羅宇舟，江鐘偉，劉貝貝，徐　芳

(1. 日本國立山口大學 理工學研究科，日本山口縣755-8611；2. 上海理工大學 上海漢堡國際工程學院，上海市　200090；3. 上海理工大學 發(fā)展規(guī)劃處，上海市　200090)

基于測量呼吸聲音監(jiān)護睡眠狀態(tài)的研究

羅宇舟1，江鐘偉1，劉貝貝2，徐芳3

(1. 日本國立山口大學 理工學研究科，日本山口縣755-8611；2. 上海理工大學 上海漢堡國際工程學院，上海市200090；3. 上海理工大學 發(fā)展規(guī)劃處，上海市200090)

在本文中，提出了一種通過測量整晚呼吸聲音監(jiān)護睡眠質量的方法。通過本方法，僅通過采集呼吸聲音，通過分析成功高效的將睡眠分了幾個階段。實驗對象的呼吸聲音通過藍牙聲音傳感器把聲音錄下來，通過設備傳輸?shù)椒掌鬟M行解析，把聲音在時域和頻域提取特征值，能夠將整晚的睡眠狀態(tài)進行分類，實驗證明了本方法的有效性。

呼吸聲音；睡眠狀態(tài)；無呼吸

本文著錄格式：羅宇舟，江鐘偉，劉貝貝，徐芳. 基于測量呼吸聲音監(jiān)護睡眠狀態(tài)的研究[J]. 軟件，2016，37（9）：91-93

0　引言

隨著人們對睡眠質量關注與重視程度的提高，與睡眠疾病監(jiān)測及診斷相關的研究漸漸興起，國內(nèi)許多學者都對于這個方向進行了廣泛的研究[1-3]。睡眠是人類生產(chǎn)活動十分重要的組成部分，睡眠不好會帶來一系列的健康問題。除此之外，許多并發(fā)癥都是因為睡眠不足而產(chǎn)生的，比如：打鼾、憂郁癥、注意力不集中等等。在這些情況下，對于睡眠狀態(tài)的監(jiān)控顯得十分有意義，它可以讓病患和醫(yī)生深入的了解病情，提出切實可行的治療方案提升睡眠質量。目前，各大醫(yī)院常用的就是多導睡眠監(jiān)測儀（PSG），醫(yī)生根據(jù)設備可以得到腦電波、心電波、肌電波等一系列的生理信息數(shù)據(jù)來判斷睡眠狀態(tài)，但是往往因為監(jiān)測費用昂貴、病人身上需要貼附傳感器帶來不適感等因素，導致很多病患望而卻步。本文設計了監(jiān)控系統(tǒng)，很多研究人員構建了用于監(jiān)控的其他體系[4-10]，但是本文提出的為睡眠監(jiān)控體系，并且可以解析整晚睡眠分為幾個階段。這種系統(tǒng)由藍牙聲音傳感器，平板電腦，以及服務器組成，醫(yī)生或者病人可以通過客戶端查閱睡眠狀態(tài)，及時的了解自身睡眠狀況或者就診。

1　睡眠健康系統(tǒng)

本系統(tǒng)的，整體設計如圖1所示，通過無線傳感器將測量對象的呼吸聲音傳輸至平板電腦或者智能手機中，其中無線傳感器用醫(yī)用膠帶貼附至離鼻腔1 cm處。平板電腦或智能手機上傳呼吸聲音數(shù)據(jù)到服務器，通過服務器的解析之后，醫(yī)生和對象可以在客戶端查看睡眠情況。

圖1　睡眠監(jiān)護系統(tǒng)結構

2　特征值選取

本文的解析，都是在MATLAB中完成的，首先將聲音信號進行濾波并且把無聲音的初始段切割，為了把聲音信號中的噪聲濾去，我們選取72-1378 Hz的濾波器，通過不同的變化方式我們可以得到不同的特指值，下面介紹我們選取的三個特征值參數(shù)。

2.1呼吸音峰值

呼吸音峰值的計算方法是根據(jù)公式（1）：

其中Pk代表呼吸音的幅值，t的值是10 s，窗函數(shù)的值也是10 s，移動速度為100)代表在一個窗函數(shù)中幅值最大的100點的和。

2.2呼吸音鼾聲

呼吸是由正常的呼吸音和非正常的呼吸音構成的。非正常的呼吸音中又包括鼾聲以及無呼吸和低呼吸。鼾聲通常位于呼吸音的FFT（快速傅里葉變化）之后頻帶為100-200 Hz峰值處。

