TWI442904B - 辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置 - Google Patents

Description

辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置

本發明係有關一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置，尤指一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置，其兼具利用特徵進行模糊邏輯辨識氣喘事件及睡眠呼吸中止事件與咳嗽事件相當準確、可判別氣喘事件及睡眠呼吸中止事件與咳嗽事件發生之次數與時間，以及無線感測設計可同時在靜態與動態下進行長時間檢測等功效。

睡眠時呼吸道的徵象，是許多疾病控制的指標，如氣喘、睡眠呼吸中止或是咳嗽等。其中，睡眠呼吸中止根據不同標準需求，已有許多檢查與監控的產品，傳統檢測方法及裝置共分四級，其分別產生以下問題：

[1]　應用範圍受限。第一級為全頻道標準檢查，在醫院使用；就治療睡眠呼吸中止(如陽壓呼吸器、手術或牙套等)之成效的評估，以長時間觀察變化最為理想。到醫院做確認雖然最準確，但仍需做排程等候；並無法讓行動不便者或沒有時間到醫院就診者即時進行檢查，僅限制在醫院使用。

[2]　使用不便。睡眠第二級為全頻道在非醫護人員場合下使用；第三級為胸腹帶、呼吸氣流與血氧濃度等四項作為篩檢與治療評估；以第二、第三級方式來監控雖然是替代的方法，但可能必需小心活動時拉扯到相關的感測線，長期使用相當不便。

[3]　檢測較不準確。睡眠第四級為血氧濃度偵測，為單純篩檢血氧狀態進而推論呼吸情形，與第三級之睡眠檢查皆無睡眠偵測訊號，在估測睡眠呼吸中止上錯誤率相對較高。至於傳統偵測氣喘或偵測咳嗽之裝置(例如中華民國發明專利公開第200704391號之『貼片式生理監測裝置、系統及網路』)亦無辨識睡眠功能，無法準確辨識氣喘或咳嗽是否在睡眠發生之問題。而攜帶式結構(例如中華民國發明專利第I294280號之『可攜式氣喘肺音監測系統』)同樣無法區分檢測到的訊號是發生於清醒或睡眠，檢測較不準確。另外，亦有利用個人錄製之肺音資料庫作辨識之裝置，然而每個人在不同疾病都有不同表現，此裝置亦會產生誤差。

[4]有線設計使用不便。傳統偵測氣喘或偵測咳嗽之裝置(例如中華民國發明專利公開第200704391號之『貼片式生理監測裝置、系統及網路』)仍以有線方式來支援感測，使待測者不論在行動上或是躺在病床上，都增加自然活動時之拉扯的機會，有線設計使用不便。

有鑑於此，必需研發出可解決上述習用缺點之技術。

本發明之目的，在於提供一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置，其兼具利用特徵進行模糊邏輯辨識氣喘事件及睡眠呼吸中止事件與咳嗽事件相當準確、可判別氣喘事件及睡眠呼吸中止事件與咳嗽事件發生之次數與時間，以及無線感測設計可同時在靜態與動態下進行長時間檢測之優點。特別是，本發明所欲解決之問題包括：應用範圍受限、使用不便、檢測較不準確與有線設計使用不便等問題。

解決上述問題之技術手段係提供一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置，其方法部份係包括下列步驟：

一．準備步驟；

二．人體偵測步驟；

三．訊號處理步驟；

四．訊號辨識步驟；及

五．完成步驟。

其裝置部份係包括：一聲音感測裝置，係用以即時偵測一待測者而產生一肺音訊號；一腹部感測裝置，係用以即時偵測該待測者之腹部呼吸起伏過程，而產生一腹部呼吸運動訊號；一腕部感測裝置，係用以即時偵測該待測者而產生一腕部活動訊號；一偵測識別裝置，係具有一第一模糊邏輯系統、一第二模糊邏輯系統、一第三模糊邏輯系統及一估測辨識裝置；該偵測識別裝置係連結該聲音感測裝置、腹部感測裝置及該腕部感測裝置，而用以接收該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號；先對該肺音訊號進行快速傅立葉轉換而得到頻率，並對該肺音訊號及該腹部呼吸運動訊號進行訊號切割處理；藉此，以該偵測識別裝置配合該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號進行下列三種辨識作業：[a]氣喘辨識：該偵測識別裝置以該第一模糊邏輯系統進行辨識；而氣喘發作之特徵為哮鳴；當該肺音訊號之頻率達到一頻率標準值，其係介於200Hz~600Hz之間，且該頻率標準值持續一第一辨識時間，其係介於100毫秒~500毫秒之間；則辨識為哮鳴，並定義為該待測者發生氣喘事件；[b]睡眠呼吸中止辨識：該偵測識別裝置以該第二模糊邏輯系統進行辨識；當該相鄰之肺音訊號間隔持續一第二辨識時間；其係介於10秒~120秒之間；並該相鄰之腹部呼吸運動訊號同樣間隔持續該第二辨識時間；且由該腕部活動訊號判別該待測者為睡眠狀態；則定義為該待測者發生睡眠呼吸中止事件； [c]咳嗽辨識：該偵測識別裝置以該第三模糊邏輯系統進行辨識；當該每一肺音訊號之呼氣相位持續一呼氣相位時間，其係介於0.12秒~2.5秒之間；且該相鄰之肺音訊號彼此間隔一第三辨識時間，其係介於2秒~10秒之間；則定義為該待測者發生咳嗽事件；最後，該估測辨識裝置依氣喘事件、睡眠呼吸中止事件、咳嗽事件之順序，於該第一、該第二與該第三辨識時間之重疊時間內，比對去模糊化數值，辨識發生機率最大之事件，並判別其為該待測者發生之事件。

本發明之上述目的與優點，不難從下述所選用實施例之詳細說明與附圖中，獲得深入瞭解。

茲以下列實施例並配合圖式詳細說明本發明於後：

本發明係為一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法及其裝置，參閱第一圖，其方法部份包括下列步驟：一．準備步驟11：參閱第二圖，預先準備一聲音感測裝置20、一腹部感測裝置30、一腕部感測裝置40及一偵測識別裝置50，該偵測識別裝置50具有一第一模糊邏輯系統51、一第二模糊邏輯系統52、一第三模糊邏輯系統53及一估測辨識裝置54；二．人體偵測步驟12：該聲音感測裝置20用以即時偵測一待測者91而產生一肺音訊號20A，並傳送至該偵測識別裝置50；該腹部感測裝置30用以即時偵測該待測者91之腹部呼吸起伏過程，而產生一腹部呼吸運動訊號30A，並傳送至該偵測識別裝置50；該腕部感測裝置40用以即時偵測該待測者91而產生一腕部活動訊號40A，並傳送至該偵測識別裝置50；

