[发明专利]一种鼾声识别方法及止鼾装置

说明书

鼾声识别方法及止鼾装置，该方法包括：鼾声音频信号采样；对采样信号进行模数(ADC)转换；基于时域和采样信号形成音频帧，对音频帧移帧进行鼾声分析；窗函数分帧，将分帧得到的M1序列傅里叶变换至频域，并对频域频谱的低频能量求和；低频能量和值在时域上组成N序列,并对该N序列做鼾声预判，预判合格的N序列形成M2序列；对该M2序列傅里叶变换至频域，并根据该M2序列的谱峰特征匹配预设的鼾声参数，输出监测鼾声信号。

技术领域

本申请涉及健康监测设备，特别是涉及一种鼾声识别方法及止鼾装置。

背景技术

正常人睡眠时，会因喉咙附近的软组织松弛产生变形，从而导致上呼吸道狭窄，阻碍呼吸的顺畅性，也就是常见的打鼾。

如果打鼾成为睡眠习惯，影响呼吸的打鼾日积月累会潜藏健康隐患。比如阻塞型睡眠呼吸暂停(ObstructiveApnea，OSA)，喉咙附近的软组织松弛而造成上呼吸道阻塞，呼吸道收窄引致睡眠时呼吸暂停。或者OSAHS，阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopnea syndrome)。OSAHS是指睡时上气道塌陷阻塞引起的呼吸暂停和通气不足、伴有打鼾、睡眠结构紊乱、频繁发生血氧饱和度下降、白天嗜睡等病征。呼吸暂停是指睡眠过程中口鼻气流停止≥10s.低通气是指睡眠过程中呼吸气流强度较基础水平降低超过30％以上，并伴血氧饱和度(SaO)3％或伴有觉醒。睡眠呼吸暂停综合症，在连续7h睡眠中发生30次以上的呼吸暂停，每次气流中止10s以上(含10s)，或平均每小时睡眠呼吸暂停低通气次数(呼吸紊乱指数)超过5次，而引起慢性低氧血症及高碳酸血症的临床综合征.可分为中枢型、阻塞型及混合型。

打鼾是睡眠呼吸暂停综合症(阻塞性睡眠呼吸暂停)的初期阶段，二者属于同一疾病的不同时期。如果打鼾不进行及时的干预，数十年后，将会发展为睡眠呼吸暂停综合症。

现有的止鼾设备比如止鼾垫，包括了控制器、鼾声识别模块、判断模块和提醒机构。鼾声识别模块在用户睡眠时实时监测打鼾状况，采集环境音频并识别出鼾声。识别出鼾声后向控制器发送打鼾信息，控制器的判断模块在确定采集识别的是打鼾时，驱动提醒机构运动，触动用户身体使用户停止打鼾。

但是现有技术中鼾声识别一般采用隐马尔科夫模型(HMM)语音识别的方式来进行鼾声识别。模型较复杂，计算量大，需要强大的计算芯片，不适合止鼾设备小型化/便携化的发展趋势。

因此，现有技术亟待改进以解决其出现的技术问题。

发明内容

本申请提供一种鼾声识别方法及止鼾装置，鼾声识别准确，止鼾装置计算量大大减少，能够适应止鼾设备小型化的需求，包括止鼾手环，止鼾耳机以及止鼾枕等等。

第一方面，本申请实施例提供了一种鼾声识别方法，包括：

鼾声音频信号采样；

对采样信号进行模数(ADC)转换；

基于时域和该采样信号形成音频帧，对音频帧移帧进行鼾声分析；

窗函数分帧，将分帧得到的M1序列傅里叶变换至频域，并对频域频谱的低频能量求和；

低频能量和值在时域上组成N序列,并对该N序列做鼾声预判，预判合格的N序列形成M2序列；

对该M2序列傅里叶变换至频域，并根据该M2序列的谱峰特征匹配预设的鼾声参数，输出监测鼾声信号。

其中，该鼾声识别方法还包括：音频帧以1/X速率先进先出移帧，X为任意数；其中，该方法还包括音频信号预加重处理。

优选的，该对N序列做鼾声预判包括：计算该N序列数据的最大最小值以及最大差值；其中，该鼾声预判的参数包括过零率、波形幅值以及过零间隙。