阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）患者睡眠呼吸過程中由于上氣道咽部結(jié)構(gòu)堵塞而出現(xiàn)呼吸紊亂的病理行為,包含低通氣和呼吸暫停癥狀。且該病癥是一系列心血管疾病的誘因,嚴重危害患者健康。長期以來,多導(dǎo)睡眠儀（PSG）是醫(yī)院對于呼吸障礙癥狀的檢測手段,但存在儀器監(jiān)測復(fù)雜且受眾率低的缺點。本文從鼾聲信號分析的角度對病理鼾聲進行分析,目的在于為OSAHS患者提供便捷家用且低成本的監(jiān)測方法。本文通過硬件平臺結(jié)合PSG設(shè)備標(biāo)注進行數(shù)據(jù)采集,對于家用環(huán)境下環(huán)境噪聲復(fù)雜多樣的睡眠鼾聲信號進行端點檢測算法的研究。在信號預(yù)處理過程后,對于常規(guī)算法在低信噪比（SNR）環(huán)境下檢測率低,漏音和誤判現(xiàn)象,采用多窗譜譜減降噪結(jié)合子帶能熵比法的端點檢測復(fù)合算法。實驗結(jié)果顯示,在復(fù)雜噪聲環(huán)境下,不同受試者的鼾聲信號端點檢測結(jié)果準(zhǔn)確。在添加Noise-92標(biāo)準(zhǔn)噪音數(shù)據(jù)庫中不同類別噪聲后,鼾聲片段的端點檢測識別率依然達到96%。本文算法實現(xiàn)了對于整夜鼾聲信號中目標(biāo)鼾聲段的準(zhǔn)確截取。對于采集的鼾聲樣本,以患者信息表和各類別鼾聲樣本構(gòu)建鼾聲樣本數(shù)據(jù)庫,方便之后數(shù)據(jù)的查詢和管理。其次,對于受試者鼾聲樣本進行聲學(xué)分析,探討普通... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

上氣道結(jié)構(gòu)圖

多導(dǎo)睡眠圖

浙江省碩士學(xué)位論文9圖2.4自研終端設(shè)備內(nèi)部圖2.5自研終端原理圖設(shè)計生產(chǎn)該設(shè)備的目的在于使得關(guān)于鼾聲相關(guān)病癥的檢測更加便民，更加易于在家庭環(huán)境下使用。這樣的終端設(shè)備易于攜帶，在日常生活中的使用率更高。且記錄的數(shù)據(jù)為使用者在家庭環(huán)境下最為自然的狀態(tài)中錄取，不會存在因為藥物誘導(dǎo)而產(chǎn)生的咽部結(jié)構(gòu)不同的影響。其配載了高靈敏度雙通道麥克風(fēng)陣列收集信號，采樣率配置為16kHz，采樣精度為16-bit，能夠適應(yīng)不同環(huán)境噪聲下鼾聲信號的錄��；配有8G內(nèi)存大小的SD卡，最大能夠完成一周時間整夜睡眠鼾聲信號的錄取，鼾聲信號保存格式為WAV-PCM文件；同時配有4G模塊，能夠精確更新鼾聲信號發(fā)生的時間，記錄起止時間。放置位置根據(jù)病人睡眠情況放置于床頭上方，且不會對使用者睡眠造成影響。后續(xù)計劃將截取的目標(biāo)鼾聲信號直接通過4G模塊上

【參考文獻】：
期刊論文
[1]多信息交互的睡眠呼吸暫停綜合癥無擾檢測系統(tǒng)[J]. 董雪虎,吳燕玲,宋全軍.  自動化儀表. 2019(03)
[2]基于Teager能量算子和經(jīng)驗?zāi)B(tài)分解的語音端點檢測算法[J]. 沈希忠,鄭曉修.  電子與信息學(xué)報. 2018(07)
[3]一種改進的小波能量熵語音端點檢測算法[J]. 李樂,王玉英,李小霞.  計算機工程. 2017(05)
[4]語音信號盲分離方法研究[J]. 孫小軍.  電子測試. 2013(22)
[5]阻塞性睡眠呼吸暫停綜合征（OSAS）患者對疾病認識及其健康教育需求的調(diào)查[J]. 鄭芳,盧秀蘭,江瑞華.  中國現(xiàn)代藥物應(yīng)用. 2013(21)
[6]語音信號處理中特征提取方法研究[J]. 閻福智.  中國新通信. 2013(21)
[7]混合MFCC特征參數(shù)應(yīng)用于語音情感識別[J]. 周萍,李曉盼,李杰,景新幸.  計算機測量與控制. 2013(07)
[8]基于相對譜濾波的MFCC參數(shù)提取[J]. 李素平.  電子世界. 2013(13)
[9]折線電容濾波算法在鼾聲識別中的研究與應(yīng)用[J]. 薛雷,何星劍,高微微.  電子測量技術(shù). 2013(02)
[10]阻塞性睡眠呼吸暫停低通氣綜合征和單純鼾癥者鼾聲的基頻及共振峰分析[J]. 彭好,許輝杰,黃魏寧,楊弋,賀宇霞,李傳穎.  聽力學(xué)及言語疾病雜志. 2013(01)

博士論文
[1]阻塞性睡眠呼吸暫停綜合征臨床預(yù)測模型及熱適應(yīng)抗低氧[D]. 羅淼.南方醫(yī)科大學(xué) 2013

碩士論文
[1]基于人工智能的鼾聲數(shù)據(jù)分析方法研究[D]. 賀沖.南京理工大學(xué) 2018
[2]基于多參數(shù)改進MFCC的聲紋特征提取SOPC設(shè)計[D]. 郭琴.齊齊哈爾大學(xué) 2016
[3]基于聽覺特征參數(shù)的說話人識別技術(shù)[D]. 熊冰峰.湘潭大學(xué) 2016
[4]鼾聲信號檢測與分析算法研究[D]. 馬干軍.南京理工大學(xué) 2016
[5]基于AHI指數(shù)的OSAHS篩查系統(tǒng)的研究與實現(xiàn)[D]. 楊賀.大連理工大學(xué) 2015
[6]基于鼾聲時頻分析的OSAHS診斷[D]. 李馨.大連理工大學(xué) 2014
[7]阻塞性睡眠呼吸暫停低通氣綜合征ACCESS數(shù)據(jù)庫的建立及應(yīng)用[D]. 彭輝.南方醫(yī)科大學(xué) 2014
[8]基于內(nèi)容的音頻檢索系統(tǒng)關(guān)鍵技術(shù)及其實現(xiàn)[D]. 俞鵬飛.復(fù)旦大學(xué) 2013
[9]基于共振峰的OSAHS篩查[D]. 趙玉霞.大連理工大學(xué) 2011
[10]說話人識別算法研究及DSP實現(xiàn)[D]. 林琳.吉林大學(xué) 2004



本文編號：3454004