三．訊號處理步驟13：該偵測識別裝置50先將該肺音訊號20A進行快速傅立葉轉換(Fast Fourier Transform，英文簡稱FFT)而得到頻率(參閱第四圖)，並對該肺音訊號20A及該腹部呼吸運動訊號30A進行訊號切割(Segmentation)處理；

四．訊號辨識步驟14：該偵測識別裝置50以該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A進行下列三種辨識作業(參閱第三圖)：

[a]　氣喘辨識：該偵測識別裝置50以該第一模糊邏輯系統51進行辨識；而氣喘發作之特徵為哮鳴；當該肺音訊號20A之頻率達到一頻率標準值，其係介於200Hz~600Hz之間(參閱第四圖(以「中」等頻率表示)，且該頻率標準值持續一第一辨識時間T1，其係介於250毫秒~500毫秒之間(參閱第五圖，以「長」表示。)；則辨識為哮鳴，並定義為該待測者91發生氣喘事件；

[b]　睡眠呼吸中止辨識：該偵測識別裝置50以該第二模糊邏輯系統52進行辨識；當該相鄰之肺音訊號20A間隔持續一第二辨識時間T2；其係介於10秒~90秒之間(參閱第六圖，以「長」表示。)；並該相鄰之腹部呼吸運動訊號30A同樣間隔持續該第二辨識時間T2(參閱第七圖，以「長」表示。)；且由該腕部活動訊號40A判別該待測者91為睡眠狀態；則定義為該待測者91發生睡眠呼吸中止事件；

[c]　咳嗽辨識：該偵測識別裝置50以該第三模糊邏輯系統53進行辨識；當該每一肺音訊號20A之呼氣相位持續一呼氣相位時間T31(參閱第八A、第八B、第八C、第八D圖)，其係介於0.3秒~1秒之間；且該相鄰之肺音訊號20A彼此間隔一第三辨識時間T32，其係介於3秒~6秒之間；則定義為該待測者91發生咳嗽事件；

最後，該估測辨識裝置54依氣喘事件、睡眠呼吸中止事件、咳嗽事件之順序，於該第一、該第二與該第三辨識時間T1、T2與T32之重疊時間內，比對去模糊化數值，辨識發生機率最大之事件，並判別其為該待測者91發生之事件；五．完成步驟15：完成辨識氣喘事件、睡眠呼吸中止事件與咳嗽事件。

實務上，該肺音訊號20A之頻率標準值可以400Hz為最佳值。

該第一辨識時間T1係可介於100毫秒~500毫秒之間。

該第二辨識時間T2係可介於10秒~120秒之間。

該呼氣相位時間T31，係可介於0.12秒~2.5秒之間。

該第三辨識時間T32係可介於2秒~10秒之間。

該聲音感測裝置20係包括：一第一固定部21、一第一殼體22、一聲音感測元件23、一第一記憶體24、一第一微處理器25、一第一無線射頻元件26及一第一電池27；該第一固定部21與該第一殼體22為相互結合(舉凡可相互連結之技術手段皆可為之)之結構，且該第一固定部21用以將該第一殼體22固定於該待測者91之胸口(原則上是平貼於胸口之皮膚上，接近肺之位置，以供長時間檢測之用)；該聲音感測元件23(可為公知之微麥風。例如：中華民國發明專利第I268115號之『矽微麥克風之振膜晶片及其製造方法』)用以感測該待測者91之肺音訊號20A；該第一記憶體24用以記憶並將該肺音訊號20A傳送至該第一微處理器25，該第一微處理器25用以控制該第一無線射頻元件26將該肺音訊號20A傳送出去；該第一電池27係供應前述相關元件所需之電力。

該腹部感測裝置30係包括：一第二固定部31、一第二殼體32、一第一加速度感測器33、一第二記憶體34、一第二微處理器35、一第二無線射頻元件36及一第二電池37；該第二固定部31與該第二殼體32為相互結合(舉凡可相互連結之技術手段皆可為之)之結構，且該第二固定部31用以將該第二殼體32固定於該待測者91之腹部(原則上是接近腹部之皮膚，以供長時間檢測之用)；該第一加速度感測器33用以感測該待測者91之腹部於呼吸過程之起伏狀態，並產生電壓變化，電壓變化可轉換為該腹部呼吸運動訊號30A；該第二記憶體34用以記憶並將該腹部呼吸運動訊號30A傳送至該第二微處理器35，該第二微處理器35用以控制該第二無線射頻元件36將該腹部呼吸運動訊號30A傳送出去；該第二電池37係供應前述相關元件所需之電力。

該腕部感測裝置40係包括：一腕部固定帶41、一第三殼體42、一第二加速度感測器43、一第三記憶體44、一第三微處理器45、一第三無線射頻元件46、一第三電池47、一按鍵組48及一螢幕49；該腕部固定帶41用以將該第三殼體42固定該待測者91之腕部；該第二加速度感測器43用以感測該待測者91之腕部肌肉張力的變化(隨之產生電壓變化，並可設定電壓呈減少時，肌肉張力變小→待測者91呈睡眠。電壓呈增加時，肌肉張力變大→待測者91呈清醒。)；電壓變化轉換為該腕部活動訊號40A，該第三記憶體44用以記憶該腕部活動訊號40A，並設一多工器441將接收之該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A多工傳送至該第三微處理器45，該第三微處理器45用以控制該第三無線射頻元件46，將該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A傳送出去；該第三電池47係供應前述相關元件所需之電力；該按鍵組48包括一選擇鍵481、一確認鍵482及一電源鍵483；該選擇鍵481用以選擇要進行之功能；該確認鍵482用以確認所選擇之功能；該電源鍵483用以啟、閉該腕部感測裝置40；該螢幕49用以顯示該腕部感測裝置40之訊號或相關之檢測結果。

該第一及該第二固定部21與31皆用以平貼於皮膚表面較不容易脫落，並當流汗或其他因素造成脫落亦可進行簡單置換。

該偵測識別裝置50可設於該腕部感測裝置40內(利於隨身24小時攜帶使用)，並該聲音感測裝置20、該腹部感測裝置30與該腕部感測裝置40可透過該第一、該第二、該第三無線射頻元件26、36與46構成無線感測網路系統，以該第三無線射頻元件46為叢集頭(Cluster head)調配網路傳輸架構；當有外部裝置(如電腦或嵌入型處理器)等即可下載資料；亦可直接設於外部電腦或嵌入型處理器等，進行原始資料(RAW Data)分析。

