CN114176568B - 基于呼吸压力信号的鼾声检测方法 - Google Patents

基于呼吸压力信号的鼾声检测方法 Download PDF

Info

Publication number
CN114176568B
CN114176568B CN202111647505.3A CN202111647505A CN114176568B CN 114176568 B CN114176568 B CN 114176568B CN 202111647505 A CN202111647505 A CN 202111647505A CN 114176568 B CN114176568 B CN 114176568B
Authority
CN
China
Prior art keywords
snore
component
trans
enhanced
sum
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
Application number
CN202111647505.3A
Other languages
English (en)
Other versions
CN114176568A (zh
Inventor
潘海洋
祝荣荣
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.)
Resvent Medical Technology Co Ltd
Original Assignee
Resvent Medical Technology Co Ltd
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 Resvent Medical Technology Co Ltd filed Critical Resvent Medical Technology Co Ltd
Priority to CN202111647505.3A priority Critical patent/CN114176568B/zh
Publication of CN114176568A publication Critical patent/CN114176568A/zh
Application granted granted Critical
Publication of CN114176568B publication Critical patent/CN114176568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826Detecting or evaluating apnoea events
    • 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
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7235Details of waveform analysis
    • 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
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

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)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种基于呼吸压力信号的鼾声检测方法,该基于呼吸压力信号的鼾声检测方法包括:获取呼吸压力信号;对呼吸压力信号进行滤波得到初始鼾声分量;对初始鼾声分量进行增强得到增强鼾声分量;判断增强鼾声分量是否在第一预设范围内;当增强鼾声分量在第一预设范围内时,判定打鼾事件开始并记录开始时间;判断增强鼾声分量是否在第二预设范围内;当增强鼾声分量在第二预设范围内时,判定打鼾事件结束并记录结束时间;根据开始时间和结束时间生成打鼾事件,打鼾事件包括开始时间和根据开始时间和结束时间得到的打鼾持续时间。本发明还提供了一种计算机可读存储介质以及嵌入式设备。本方法具有实时性和抗干扰能力,能够准确的进行鼾声检测。

