【摘要】：打鼾是日常生活中一種非常常見的睡眠呼吸現(xiàn)象,據(jù)相關(guān)機構(gòu)的不完全統(tǒng)計顯示,我國約有30%以上的成年人存在打鼾現(xiàn)象。睡覺打鼾是一個不健康的睡眠呼吸表現(xiàn),其不僅妨礙他人的睡眠,而且還對打鼾者自身的健康存在著巨大的潛在威脅。通常來講,經(jīng)常睡覺打呼�；蛘呤谴蚝魢１容^嚴(yán)重的人通常都會患有睡眠呼吸暫停綜合癥(SAS),該癥狀將導(dǎo)致長期的呼吸不順暢以及缺氧,導(dǎo)致血液中氧含量減少,形成低血氧癥,從而誘發(fā)高血壓,冠心病,腦血管疾病等并發(fā)癥,甚至出現(xiàn)夜間猝死。目前,醫(yī)學(xué)上主要是通過多導(dǎo)睡眠圖監(jiān)測系統(tǒng)對該癥狀進(jìn)行診斷,但其有兩大缺點,一是設(shè)備復(fù)雜且極其昂貴,不易推廣,以至于眾多潛在的睡眠呼吸暫停綜合癥患者不能得到及時的確診和治療;二是多導(dǎo)睡眠圖(PSG)監(jiān)測為“侵入式”的監(jiān)測設(shè)備,需要用導(dǎo)管連接患者身體多個部位,容易造成患者身體不適。為了解決上述問題,本文提出了智能止鼾枕的設(shè)計,并對整個止鼾枕系統(tǒng)的硬件部分以及軟件部分進(jìn)行具體介紹,其中,將硬件部分分為枕邊設(shè)備和枕頭兩部分,將軟件部分分為鼾聲信號的檢測與識別和鼾聲信號的評估。對于硬件部分,本文對每部分路進(jìn)行了較詳細(xì)的介紹,包括每部分的詳細(xì)構(gòu)成、每個元器件的選型、每部分需負(fù)責(zé)及完成的工作以及詳細(xì)電路原理圖等;軟件部分則通過應(yīng)用聲音信號的端點檢測、特征提取以及鼾聲非鼾聲分類等算法實現(xiàn)了鼾聲信號的檢測與識別工作,通過對睡眠呼吸暫停綜合癥在臨床上的具體表現(xiàn)以及對用戶整夜鼾聲信號的分析,實現(xiàn)了鼾聲信號的評估。并對其進(jìn)行了仿真測試,測試結(jié)果顯示本系統(tǒng)對鼾聲信號具有非常高的識別率且止鼾效果良好�？偠灾�,該智能止鼾枕結(jié)合信號檢測、語音處理技術(shù)以及嵌入式技術(shù)等技術(shù),并應(yīng)用相關(guān)鼾聲識別算法,實現(xiàn)了在不影響用戶睡眠的情況下,經(jīng)過對用戶鼾聲信號的檢測與分析,判斷用戶是否患有睡眠呼吸暫停綜合癥,并驅(qū)動氣泵對枕頭內(nèi)部氣囊的充放氣,從而調(diào)整用戶的頭部位置,進(jìn)而調(diào)整用戶睡覺姿勢,從而實現(xiàn)止鼾或降低鼾聲分貝的目的。
【圖文】：

數(shù)據(jù)傳輸部分實物圖

存儲器實物圖
【學(xué)位授予單位】：中原工學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TS941.75;TH789

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周曉武;;嵌入式實時英語語音識別系統(tǒng)的設(shè)計與研究[J];電子設(shè)計工程;2017年08期

2 蔣泰;張林軍;;語音識別自適應(yīng)算法在智能家居中的應(yīng)用[J];計算機系統(tǒng)應(yīng)用;2017年03期

3 李虹;徐小力;吳國新;丁春艷;趙學(xué)梅;;基于MFCC的語音情感特征提取研究[J];電子測量與儀器學(xué)報;2017年03期

4 王文劍;祁曉博;郭虎升;;一種高斯區(qū)間核SVM分類模型[J];數(shù)據(jù)采集與處理;2017年01期

5 張校非;白艷萍;;基于改進(jìn)的PSO-SVM的音頻信號特征識別和分類[J];數(shù)學(xué)的實踐與認(rèn)識;2017年01期

6 侯一民;周慧瓊;王政一;;深度學(xué)習(xí)在語音識別中的研究進(jìn)展綜述[J];計算機應(yīng)用研究;2017年08期

7 高家寶;來羽;;一種新的HMM/SVM混合語音識別模型[J];控制工程;2016年11期

8 汪海彬;余正濤;毛存禮;郭劍毅;;SMFCC:一種新的語音信號特征提取方法[J];計算機應(yīng)用;2016年06期

9 彭好;許輝杰;黃魏寧;高瞻;賀宇霞;胡長泳;;阻塞性睡眠呼吸暫停低通氣綜合征和單純鼾癥患者鼾聲聲壓級參數(shù)分析[J];山東大學(xué)耳鼻喉眼學(xué)報;2014年03期

10 孟澤民;林生生;;基于神經(jīng)網(wǎng)絡(luò)的家用型睡眠呼吸暫停綜合癥監(jiān)測系統(tǒng)[J];計算機系統(tǒng)應(yīng)用;2014年03期

相關(guān)碩士學(xué)位論文 前3條

1 馬干軍;鼾聲信號檢測與分析算法研究[D];南京理工大學(xué);2016年

2 李馨;基于鼾聲時頻分析的OSAHS診斷[D];大連理工大學(xué);2014年

3 程小艷;嵌入式STM32F107VCT6微處理器接口模塊開發(fā)及應(yīng)用研究[D];合肥工業(yè)大學(xué);2012年

，

本文編號：2621587