參閱第二及第三圖，該偵測識別裝置50又包括：一訊號處理模組50A，係用以從該多工器441接收該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A；該訊號處理模組50A設有：一快速傅立葉轉換單元501，係用以將該肺音訊號20A(此時為時域訊號)經傅立葉轉換(FFT)(進行在離散時間非週期之訊號之計算)變成頻域訊號20A(f)；其處理方式係經下列公式：進行運算(公知技術，恕不贅述。)；其中：x[n]為取樣後之訊號，Ω為單位(徑度)；離散時間傅立葉轉換是有關區間-π<Ω≦π的頻率分佈。

一非線性能量運算單元502，係用以對該肺音訊號20A(概呈時域訊號)、該腹部呼吸運動訊號30A(概呈時域訊號)、該腕部活動訊號40A(概呈時域訊號)及該頻域訊號20A(f)進行訊號切割，再傳送至該第一、該第二與該第三模糊邏輯系統51、52與53；其處理方式係經下列公式：輸入訊號x (n )=A cos(ωn +)+w (n )進行運算；其中：w (n )表示白高斯之通道效應；A為輸入訊號的振幅；ω 為輸入訊號的頻率；至於非線性能量運算可應用下列公式：Ψ[x(n)]=x(n-1)² -x(n)x(n-2)進行運算。

一資料儲存部55(參閱第二及第二十二圖)，用以儲存該估測辨識裝置54處理後之訊號及結果。

於該訊號辨識步驟14中：當進行[a]氣喘辨識時，可進一步配合該腕部活動訊號40A(由於每人之肌肉張力均不同，此點依實際測量之基準值為準)之數值判別該待測者91為睡眠/清醒(同理，咳嗽辨識亦可依此類推判別該待測者91為睡眠/清醒)。

在此先說明模糊邏輯，自然界中有許多現象是無法用有或無等明確的二元方式來界定。而模糊邏輯則提供解決之道；以身高為例，例如180公分為“高”，大於180為很高，小於160為低，其中可設定歸屬度為0到1。如描述「很高」，大於180公分歸屬度為1，160公分為0；描述「矮」，則165公分之歸屬度可能為0.7；此一模糊化依設定之函數(member function)而定。當輸入的值經過模糊化後，透過邏輯規則推論最後以去模糊化而得到最佳解。

以該第一模糊邏輯系統51進行氣喘辨識為例，預先設定氣喘事件之肺音訊號20A的頻率為400Hz，而正常之肺音訊號20A的頻率為100~200Hz(以100 Hz為基準)；當進行氣喘辨識時，則400Hz之歸屬度為1，100Hz的歸屬度為0，參閱第九圖，圖中所示之六個肺音訊號20A之頻率皆達到頻率標準值(400Hz)(歸屬度為1)，且頻率標準值持續第一辨識時間T1(250毫秒)，定義為氣喘事件，該估測辨識裝置54於該第一、該第二、該第三辨識時間T1、T2與T32之重疊時間內，判別該待測者91發生六次氣喘事件。

當以該第二模糊邏輯系統52(設定過程與該第一模糊邏輯系統51同理，恕不贅述)進行睡眠呼吸中止辨識，參閱第十A及第十B圖(分別為肺音訊號20A與腹部呼吸運動訊號30A皆經切割處理後之波形圖)，圖中顯示符合呼吸氣流暫停大於10秒鐘(圖中之第二辨識時間T2係為28秒)以上之波形(睡眠呼吸中止事件之參考特徵)；定義為睡眠呼吸中止事件；該估測辨識裝置54於該第一、該第二、該第三辨識時間T1、T2與T32之重疊時間內，判別該待測者91發生一次睡眠呼吸中止事件。

當以該第三模糊邏輯系統53(設定過程與該第一模糊邏輯系統51同理，恕不贅述)進行咳嗽辨識，參閱第十一A及第十一B圖(分別為肺音訊號20A與腹部呼吸運動訊號30A皆經切割處理後之波形圖)，圖中顯示共有四個呼氣相位符合呼氣相位時間T31(介於0.3秒~1秒之間)，並間隔達第三辨識時間T32(介於3秒~6秒之間)之間隔；定義為咳嗽事件；該估測辨識裝置54於該第一、該第二、該第三辨識時間T1、T2與T32之重疊時間內，判別該待測者91發生四次咳嗽事件。

當該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A經該第一、該第二與該第三模糊邏輯系統51、52與53辨識，不符合氣喘事件、睡眠呼吸中止事件、咳嗽事件時；則該估測辨識裝置54判別為正常或雜訊，例如如十二A及第十二B圖所示，係分別為某一待測者91之肺音訊號20A與腹部呼吸運動訊號30A經切割處理後之波形圖，圖中顯示之波形的頻率未達“氣喘事件”之頻率標準值(400Hz)，相鄰之肺音訊號20A與相鄰之腹部呼吸運動訊號30A其間隔持續時間均未達睡眠呼吸中止事件之第二辨識時間T2(10秒以上)；每一肺音訊號20A之呼氣相位的呼氣相位時間T31與第三辨識時間T32均未達“咳嗽事件”之標準值，該估測辨識裝置54判別待測者91為正常呼吸狀態。

本發明之裝置部份係包括(參閱第二及第三圖)：一聲音感測裝置20，係用以即時偵測一待測者91而產生一肺音訊號20A，並傳送至該偵測識別裝置50；一腹部感測裝置30，係用以即時偵測該待測者91之腹部呼吸起伏過程，而產生一腹部呼吸運動訊號30A，並傳送至該偵測識別裝置50；一腕部感測裝置40，係用以即時偵測該待測者91而產生一腕部活動訊號40A，並傳送至該偵測識別裝置50；一偵測識別裝置50，係具有一第一模糊邏輯系統51、一第二模糊邏輯系統52、一第三模糊邏輯系統53及一估測辨識裝置54；該偵測識別裝置50用以接收該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A；先對該肺音訊號20A進行快速傅立葉轉換(Fast Fourier Transform，英文簡稱FFT)而得到頻率(參閱第四圖)，並對該肺音訊號20A及該腹部呼吸運動訊號30A進行訊號切割(Segmentation)處理；藉此，以該偵測識別裝置50配合該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A進行下列三種辨識作業(參閱第三圖)：

