基于测量呼吸声音监护睡眠状态的研究

罗宇舟，江钟伟，刘贝贝，徐　芳

(1. 日本国立山口大学 理工学研究科，日本山口县755-8611；2. 上海理工大学 上海汉堡国际工程学院，上海市　200090；3. 上海理工大学 发展规划处，上海市　200090)

基于测量呼吸声音监护睡眠状态的研究

罗宇舟1，江钟伟1，刘贝贝2，徐芳3

(1. 日本国立山口大学 理工学研究科，日本山口县755-8611；2. 上海理工大学 上海汉堡国际工程学院，上海市200090；3. 上海理工大学 发展规划处，上海市200090)

在本文中，提出了一种通过测量整晚呼吸声音监护睡眠质量的方法。通过本方法，仅通过采集呼吸声音，通过分析成功高效的将睡眠分了几个阶段。实验对象的呼吸声音通过蓝牙声音传感器把声音录下来，通过设备传输到服务器进行解析，把声音在时域和频域提取特征值，能够将整晚的睡眠状态进行分类，实验证明了本方法的有效性。

呼吸声音；睡眠状态；无呼吸

本文著录格式：罗宇舟，江钟伟，刘贝贝，徐芳. 基于测量呼吸声音监护睡眠状态的研究[J]. 软件，2016，37（9）：91-93

0　引言

随着人们对睡眠质量关注与重视程度的提高，与睡眠疾病监测及诊断相关的研究渐渐兴起，国内许多学者都对于这个方向进行了广泛的研究[1-3]。睡眠是人类生产活动十分重要的组成部分，睡眠不好会带来一系列的健康问题。除此之外，许多并发症都是因为睡眠不足而产生的，比如：打鼾、忧郁症、注意力不集中等等。在这些情况下，对于睡眠状态的监控显得十分有意义，它可以让病患和医生深入的了解病情，提出切实可行的治疗方案提升睡眠质量。目前，各大医院常用的就是多导睡眠监测仪（PSG），医生根据设备可以得到脑电波、心电波、肌电波等一系列的生理信息数据来判断睡眠状态，但是往往因为监测费用昂贵、病人身上需要贴附传感器带来不适感等因素，导致很多病患望而却步。本文设计了监控系统，很多研究人员构建了用于监控的其他体系[4-10]，但是本文提出的为睡眠监控体系，并且可以解析整晚睡眠分为几个阶段。这种系统由蓝牙声音传感器，平板电脑，以及服务器组成，医生或者病人可以通过客户端查阅睡眠状态，及时的了解自身睡眠状况或者就诊。

1　睡眠健康系统

本系统的，整体设计如图1所示，通过无线传感器将测量对象的呼吸声音传输至平板电脑或者智能手机中，其中无线传感器用医用胶带贴附至离鼻腔1 cm处。平板电脑或智能手机上传呼吸声音数据到服务器，通过服务器的解析之后，医生和对象可以在客户端查看睡眠情况。

图1　睡眠监护系统结构

2　特征值选取

本文的解析，都是在MATLAB中完成的，首先将声音信号进行滤波并且把无声音的初始段切割，为了把声音信号中的噪声滤去，我们选取72-1378 Hz的滤波器，通过不同的变化方式我们可以得到不同的特指值，下面介绍我们选取的三个特征值参数。

2.1呼吸音峰值

呼吸音峰值的计算方法是根据公式（1）：

其中Pk代表呼吸音的幅值，t的值是10 s，窗函数的值也是10 s，移动速度为100)代表在一个窗函数中幅值最大的100点的和。

2.2呼吸音鼾声

呼吸是由正常的呼吸音和非正常的呼吸音构成的。非正常的呼吸音中又包括鼾声以及无呼吸和低呼吸。鼾声通常位于呼吸音的FFT（快速傅里叶变化）之后频带为100-200 Hz峰值处。

2.3呼吸变动

呼吸变动的计算公式（2）如下：

RespVar代表呼吸变动值，P是在一个窗函数10 s中幅值是平均幅值5倍点的个数。较大的呼吸变动代表鼾声，而较小的呼吸变动则代表正常的呼吸状态。

三个特征值的曲线如图2所示。蓝色表示呼吸峰值，绿色表示呼吸鼾声，黄色表示呼吸变动，通过查询系统，可以得知整晚的三个特征值的变化情况，根据三个特征值波形的变化趋势，可以推导出整晚的睡眠变化情况，以及无呼吸或者低呼吸的发生时间段。

