本发明专利技术属于医疗睡眠监测领域，提出了一种非接触式的睡眠呼吸暂停检测方法及装置，首先通过麦克风阵列检测用户打鼾事件，排除占据了用户睡眠时的大部分时间段的不可能发生呼吸暂停事件时间段，有效提高检测效率和复杂度。接下来在可能发生呼吸暂停事件的时间段中，通过WiFi设备获取细粒度CSI相位差信息，并对相位差数据进行预处理及特征提取，通过特征提取后的子载波估计睡眠姿势。最后根据提取后的敏感特征，计算两次呼吸运动之间的时间间隔，与正常呼吸间隔做对比，完成用户睡眠呼吸暂停检测。从而实现在未接触用户的情况下，提供细粒度的高精度人体睡眠生理信息，实现低成本高效率的呼吸暂停检测，为临床诊断提供初步筛查的依据。依据。依据。
【技术实现步骤摘要】
一种非接触式的睡眠呼吸暂停检测方法及装置
[0001]本专利技术属于医疗睡眠监测领域，特别涉及一种非接触式的睡眠呼吸暂停检测方法及装置。
技术介绍
[0002]睡眠呼吸暂停共分为三种：阻塞性睡眠呼吸暂停(obstructive sleep apnea，OSA)、中枢性睡眠呼吸暂停(central sleep apnea，CSA)和混合性睡眠呼吸暂停(mixed sleep apnea，MSA)。OSA是由口咽或腭咽解剖结构狭窄引起的，患者临床表现为在睡眠期间上气流完全或部分停止所致鼻腔气流停止，但此时呼吸引起的胸腔收缩扩张的动作仍然存在。CSA与OSA不同之处在于CSA是由中枢神经系统所引起的疾病，临床表现为患者胸腔呼吸动作停止。而MSA则是OSA和CSA临床症状表现的结合体。因此并不能单一的根据鼻腔部气流变化或者胸腔变化来判定该用户是否患有睡眠呼吸暂停疾病。
[0003]目前对于该病的诊断主要基于监测多导睡眠图(PSG)来评估各项生理指数。但PSG监测设备体积大，电极数目多，超过15个，进行测量时会对用户造成心理负担。而且此种监测方法需有专门的睡眠监测室，设备复杂且昂贵，很多患者因无法承担而延误了病情。虽近几年专利技术了便携式的PSG设备，但监测效果不佳，未被大范围推广和使用。同时PSG设备在检测结果上，需通过大量的时间和人力来进行人工分析和校正，对于诊断来说效率极低。
[0004]基于以上多方面因素，PSG在临床使用上有一定的限制。因此，国内外许多研究者开始致力于睡眠呼吸中各种低负荷生命体征信号的提取的研究。如通过嵌入在垫子和皮带上的压力传感器阵列，或者依赖于视觉和声音来检测用户睡眠时生理信号。压力传感器阵列系统可以提供细粒度的睡眠质量信息，如身体运动、呼吸、心率等，但其成本较高。同时基于视觉的系统可能会带来严重的隐私问题，也可能会受到典型的低光睡眠环境的负面影响。
技术实现思路
[0005]针对现有检测睡眠呼吸暂停的技术和其存在的问题，本专利技术提出一种非接触式的睡眠呼吸暂停检测方法及装置，通过非接触式方法，组合打鼾事件以及呼吸运动停止事件，排除不可能发生呼吸暂停时间段，实现呼吸暂停事件的低成本高效率检测。
[0006]本专利技术的技术方案如下：
[0007]一种非接触式的睡眠呼吸暂停检测方法，包括步骤如下：
[0008]1)检测用户打鼾事件，由于用户在打鼾时鼻腔气流和胸腔呼吸运动是不可能停止的，因此此时不可能发生呼吸暂停事件，麦克风阵列检测打鼾事件具体如下：
[0009](1.1)麦克风阵列捕获声音信号；
[0010](1.2)对捕获的声音信号通过低通滤波器滤波；
[0011](1.3)剔除非呼吸暂停事件：记录一个打鼾事件时间段、两次打鼾事件之间间隔时间小于预定时间长度的时间段，记为不可能发生呼吸暂停事件的时间段；
[0012]2)检测用户呼吸运动停止事件：通过具有发射WiFi信号功能的设备发出的CSI数据，完成CSI数据记录和各项参数的分析，包括整晚翻身次数、某一次呼吸暂停时长、两次呼吸暂停之间的间隔、呼吸速率bpm；
[0013](2.1)获取满足呼吸速率检测要求的细粒度CSI相位差；
[0014]计算麦克风阵列中子载波i上每两根天线的CSI相位差；
[0015]Δθ
i
＝Δ∠H(f
i
)+Δβ+ΔZ
i
[0016]其中，Δ∠H(f
i
)为真实的天线相位差，Δβ为初始的相位偏移差常数，ΔZ
i
为测量噪声差；
[0017](2.2)对所获的CSI相位差进行预处理；
[0018](2.2.1)异常点去除；选择Hampel标识符追踪并剔除检测胸部运动时的异常点；任何落在闭区间内的点[μ
‑
γ*σ，μ+γ*σ]为离群值，其中μ和σ分别为相位差数据序列的中位数和中位数绝对偏差；γ为实数；
[0019](2.2.2)局部去均值；对于单个采样点，通过减去采样点附近局部滑动窗口内的相位差数据均值，去除数据中直流成分和信号突变部分；
[0020](2.2.3)小波降噪；通过高频和低频两个滤波器将通过(2.2.1)和(2.2.2)步骤处理后的CSI相位差数据信息分成两部分；连续滤波分解，至高频只包含单个样本为止；
