、睡醒后头疼、血压升高；夜间心绞痛、心律紊乱；睡觉不解乏、白天困倦、嗜睡；记忆减退、反应迟钝、工作能力降低等，不但影响生活，部分患者还会引起突发脑血管意外的可能。

临床上常用多导睡眠仪（polysomnography,PSG）进行睡眠监测，但其操作复杂、成本高且影响睡眠。目前主流研究方向还有非接触式心冲击（Ballistocardiography,BCG）信号的睡眠监测，BCG信号源于心脏泵血引起血液在大血管中的流动，与人体紧密接触的支撑物体上形成冲击力，通过非直接接触身体的高灵敏压电薄膜（PVDF）传感器采集微弱震动信号，可以提取心搏、呼吸、体动等生理参数。

现有的基于心冲击信号检测呼吸暂停事件检测方法都是通过采集大量的训练数据之后，利用神经网络通过机器学习方式对BCG信号特征进行分类，以此来达到检测呼吸暂停事件，由于现有技术基于心冲击信号检测呼吸暂停事件检测方法需要大量人工收集并提取BCG中的呼吸暂停特征信号及非呼吸暂停特信号进行神经网络模型训练，其操作繁琐，人力投入要求大，且训练模型容易受特征提取算法影响导致分类结果的准确性。同时也导致了对算力要求高，一般会引入大量矩阵运算及大量递归操作等复杂运算，因此对硬件设备需求比较高，在一般应用场景上实现起来难度相当高。

因此，基于上述技术背景，如何提供一种准确率高的呼吸暂停检测方法是业界亟待解决的技术问题。

发明内容

为了解决现有技术中检测呼吸暂停事件的准确性不高的技术问题，本发明提出了一种基于实时心冲击信号的呼吸暂停检测方法及系统。

本发明提出的呼吸暂停检测方法，包括步骤：

采集实时BCG数据；

每次取长度大于一个呼吸周期的实时BCG数据进行处理，得到一定长度的呼吸波形数据和心率波形数据并缓存；

计算心率波形数据的离散度，同时对所述呼吸波形数据的信号特征进行多维度处理分析得到相应的信号特征；

当所述心率波形数据的离散度以及所述呼吸波形数据的各维度处理分析的信号特征均符合呼吸暂停条件，则判定当前检测对象为呼吸暂停。

进一步，对所述呼吸波形数据的信号特征进行多维度处理分析得到相应的信号特征具体包括：

计算呼吸波形数据的离散度；

对呼吸波形数据进行算数平均数计算，得到均值；

对呼吸波形数据做基于第一点数的平滑滤波处理，提取出平滑呼吸波形数据；

对呼吸波形数据做基于第二点数的平滑滤波处理，提取出呼吸信号的整体变化趋势数据；

计算平滑呼吸波形数据减去呼吸信号的整体变化趋势数据的第一差值数据，以及呼吸信号的整体变化趋势数据减去均值的第二差值数据；

记录第一差值数据每次从负值变化到正值时在第一差值数据中的位置，统计每两个相邻位置中后一个第一差值与前一个第一差值相减得到的数值小于阈值的第一次数；

记录第二差值数据每次从负值变化到正值时在第二差值数据中的位置，统计每两个相邻位置中后一个第二差值与前一个第二差值相减得到的数值大于阈值的第二次数；

所述第一次数和第二次数为不同维度的信号特征。

进一步，当第一点数或第二点数为奇数时，采用公式

对呼吸波形数据进行平滑滤波处理，当第一点数或第二点数为偶数时，采用公式

对呼吸波形数据进行平滑滤波处理，所述X[i]为平滑呼吸波形数据或呼吸信号的整体变化趋势数据，所述n为一定长度的呼吸波形数据的总点数，所述i为点数的索引，所述j为平滑滤波处理的起始值。

进一步，所述第一次数符合呼吸暂停条件具体为所述第一次数vCount1满足公式vCount1 > Br_(max) * L / (60 * Fs)，所述第二次数符合呼吸暂停条件具体为第二次数vCount2满足公式vCount2 < Br_(min) * L / (60 * Fs)；其中，Br_(max)为人体呼吸频率最大值，L为呼吸波形数据的长度，Fs为实时BCG信号的采样率。