2.3呼吸變動

呼吸變動的計算公式（2）如下：

RespVar代表呼吸變動值，P是在一個窗函數(shù)10 s中幅值是平均幅值5倍點的個數(shù)。較大的呼吸變動代表鼾聲，而較小的呼吸變動則代表正常的呼吸狀態(tài)。

三個特征值的曲線如圖2所示。藍色表示呼吸峰值，綠色表示呼吸鼾聲，黃色表示呼吸變動，通過查詢系統(tǒng)，可以得知整晚的三個特征值的變化情況，根據(jù)三個特征值波形的變化趨勢，可以推導出整晚的睡眠變化情況，以及無呼吸或者低呼吸的發(fā)生時間段。

圖2　三個特征值的晚間變化情況

3　實驗結果

為了驗證我們睡眠的準確性，我們將我們實驗所測的睡眠分析和市面上比較流行的睡眠監(jiān)護產(chǎn)品進行對比，日本百利達公司TANITA出品的的睡眠毯sleepscan SL-503/504，這款睡眠毯是放置于被褥的下方使用的，其工作原理為厚墊內(nèi)部注入了水，如果人躺在上面，就可以通過傳感器測量到內(nèi)壓，從而計量脈搏數(shù)、呼吸次數(shù)等身體狀況，通過上述的數(shù)據(jù)的采集和分析，可以了解到使用者睡眠的深度與狀態(tài)，它是在睡眠市場較為流行的產(chǎn)品。圖3為利用SleepScan睡眠毯一晚上測量的睡眠狀態(tài)數(shù)據(jù)，代表睡眠狀態(tài)的1,2,3,4分別表示為深睡眠，中度睡眠，淺睡眠，覺醒。

圖4為通過我們方法分析出整晚睡眠圖，其中睡眠狀態(tài)1,2,3,分別代表深睡眠，中度睡眠，淺睡眠。通過對比圖3和圖4，我們可以發(fā)現(xiàn)圖4較圖3更為平滑，尤其在記錄1小時處，圖3顯示對象有突然覺醒的狀態(tài)，圖4則顯示此刻為中度睡眠狀態(tài)，其他時間段則表現(xiàn)兩者睡眠趨勢大體一致，充分說明本文中所提出的方法有效，而且本研究提出方法更為簡單實用，尤其是對于醫(yī)護人員可以遠程讀取睡眠的相關信息，并且不像其他睡眠監(jiān)護產(chǎn)品，難以攜帶而且價格昂貴。

圖3　SleepScan睡眠毯晚間測量睡眠狀態(tài)

圖4　本研究方法判定睡眠狀態(tài)

本系統(tǒng)把人體的呼吸聲音信號和無線傳感技術結合，實現(xiàn)了呼吸音的無線傳輸，監(jiān)護端實現(xiàn)了遠程操作，使監(jiān)護對象拜托了各種電線纏繞的不便和痛楚，不會影響對象的睡眠以及增加被監(jiān)測對象的心理負擔，這種方式，符合我國提出并在逐步實現(xiàn)的預防為主的醫(yī)療保健體系。

4　結論

隨著家庭保健的觀念深入人心，本文所提出的簡單、便攜的睡眠遠程監(jiān)護系統(tǒng)有著廣闊的應用前景和適用范圍，將原本要去醫(yī)院利用多導睡眠監(jiān)測儀（PSG）的繁瑣的睡眠監(jiān)護，變成了方便日常居家或者旅行可長期進行睡眠監(jiān)護。本文針對如何評估睡眠狀態(tài)，以呼吸聲音為監(jiān)測參數(shù)，基于藍牙聲音傳感器來收集數(shù)據(jù)，構建無線傳輸以及處理器解析的系統(tǒng)，不僅可以幫助醫(yī)護人員遠程掌握對象睡眠狀態(tài)的情況，還有利于慢性疾病的長期監(jiān)護，在某種程度上提高了診斷的準確率，具有一定的篩查意義，對于以后的研究，還需要增加各類人群的睡眠數(shù)據(jù)，將如何降低系統(tǒng)能耗考慮進去，隨著信息化時代的來臨，把云計算和大數(shù)據(jù)考慮以及電子病歷納入進來。

[1] 吳昱, 黃建明. 一種基于Android的健康監(jiān)控預警系統(tǒng)[J].軟件, 2016, 37(02): 129-133.

[2] 劉英豪, 代莉莉, 黃耀諄, 等. 基于模塊化的遠程健康智能監(jiān)護系統(tǒng)[J]. 新型工業(yè)化, 2013, 3(5): 54-61.

[3] 王志勃, 史夢安, 刁志剛. B/S模式下監(jiān)控系統(tǒng)設計與實現(xiàn)[J]. 軟件, 2014, 35(8): 46-49.

