基于鼾声信号识别的呼吸暂停综合征的监测研究
发布时间:2021-10-23 22:09
阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者睡眠呼吸过程中由于上气道咽部结构堵塞而出现呼吸紊乱的病理行为,包含低通气和呼吸暂停症状。且该病症是一系列心血管疾病的诱因,严重危害患者健康。长期以来,多导睡眠仪(PSG)是医院对于呼吸障碍症状的检测手段,但存在仪器监测复杂且受众率低的缺点。本文从鼾声信号分析的角度对病理鼾声进行分析,目的在于为OSAHS患者提供便捷家用且低成本的监测方法。本文通过硬件平台结合PSG设备标注进行数据采集,对于家用环境下环境噪声复杂多样的睡眠鼾声信号进行端点检测算法的研究。在信号预处理过程后,对于常规算法在低信噪比(SNR)环境下检测率低,漏音和误判现象,采用多窗谱谱减降噪结合子带能熵比法的端点检测复合算法。实验结果显示,在复杂噪声环境下,不同受试者的鼾声信号端点检测结果准确。在添加Noise-92标准噪音数据库中不同类别噪声后,鼾声片段的端点检测识别率依然达到96%。本文算法实现了对于整夜鼾声信号中目标鼾声段的准确截取。对于采集的鼾声样本,以患者信息表和各类别鼾声样本构建鼾声样本数据库,方便之后数据的查询和管理。其次,对于受试者鼾声样本进行声学分析,探讨普通...
【文章来源】:杭州电子科技大学浙江省
【文章页数】:72 页
【学位级别】:硕士
【部分图文】:
上气道结构图
多导睡眠图
浙江省硕士学位论文9图2.4自研终端设备内部图2.5自研终端原理图设计生产该设备的目的在于使得关于鼾声相关病症的检测更加便民,更加易于在家庭环境下使用。这样的终端设备易于携带,在日常生活中的使用率更高。且记录的数据为使用者在家庭环境下最为自然的状态中录取,不会存在因为药物诱导而产生的咽部结构不同的影响。其配载了高灵敏度双通道麦克风阵列收集信号,采样率配置为16kHz,采样精度为16-bit,能够适应不同环境噪声下鼾声信号的录取;配有8G内存大小的SD卡,最大能够完成一周时间整夜睡眠鼾声信号的录取,鼾声信号保存格式为WAV-PCM文件;同时配有4G模块,能够精确更新鼾声信号发生的时间,记录起止时间。放置位置根据病人睡眠情况放置于床头上方,且不会对使用者睡眠造成影响。后续计划将截取的目标鼾声信号直接通过4G模块上
【参考文献】:
期刊论文
[1]多信息交互的睡眠呼吸暂停综合症无扰检测系统[J]. 董雪虎,吴燕玲,宋全军. 自动化仪表. 2019(03)
[2]基于Teager能量算子和经验模态分解的语音端点检测算法[J]. 沈希忠,郑晓修. 电子与信息学报. 2018(07)
[3]一种改进的小波能量熵语音端点检测算法[J]. 李乐,王玉英,李小霞. 计算机工程. 2017(05)
[4]语音信号盲分离方法研究[J]. 孙小军. 电子测试. 2013(22)
[5]阻塞性睡眠呼吸暂停综合征(OSAS)患者对疾病认识及其健康教育需求的调查[J]. 郑芳,卢秀兰,江瑞华. 中国现代药物应用. 2013(21)
[6]语音信号处理中特征提取方法研究[J]. 阎福智. 中国新通信. 2013(21)
[7]混合MFCC特征参数应用于语音情感识别[J]. 周萍,李晓盼,李杰,景新幸. 计算机测量与控制. 2013(07)
[8]基于相对谱滤波的MFCC参数提取[J]. 李素平. 电子世界. 2013(13)
[9]折线电容滤波算法在鼾声识别中的研究与应用[J]. 薛雷,何星剑,高微微. 电子测量技术. 2013(02)
[10]阻塞性睡眠呼吸暂停低通气综合征和单纯鼾症者鼾声的基频及共振峰分析[J]. 彭好,许辉杰,黄魏宁,杨弋,贺宇霞,李传颖. 听力学及言语疾病杂志. 2013(01)
博士论文
[1]阻塞性睡眠呼吸暂停综合征临床预测模型及热适应抗低氧[D]. 罗淼.南方医科大学 2013
硕士论文
[1]基于人工智能的鼾声数据分析方法研究[D]. 贺冲.南京理工大学 2018
[2]基于多参数改进MFCC的声纹特征提取SOPC设计[D]. 郭琴.齐齐哈尔大学 2016
[3]基于听觉特征参数的说话人识别技术[D]. 熊冰峰.湘潭大学 2016
[4]鼾声信号检测与分析算法研究[D]. 马干军.南京理工大学 2016