进一步，所述阈值具体通过公式Vm = （60）/ Br(max) * Fs计算得到，所述Vm为阈值，Br(max)为人体呼吸频率最大值，Fs为实时BCG信号的采样率。

进一步，所述呼吸波形数据和心率波形数据具体通过以下步骤得到：

以正常呼吸的呼吸最低频率和呼吸最高频率作为数字带通滤波器的带通滤波截止频率点来构建呼吸数据带通滤波器，通过将所述实时BCG数据输入至所述呼吸数据带通滤波器得到所述呼吸波形数据并存入缓存；

以正常心率的心率最低频率和心率最高频率作为数字带通滤波器的带通滤波截止频率点来构建心率数据带通滤波器，通过将所述实时BCG数据输入至所述心率数据带通滤波器得到所述心率波形数据并存入缓存。

进一步，通过对所述呼吸波形数据和心率波形数据分别进行平均差处理，根据所述呼吸波形数据和心率波形数据的平均差计算得到所述心率波形数据和呼吸波形数据的离散度。

进一步，所述心率波形数据的离散度符合呼吸暂停条件具体为所述心率波形数据的离散度大于空带状态下的最小心率离散度值；所述呼吸波形数据的离散度符合呼吸暂停条件具体为所述呼吸波形数据的离散度小于呼吸停止状态下的最大呼吸离散度值。

本发明提出的呼吸暂停检测设备，采用上述技术方案所述的呼吸暂停检测方法对呼吸暂停进行检测。

该呼吸暂停检测设备包括：

数据采集模块，用于采集实时BCG数据；

数据预处理模块，用于提取呼吸波形数据和心率波形数据并缓存；

心率数据分析处理模块，用于计算所述心率波形数据的离散度；

呼吸数据分析处理模块，用于计算所述呼吸波形数据的离散度以及第一次数和第二次数；

呼吸暂停检测模块，根据所述心率波形数据的离散度，所述呼吸波形数据的离散度以及第一次数和第二次数，判断当前检测对象是否呼吸暂停。

本发明设计方法通过合理的滤波处理，从BCG信号中分离多路多维数据特性，利用多维度数据进行分析处理，对复杂信号有较强的适应性。

相比较于现有技术，本发明具有如下优点：

本发明利用呼吸暂停事件在信号本质特征，从信号根源上分析检测呼吸暂停事件，其算法整体有较高的准确性。

本发明只在时域上针对信号特征分析，合理利用滤波算法及基本数学运算处理信号获取相关信号特征，其整体算法算力要求低，移植性强。

附图说明

下面结合实施例和附图对本发明进行详细说明，其中：

图1为本发明一实施例的结构示意图；

图2为本发明的方法流程图；

图3为本发明的波形整体示意图；

图4为本发明的波形局部示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

由此，本说明书中所指出的一个特征将用于说明本发明的一个实施方式的其中一个特征，而不是暗示本发明的每个实施方式必须具有所说明的特征。此外，应当注意的是本说明书描述了许多特征。尽管某些特征可以组合在一起以示出可能的系统设计，但是这些特征也可用于其他的未明确说明的组合。由此，除非另有说明，所说明的组合并非旨在限制。

下面结合附图以及实施例对本发明的原理进行详细说明。

如图1所示，本发明的呼吸暂停检测设备具有以下模块：数据采集模块、数据预处理模块、心率数据分析处理模块、呼吸数据分析处理模块以及呼吸暂停检测模块。

数据采集模块用来采集实时BCG数据，该数据采集模块包括压电传感器、BCG信号采集电路以及ADC信号转换电路，通过这些零部件对人体微弱震动信号（心冲击信号（Ballistocardiography,BCG）进行采集，并进行ADC转换，将模拟信号转为数字的实时的BCG原始信号数据。

数据预处理模块用来提取呼吸波形数据和心率波形数据并缓存，数据预处理模块对BCG原始信号数据进行分离处理，将采样数据进行数据预处理分离出呼吸波形数据与心率波形数据，利用数据带通滤波以呼吸频率范围设置带通滤波截止频率点将呼吸信号分离，同时利用数据带通滤波以心率频率范围设置带通滤波截止频率点将心率信号分离，并将得到的两路数据（呼吸波形数据和心率波形数据）放入数据缓存区。