图2　三个特征值的晚间变化情况

3　实验结果

为了验证我们睡眠的准确性，我们将我们实验所测的睡眠分析和市面上比较流行的睡眠监护产品进行对比，日本百利达公司TANITA出品的的睡眠毯sleepscan SL-503/504，这款睡眠毯是放置于被褥的下方使用的，其工作原理为厚垫内部注入了水，如果人躺在上面，就可以通过传感器测量到内压，从而计量脉搏数、呼吸次数等身体状况，通过上述的数据的采集和分析，可以了解到使用者睡眠的深度与状态，它是在睡眠市场较为流行的产品。图3为利用SleepScan睡眠毯一晚上测量的睡眠状态数据，代表睡眠状态的1,2,3,4分别表示为深睡眠，中度睡眠，浅睡眠，觉醒。

图4为通过我们方法分析出整晚睡眠图，其中睡眠状态1,2,3,分别代表深睡眠，中度睡眠，浅睡眠。通过对比图3和图4，我们可以发现图4较图3更为平滑，尤其在记录1小时处，图3显示对象有突然觉醒的状态，图4则显示此刻为中度睡眠状态，其他时间段则表现两者睡眠趋势大体一致，充分说明本文中所提出的方法有效，而且本研究提出方法更为简单实用，尤其是对于医护人员可以远程读取睡眠的相关信息，并且不像其他睡眠监护产品，难以携带而且价格昂贵。

图3　SleepScan睡眠毯晚间测量睡眠状态

图4　本研究方法判定睡眠状态

本系统把人体的呼吸声音信号和无线传感技术结合，实现了呼吸音的无线传输，监护端实现了远程操作，使监护对象拜托了各种电线缠绕的不便和痛楚，不会影响对象的睡眠以及增加被监测对象的心理负担，这种方式，符合我国提出并在逐步实现的预防为主的医疗保健体系。

4　结论

随着家庭保健的观念深入人心，本文所提出的简单、便携的睡眠远程监护系统有着广阔的应用前景和适用范围，将原本要去医院利用多导睡眠监测仪（PSG）的繁琐的睡眠监护，变成了方便日常居家或者旅行可长期进行睡眠监护。本文针对如何评估睡眠状态，以呼吸声音为监测参数，基于蓝牙声音传感器来收集数据，构建无线传输以及处理器解析的系统，不仅可以帮助医护人员远程掌握对象睡眠状态的情况，还有利于慢性疾病的长期监护，在某种程度上提高了诊断的准确率，具有一定的筛查意义，对于以后的研究，还需要增加各类人群的睡眠数据，将如何降低系统能耗考虑进去，随着信息化时代的来临，把云计算和大数据考虑以及电子病历纳入进来。

[1] 吴昱, 黄建明. 一种基于Android的健康监控预警系统[J].软件, 2016, 37(02): 129-133.

[2] 刘英豪, 代莉莉, 黄耀谆, 等. 基于模块化的远程健康智能监护系统[J]. 新型工业化, 2013, 3(5): 54-61.

[3] 王志勃, 史梦安, 刁志刚. B/S模式下监控系统设计与实现[J]. 软件, 2014, 35(8): 46-49.

[4] 陈宁宁, 齐世清, 李宇坤, 等. 基于嵌入式Linux的蓄电池组智能监控系统[J]. 新型工业化, 2014, 4(5): 20-26.

[5] 翁彬彬, 徐塞虹. 基于boa的嵌入式视频监控系统的研究与实现[J]. 软件, 2014, 35(11): 66-72.

[6] 李啸剑, 王智立. 虚拟化环境中服务监控调度系统的设计与实现[J]. 软件, 2016, 37(02): 103-106.

[7] 张闯, 张海涛, 李文生. 异构视频监控系统媒体资源共享与发现机制研究[J]. 软件, 2015, 36(12): 16-21.

[8] 杨海鹏, 戴波. 数据采集与监控系统在石油化工企业中的应用[J]. 新型工业化, 2014, 4(3): 44-51.

[9] 翟旭, 戚玲, 喻松. 基于霍夫曼树SVM的监控视频清晰度评价[J]. 软件, 2012, 33(12): 126-129.

[10] 张晓杰. 移动通信网信令监控分析系统的研究与实现[J].软件, 2012, 33(12): 268-271.

[11] 徐礼胜, 薄红瑞, 赵金野, 等. 基于体动射频信号的睡眠分期[J]. 东北大学学报: 自然科学版, 2016, 37(8).

[12] 张鹏飞, 张华, 拜军, 等. 呼吸信号检测技术研究现状[J].国际生物医学工程杂志, 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

罗宇舟，男，(1985-)，研究生，主要研究方向：机电一体化；江钟伟，男，(1958-)，教授，主要研究方向：机电一体化；刘贝贝，女，(1978-)，讲师，主要研究方向：高等教育；徐芳，女，(1974-)，讲师，主要研究方向：高等教育。