Description

基于呼吸压力信号的鼾声检测方法
技术领域
本发明涉及医疗设备领域,尤其涉及一种基于呼吸压力信号的鼾声检测方法、计算机可读存储介质以及嵌入式设备。
背景技术
在现有的基于呼吸压力信号的鼾声检测技术中,常用的是时域检测方法和频域检测方法。其中,时域检测方法,压力信号经过带通滤波后,进行窗口能量积分,通过设置合适阈值完成对鼾声的检测。频域检测方法,将单位区间的压力信号进行离散傅里叶变换,获取信号的频谱波形,并根据频谱波形计算压力信号的平均功率,当平均功率大于设定阈值,则判断为鼾声的起点,当平均功率小于设置阈值,则判定为打鼾结束。
但是,时域检测方法由于鼾声信号忽高忽低,直接进行能量积分会出现多个鼾声包络,导致鼾声起始位置和结束位置的误检。频域检测方法通过呼吸压力信号包含呼吸分量和鼾声分量,且主要是呼吸分量,而鼾声分量只占一小部分。现有算法并不对压力信号进行预处理,而直接进行离散傅里叶变换后,计算获取的平均功率在打鼾和非打鼾时期区分不明显,容易出现鼾声的误判。其次,对压力信号进行离散傅里叶变换,需要采集一段时间(如一个吸气时间)的压力数据才能进行离散傅里叶变换,因此,鼾声的检测并不是实时的,无法获取准确打鼾开始时间和结束时间。
因此,如何准确对鼾声进行检测是亟需解决的问题。
发明内容
本发明提供一种基于呼吸压力信号的鼾声检测方法、计算机可读存储介质以及嵌入式设备,解决了在鼾声事件检测中的鼾声检测抗干扰性差、实时性差的问题。
第一方面,本发明实施例提供一种基于呼吸压力信号的鼾声检测方法,该基于呼吸压力信号的鼾声检测方法包括:
获取呼吸压力信号;
对呼吸压力信号进行滤波得到初始鼾声分量;
对初始鼾声分量进行增强得到增强鼾声分量;
判断增强鼾声分量是否在第一预设范围内;
当增强鼾声分量在第一预设范围内时,判定打鼾事件开始并记录开始时间;
判断增强鼾声分量是否在第二预设范围内;
当增强鼾声分量在第二预设范围内时,判定打鼾事件结束并记录结束时间;
根据开始时间和结束时间生成打鼾事件,打鼾事件包括开始时间和根据开始时间和结束时间得到的打鼾持续时间。
第二方面,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质上存储有能够被处理器加载并执行的基于呼吸压力信号的鼾声检测方法的程序指令。
第三方面,本发明实施例提供一种嵌入式设备,该嵌入式设备包括:
存储器,用于存储程序指令;
处理器,用于执行程序指令以使嵌入式设备实现基于呼吸压力信号的鼾声检测方法。
上述基于呼吸压力信号的鼾声检测方法,本发明提出一种基于呼吸压力信号的鼾声检测方法,将压力信号通过设定带宽的带通滤波器,例如,20~300Hz带通滤波器,滤除压力信号中的呼吸分量,获取压力信号中包含的鼾声信号,对鼾声信号进行整流后,再进行膨胀处理,获取增强的鼾声信号,再将增强的信号进行平方处理和窗口积分,获得用于鼾声检测的特征波形,当鼾声特征波形大于设定的阈值时,则判定为鼾声的开始,当鼾声特征波形小于设定阈值时,则判定为鼾声结束,具有较好的实时性和较强的抗干扰能力。
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作简单地介绍。显而易见地,下面描述中的附图仅仅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示出的结构获得其他的附图。
图1为本发明实施例提供的基于呼吸压力信号的鼾声检测方法的流程图。
图2为本发明实施例提供的基于呼吸压力信号的鼾声检测方法的子流程图。
图3为本发明实施例提供的呼吸压力信号的示意图。
图4为本发明实施例提供的初始鼾声分量的示意图。
图5为本发明实施例提供的第一鼾声分量的示意图。
图6为本发明实施例提供的第二鼾声分量的示意图。
图7为本发明实施例提供的增强鼾声分量的示意图。
图8为本发明实施例提供的鼾声检测的示意图。
图9为本发明实施例提供的计算机设备内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,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用以解释本发明,并不用于限定本发明。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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请结合参看图1,其为本发明实施例提供的基于呼吸压力信号的鼾声检测方法的流程图。其中,本发明实施例提供的基于呼吸压力信号的鼾声检测方法具体包括下面步骤。
步骤S101,获取呼吸压力信号。在本实施例中,通过睡眠初筛仪来获取用户的呼吸压力信号。请结合参看图3,其为本发明实施例提供的呼吸压力信号的示意图。
步骤S102,对呼吸压力信号进行滤波得到初始鼾声分量。在本实施例中,利用20Hz~300Hz的带通滤波器对呼吸压力信号进行滤波得到初始鼾声分量。带通滤波器(BandPassFilter,BPF)是一种将通频带以外的高频信号和低频信号均过滤掉的信号处理技术。具体地,本实施例中使用的滤波器为FIR滤波器或者IIR滤波器过滤掉频率小于等于20Hz呼吸分量。请结合参看图4,其为本发明实施例提供的初始鼾声分量的示意图。
步骤S103,对初始鼾声分量进行增强得到增强鼾声分量。增强操作包括膨胀处理和窗口积分处理,其中,膨胀处理为数学形态学中一种基本运算,用于进行信号的增强;窗口积分处理为一种用于对特征信号的增强的信号处理技术。
请结合参看图7,其为本发明实施例提供的增强鼾声分量的示意图。具体请参照步骤步骤S1031-步骤S1033。
步骤S104,判断增强鼾声分量是否在第一预设范围内。
步骤S105,当增强鼾声分量在第一预设范围内时,判定打鼾事件开始并记录开始时间。具体地,将增强鼾声分量设定为s_trans_sum(t)与设定的检测阈值thr相比较,第一预设范围为与检测阈值thr相关的范围。t为时间,例如,当s_trans_sum(t-2)<thr≤s_trans_sum(t-1)≤s_trans_sum(t)时,判定为打鼾事件开始,记录当前时间为开始时间。
步骤S106,判断增强鼾声分量是否在第二预设范围内。
步骤S107,当增强鼾声分量在第二预设范围内时,判定打鼾事件结束并记录结束时间。当检测到打鼾事件开始后,若特征序列s_trans_sum(t)满足s_trans_sum(t-2)>thr≥s_trans_sum(t-1)≥s_trans_sum(t)时,则判定为打鼾事件结束,记录当前时间为结束时间。