[a]　氣喘辨識：該偵測識別裝置50以該第一模糊邏輯系統51進行辨識；而氣喘發作之特徵為哮鳴；當該肺音訊號20A之頻率達到一頻率標準值，其係介於200Hz~600Hz之間(參閱第四圖(以「中」等頻率表示)，且該頻率標準值持續一第一辨識時間T1，其係介於250毫秒~500毫秒之間(參閱第五圖，以「長」表示。)；則辨識為哮鳴，並定義為該待測者91發生氣喘事件；

[b]　睡眠呼吸中止辨識：該偵測識別裝置50以該第二模糊邏輯系統52進行辨識；當該相鄰之肺音訊號20A間隔持續一第二辨識時間T2；其係介於10秒~90秒之間(參閱第六圖，以「長」表示。)；並該相鄰之腹部呼吸運動訊號30A同樣間隔持續該第二辨識時間T2(參閱第七圖，以「長」表示。)；且由該腕部活動訊號40A判別該待測者91為睡眠狀態；則定義為該待測者91發生睡眠呼吸中止事件；

[c]　咳嗽辨識：該偵測識別裝置50以該第三模糊邏輯系統53進行辨識；當該每一肺音訊號20A之呼氣相位持續一呼氣相位時間T31(參閱第八A、第八B、第八C、第八D圖)，其係介於0.3秒~1秒之間；且該相鄰之肺音訊號20A彼此間隔一第三辨識時間T32，其係介於3秒~6秒之間；則定義為該待測者91發生咳嗽事件；

最後，該估測辨識裝置54依氣喘事件、睡眠呼吸中止事件、咳嗽事件之順序，於該第一、該第二與該第三辨識時間T1、T2與T32之重疊時間內，比對去模糊化數值，辨識發生機率最大之事件，並判別其為該待測者91發生之事件。

實務上，該肺音訊號20A之頻率標準值可以400Hz為最佳值。

該第一辨識時間T1係可介於100毫秒~500毫秒之間。

該第二辨識時間T2係可介於10秒~120秒之間。

該呼氣相位時間T31，係可介於0.12秒~2.5秒之間。

該第三辨識時間T32係可介於2秒~10秒之間。

該聲音感測裝置20係包括：一第一固定部21、一第一殼體22、一聲音感測元件23、一第一記憶體24、一第一微處理器25、一第一無線射頻元件26及一第一電池27；該第一固定部21與該第一殼體22為相互結合(舉凡可相互連結之技術手段皆可為之)之結構，且該第一固定部21用以將該第一殼體22固定於該待測者91之胸口(原則上是平貼於胸口之皮膚上，接近肺之位置，以供長時間檢測之用)；該聲音感測元件23(可為公知之微麥風。例如：中華民國發明專利第I268115號之『矽微麥克風之振膜晶片及其製造方法』)用以感測該待測者91之肺音訊號20A；該第一記憶體24用以記憶並將該肺音訊號20A傳送至該第一微處理器25，該第一微處理器25用以控制該第一無線射頻元件26將該肺音訊號20A傳送出去；該第一電池27係供應前述相關元件所需之電力。

該腹部感測裝置30係包括：一第二固定部31、一第二殼體32、一第一加速度感測器33、一第二記憶體34、一第二微處理器35、一第二無線射頻元件36及一第二電池37；該第二固定部31與該第二殼體32為相互結合(舉凡可相互連結之技術手段皆可為之)之結構，且該第二固定部31用以將該第二殼體32固定於該待測者91之腹部(原則上是接近腹部之皮膚，以供長時間檢測之用)；該第一加速度感測器33用以感測該待測者91之腹部於呼吸過程之起伏狀態，並產生電壓變化，電壓變化可轉換為該腹部呼吸運動訊號30A；該第二記憶體34用以記憶並將該腹部呼吸運動訊號30A傳送至該第二微處理器35，該第二微處理器35用以控制該第二無線射頻元件36將該腹部呼吸運動訊號30A傳送出去；該第二電池37係供應前述相關元件所需之電力。

該腕部感測裝置40係包括：一腕部固定帶41、一第三殼體42、一第二加速度感測器43、一第三記憶體44、一第三微處理器45、一第三無線射頻元件46、一第三電池47、一按鍵組48及一螢幕49；該腕部固定帶41用以將該第三殼體42固定該待測者91之腕部；該第二加速度感測器43用以感測該待測者91之腕部肌肉張力的變化(隨之產生電壓變化，並可設定電壓呈減少時，肌肉張力變小→待測者91呈睡眠。電壓呈增加時，肌肉張力變大→待測者91呈清醒。)；電壓變化轉換為該腕部活動訊號40A，該第三記憶體44用以記憶該腕部活動訊號40A，並設一多工器441將接收之該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A多工傳送至該第三微處理器45，該第三微處理器45用以控制該第三無線射頻元件46，將該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A傳送出去；該第三電池47係供應前述相關元件所需之電力；該按鍵組48包括一選擇鍵481、一確認鍵482及一電源鍵483；該選擇鍵481用以選擇要進行之功能；該確認鍵482用以確認所選擇之功能；該電源鍵483用以啟、閉該腕部感測裝置40；該螢幕49用以顯示該腕部感測裝置40之訊號或相關之檢測結果。

該第一及該第二固定部21與31皆用以平貼於皮膚表面較不容易脫落，並當流汗或其他因素造成脫落亦可進行簡單置換。

該偵測識別裝置50可設於該腕部感測裝置40內(利於隨身24小時攜帶使用)，並該聲音感測裝置20、該腹部感測裝置30與該腕部感測裝置40可透過該第一、該第二、該第三無線射頻元件26、36與46構成無線感測網路系統，以該第三無線射頻元件46為叢集頭(Cluster head)調配網路傳輸架構；當有外部裝置(如電腦或嵌入型處理器)等即可下載資料；亦可直接設於外部電腦或嵌入型處理器等，進行原始資料(RAW Data)分析。

參閱第二及第三圖，該偵測識別裝置50又包括：一訊號處理模組50A，係用以從該多工器441接收該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A；該訊號處理模組50A設有：一快速傅立葉轉換單元501，係用以將該肺音訊號20A(此時為時域訊號)經傅立葉轉換(FFT)(進行在離散時間非週期之訊號之計算)變成頻域訊號20A(f)；其處理方式係經下列公式：進行運算(公知技術，恕不贅述。)；其中：x[n]為取樣後之訊號，Ω為單位(徑度)；離散時間傅立葉轉換是有關區間-π<Ω≦π的頻率分佈。

