一种基于多参数非接触睡眠呼吸暂停检测系统及方法与流程

技术特征：
1.一种基于多参数非接触睡眠呼吸暂停检测方法，其特征在于，包括以下步骤：步骤一：获取用户睡眠时的bcg信号和sn信号，并对bcg信号和sn信号进行预处理和频段划分，获得不同频段的bcg信号和sn信号；步骤二：对不同频段的bcg信号进行emd
‑
ica降噪滤波处理，获得bcg_filter信号和sn_filter信号；步骤三：分别计算出bcg_filter信号和sn_filter信号的序列信号，并提取序列信号的信号特征；步骤四：根据信号特征构建呼吸暂停事件分类模型，并确定呼吸暂停事件异常信号片段，获得normal数据片段或者abnormal数据片段；步骤五：根据abnormal数据片段进行鼾声定位和特征计算，并构建svm分类模型，最终确定该呼吸暂停事件异常信号片段是否发生睡眠呼吸暂停事件。2.根据权利要求1所述的一种基于多参数非接触睡眠呼吸暂停检测方法，其特征在于，所述步骤一中对bcg信号和sn信号进行和预处理和频段划分过程具体包括：先使用z
‑
score方法分别对获取的bcg信号和sn信号进行数据归一化，再分别对归一化后的bcg信号和sn信号进行频段划分，获得不同频段的bcg信号和sn信号。3.根据权利要求1所述的一种基于多参数非接触睡眠呼吸暂停检测方法，其特征在于，所述步骤二具体包括：首先将bcg信号进行emd分解，得到频率从高到低固有模态分量imf：imf(i)＝emd(bcg),其中i＝1,2,3,
…
,4；计算imf(i)与原始bcg信号的相关性cor(i)，cor(i)>thr_cor，其中thr_cor为相关性阈值，取为0.5，将大于阈值的emd分解系数保留，得到新的imf(i),其他作为噪声消除；将上述得到的imf分解系数，基于ica算法进行盲源分离，从而得到降噪声后的bcg信号的bcg_filter；将sn信号按照上述bcg信号的处理流程进行处理，得到降噪声后的sn信号的sn_filter。4.根据权利要求1所述的一种基于多参数非接触睡眠呼吸暂停检测方法，其特征在于，所述步骤三具体包括：以1分钟时长为分段条件分别对bcg_filter信号和sn_filter信号进行数据分段，并计算分段后sn_filter信号在计算0～4000hz频率段内的不同频段功率占比，将分段后的sn_filter信号以每500hz为一段，分段计算该信号在各个频段的功率占比，共计8个输入特征，功率占比计算公式如下式所示：pe
i
＝p
i
/p
sum
其中，i为频率段号，i＝1,2,...,8；pe
i
为第i段频率段功率占比，p
i
为第i段功率，p
sum
为信号片段的总功率。5.根据权利要求1所述的一种基于多参数非接触睡眠呼吸暂停检测方法，其特征在于，所述步骤五具体包括：基于abnormal数据片段进行鼾声定位和特征计算，并根据鼾声特征基于svm构建一个二分类器模型，将abnormal数据片段划分为正常片段和睡眠呼吸暂停事件片段。6.一种采用权利要求1～5任意一项所述基于多参数非接触睡眠呼吸暂停检测方法的检测系统，其特征在于，包括信号采集单元、信号预处理单元、模数转换单元、数据转发单
元、电源管理模块、微处理器和上位机；信号采集单元与信号预处理单元连接；信号预处理单元与模数转换单元连接；模数转换单元与微处理器连接；微处理器与数据转发单元连接；数据转发单元通过无线网络与上位机建立无线通信连接。7.根据权利要求6所述的一种基于多参数非接触睡眠呼吸暂停检测系统，其特征在于，所述信号采集单元包括mems麦克风和压电薄膜传感器；mems麦克风用于采集用户睡眠时的sn信号；压电薄膜传感器用于采集用户睡眠时的bcg信号；信号预处理单元分别与mems麦克风和压电薄膜传感器连接。8.根据权利要求6所述的一种基于多参数非接触睡眠呼吸暂停检测系统，其特征在于，所述信号预处理单元为前置放大电路，前置放大电路包括信号放大器和工频陷波器，信号放大器的输出端与工频陷波器连接；信号放大器的输入端分别与mems麦克风和压电薄膜传感器连接；工频陷波器与模数转换单元连接。9.根据权利要求6所述的一种基于多参数非接触睡眠呼吸暂停检测系统，其特征在于，所述模数转换单元为模拟数字转换器，用于将bcg信号和sn信号转换为数字信号；模拟数字转换器分别与工频陷波器和微处理器连接。10.根据权利要求6所述的一种基于多参数非接触睡眠呼吸暂停检测系统，其特征在于，所述数据转发单元为蓝牙通信模块或wifi通信模块。

技术总结
本发明公开了一种基于多参数非接触睡眠呼吸暂停检测系统及方法，方法包括：获取用户睡眠时的BCG信号和SN信号，并对BCG信号和SN信号进行预处理和频段划分，获得不同频段的BCG信号和SN信号；对不同频段的BCG信号进行降噪滤波处理，获得BCG滤波信号和SN滤波信号并计算出两个信号的序列信号，提取序列信号的信号特征；构建呼吸暂停事件分类模型，并确定呼吸暂停事件异常信号片段，获得正常数据片段或者异常数据片段；根据异常数据片段进行鼾声定位和特征计算，并构建SVM分类模型，最终确定睡眠呼吸暂停事件。本发明根据两类非接触信号数据构建两级分类模型，计算速度快，能够快速响应，睡眠呼吸暂停事件检测准确性高。睡眠呼吸暂停事件检测准确性高。睡眠呼吸暂停事件检测准确性高。


技术研发人员：魏开航 邓韩彬 蒙俊甫 张其飞 夏林 刘毅 曾东
受保护的技术使用者：成都乐享智家科技有限责任公司
技术研发日：2021.08.05
技术公布日：2021/10/18