步骤S108,根据开始时间和结束时间生成打鼾事件,打鼾事件包括开始时间和根据开始时间和结束时间得到的打鼾持续时间。具体请结合参看图8。其为本发明实施例提供的鼾声检测的示意图。在本实施例中,将压力信号通过设定带宽的带通滤波器,例如,20~300Hz带通滤波器,滤除压力信号中的呼吸分量,获取压力信号中包含的鼾声信号,对鼾声信号进行整流后,再进行膨胀处理,获取增强的鼾声信号,再将增强的信号进行平方处理和窗口积分,获得用于鼾声检测的特征波形,当鼾声特征波形大于设定的阈值时,则判定为鼾声的开始,当鼾声特征波形小于设定阈值时,则判定为鼾声结束。基于呼吸压力信号的鼾声检测方法对于鼾声检测抗干扰性强、实时性好。
请结合参看图2,其为本发明实施例提供的步骤S103的步骤流程图。步骤S103,对初始鼾声分量进行增强得到增强鼾声分量,具体包括下面步骤。
步骤S1031,将初始述鼾声分量进行整流得到第一鼾声分量。在本实施例中,整流为取绝对值,将初始鼾声分量进行取绝对值,获得初始鼾声分量的幅度时间序列,如图5所示。
步骤S1032,将第一鼾声分量进行膨胀得到第二鼾声分量。在本实施例中,用于膨胀的公式为s_trans(t) = Max(s_trans((t+k)-m(k))),k=0……t1,其中,s_trans(t)为第二鼾声分量,k为用于膨胀的预设时间长度,m(k)为与预设时间长度相关的膨胀参数。在本实施例中,以设定时间长度的模板序列m(k)对一鼾声分量进行膨胀处理,例如,用于膨胀的预设时间长度为200ms、数值为0的时间序列,获得膨胀后的第二鼾声分量,如图6所示。
步骤S1033,将第二鼾声分量进行积分得到增强鼾声分量。在本实施例中,根据预设的时间窗宽度将第二鼾声分量进行积分得到增强鼾声分量。在本实施例中,将第二鼾声分量以设定的时间窗宽度j例如,100ms进行积分,获得用于鼾声检测的增强鼾声分量,如图7所示。
本发明还提供了一种计算机可读存储介质。计算机可读存储介质上存储有能够被处理器加载并执行的上述的基于呼吸压力信号的鼾声检测方法的程序指令。由于计算机可读存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再赘述。
本发明还提供一种计算机设备900,计算机设备900至少包括存储器901和处理器902。存储器901用于存储基于呼吸压力信号的鼾声检测方法的程序指令。处理器902用于执行程序指令以使计算机设备实现上述的基于呼吸压力信号的鼾声检测方法。请结合参看图9,其为本发明实施例提供的计算机设备900的内部结构示意图。在本实施例中,嵌入式设备为睡眠筛查设备。进一步地,该睡眠筛查设备为如呼吸机、睡眠初筛仪或多导睡眠仪。
其中,存储器901至少包括一种类型的计算机可读存储介质,该计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器901在一些实施例中可以是计算机设备900的内部存储单元,例如计算机设备900的硬盘。存储器901在另一些实施例中也可以是计算机设备900的外部存储设备,例如计算机设备900上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字卡(Secure Digital, SD),闪存卡(Flash Card)等。进一步地,存储器901还可以既包括计算机设备900的内部存储单元也包括外部存储设备。存储器901不仅可以用于存储安装于计算机设备900的应用软件及各类数据,例如基于呼吸压力信号的鼾声检测方法的程序指令等,还可以用于暂时地存储已经输出或者将要输出的数据,例如基于呼吸压力信号的鼾声检测方法执行产生的数据等。
处理器902在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器901中存储的程序指令或处理数据。具体地,处理器902执行基于呼吸压力信号的鼾声检测方法的程序指令以控制计算机设备900实现基于呼吸压力信号的鼾声检测方法。
进一步地,计算机设备900还可以包括总线903可以是外设部件互连标准总线(peripheral component interconnect,简称PCI)或扩展工业标准结构总线(extendedindustry standard architecture,简称EISA)等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,计算机设备900还可以包括显示组件904。显示组件904可以是LED(Light Emitting Diode,发光二极管)显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示组件904也可以适当的称为显示装置或显示单元,用于显示在计算机设备900中处理的信息以及用于显示可视化的用户界面。
进一步地,计算机设备900还可以包括通信组件905,通信组件905可选的可以包括有线通信组件和/或无线通信组件(如WI-FI通信组件、蓝牙通信组件等),通常用于在计算机设备900与其他计算机设备之间建立通信连接。
图9仅示出了具有组件901-905以及实现基于呼吸压力信号的鼾声检测方法的程序指令的计算机设备900,本领域技术人员可以理解的是,图9示出的结构并不构成对计算机设备900的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。由于计算机设备900采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再赘述。
该基于呼吸压力信号的鼾声检测方法包括一个或多个程序指令。在设备上加载和执行该程序指令时,全部或部分地产生按照本发明实施例的流程或功能。该设备可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该程序指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,该程序指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的基于呼吸压力信号的鼾声检测方法实施例仅仅是示意性的,例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件 可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
该作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所列举的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属于本发明所涵盖的范围。