一非線性能量運算單元502，係用以對該肺音訊號20A(概呈時域訊號)、該腹部呼吸運動訊號30A(概呈時域訊號)、該腕部活動訊號40A(概呈時域訊號)及該頻域訊號20A(f)進行訊號切割，再傳送至該第一、該第二與該第三模糊邏輯系統51、52與53；其處理方式係經下列公式：輸入訊號x (n )=A cos(ωn +)+w (n )進行運算；其中：w (n )表示白高斯之通道效應；A為輸入訊號的振幅；ω 為輸入訊號的頻率；至於非線性能量運算可應用下列公式：Ψ[x(n)]=x(n-1)² -x(n)x(n-2)進行運算。

一資料儲存部55(參閱第二及第二十二圖)，用以儲存該估測辨識裝置54處理後之訊號及結果。

至於模糊運算應用的部份，以公知洗衣機之洗衣時間設計為例：

以欲清洗之衣物「污泥程度」與「油污程度」做為輸入條件，清洗時間為輸出，其模糊函數分別如第十三、第十四及第十五圖所示，模糊規則請參閱表一：

「衣物污泥：中；油污：中，清洗時間：長時間」。

「衣物污泥：中，油污：大，清洗時間：長時間」。

「衣物污泥：高，油污：中，清洗時間：長時間」。

「衣物污泥：高，油污：大，清洗時間：很長時間」。

其模糊推論：

假設污泥為120，油污為140。

則得到污泥歸屬度”中”=0.8，“高”=0.2。

油污歸屬度”中”=0.6，”大”=0.4。

經min運算：

Min(中、中)=min(0.8、0.6)=0.6；min(中、大)=min(0.8、0.4)=0.4。

Min(高、中)=min(0.2、0.6)=0.2；min(高、大)=min(0.2、0.4)=0.2。

將min運算結果之數值再進行max運算：

Max(0.6、0.4、0.2)=0.6(長)；Max(0.2)=0.2(很長)。

再進行(例如以重心法解模糊化)模糊化為(13+23)/2=18(即為洗衣時間)。

當應用於本發明時：

[a]　以辨識氣喘事件為例：參閱第十六圖，係擷取總檢測時間(假設為一天24小時)中之120分鐘的波形，以第一個肺音訊號20A為例，其頻率為200Hz(參閱第四圖)，且肺音訊號20A經切割後維持該第一辨識時間T1為250ms(參閱第五圖)，其min-max運算如下表二：

經min運算：

MIN(極短，高)=(0,0)=0；MIN(極短，中)=(0,0)=0；MIN(極短，低)=(1,0)=0；MIN(短，高)=(0,0)=0；MIN(短，中)=(0,0)=0；MIN(短，低)=(1,0)=0；MIN(中，高)=(0,0)=0；MIN(中，中)=(0,0)=0；MIN(中，低)=(1,0)=0；MIN(長，高)=(0,1)=0；MIN(長，中)=(0,1)=0；MIN(長，低)=(1,1)=1。

由於該第一模糊邏輯系統51辨識氣喘事件係設定頻率為“中”；且維持第一辨識時間T1為“長”之配合要件為“辨識度高”，其餘皆為“辨識度低”。而MIN(長，中)=(0,1)=0，於第十七圖之辨識度“高”為0，至於辨識度“低”之最大值為1，於第十七圖之歸屬度為1，最後構成氣喘辨識線段L1，去模糊化值為25%，並可設定20%(亦可設定50%為判定標準)為判別氣喘之標準，若是設定為20%，則25%判定為氣喘，或是設定為50%，則25%判定未達氣喘標準，全依實際需求而定。

[b]　以辨識睡眠呼吸中止事件為例：參閱第十八圖，同樣擷取總檢測時間(假設為一天24小時)中之120分鐘的波形，並設定第一個肺音訊號20A經切割後間隔維持第二辨識時間T2(參閱第六圖，例如為50秒)，且腹部呼吸運動訊號30A經切割後間隔同樣維持第二辨識時間T2(參閱第七圖，例如為50秒)，其min-max運算如下表三：

經min運算：

MIN(很長，很長)=(0,0)=0；MIN(很長，長)=(0,0)=0；MIN(很長，短)=(0,0)=0；MIN(長，很長)=(1,1)=1；MIN(長，長)=(1,1)=1；MIN(長，短)=(1,1)=1；MIN(短，很長)=(0,0)=0；MIN(短，長)=(0,0)=0；MIN(短，短)=(0,0)=0。

由於該第二模糊邏輯系統52辨識睡眠呼吸中止事件係設定該肺音訊號20A經切割後之間隔的第二辨識時間T2間隔為「長」，且該腹部呼吸運動訊號30A經切割後之間隔的第二辨識時間T2為「長」，則睡眠呼吸中止事件辨識度為高；其餘組合辨識度為低。

而MIN(長，長)=(1,1)=1，於第十九圖之辨識度“高”為1，辨識度“低”為0，最後構成睡眠呼吸中止辨識線段L2，去模糊化值為75%。

[3]　以辨識咳嗽事件為例：參閱第二十圖，擷取總檢測時間(假設為一天24小時)中之120分鐘的波形，以第一個肺音訊號20A為例，該肺音訊號20A切割後維持第一辨識時間T1為200ms(參閱第五圖)，且相鄰之該肺音訊號20A間隔維持第二辨識時間T2(參閱第六圖，例如為4秒)，其min-max運算如下表四：

經min運算：

MIN(短，極短)=(1,0)=0；MIN(長，極短)=(0,0)=0；MIN(很長，極短)=(0,0)=0；MIN(短，短)=(1,0)=0；MIN(長，短)=(0,0)=0；MIN(很長，短)=(0,0)=0；MIN(短，中)=(1,0.3)=0.3；MIN(長，中)=(0,0.3)=0；MIN(很長，中)=(0,0.3)=0；MIN(短，長)=(1,0.5)=0.5；MIN(長，長)=(0,0.5)=0；MIN(很長，長)=(0,0.5)=0。