[5]基于AHI指数的OSAHS筛查系统的研究与实现[D]. 杨贺.大连理工大学 2015
[6]基于鼾声时频分析的OSAHS诊断[D]. 李馨.大连理工大学 2014
[7]阻塞性睡眠呼吸暂停低通气综合征ACCESS数据库的建立及应用[D]. 彭辉.南方医科大学 2014
[8]基于内容的音频检索系统关键技术及其实现[D]. 俞鹏飞.复旦大学 2013
[9]基于共振峰的OSAHS筛查[D]. 赵玉霞.大连理工大学 2011
[10]说话人识别算法研究及DSP实现[D]. 林琳.吉林大学 2004
本文编号:3454004
【文章来源】:杭州电子科技大学浙江省
【文章页数】:72 页
【学位级别】:硕士
【部分图文】:
上气道结构图
多导睡眠图
浙江省硕士学位论文9图2.4自研终端设备内部图2.5自研终端原理图设计生产该设备的目的在于使得关于鼾声相关病症的检测更加便民,更加易于在家庭环境下使用。这样的终端设备易于携带,在日常生活中的使用率更高。且记录的数据为使用者在家庭环境下最为自然的状态中录取,不会存在因为药物诱导而产生的咽部结构不同的影响。其配载了高灵敏度双通道麦克风阵列收集信号,采样率配置为16kHz,采样精度为16-bit,能够适应不同环境噪声下鼾声信号的录取;配有8G内存大小的SD卡,最大能够完成一周时间整夜睡眠鼾声信号的录取,鼾声信号保存格式为WAV-PCM文件;同时配有4G模块,能够精确更新鼾声信号发生的时间,记录起止时间。放置位置根据病人睡眠情况放置于床头上方,且不会对使用者睡眠造成影响。后续计划将截取的目标鼾声信号直接通过4G模块上
【参考文献】:
期刊论文
[1]多信息交互的睡眠呼吸暂停综合症无扰检测系统[J]. 董雪虎,吴燕玲,宋全军. 自动化仪表. 2019(03)
[2]基于Teager能量算子和经验模态分解的语音端点检测算法[J]. 沈希忠,郑晓修. 电子与信息学报. 2018(07)
[3]一种改进的小波能量熵语音端点检测算法[J]. 李乐,王玉英,李小霞. 计算机工程. 2017(05)
[4]语音信号盲分离方法研究[J]. 孙小军. 电子测试. 2013(22)
[5]阻塞性睡眠呼吸暂停综合征(OSAS)患者对疾病认识及其健康教育需求的调查[J]. 郑芳,卢秀兰,江瑞华. 中国现代药物应用. 2013(21)
[6]语音信号处理中特征提取方法研究[J]. 阎福智. 中国新通信. 2013(21)
[7]混合MFCC特征参数应用于语音情感识别[J]. 周萍,李晓盼,李杰,景新幸. 计算机测量与控制. 2013(07)
[8]基于相对谱滤波的MFCC参数提取[J]. 李素平. 电子世界. 2013(13)
[9]折线电容滤波算法在鼾声识别中的研究与应用[J]. 薛雷,何星剑,高微微. 电子测量技术. 2013(02)
[10]阻塞性睡眠呼吸暂停低通气综合征和单纯鼾症者鼾声的基频及共振峰分析[J]. 彭好,许辉杰,黄魏宁,杨弋,贺宇霞,李传颖. 听力学及言语疾病杂志. 2013(01)
博士论文
[1]阻塞性睡眠呼吸暂停综合征临床预测模型及热适应抗低氧[D]. 罗淼.南方医科大学 2013
硕士论文
[1]基于人工智能的鼾声数据分析方法研究[D]. 贺冲.南京理工大学 2018
[2]基于多参数改进MFCC的声纹特征提取SOPC设计[D]. 郭琴.齐齐哈尔大学 2016
[3]基于听觉特征参数的说话人识别技术[D]. 熊冰峰.湘潭大学 2016
[4]鼾声信号检测与分析算法研究[D]. 马干军.南京理工大学 2016
[5]基于AHI指数的OSAHS筛查系统的研究与实现[D]. 杨贺.大连理工大学 2015
[6]基于鼾声时频分析的OSAHS诊断[D]. 李馨.大连理工大学 2014
[7]阻塞性睡眠呼吸暂停低通气综合征ACCESS数据库的建立及应用[D]. 彭辉.南方医科大学 2014
[8]基于内容的音频检索系统关键技术及其实现[D]. 俞鹏飞.复旦大学 2013
[9]基于共振峰的OSAHS筛查[D]. 赵玉霞.大连理工大学 2011
[10]说话人识别算法研究及DSP实现[D]. 林琳.吉林大学 2004
本文编号:3454004
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3454004.html