Claims (8)

1.一种基于呼吸压力信号的鼾声检测方法,其特征在于,所述基于呼吸压力信号的鼾声检测方法包括:
获取呼吸压力信号;
对所述呼吸压力信号进行滤波得到初始鼾声分量;
对所述初始鼾声分量进行增强得到增强鼾声分量,其中,对所述初始鼾声分量进行增强得到增强鼾声分量包括:将所述初始鼾声分量进行整流得到第一鼾声分量;将所述第一鼾声分量进行膨胀得到第二鼾声分量;用于膨胀的公式为s_trans(t) = Max(s_trans((t+k)-m(k))),k=0……t1,其中,s_trans(t)为所述第二鼾声分量,k为用于膨胀的预设时间长度,m(k)为与预设时间长度相关的膨胀参数;以及将所述第二鼾声分量进行积分得到所述增强鼾声分量,所述增强鼾声分量为特征序列;
判断所述增强鼾声分量是否在第一预设范围内,所述第一预设范围为与检测阈值相关的范围,判断所述增强鼾声分量是否在第一预设范围内具体为:判断所述特征序列是否满足s_trans_sum(t-2)<thr≤s_trans_sum(t-1)≤s_trans_sum(t),当所述特征序列满足s_trans_sum(t-2)<thr≤s_trans_sum(t-1)≤s_trans_sum(t),判断出所述增强鼾声分量在第一预设范围内,其中,t表示时间,s_trans_sum(t-2)、s_trans_sum(t-1)、s_trans_sum(t)表示所述特征序列,thr表示所述检测阈值;
当所述增强鼾声分量在第一预设范围内时,判定打鼾事件开始并记录开始时间;
判断所述增强鼾声分量是否在第二预设范围内,所述第二预设范围为与检测阈值thr相关的范围,判断所述增强鼾声分量是否在第二预设范围内具体为:判断所述特征序列是否满足s_trans_sum(t-2)>thr≥s_trans_sum(t-1)≥s_trans_sum(t),当所述特征序列满足s_trans_sum(t-2)>thr≥s_trans_sum(t-1)≥s_trans_sum(t),判断出所述增强鼾声分量在第二预设范围内;
当所述增强鼾声分量在第二预设范围内时,判定打鼾事件结束并记录结束时间;以及
根据所述开始时间和所述结束时间生成所述打鼾事件,所述打鼾事件包括所述开始时间和根据所述开始时间和所述结束时间得到的打鼾持续时间。
2.如权利要求1所述的基于呼吸压力信号的鼾声检测方法,其特征在于,利用20Hz~300Hz的带通滤波器对所述呼吸压力信号进行滤波得到初始鼾声分量。
3.如权利要求2所述的基于呼吸压力信号的鼾声检测方法,其特征在于,所述滤波器为FIR滤波器或者IIR滤波器。
4.如权利要求1所述的基于呼吸压力信号的鼾声检测方法,其特征在于,根据预设的时间窗宽度将所述第二鼾声分量进行积分得到所述增强鼾声分量。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有能够被处理器加载并执行的如权利要求1~4任意一项所述的基于呼吸压力信号的鼾声检测方法的程序指令。
6.一种嵌入式设备,其特征在于,所述嵌入式设备包括:
存储器,用于存储程序指令;以及
处理器,用于执行所述程序指令以使所述嵌入式设备实现如权利要求1~4任意一项所述的基于呼吸压力信号的鼾声检测方法。
7.如权利要求6所述的嵌入式设备,其特征在于,所述嵌入式设备为睡眠筛查设备。
8.如权利要求7所述的嵌入式设备,其特征在于,所述睡眠筛查设备为呼吸机、睡眠初筛仪或多导睡眠仪。
CN202111647505.3A 2021-12-29 2021-12-29 基于呼吸压力信号的鼾声检测方法 Active CN114176568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111647505.3A CN114176568B (zh) 2021-12-29 2021-12-29 基于呼吸压力信号的鼾声检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111647505.3A CN114176568B (zh) 2021-12-29 2021-12-29 基于呼吸压力信号的鼾声检测方法