由於該第三模糊邏輯系統53辨識咳嗽事件係設定維持第一辨識時間T1為“中”，且第二辨識時間T2為“短”為“辨識度高”之要件，其餘組合皆為“辨識度低”，而MIN(短，中)=(1,0.3)=0.3(辨識度高)，至於辨識度低(短，長)=(1,0.5)=0.5。於第二十一圖；取max則辨識度低為(18,32),辨識度高為(60,100)，進行去模糊化採重心法則為(60+100)/2=80%。

關於該估測辨識裝置54之動作過程：該多工器441(參閱第三圖)輸入之三個訊號(包括該肺音訊號20A、該腹部呼吸運動訊號30A及該腕部活動訊號40A)，經該一、該第二及該第三模糊邏輯系統51、52與53得到去模糊化值，即進入該估測辨識裝置54先後進行閾值判別(參閱第二十二圖)、時間序列分析以及重複性比較。其中閾值可依嚴格度設定，如50%之辨識度方能進入分析；時間序列分析為固定時間(如每1秒)移動之固定長度(如120秒)為計算單位，若單位內發生不同事件則做重複性比較。舉例來講，假設t1-t2時間(120分鐘)發生之訊號為25%，在閾值(假設為50%)判斷為拒絕訊號。在t2-t3之120分鐘發生之訊號為87.5%，閾值假設為80%，則通過閾值後，經時間序列分析為同單位時間發生即以重複性比較估測為一次「睡眠呼吸中止事件」。然若數值一樣，則以氣喘>睡眠呼吸中止>咳嗽來判別。完成後即可顯示於該螢幕49，或儲存於該資料儲存部55。

參閱第二十三圖，關於該估測辨識裝置54之估測辨識過程，於開始後可包括下列步驟：

步驟A(61)：輸入去模糊化之肺音訊號、腹部呼吸運動訊號及腕部活動訊號。

步驟B(62)：判別訊號是否大於閾值？若判別結果為“是”(以第一模糊邏輯系統辨識氣喘事件為例，假設閾值為20%，若辨識氣喘事件得到之訊號為25%，則可通過閾值。)，則進行下一步驟。若判別結果為“否”(假設為18%)，則拒絕訊號。

步驟C(63)：對訊號進行時間序列分析，將同單位時間發生之事件進行重複性比較，若數值一樣，則以氣喘>睡眠呼吸中止>咳嗽來判別。

步驟D(64)：完成判別後，將訊號儲存或顯示以供參考。

本發明之優點及功效可歸納如下：

[1]　利用特徵進行模糊邏輯辨識氣喘事件、睡眠呼吸中止事件與咳嗽事件相當準確。本發明預先測得人體於睡眠或清醒時，對於產生氣喘事件(哮鳴聲)、睡眠呼吸中止事件與咳嗽事件等現象時之各種最大特徵之集合，分別用以預先設定辨識氣喘事件、睡眠呼吸中止事件與咳嗽事件之三個模糊邏輯系統，當將任一待測者之肺音訊號、腹部呼吸運動訊號及腕部活動訊號分別輸入此三個模糊邏輯系統，即可配合估測辨識裝置，準確判別待測者是否於睡眠或清醒時，發生氣喘事件、睡眠呼吸中止事件與咳嗽事件等現象。

[2]　可判別氣喘事件、睡眠呼吸中止事件與咳嗽事件事件發生之次數與時間。本發明不僅可由三個模糊邏輯系統準確辨識氣喘事件、睡眠呼吸中止事件與咳嗽事件，並可由估測辨識裝置判別發生的次數與時間；供控制疾病判別之用較精確。

[3]　無線感測設計可同時在靜態與動態下進行長時間檢測。本發明為無線感測設計，利於待測者隨身(長時間檢測)攜帶(動態)進行檢測，且不會影響生活作息中的動作，若供躺在病床上(靜態)之待測者使用，則讓待測者可輕鬆翻身不用耽心壓到感測線。故，無線設計同時利於在靜態與動態下進行長時間檢測。