[0021](2.3)根据预处理后的数据做特征提取；
[0022]对于识别呼吸暂停事件，同一天线上不同子载波的相位差数据信号对此事件的识别敏感度不同；对步骤(2.2)处理后的数据进行绝对中位差计算，通过识别阈值法筛选敏感的子载波，进行呼吸运动停止的参数计算；
[0023](2.4)通过特征提取后的子载波检测睡眠姿势；利用多对收发设备，判断患者左侧卧、右侧卧以及平躺3种睡眠姿势；
[0024](2.5)结合睡眠姿势完成用户呼吸运动停止的参数计算，除去步骤1)的不可能发生呼吸暂停事件的时间段后，对剩余有效时间段进行呼吸暂停事件检测；
[0025]根据所获相位差数据不同峰值间的时间间隔，获得两次呼吸运动间的时间差，统计时间差超过设定数值的次数，次数大于设定阈值判定为疑似呼吸暂停事件；计算每分钟的呼吸速率，对于某一子载波i，其中每个峰值T
i
＝[t1，t2，
…
，t
p
]，t
p
为每两个峰值之间的采样点个数，公式如下：
[0026]bpm
i
＝60*f
sample
/median(T
i
)
[0027]其中，f
sample
为真实采样频率，median(T
i
)为峰值间采样点个数的中位数；
[0028]对不同呼吸速率峰值之间做中位数计算，得出bpm；接着对筛选的多个子载波做重复操作，计算出目标用户呼吸速率平均值bpm
ave
。
[0029]一种非接触式的睡眠呼吸暂停检测装置，其特征在于，该非接触式的睡眠呼吸暂停检测装置包括检测打鼾事件模块100和检测用户呼吸运动停止事件模块200；
[0030]检测打鼾事件模块100包括信号捕获单元101、滤波单元102及剔除非呼吸暂停事件单元103；信号捕获单元101用于通过麦克风阵列捕获声音信号；滤波单元102接收信号捕获单元101所捕获的信号，通过低通滤波器滤波；剔除非呼吸暂停事件单元103接收滤波单元102处理后的信号，设置一个打鼾事件时间长度、两次打鼾事件之间小于预定时间长度的时间长度，用于排除不可能发生呼吸暂停事件的时间段；
[0031]检测用户呼吸运动停止事件模块200包括获取模块201、睡眠姿势检测模块202以及呼吸暂停计算模块203；获取模块201用于获取信号检测人体呼吸暂停事件，其包括三大处理单元，第一处理单元用于获取满足呼吸速率检测要求的细粒度CSI相位差信息；第二处理单元用于对所获的相位差数据进行预处理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种非接触式的睡眠呼吸暂停检测方法，其特征在于，包括步骤如下：1)检测用户打鼾事件，麦克风阵列检测打鼾事件具体如下：(1.1)麦克风阵列捕获声音信号；(1.2)对捕获的声音信号通过低通滤波器滤波；(1.3)剔除非呼吸暂停事件：记录一个打鼾事件时间段、两次打鼾事件之间间隔时间小于预定时间长度的时间段，记为不可能发生呼吸暂停事件的时间段；2)检测用户呼吸运动停止事件：通过具有发射WiFi信号功能的设备发出的CSI数据，完成CSI数据记录和各项参数的分析，包括整晚翻身次数、某一次呼吸暂停时长、两次呼吸暂停之间的间隔、呼吸速率bpm；(2.1)获取满足呼吸速率检测要求的细粒度CSI相位差；计算麦克风阵列中子载波i上每两根天线的CSI相位差；Δθ
i
＝Δ∠H(f
i
)+Δβ+ΔZ
i
其中，Δ∠H(f
i
)为真实的天线相位差，Δβ为初始的相位偏移差常数，ΔZ
i
为测量噪声差；(2.2)对所获的CSI相位差进行预处理；(2.2.1)异常点去除；选择Hampel标识符追踪并剔除检测胸部运动时的异常点；任何落在闭区间内的点[μ
‑
γ*σ，μ+γ*σ]为离群值，其中μ和σ分别为相位差数据序列的中位数和中位数绝对偏差；γ为实数；(2.2.2)局部去均值；对于单个采样点，通过减去采样点附近局部滑动窗口内的相位差数据均值，去除数据中直流成分和信号突变部分；(2.2.3)小波降噪；通过高频和低频两个滤波器将通过(2.2.1)和(2.2.2)步骤处理后的CSI相位差数据信息分成两部分；连续滤波分解，至高频只包含单个样本为止；(2.3)根据预处理后的数据做特征提取；对于识别呼吸暂停事件，同一天线上不同子载波的相位差数据信号对此事件的识别敏感度不同；对步骤(2.2)处理后的数据进行绝对中位差计算，通过识别阈值法筛选敏感的子载波，进行呼吸运动停止的参数计算；(2.4)通过特征提取后的子载波检测睡眠姿势；利用多对收发设备，判断患者左侧卧、右侧卧以及平躺3种睡眠姿势；(2.5)结合睡眠姿势完成用户呼吸运动停止的参数计算，除去步骤1)的不可能发生呼吸暂停事件的时间段，对剩余有效时间段进行呼吸暂停事件检测；根据所获相位差数...
【专利技术属性】
技术研发人员：王胜男，王雷，那嵩，卢炳先，张健，马晴川，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。