心率数据分析处理模块用来计算心率波形数据的离散度。心率数据分析处理模块从数据缓存区中读取合理长度L的心率波形数据，并进行做平均差（Mean Deviation）处理计算出心率波形数据的离散度HrMd。这里所指的合理长度L是指L的取值要确保该长度的数据包含一个呼吸周期的数据长度，除了离散度HrMd，还需要通过实验测算出空带状态下的最小心率离散度值heartMinV，空带状态具体指的是离床状态，即没有人体微动信号及其他干扰信号。

呼吸数据分析处理模块用来计算呼吸波形数据的离散度以及第一次数和第二次数。呼吸数据分析模块从缓冲区读取一段合理长度L的呼吸波形数据data1，通过对呼吸波形数据做平均差（Mean Deviation）处理，计算出呼吸波形数据的离散度BrMd，并通过实验测算出呼吸停止状态下的最大呼吸离散度值breathMaxV。进一步，呼吸数据分析处理模块对L 长度的呼吸波形数据data1做均值计算得出均值Va。呼吸数据分析处理模块还对长度为L呼吸波形数据data1做基于第一点数P1的低点数平滑滤波处理得到长度为L的新数据data2，该新数据也称之为平滑呼吸波形数据data2，其中第一点数P1的取值主要依赖于采样率，主要作用为去掉信号细微突变信号，提取出平滑呼吸信号。呼吸数据分析处理模块还对长度为L呼吸波形数据data1做基于第二点数P2的低点数平滑滤波处理得到长度为L的新数据data3，该新数据也称之为呼吸信号的整体变化趋势数据data3。其中第二点数P2取值也主要依赖于采样率，主要作用去掉呼吸数据信号上的高频信号，提取呼吸信号整体变化趋势。将平滑呼吸波形数据data2与呼吸信号的整体变化趋势数据data3做对应差值，得到长度为L的第一差值数据Result1，接着将呼吸信号的整体变化趋势数据data3中的每个数据与均值Va做差值处理，得到长度为L的第二差值数据Result2。对第一差值数据Result1进行数据分析，记录第一差值数据每次从负值变化到正值时在第一差值中的位置，统计每两个相邻位置中后一个第一差值与前一个第一差值相减得到的数值小于阈值Vm的第一次数vCount1。对第二差值数据Result2进行数据分析，记录第二差值每次从负值变化到正值时在第二差值中的位置，统计每两个相邻位置中后一个第二差值与前一个第二差值相减得到的数值大于阈值Vm的第二次数vCount2。其中阈值Vm = （60）/ Br_(max) * Fs，Br_(max) 为人体呼吸频率最大值，Br_(min) 为人体呼吸频率最小值， Fs为实时BCG信号的采样率。最终得到的呼吸波形数据的离散度BrMd、第一次数vCount1和第二次数vCount2是呼吸数据分析处理模块对呼吸波形数据进行不同纬度的数据分析处理所得到的不同维度的信号特征。

呼吸暂停检测模块用来根据心率波形数据的离散度、呼吸波形数据的离散度以及第一次数和第二次数，来判断当前检测对象是否呼吸暂停，并输出判断结果。呼吸暂停检测模块在心率波形数据的特征信号、呼吸波形数据的各个维度的特征信号均符合呼吸暂停条件时，判定当前的检测对象为呼吸暂停状态，相比较现有技术而言，提高了检测的准确率，同时计算量也不高。

如图2所示，本发明的上述呼吸暂停检测系统在进行呼吸暂停检测时具体采用的是基于心冲击（Ballistocardiography,BCG）信号的呼吸暂停检测方法，通过从实时BCG信号中提取出心率波形数据及呼吸波形数据，同时在呼吸波形数据的基础上提取出多个维度的信号特征，从呼吸暂停时域本质特征上进行分析处理实现准确的呼吸暂停事件的检测。