以上僅是藉由較佳實施例詳細說明本發明，對於該實施例所做的任何簡單修改與變化，皆不脫離本發明之精神與範圍。

11．．．準備步驟

12．．．人體偵測步驟

13．．．訊號處理步驟

14．．．訊號辨識步驟

15．．．完成步驟

20．．．聲音感測裝置

20A．．．肺音訊號

20A(f)．．．頻域訊號

21．．．第一固定部

22．．．第一殼體

23．．．聲音感測元件

24．．．第一記憶體

25．．．第一微處理器

26．．．第一無線射頻元件

27．．．第一電池

30．．．腹部感測裝置

30A．．．腹部呼吸運動訊號

31．．．第二固定部

32．．．第二殼體

33．．．第一加速度感測器

34．．．第二記憶體

35．．．第二微處理器

36．．．第二無線射頻元件

37．．．第二電池

40．．．腕部感測裝置

40A．．．腕部活動訊號

41．．．腕部固定帶

42．．．第三殼體

43．．．第二加速度感測器

44．．．第三記憶體

441．．．多工器

45．．．第三微處理器

46．．．第三無線射頻元件

47．．．第三電池

48．．．按鍵組

481．．．選擇鍵

482．．．確認鍵

483．．．電源鍵

49．．．螢幕

50．．．偵測識別裝置

50A．．．訊號處理模組

501．．．傅立葉轉換單元

502．．．非線性能量運算單元

51．．．第一模糊邏輯系統

52．．．第二模糊邏輯系統

53．．．第三模糊邏輯系統

54．．．估測辨識裝置

55．．．資料儲存部

61．．．步驟A

62．．．步驟B

63．．．步驟C

64．．．步驟D

91．．．待測者

T1．．．第一辨識時間

T2．．．第二辨識時間

T31．．．呼氣相位時間

T32．．．第三辨識時間

L1．．．氣喘辨識線段

L2．．．睡眠呼吸中止辨識線段

第一圖係本發明之方法之流程圖

第二圖係本發明之裝置示意圖

第三圖係本發明之裝置的系統方塊圖

第四圖係本發明之肺音訊號經快速傅立葉轉換後之訊號切割頻率模糊歸屬函數圖

第五圖係本發明之肺音訊號經訊號切割後之事件維持時間(ms)模糊歸屬函數圖

第六圖係本發明之肺音訊號經訊號切割後之事件維持時間(s)模糊歸屬函數圖

第七圖係本發明之腹部呼吸運動訊號經訊號切割後之事件維持時間模糊歸屬函數圖

第八A、第八B、第八C及第八D圖係分別為本發明之經訊號切割處理後之肺音訊號與辨識時間皆符合辨識為咳嗽事件之波形圖

第九圖係本發明之判別待測者發生六次氣喘事件之波形圖

第十A及第十B圖係分別為本發明之判別待測者發生一次睡眠呼吸中止事件之波形圖

第十一A及第十一B圖係分別為本發明之判別待測者發生四次咳嗽事件之波形圖

第十二A及第十二B圖係分別為本發明之判別待測者呈正常呼吸之波形圖

第十三、第十四及第十五圖係分別為本發明之污泥程度、油污程度與清洗時間之模糊邏輯函數之示意圖

第十六及第十七圖係分別為本發明應用於氣喘事件辨識之肺音訊號振幅與歸屬度之示意圖

第十八及第十九圖係分別為本發明之應用於睡眠呼吸中止事件之腹部呼吸運動訊號振幅與歸屬度之示意圖

第二十及第二十一圖係分別為本發明之應用於咳嗽事件之肺音訊號振幅與歸屬度之示意圖

第二十二圖係本發明之估測辨識裝置之系統方塊圖

第二十三圖係第二十二圖之動作流程圖

11．．．準備步驟

12．．．人體偵測步驟

13．．．訊號處理步驟

14．．．訊號辨識步驟

15．．．完成步驟

Claims (8)