[4] 陳寧寧, 齊世清, 李宇坤, 等. 基于嵌入式Linux的蓄電池組智能監(jiān)控系統(tǒng)[J]. 新型工業(yè)化, 2014, 4(5): 20-26.

[5] 翁彬彬, 徐塞虹. 基于boa的嵌入式視頻監(jiān)控系統(tǒng)的研究與實現(xiàn)[J]. 軟件, 2014, 35(11): 66-72.

[6] 李嘯劍, 王智立. 虛擬化環(huán)境中服務監(jiān)控調(diào)度系統(tǒng)的設計與實現(xiàn)[J]. 軟件, 2016, 37(02): 103-106.

[7] 張闖, 張海濤, 李文生. 異構視頻監(jiān)控系統(tǒng)媒體資源共享與發(fā)現(xiàn)機制研究[J]. 軟件, 2015, 36(12): 16-21.

[8] 楊海鵬, 戴波. 數(shù)據(jù)采集與監(jiān)控系統(tǒng)在石油化工企業(yè)中的應用[J]. 新型工業(yè)化, 2014, 4(3): 44-51.

[9] 翟旭, 戚玲, 喻松. 基于霍夫曼樹SVM的監(jiān)控視頻清晰度評價[J]. 軟件, 2012, 33(12): 126-129.

[10] 張曉杰. 移動通信網(wǎng)信令監(jiān)控分析系統(tǒng)的研究與實現(xiàn)[J].軟件, 2012, 33(12): 268-271.

[11] 徐禮勝, 薄紅瑞, 趙金野, 等. 基于體動射頻信號的睡眠分期[J]. 東北大學學報: 自然科學版, 2016, 37(8).

[12] 張鵬飛, 張華, 拜軍, 等. 呼吸信號檢測技術研究現(xiàn)狀[J].國際生物醫(yī)學工程雜志, 2012, 35(6): 365-368.

[13] Masayuki Kagawa, Hirokazu Tojima and Takemi Matsui, Non-contact diagnostic system for sleep apnea–hypopnea syndrome based on amplitude and phase analysis of thoracic and abdominal Doppler radars. Med Biol Eng Comput (2016) 789-798.

[14] Cesar L. Nino, Carlos E. Rodriguez-Martinez, Maria J. Gutierrez, Ravi Singareddi and Gustavo Nino, Robust Spectral Analysis of Thoraco-Abdominal Motion and Oxymetry in Obstructive Sleep Apnea, 35th Annual International Conference of the IEEE EMBS Osaka, Japan, 3-7 July, 2013.

[15] J. H. Shin, Y. J. Chee, D. Jeong and K. S. Park, Nonconstrained sleep monitoring system and algorithms using air-mattress with balancing tube method, IEEE Trans. Inf. Technol. Biomed. 14(1) (2010)147-156.

[16] Jianmin Zhang, Wee Ser, A Novel Respiratory Rate Estimation Method for Sound-Based Wearable Monitoring Systems, in 33rd Annual International Conference of the IEEE EMBS Boston, Massachusetts USA, August 30-September 3, 2011.

[17] J.M. Choi, B.O. Kim, B. S. Hwang, R. H. Sohn and K. S. Park, Unobtrusive body movement monitoring during sleep using infrared motion detector and ZigBee protocol, in: Proc. 3rd IEEE/EMBS International Summer School on Medical Devices and Biosensors (2006) 32-33.

Study on Monitoring Sleep State Based on Measurement of Breath Sound

LUO Yu-zhou, JIANG Zhong-wei, LIU Bei-bei, XU Fang
(1. Micro Mechatronics Laboratory, Graduate School of Science and Engineering, Yamaguchi University, 2-16-1 Tokiwadai, Ube 755-8611, Japan; 2. Shanghai-Hamburg College, University of Shanghai for Science and Technology,Shanghai, China; 3. Planning and Development Department, University of Shanghai for Science and Technology, Shanghai, China))

In this work, a method for monitoring sleeping conditions by breath sound measurement is proposed. Our aim is to develop a high performance system to classify sleep states into many stages only based on breath sound. Subjects were recorded in home/group house using bluetooth breath sound sensor. This breath sound signal analysis method can classify sleep states. The experiment testify the effectiveness of the method.

Breath sound; Sleep states; Apnea

TP271.2

A

10.3969/j.issn.1003-6970.2016.09.021

羅宇舟，男，(1985-)，研究生，主要研究方向：機電一體化；江鐘偉，男，(1958-)，教授，主要研究方向：機電一體化；劉貝貝，女，(1978-)，講師，主要研究方向：高等教育；徐芳，女，(1974-)，講師，主要研究方向：高等教育。