本发明的呼吸暂停检测方法主要包括如下步骤：

通过数据采集模块采集得到实时BCG数据。接着每次取长度大于一个呼吸周期的实时BCG数据进行处理，得到一定长度的呼吸波形数据和心率波形数据并缓存，进一步对心率波形数据和呼吸波形数据进行信号特征提取，其中心率波形数据主要是计算其离散度，呼吸波形数据除了计算其离散度以外，还从其他几个维度进行处理分析得到其他的相应的信号特征，根据获得的这些信号特征，当所有信号特征均符合呼吸暂停条件时，则判定为呼吸暂停，即心率波形数据的离散度、呼吸波形数据的离散度以及呼吸波形数据的其他维度处理分析的信号特征均符合呼吸暂停条件，则判定当前检测对象为呼吸暂停。

上述心率波形数据是以正常心率的心率最低频率HFLc(heart frequency lowcutoff)和心率最高频率HFHc(heart frequency high cutoff)作为数字带通滤波器的带通滤波截止频率点来构建心率数据带通滤波器，通过将实时BCG数据输入至心率数据带通滤波器得到心率波形数据，之后存入缓存区。

上述呼吸波形数据是以正常呼吸的呼吸最低频率BFLc(breath frequency lowcutoff)和呼吸最高频率BFHc(breath frequency high cutoff)作为数字带通滤波器的带通滤波截止频率点来构建呼吸数据带通滤波器，然后将实时BCG数据输入至呼吸数据带通滤波器就可以得到呼吸波形数据，之后存入缓存区。

上述对心率波形数据的信号特征提取的具体步骤如下：

从对应的缓冲区读取一段合理长度为L的心率波形数据，其中长度L的取值要确保所读取的心率波形数据包含至少一个呼吸周期数据，对所读取的心率波形数据做平均差（MeanDeviation）处理，计算出该段心率波形数据的离散度HrMd。具体计算公式如下：

平均差

，

为变量x的算术平均数，n为变量值的个数，此处 n = L。

接着确定空带状态下的最小心率离散度值heartMinV，通过实验测算出空带（即没有人体微动信号及其他干扰信号）状态下的最小心率离散度值heartMinV用于区分被检测对象具体是在床状态还是离床状态，该最小心率离散度值heartMinV与数据采集模块的传感器（如压电传感器）的材质有关，通过实验可以测算出无人（离床）状态下的心率离散值，得到最小心率离散值heartMinV。

上述对呼吸波形数据的信号特征提取的具体步骤如下：

对L 长度的呼吸波形数据做算术平均数计算得出均值Va。

从对应的缓冲区中读取一段合理长度L的呼吸波形数据data1，对呼吸波形数据做平均差（Mean Deviation）处理，计算出呼吸波形数据部分的离散度BrMd。

接着确定呼吸停止状态下的最大呼吸离散度值breathMaxV，通过获取大量的样本呼吸数据通过实验测算出大多数人在呼吸停止状态下的最大呼吸离散度值breathMaxV。

对长度L的呼吸波形数据data1做基于第一点数n = P₁（P₁取值主要依赖于采样率，主要作用为去掉信号细微突变信号，提取出平滑呼吸信号）的低点数平滑滤波处理得到长度为L的新数据，即平滑呼吸波形数据data2。

对长度L的呼吸波形数据data1做基于第二点数为n = P₂（P₂取值主要依赖于采样率，主要作用去掉呼吸数据信号上的高频率信号信号，提取呼吸信号整体变化趋势）的高点数平滑滤波处理得到长度为L的新数据，即呼吸信号的整体变化趋势数据data3，其中图3和图4中有毛刺的波形数据为处理前的呼吸波形数据，与有毛刺的波形数据的变化几乎等同的相对较为平滑的波形数据为处理后的平滑呼吸波形数据，另外一条波形数据则是呼吸信号的整体变化趋势数据。

