[发明专利]基于鼾声信号的睡眠呼吸暂停监测方法及装置

权利要求书

1.一种基于鼾声信号的睡眠呼吸暂停监测装置，其特征在于，包括：

原始鼾声信号提取模块，用于从多导睡眠图中提取原始鼾声信号；

信号处理模块，用于采用滑动框沿所述原始鼾声信号滑动，统计每个滑动框内的信号顶点数；

信号筛选模块，用于根据每个滑动框内的信号顶点数，筛选出一个或多个鼾声信号备选片段，其中，每个鼾声信号备选片段为信号顶点数大于预设阈值的滑动框对应的信号片段；

呼吸暂停事件检测模块，用于检测各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

信号分类模块，用于根据检测结果，将筛选出的各个鼾声信号备选片段标记为第一类鼾声信号或第二类鼾声信号，其中，所述第一类鼾声信号为与睡眠呼吸暂停有关的鼾声信号，所述第二类鼾声信号为与睡眠呼吸暂停无关的鼾声信号；

其中，所述信号处理模块还用于：采用预设大小的滑动框，按照预设步长，沿所述原始鼾声信号滑动；统计每个滑动框内的信号顶点数；

其中，所述呼吸暂停事件检测模块还用于：提取各个鼾声信号备选片段的信号特征信息，其中，所述信号特征信息包括：平均能量、最大幅值、频率或声谱特征；根据各个鼾声信号备选片段的信号特征信息，判断各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

其中，所述呼吸暂停事件检测模块还用于：将各个鼾声信号备选片段的声谱特征信息进行降维处理；将各个鼾声信号备选片段降维处理后的声谱特征信息，与平均能量、最大幅值、频率中的一项或多项信号特征信息，输入到预先通过机器学习训练得到的分类器中，输出各个鼾声信号备选片段的分类结果。

2.如权利要求1所述的装置，其特征在于，所述装置还包括：

信号预处理模块，用于对提取的原始鼾声信号执行如下预处理：滤波、去噪。

3.如权利要求1所述的装置，其特征在于，所述信号筛选模块还用于：

合并相邻的鼾声信号备选片段；

删除信号长度小于预设长度的鼾声信号备选片段。

4.如权利要求1所述的装置，其特征在于，所述分类器基于支持向量机法对各个鼾声信号备选片段进行分类。

5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤的方法：

从多导睡眠图中提取原始鼾声信号；

采用滑动框沿所述原始鼾声信号滑动，统计每个滑动框内的信号顶点数；

根据每个滑动框内的信号顶点数，筛选出一个或多个鼾声信号备选片段，其中，每个鼾声信号备选片段为信号顶点数大于预设阈值的滑动框对应的信号片段；

检测各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

根据检测结果，将筛选出的各个鼾声信号备选片段标记为第一类鼾声信号或第二类鼾声信号，其中，所述第一类鼾声信号为与睡眠呼吸暂停有关的鼾声信号，所述第二类鼾声信号为与睡眠呼吸暂停无关的鼾声信号；

其中，采用滑动框沿所述原始鼾声信号滑动，统计每个滑动框内的信号顶点数，包括：采用预设大小的滑动框，按照预设步长，沿所述原始鼾声信号滑动；统计每个滑动框内的信号顶点数；

其中，检测各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件，包括：提取各个鼾声信号备选片段的信号特征信息，其中，所述信号特征信息包括：平均能量、最大幅值、频率或声谱特征；根据各个鼾声信号备选片段的信号特征信息，判断各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

其中，根据各个鼾声信号备选片段的信号特征信息，判断各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件，包括：将各个鼾声信号备选片段的声谱特征信息进行降维处理；将各个鼾声信号备选片段降维处理后的声谱特征信息，与平均能量、最大幅值、频率中的一项或多项信号特征信息，输入到预先通过机器学习训练得到的分类器中，输出各个鼾声信号备选片段的分类结果。

6.一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存储有执行如下步骤的计算机程序：

从多导睡眠图中提取原始鼾声信号；

采用滑动框沿所述原始鼾声信号滑动，统计每个滑动框内的信号顶点数；

根据每个滑动框内的信号顶点数，筛选出一个或多个鼾声信号备选片段，其中，每个鼾声信号备选片段为信号顶点数大于预设阈值的滑动框对应的信号片段；

检测各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

根据检测结果，将筛选出的各个鼾声信号备选片段标记为第一类鼾声信号或第二类鼾声信号，其中，所述第一类鼾声信号为与睡眠呼吸暂停有关的鼾声信号，所述第二类鼾声信号为与睡眠呼吸暂停无关的鼾声信号；

其中，采用滑动框沿所述原始鼾声信号滑动，统计每个滑动框内的信号顶点数，包括：采用预设大小的滑动框，按照预设步长，沿所述原始鼾声信号滑动；统计每个滑动框内的信号顶点数；

其中，检测各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件，包括：提取各个鼾声信号备选片段的信号特征信息，其中，所述信号特征信息包括：平均能量、最大幅值、频率或声谱特征；根据各个鼾声信号备选片段的信号特征信息，判断各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件；

其中，根据各个鼾声信号备选片段的信号特征信息，判断各个鼾声信号备选片段之前预设时间段内是否发生呼吸暂停事件，包括：将各个鼾声信号备选片段的声谱特征信息进行降维处理；将各个鼾声信号备选片段降维处理后的声谱特征信息，与平均能量、最大幅值、频率中的一项或多项信号特征信息，输入到预先通过机器学习训练得到的分类器中，输出各个鼾声信号备选片段的分类结果。