基于安卓手机的睡眠呼吸暂停综合症筛查系统

发布时间：2017-08-18 03:18

  本文关键词：基于安卓手机的睡眠呼吸暂停综合症筛查系统

  更多相关文章： 睡眠呼吸暂停综合症 鼾声 端点检测 EEMD-C_0 基音能量比

【摘要】：随着现代生活压力的不断增大,越来越多的人开始患上不同程度的睡眠疾病。其中对人体危害最为严重的就是睡眠呼吸暂停综合症。此病发生在夜间不易被发现,但却对人身健康造成极大的危害,因此对这一疾病的预防与诊断十分重要。鉴于目前睡眠呼吸暂停综合症诊断的金标准——多导睡眠仪并不能普及到家庭,因此本文设计并实现了一款适用于家庭的便携式睡眠呼吸暂停综合症筛查系统,能够在不影响使用者正常睡眠的前提下对睡眠呼吸暂停综合症进行有效的筛查。本文的主要内容如下：首先,本文提出的睡眠呼吸暂停综合症筛查系统创新性的将呼吸、血氧信号与鼾声信号相结合,充分利用了它们对于疾病分辨能力的优势,提高了整个系统的筛查能力。本系统包括硬件设计与软件设计两方面。在硬件方面采用的胸腹部呼吸带和指夹式脉搏血氧仪传感器分别采集呼吸与血氧信号,鼾声则是利用手机自带的录音功能,这些采集设备均达到了很好的便携度与舒适度。在软件方面,本系统基于安卓手机开发了一款应用软件,在手机上可以实现对采集信号的接收和分析处理以及对睡眠呼吸暂停综合症的辅助诊断。经实验验证,本系统由于采集方式简便、采集信息有效且采取两次筛查的方式,因此具有很高的准确性与便携性。其次,在对鼾声信号的端点检测处理中,本文提出了一种新的端点检测算法——EEMD-C0算法,此方法更加适合鼾声这种非线性非平稳声音信号的检测。经实验证明,在相同条件下,此方法的准确率要高于目前常用的几种端点检测算法。最后,在利用鼾声的特征对睡眠呼吸暂停综合症进行辅助诊断方面,提出了一种新的特征——基音能量比,此特征可以有效的区分出睡眠呼吸暂停综合症患者与单纯打鼾者。经实验验证,本系统提取的三个特征分别是共振峰频率、MFCC相关系数和基音能量比,经过支持向量机训练之后,分类结果表明本系统对于睡眠呼吸暂停综合症的诊断具有很高的准确率。
【关键词】：睡眠呼吸暂停综合症 鼾声 端点检测 EEMD-C_0 基音能量比
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.53;R766
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-13
• 1.1 研究背景与意义8-9
• 1.1.1 睡眠呼吸暂停综合症简介8
• 1.1.2 睡眠呼吸暂停综合症评价标准8-9
• 1.2 国内外研究现状及存在的问题9-11
• 1.2.1 基于呼吸血氧等多参数监测系统的研究现状及存在问题10
• 1.2.2 基于鼾声的单参数监测系统的研究现状及存在问题10-11
• 1.3 本文研究内容与结构框架11-13
• 2 生理参数监测原理与方法13-17
• 2.1 呼吸的生理意义与监测方法13-14
• 2.1.1 呼吸信号的生理意义13
• 2.1.2 呼吸信号的监测方法13-14
• 2.2 血氧饱和度的生理意义与监测方法14-15
• 2.2.1 血氧饱和度的生理意义14
• 2.2.2 血氧饱和度的监测方法14-15
• 2.3 鼾声的生理意义与监测方法15-16
• 2.3.1 鼾声的生理意义15-16
• 2.3.2 鼾声的监测方法16
• 2.4 本章小结16-17
• 3 系统构成17-29
• 3.1 系统设计17-23
• 3.1.1 系统实现原理17-19
• 3.1.2 电源电路设计19
• 3.1.3 信号采集模块19-20
• 3.1.4 信号调理模块20-21
• 3.1.5 控制器模块21-22
• 3.1.6 信号传输模块22
• 3.1.7 系统软件设计22-23
• 3.2 信号的预处理23-28
• 3.2.1 呼吸信号的预处理23-25
• 3.2.2 血氧信号的预处理25-26
• 3.2.3 鼾声信号的预处理26-28
• 3.3 本章小结28-29
• 4 鼾声信号分析29-54
• 4.1 鼾声的端点检测方法29-45
• 4.1.1 传统的端点检测方法29-33
• 4.1.2 改进的端点检测算法33-45
• 4.2 鼾声信号特征参数提取45-53
• 4.2.1 共振峰特征提取45-47
• 4.2.2 MFCC相关参数47-49
• 4.2.3 基音能量比49-53
• 4.3 本章小节53-54
• 5 基于本系统的筛查结果及性能54-59
• 5.1 支持向量机(SVM)简介54-55
• 5.2 交叉验证55-56
• 5.3 SAS辅助诊断结果56-58
• 5.4 本章小结58-59
• 结论59-60
• 参考文献60-65
• 附录A 附录内容名称65-67
• 致谢67-68

【相似文献】

中国期刊全文数据库 前2条

1 邓杏娟;陈骥;帅杰;;基于人工智能调度的失语症康复治疗仪的端点检测和声韵母切分[J];生物医学工程学杂志;2009年04期

2 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 贾川;张健;陈振标;徐波;;噪声环境下的端点检测算法研究[A];第六届全国人机语音通讯学术会议论文集[C];2001年

2 王卓;李鹏;苏牧;徐波;;噪音环境下基于高阶谱的端点检测算法[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年

3 王月;屈百达;李金宝;蒋纯刚;;一种改进的基于频带方差的端点检测算法[A];2007中国控制与决策学术年会论文集[C];2007年

4 尹巧萍;吴海宁;赵力;;含噪语音信号端点检测方法的研究[A];2008’促进中西部发展声学学术交流会论文集[C];2008年

5 尹洪兵;秦斌;张凡;黄云森;;一种基于能量-过零率比的端点检测方法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

6 国雁萌;潘接林;颜永红;韩疆;张建平;;基于子带能量的自适应端点检测[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年

7 李曼曼;杨鸿武;洪宁;杨硕;刘亚丽;;基于EMD的带噪语音端点检测[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

8 朱杰;韦晓东;;采用HMM模型方法进行语音信号的端点检测[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

中国重要报纸全文数据库 前1条

1 中国科学院声学研究所研究员 俞铁城;语音的端点检测和系统的打断功能[N];通信产业报;2005年

中国博士学位论文全文数据库 前1条

1 周文君;舰船VDR人声识别技术研究[D];哈尔滨工程大学;2009年

中国硕士学位论文全文数据库 前10条

1 杨喜敬;带噪汉、彝语孤立词的端点检测方法对比研究[D];昆明理工大学;2015年

2 刘艳辉;带噪语音信号端点检测算法的研究及实现[D];河南理工大学;2014年

3 邢立钊;语音信号端点检测算法的研究[D];郑州大学;2016年

4 沈蓉;智能门禁系统声纹识别中端点检测算法研究[D];西安科技大学;2015年

5 吴品奇;音符识别算法研究[D];湖北工业大学;2016年

6 张诗s，

本文编号：692431