具体的平滑滤波处理采用的公式为：当点数n为奇数时，采用公式

，当点数n为偶数时，采用公式

，其中，X[i]为平滑呼吸波形数据或呼吸信号的整体变化趋势数据，n为一定长度的呼吸波形数据的总点数，i为点数的索引，j为平滑滤波处理的起始值。例如，长度L的呼吸波形数据的总点数为10，得到平滑呼吸波形数据的第一点数n取2，那么i的取值依次为[0,1,2,3,4,5,6,7,8,9]，计算得到的X[0]到X[10]为处理后的平滑呼吸波形数据。而在计算X[0]时，j的取值为依次为[0,1]，计算X[1]时，j的取值为依次为[1,2]，虽然依据公式j=i-n/2或者是j=i-(n-1)/2，会在i为0时，导致计算出来的j为负值，此时需要对j进行补偿，使得j可以成为当前平滑滤波计算处理的起始值，在i取其他极端值（譬如i=9）导致j不是从当前平滑滤波计算的起始值时，也同样需要补偿。也就是说，从第一个点数开始每次取2个点数的呼吸波形数据通过公式进行计算，即第一次为第一个点数和第二个点数的呼吸波形数据进行计算，第二次为第二个点数和第三个点数的呼吸波形数据进行计算，最终得到新的10个值就是平滑呼吸波形数据，接着计算第一差值数据Result1，将平滑呼吸波形数据data2与呼吸信号的整体变化趋势数据data3做对应差值处理，得到长度L的结果数据，即第一差值数据Result1。采用的计算公式为：

。

接着计算第二差值数据Result2，将呼吸信号的整体变化趋势数据data3中的每个数据与均值Va做差值处理，得到长度L的结果数据，即第二差值数据Result2。采用的公式为：

。

接着对第一差值数据Result1进行分析，逐一检测第一差值数据Result1，当第一差值数据从负值变化到正值时，记录该正值（也可以每次记录该负值）在第一差值数据Result1中的位置Pos1，当再次遇到从负值变化到正值时记录该正值在第一差值数据Result1中的位置Pos2，被记录的两个相邻位置中后一个第一差值减去前一个第一差值小于阈值则统计一次次数，即Pos2 – Pos1 < Vm时统计一次次数，以此规则统计出每两个相邻位置的差值小于阈值Vm的次数总和，即第一次数vCount1。

接着对第二差值数据Result2进行分析，逐一检测第二差值数据Result2，当第二差值数据从负值变化到正值时，记录该正值在第二差值数据Result2中的位置Pos1，当再次遇到从负值变化到正值时记录该正值在第二差值数据中的位置Pos2，假如被记录的两个相邻位置中后一个第二差值减去前一个第一差值小于阈值则统计一次次数，即Pos2 – Pos1> Vm时统计一次次数，以此规则统计出每两个相邻点位置的差值大于阈值Vm的次数总和，即第二次数vCount2。这里的阈值Vm = （60）/ Br_(max)* Fs，其中Br_(max)为人体呼吸频率最大值，Br_(min)为人体呼吸频率最小值，Fs为BCG信号数据采样率。

在获得了上述心率波形数据的信号特征（心率波形数据的离散度），呼吸波形数据的多维信号特征（呼吸波形数据的离散度、第一次数、第二次数）之后，再通过判断这些信号特征是否均符合呼吸暂停的条件，分析比较当心率波形数据的离散度HrMd与heartMinV的关系，确保实时BCG信号的有效性，及呼吸波形数据的离散度BrMd与呼吸停止状态下的最大呼吸离散度值breathMaxV的关系,当心率波形数据的离散度HrMd > 空带状态下的最小心率离散度值heartMinV 且呼吸波形数据的离散度BrMd > 呼吸停止状态下的最大呼吸离散度值breathMaxV时为正常呼吸状态。

实时BCG信号有可能出现呼吸暂停事件时，分析处理第一次数vCount1与第二次数vCount2来确认呼吸信号是否符合呼吸暂停信号特征，当心率波形数据的离散度HrMd > 空带状态下的最小心率离散度值heartMinV 且呼吸波形数据的离散度BrMd < 呼吸停止状态下的最大呼吸离散度值breathMaxV时，同时如果第一次数vCount1 > Br_(max) * L / (60 *Fs) 且第二次数vCount2 < Br_(min) * L / (60 * Fs) 时为呼吸暂停，Br_(max)为人体呼吸频率最大值，L为呼吸波形数据的长度，Fs为实时BCG信号的采样率。根据判断得到的最终结果输出呼吸暂停结果或者是正常呼吸结果。

