[发明专利]睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质

权利要求书

1.一种睡眠呼吸暂停综合征识别方法，其特征在于，包括：

采集获取多个用户的各类的样本生理信号；

将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征；

基于各所述信号特征建立能量特征数据集；

使用所述能量特征数据集对K最近邻模型进行训练，得到用于识别睡眠呼吸暂停综合征的分类模型。

2.根据权利要求1所述的方法，其特征在于，所述将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征的步骤包括：

将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到基于时频的所述信号特征。

3.根据权利要求2所述的方法，其特征在于，所述将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征的步骤包括：

根据预设时间间隔对各类的所述样本生理信号分别进行切割，得到多个信号单元；

通过haar小波对各所述信号单元进行五层的Mallat分解，得到的低频信号的能量和高频信号的能量，对所述低频信号的能量和所述高频信号的能量进行归一化处理，构成能量向量，将所述能量向量作为所述信号单元的所述信号特征。

4.根据权利要求3所述的方法，其特征在于，所述通过haar小波对各所述信号单元进行五层的Mallat分解，得到的低频信号的能量和高频信号的能量，对所述低频信号的能量和所述高频信号的能量进行归一化处理，构成能量向量，将所述能量向量作为所述信号单元的所述信号特征的步骤包括：

通过haar小波对各所述信号单元进行五层的Mallat分解，得到低频信号和高频信号；

采用下列计算式，对所述低频信号的能量和所述高频信号的能量进行归一化处理：

其中，为第j个分解信号的能量，为第j个分解信号的小波系数，为第j个分解信号的归一化能量，

归一化处理后得到构成能量向量，将所述能量向量作为所述信号单元的所述信号特征。

5.根据权利要求1所述的方法，其特征在于，所述基于各所述信号特征建立能量特征数据集的步骤包括：

将各类的所述信号特征在同一时间的信号单元的能量向量作为一个样本进行缝合，建立所述能量特征数据集。

6.根据权利要求1所述的方法，其特征在于，所述样本生理信号包括心率、血氧含量、姿态信号、声音信号和维生素C浓度信号。

7.一种睡眠呼吸暂停综合征识别装置，其特征在于，包括：

样本生理信号采集模块，用于采集获取多个用户的各类的样本生理信号；

信号特征提取模块，用于将各类的所述样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征；

能量特征数据集建立模块，用于基于各所述信号特征建立能量特征数据集；

识别模型生成模块，用于使用所述能量特征数据集对K最近邻模型进行训练，得到用于识别睡眠呼吸暂停综合征的分类模型。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。