1. 一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法，係包括下列步驟：一．準備步驟：預先準備一聲音感測裝置、一腹部感測裝置、一腕部感測裝置及一偵測識別裝置，該偵測識別裝置具有一第一模糊邏輯系統、一第二模糊邏輯系統、一第三模糊邏輯系統及一估測辨識裝置；二．人體偵測步驟：該聲音感測裝置用以即時偵測一待測者而產生一肺音訊號，並傳送至該偵測識別裝置；該腹部感測裝置用以即時偵測該待測者之腹部呼吸起伏過程，而產生一腹部呼吸運動訊號，並傳送至該偵測識別裝置；該腕部感測裝置用以即時偵測該待測者而產生一腕部活動訊號，並傳送至該偵測識別裝置；三．訊號處理步驟：該偵測識別裝置先將該肺音訊號進行快速傅立葉轉換而得到頻率，並對該肺音訊號及該腹部呼吸運動訊號進行訊號切割處理；四．訊號辨識步驟：該偵測識別裝置以該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號進行下列三種辨識作業：[a]氣喘辨識：該偵測識別裝置以該第一模糊邏輯系統進行辨識；而氣喘發作之特徵為哮鳴；當該肺音訊號之頻率達到一頻率標準值，其係介於200Hz~600Hz之間，且該頻率標準值持續一第一辨識時間，其係介於100毫秒~500毫秒之間；則辨識為哮鳴，並定義為該待測者發生氣喘事件；[b]睡眠呼吸中止辨識：該偵測識別裝置以該第二模糊邏輯系統進行辨識；當該相鄰之肺音訊號間隔 持續一第二辨識時間；其係介於10秒~120秒之間；並該相鄰之腹部呼吸運動訊號同樣間隔持續該第二辨識時間；且由該腕部活動訊號判別該待測者為睡眠狀態；則定義為該待測者發生睡眠呼吸中止事件；[c]咳嗽辨識：該偵測識別裝置以該第三模糊邏輯系統進行辨識；當該每一肺音訊號之呼氣相位持續一呼氣相位時間，其係介於0.12秒~2.5秒之間；且該相鄰之肺音訊號彼此間隔一第三辨識時間，其係介於2秒~10秒之間；則定義為該待測者發生咳嗽事件；最後，該估測辨識裝置依氣喘事件、睡眠呼吸中止事件、咳嗽事件之順序，於該第一、該第二與該第三辨識時間之重疊時間內，比對去模糊化數值，辨識發生機率最大之事件，並判別其為該待測者發生之事件；五．完成步驟：完成辨識氣喘事件、睡眠呼吸中止事件與咳嗽事件。
2. 如申請專利範圍第1項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法，其中：該肺音訊號之頻率標準值係以400Hz為最佳值；該第一辨識時間係介於250毫秒~500毫秒之間；該第二辨識時間係介於10秒~90秒之間；該呼氣相位時間係介於0.3秒~1秒之間；該第三辨識時間係介於3秒~6秒之間。
3. 如申請專利範圍第1項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法，其中： 該聲音感測裝置係包括：一第一固定部、一第一殼體、一聲音感測元件、一第一記憶體、一第一微處理器、一第一無線射頻元件及一第一電池；該第一固定部與該第一殼體為相互結合之結構，且該第一固定部用以將該第一殼體固定於該待測者之胸口；該聲音感測元件用以感測該待測者之肺音訊號；該第一記憶體用以記憶並將該肺音訊號傳送至該第一微處理器，該第一微處理器用以控制該第一無線射頻元件將該肺音訊號傳送出去；該第一電池係供應前述相關元件所需之電力；該腹部感測裝置係包括：一第二固定部、一第二殼體、一第一加速度感測器、一第二記憶體、一第二微處理器、一第二無線射頻元件及一第二電池；該第二固定部與該第二殼體為相互結合之結構，且該第二固定部用以將該第二殼體固定於該待測者之腹部；該第一加速度感測器用以感測該待測者之腹部於呼吸過程之起伏狀態，並產生電壓變化，電壓變化可轉換為該腹部呼吸運動訊號；該第二記憶體用以記憶並將該腹部呼吸運動訊號傳送至該第二微處理器，該第二微處理器用以控制該第二無線射頻元件將該腹部呼吸運動訊號傳送出去；該第二電池係供應前述相關元件所需之電力；該腕部感測裝置係包括：一腕部固定帶、一第三殼體、一第二加速度感測器、一第三記憶體、一第三微處理器、一第三無線射頻元件、一第三電池、一按鍵組及一螢幕；該腕部固定帶用以將該第三殼體固定該待測者之腕部；該第二加速度感測器用以感測該待測者之腕部肌肉張力的變化；電壓變化轉換為該腕部活動訊號，該第三記憶體用以記憶該腕部活動訊號，並設一多工器將接收之該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號多工傳送至該第三微處理器，該第三微處理器用以控制該第三無線射頻元件，將該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號傳送出去；該第三電 池係供應前述相關元件所需之電力；該按鍵組包括一選擇鍵、一確認鍵及一電源鍵；該選擇鍵用以選擇要進行之功能；該確認鍵用以確認所選擇之功能；該電源鍵用以啟、閉該腕部感測裝置；該螢幕用以顯示該腕部感測裝置之訊號或相關之檢測結果。
4. 如申請專利範圍第3項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的方法，其中，該偵測識別裝置又包括：一訊號處理模組，係用以從該多工器接收該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號；該訊號處理模組設有：一快速傅立葉轉換單元，係用以將該肺音訊號經傅立葉轉換變成頻域訊號；一非線性能量運算單元，係用以對該肺音訊號、該腹部呼吸運動訊號、該腕部活動訊號及該頻域訊號進行訊號切割，再傳送至該第一、該第二與該第三模糊邏輯系統進行運算；一資料儲存部，用以儲存該估測辨識裝置處理後之訊號及結果。
5. 一種辨識睡眠呼吸中止、咳嗽與氣喘之特徵的裝置，係包括：一聲音感測裝置，係用以即時偵測一待測者而產生一肺音訊號；一腹部感測裝置，係用以即時偵測該待測者之腹部呼吸起伏過程，而產生一腹部呼吸運動訊號；一腕部感測裝置，係用以即時偵測該待測者而產生一腕部活動訊號；一偵測識別裝置，係具有一第一模糊邏輯系統、一第二模 糊邏輯系統、一第三模糊邏輯系統及一估測辨識裝置；該偵測識別裝置係連結該聲音感測裝置、腹部感測裝置及該腕部感測裝置，而用以接收該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號；先對該肺音訊號進行快速傅立葉轉換而得到頻率，並對該肺音訊號及該腹部呼吸運動訊號進行訊號切割處理；藉此，以該偵測識別裝置配合該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號進行下列三種辨識作業：[a]氣喘辨識：該偵測識別裝置以該第一模糊邏輯系統進行辨識；而氣喘發作之特徵為哮鳴；當該肺音訊號之頻率達到一頻率標準值，其係介於200Hz~600Hz之間，且該頻率標準值持續一第一辨識時間，其係介於100毫秒~500毫秒之間；則辨識為哮鳴，並定義為該待測者發生氣喘事件；[b]睡眠呼吸中止辨識：該偵測識別裝置以該第二模糊邏輯系統進行辨識；當該相鄰之肺音訊號間隔持續一第二辨識時間；其係介於10秒~120秒之間；並該相鄰之腹部呼吸運動訊號同樣間隔持續該第二辨識時間；且由該腕部活動訊號判別該待測者為睡眠狀態；則定義為該待測者發生睡眠呼吸中止事件；[c]咳嗽辨識：該偵測識別裝置以該第三模糊邏輯系統進行辨識；當該每一肺音訊號之呼氣相位持續一呼氣相位時間，其係介於0.12秒~2.5秒之間；且該相鄰之肺音訊號彼此間隔一第三辨識時間，其係介於2秒~10秒之間；則定義為該待測者發生咳嗽事件；最後，該估測辨識裝置依氣喘事件、睡眠呼吸中止事件、咳嗽事件之順序，於該第一、該第二與該第三辨識時間之重疊時間內，比對去模糊化數值，辨識發生機率最大之事件，並判別其為該待測者發生之事件。
6. 如申請專利範圍第5項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的裝置，其中：該肺音訊號之頻率標準值係以400Hz為最佳值；該第一辨識時間係介於250毫秒~500毫秒之間；該第二辨識時間係介於10秒~90秒之間；該呼氣相位時間係介於0.3秒~1秒之間；該第三辨識時間係介於3秒~6秒之間。
7. 如申請專利範圍第5項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的裝置，其中：該聲音感測裝置係包括：一第一固定部、一第一殼體、一聲音感測元件、一第一記憶體、一第一微處理器、一第一無線射頻元件及一第一電池；該第一固定部與該第一殼體為相互結合之結構，且該第一固定部用以將該第一殼體固定於該待測者之胸口；該聲音感測元件用以感測該待測者之肺音訊號；該第一記憶體用以記憶並將該肺音訊號傳送至該第一微處理器，該第一微處理器用以控制該第一無線射頻元件將該肺音訊號傳送出去；該第一電池係供應前述相關元件所需之電力；該腹部感測裝置係包括：一第二固定部、一第二殼體、一第一加速度感測器、一第二記憶體、一第二微處理器、一第二無線射頻元件及一第二電池；該第二固定部與該第二殼體為相互結合之結構，且該第二固定部用以將該第二殼體固定於該待測者之腹部；該第一加速度感測器用以感測該待測者之腹部於呼吸過程之起伏狀態，並產生電壓變化，電壓變化可轉換為該腹部呼吸運動訊號；該第二記憶體用以記憶並將該腹部呼吸運動訊號傳送至該第二微處理器，該第二微處理器用以控制該第二無線射頻元件將該腹部呼吸運動訊號傳送 出去；該第二電池係供應前述相關元件所需之電力；該腕部感測裝置係包括：一腕部固定帶、一第三殼體、一第二加速度感測器、一第三記憶體、一第三微處理器、一第三無線射頻元件、一第三電池、一按鍵組及一螢幕；該腕部固定帶用以將該第三殼體固定該待測者之腕部；該第二加速度感測器用以感測該待測者之腕部肌肉張力的變化；電壓變化轉換為該腕部活動訊號，該第三記憶體用以記憶該腕部活動訊號，並設一多工器將接收之該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號多工傳送至該第三微處理器，該第三微處理器用以控制該第三無線射頻元件，將該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號傳送出去；該第三電池係供應前述相關元件所需之電力；該按鍵組包括一選擇鍵、一確認鍵及一電源鍵；該選擇鍵用以選擇要進行之功能；該確認鍵用以確認所選擇之功能；該電源鍵用以啟、閉該腕部感測裝置；該螢幕用以顯示該腕部感測裝置之訊號或相關之檢測結果。
8. 如申請專利範圍第7項所述之辨識睡眠呼吸中止、咳嗽與氣喘之特徵的裝置，其中，該偵測識別裝置又包括：一訊號處理模組，係用以從該多工器接收該肺音訊號、該腹部呼吸運動訊號及該腕部活動訊號；該訊號處理模組設有：一快速傅立葉轉換單元，係用以將該肺音訊號經傅立葉轉換變成頻域訊號；一非線性能量運算單元，係用以對該肺音訊號、該腹部呼吸運動訊號、該腕部活動訊號及該頻域訊號進行訊號切割，再傳送至該第一、該第二與該第三模糊邏輯系統進行運算；一資料儲存部，用以儲存該估測辨識裝置處理後之訊號及結果。