本发明的上述方案只利用非接触式的压电传感器采集到的实时BCG信号来监测呼吸暂停，解决传统方法中利用多导睡眠仪需要进行多种传感器接线操作的不便利性问题及因传感器接触在使用者身体上影响使用者正常睡眠的问题。本发明通过利用信号的多维特征做分析，解决压电睡眠监测产品在实际使用环境中由于压电传感器一致性差异、传感器摆放位置或是使用者睡姿的不同导致数据信号强弱差异过大时呼吸暂停检测不准确甚至无法检测的问题。同时本发明设计通过对BCG数据进行呼吸、心率信号的提取，在时域上对信号进行特征对比分析，解决一般方法中需要引入神经网络模型等算力要求高运算复杂度高的算法，导致算法在各个设备中的移植性差的问题。因此，本发明具有以下的优点：

本发明设用数据离散度对信号进行处理分析，能够很好的判断在床离床状态，可以合理的排除外界干扰带来的偶发性信号突变。

本发明主要合理利用多种数字滤波对BCG数据进行处理，提取心率特征信号及呼吸特性信号，可以简化信号采集的电路设计，降低电路设计成本同时使得整体功能便于移植。

本发明在呼吸信号的基础上进行多次滤波提取不同频率下的信号特征，利用多路数据进行多维度处理分析检测信号特征，可以有效的排除外界带来的干扰及可以很好的区分弱信号下的呼吸状态从而提高呼吸暂停事件的检测准确度。

本发明采用低算力算法对数据进行处理分析，可以降低对硬件的性能需求，同时在不影响检测的准确度的情况下，运算速度相当高，基本上可以满足任何场景上的应用。

本发明利用非直接接触身体的高灵敏压电薄膜（PVDF）传感器采集人体微弱震动信号（心冲击（Ballistocardiography,BCG）信号），可以大大简化设备使用流程。

本发明所涉及到的名词解释包括：

非接触式心冲击（Ballistocardiography,BCG）信号：BCG信号源于心脏泵血引起血液在大血管中的流动，与人体紧密接触的支撑物体上形成冲击力，通过非直接接触身体的高灵敏压电薄膜（PVDF）传感器采集微弱震动信号。

呼吸暂停：呼吸暂停是指自主呼吸停止，常为暂时性或自限性，大多数病例是致命的，需要紧急治疗。导致呼吸暂停最常见的便是打呼噜，它是睡眠呼吸暂停综合症这一疾病的主要表现，呼吸暂停综合症就是响亮地鼾声突然中断，患者强力呼吸但不起作用，完全呼吸不了，几秒甚至几十秒钟后患者醒来，大声喘息，气道被迫开放，然后继续呼吸。

滤波：滤波（Wave filtering）是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施。

带通滤波:是指能通过某一频率范围内的频率分量、但将其他范围的频率分量衰减到极低水平的滤波器，与带阻滤波器的概念相对。

采样频率:采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样频率的倒数是采样周期或者叫作采样时间，它是采样之间的时间间隔。通俗的讲采样频率是指计算机每秒钟采集多少个信号样本。

心率：心率是指正常人安静状态下每分钟心跳的次数，也叫安静心率，一般为60～100次/分，可因年龄、性别或其他生理因素产生个体差异。一般来说，年龄越小，心率越快，老年人心跳比年轻人慢，女性的心率比同龄男性快，这些都是正常的生理现象。安静状态下，成人正常心率为60～100次/分钟，理想心率应为55～70次/分钟（运动员的心率较普通成人偏慢，一般为50次/分钟左右）。

呼吸频率：呼吸频率为一种形容每分钟呼吸的次数的医学术语，胸部的一次起伏就是一次呼吸，即一次吸气一次呼气。每分钟呼吸的次数称为呼吸频率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种呼吸暂停检测方法，其特征在于，包括步骤：