Publications (2)

Publication Number Publication Date
CN114176568A CN114176568A (zh) 2022-03-15
CN114176568B true CN114176568B (zh) 2023-01-17

Family

ID=80545313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111647505.3A Active CN114176568B (zh) 2021-12-29 2021-12-29 基于呼吸压力信号的鼾声检测方法

Country Status (1)

Country Link
CN (1) CN114176568B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116229983A (zh) * 2022-09-15 2023-06-06 深圳市倍轻松科技股份有限公司 一种确定鼾声信号的方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2163855A1 (en) * 1994-12-15 1996-06-16 James P. Froehlich Control for cpap apparatus
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
CN105662417A (zh) * 2015-12-31 2016-06-15 沈阳迈思医疗科技有限公司 一种基于压力信号特征识别鼾声的控制方法及装置
CN106725337A (zh) * 2017-01-05 2017-05-31 北京怡和嘉业医疗科技股份有限公司 鼾声检测方法和装置、正压呼吸机
CN109907729A (zh) * 2018-10-12 2019-06-21 中科传感技术(青岛)研究院 一种睡眠时生命特征的检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2163855A1 (en) * 1994-12-15 1996-06-16 James P. Froehlich Control for cpap apparatus
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
CN105662417A (zh) * 2015-12-31 2016-06-15 沈阳迈思医疗科技有限公司 一种基于压力信号特征识别鼾声的控制方法及装置
CN106725337A (zh) * 2017-01-05 2017-05-31 北京怡和嘉业医疗科技股份有限公司 鼾声检测方法和装置、正压呼吸机
CN109907729A (zh) * 2018-10-12 2019-06-21 中科传感技术(青岛)研究院 一种睡眠时生命特征的检测方法

Also Published As

Publication number Publication date
CN114176568A (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
EP1828877B1 (en) Methods and systems for detecting noise in a position sensor using minor shifts in sensing frequency
CN114176568B (zh) 基于呼吸压力信号的鼾声检测方法
JP6922708B2 (ja) 異常検出用コンピュータプログラム、異常検出装置及び異常検出方法
CN109864705B (zh) 对脉搏波进行滤波的方法、装置和计算机设备
CN108697328B (zh) 一种鼾声识别方法及止鼾装置
CN111770427A (zh) 麦克风阵列的检测方法、装置、设备以及存储介质
CN112244835B (zh) 信号处理方法及相关装置
CN111765900B (zh) 计步方法、计步装置及计算机可读存储介质
CN103778916A (zh) 监控环境声音的方法及系统
CN106662970A (zh) 一种设置指纹识别器中断阈值的方法、装置和终端设备
CN112327288A (zh) 雷达人体动作识别方法、装置、电子设备和存储介质
CN111657948B (zh) 一种睡眠呼吸状态的检测方法、装置及设备
CN110179436B (zh) 一种鼾声取样方法及终端设备
CN109284594A (zh) 一种基于人脸检测的智能设备锁屏控制方法及装置
CN107811610B (zh) 一种呼吸率检测方法、装置、电子设备及存储介质
CN114176567B (zh) 计算机可读存储介质及终端
US20190021633A1 (en) Detecting respiratory rates in audio using an adaptive low-pass filter
CN114176584B (zh) 氧减事件检测方法、计算机可读存储介质以及嵌入式设备
CN114224320B (zh) 自适应多通道信号融合的鼾声检测方法、设备及系统
CN114176528B (zh) 心动干扰识别方法及计算机可读存储介质
CN104346252A (zh) 监控芯片对于异常的感测数据的过滤方法
CN109589137B (zh) 胎动识别的方法、装置、终端和计算机可读存储介质
CN113091257A (zh) 空调的控制方法、装置、设备和存储介质
CN113377223A (zh) 一种触控方法、系统、电子产品和存储介质
CN113260973A (zh) 一种基于轨迹执行指令的方法、电子设备及计算机可读存储介质

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