采集实时BCG数据；

每次取长度大于一个呼吸周期的实时BCG数据进行处理，得到一定长度的呼吸波形数据和心率波形数据并缓存；

计算心率波形数据的离散度，同时对所述呼吸波形数据的信号特征进行多维度处理分析得到相应的信号特征；

当所述心率波形数据的离散度以及所述呼吸波形数据的各维度处理分析的信号特征均符合呼吸暂停条件，则判定当前检测对象为呼吸暂停。

2.如权利要求1所述的呼吸暂停检测方法，其特征在于，对所述呼吸波形数据的信号特征进行多维度处理分析得到相应的信号特征具体包括：

计算呼吸波形数据的离散度；

对呼吸波形数据进行算数平均数计算，得到均值；

对呼吸波形数据做基于第一点数的平滑滤波处理，提取出平滑呼吸波形数据；

对呼吸波形数据做基于第二点数的平滑滤波处理，提取出呼吸信号的整体变化趋势数据；

计算平滑呼吸波形数据减去呼吸信号的整体变化趋势数据的第一差值数据，以及呼吸信号的整体变化趋势数据减去均值的第二差值数据；

记录第一差值数据每次从负值变化到正值时在第一差值数据中的位置，统计每两个相邻位置中后一个第一差值与前一个第一差值相减得到的数值小于阈值的第一次数；

记录第二差值数据每次从负值变化到正值时在第二差值数据中的位置，统计每两个相邻位置中后一个第二差值与前一个第二差值相减得到的数值大于阈值的第二次数；

所述第一次数和第二次数为不同维度的信号特征。

3.如权利要求2所述的呼吸暂停检测方法，其特征在于，当第一点数或第二点数为奇数时，采用公式

对呼吸波形数据进行平滑滤波处理，当第一点数或第二点数为偶数时，采用公式

对呼吸波形数据进行平滑滤波处理，所述X[i]为平滑呼吸波形数据或呼吸信号的整体变化趋势数据，所述n为一定长度的呼吸波形数据的总点数，所述i为点数的索引，所述j为平滑滤波处理的起始值。

4.所如权利要求2所述的呼吸暂停检测方法，其特征在于，所述第一次数符合呼吸暂停条件具体为所述第一次数vCount1满足公式vCount1 > Br_(max) * L / (60 * Fs)，所述第二次数符合呼吸暂停条件具体为第二次数vCount2满足公式vCount2 < Br_(min) * L / (60 *Fs)；其中，Br_(max)为人体呼吸频率最大值，L为呼吸波形数据的长度，Fs为实时BCG信号的采样率。

5.所如权利要求2所述的呼吸暂停检测方法，其特征在于，所述阈值具体通过公式Vm =（60）/ Br(max) * Fs计算得到，所述Vm为阈值，Br(max)为人体呼吸频率最大值，Fs为实时BCG信号的采样率。

6.如权利要求1所述的呼吸暂停检测方法，其特征在于，所述呼吸波形数据和心率波形数据具体通过以下步骤得到：

以正常呼吸的呼吸最低频率和呼吸最高频率作为数字带通滤波器的带通滤波截止频率点来构建呼吸数据带通滤波器，通过将所述实时BCG数据输入至所述呼吸数据带通滤波器得到所述呼吸波形数据并存入缓存；

以正常心率的心率最低频率和心率最高频率作为数字带通滤波器的带通滤波截止频率点来构建心率数据带通滤波器，通过将所述实时BCG数据输入至所述心率数据带通滤波器得到所述心率波形数据并存入缓存。

7.如权利要求2所述的呼吸暂停检测方法，其特征在于，通过对所述呼吸波形数据和心率波形数据分别进行平均差处理，根据所述呼吸波形数据和心率波形数据的平均差计算得到所述心率波形数据和呼吸波形数据的离散度。

8.如权利要求2所述的呼吸暂停检测方法，其特征在于，所述心率波形数据的离散度符合呼吸暂停条件具体为所述心率波形数据的离散度大于空带状态下的最小心率离散度值；所述呼吸波形数据的离散度符合呼吸暂停条件具体为所述呼吸波形数据的离散度小于呼吸停止状态下的最大呼吸离散度值。

9.一种呼吸暂停检测设备，其特征在于，采用如权利要求1至8任意一项所述的呼吸暂停检测方法对呼吸暂停进行检测。

10.如权利要求9所述的呼吸暂停检测设备，其特征在于，包括：

数据采集模块，用于采集实时BCG数据；

数据预处理模块，用于提取呼吸波形数据和心率波形数据并缓存；

心率数据分析处理模块，用于计算所述心率波形数据的离散度；

呼吸数据分析处理模块，用于计算所述呼吸波形数据的离散度以及第一次数和第二次数；

呼吸暂停检测模块，根据所述心率波形数据的离散度，所述呼吸波形数据的离散度以及第一次数和第二次数，判断当前检测对象是否呼吸暂停。

Images