本申請(qǐng)涉及睡眠監(jiān)測(cè)，尤其涉及一種鼾聲檢測(cè)方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。
背景技術(shù)：
1、睡眠是人腦發(fā)起和控制的一種生物活動(dòng)。優(yōu)質(zhì)的睡眠對(duì)人體的健康狀況至關(guān)重要，人體在睡眠期間進(jìn)行自我修復(fù)和重建，清除清醒時(shí)積累的代謝廢物。睡眠還可以重組記憶并支持長(zhǎng)期記憶的形成。而生活節(jié)奏加快和社會(huì)壓力增加，導(dǎo)致失眠、睡眠不好的人越來(lái)越多，睡眠障礙的發(fā)病率也日益增高，且睡眠障礙的群體逐漸年輕化；由睡眠問(wèn)題所引起的心臟疾病和猝死等問(wèn)題也日漸嚴(yán)重。因此，人體睡眠監(jiān)測(cè)逐漸成為重要研究課題。隨著研究的深入，體征信號(hào)提取技術(shù)不斷進(jìn)步，研究者們開(kāi)始把研究重點(diǎn)向多人呼吸率估計(jì)、睡眠分期、睡姿識(shí)別和鼾聲檢測(cè)等方面拓展。
2、打鼾是一種與呼吸相關(guān)的生理現(xiàn)象，長(zhǎng)期打鼾與多種健康問(wèn)題相關(guān)，打鼾行為是阻塞性睡眠呼吸暫停綜合征（obstructive?sleep?apnea?hypopnea?syndrome，?osahs）、全身動(dòng)脈高血壓以及冠狀動(dòng)脈疾病等疾病的癥狀表現(xiàn)；其中，打鼾是osahs患者最早和最常見(jiàn)的癥狀，其發(fā)生率高達(dá)70%-95%，且隨著osahs病癥嚴(yán)重程度的增加，打鼾的強(qiáng)度通常也會(huì)加劇。因此，鼾聲檢測(cè)在相關(guān)疾病的預(yù)防和研究中有著非常重要的作用。
3、相關(guān)技術(shù)中，鼾聲檢測(cè)的方式通常包括接觸式檢測(cè)和非接觸式檢測(cè)。對(duì)于接觸式檢測(cè)，由于需要用戶長(zhǎng)時(shí)間佩戴檢測(cè)器件，可能會(huì)在睡眠過(guò)程中引起用戶的不適感，導(dǎo)致用戶睡眠質(zhì)量進(jìn)一步下降，尤其對(duì)于敏感肌人群，容易產(chǎn)生皮膚過(guò)敏、摩擦以及壓痕等情況。非接觸式檢測(cè)則可以通過(guò)采集用戶的聲音來(lái)分析睡眠狀態(tài)，無(wú)需設(shè)備與用戶直接接觸，使得用戶的使用體驗(yàn)感能夠得到一定提升，然而，相關(guān)技術(shù)中非接觸式檢測(cè)的信號(hào)獲取方式較為單一，且難以對(duì)獲取到的數(shù)據(jù)進(jìn)行深入的、有針對(duì)性的分析，計(jì)算復(fù)雜度較高，鼾聲識(shí)別檢測(cè)效率有限。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例提供了一種鼾聲檢測(cè)方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，至少能夠解決相關(guān)技術(shù)中鼾聲檢測(cè)準(zhǔn)確性有待提高的問(wèn)題。
2、本申請(qǐng)實(shí)施例第一方面提供了一種鼾聲檢測(cè)方法，包括：
3、分別計(jì)算麥克風(fēng)聲音信號(hào)的梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)；
4、對(duì)梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)進(jìn)行特征拼接以及降維處理，得到目標(biāo)特征序列；
5、基于雷達(dá)回波信號(hào)，計(jì)算用戶身體目標(biāo)部位的微多普勒特征對(duì)應(yīng)的目標(biāo)特征向量；其中，麥克風(fēng)聲音信號(hào)和雷達(dá)回波信號(hào)為在用戶睡眠環(huán)境中同步采集到的信號(hào)；微多普勒特征用于反映目標(biāo)部位的生命活動(dòng)狀態(tài)；
6、分別將目標(biāo)特征序列和目標(biāo)特征向量輸入至預(yù)設(shè)的融合處理模型，以輸出鼾聲檢測(cè)結(jié)果。
7、本申請(qǐng)實(shí)施例第二方面提供了一種鼾聲檢測(cè)裝置，包括：
8、第一計(jì)算模塊，用于分別計(jì)算麥克風(fēng)聲音信號(hào)的梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)；
9、拼接降維模塊，用于對(duì)梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)進(jìn)行特征拼接以及降維處理，得到目標(biāo)特征序列；
10、第二計(jì)算模塊，用于基于雷達(dá)回波信號(hào)，計(jì)算用戶身體目標(biāo)部位的微多普勒特征對(duì)應(yīng)的目標(biāo)特征向量；其中，麥克風(fēng)聲音信號(hào)和雷達(dá)回波信號(hào)為在用戶睡眠環(huán)境中同步采集到的信號(hào)；微多普勒特征用于反映目標(biāo)部位的生命活動(dòng)狀態(tài)；
11、融合處理模塊，用于分別將目標(biāo)特征序列和目標(biāo)特征向量輸入至預(yù)設(shè)的融合處理模型，以輸出鼾聲檢測(cè)結(jié)果。
12、本申請(qǐng)實(shí)施例第三方面提供了一種電子設(shè)備，包括：存儲(chǔ)器及處理器，其中，處理器用于執(zhí)行存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)上述本申請(qǐng)實(shí)施例第一方面提供的鼾聲檢測(cè)方法中的各步驟。
13、本申請(qǐng)實(shí)施例第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述本申請(qǐng)實(shí)施例第一方面提供的鼾聲檢測(cè)方法中的各步驟。
14、由上可見(jiàn)，根據(jù)本申請(qǐng)方案所提供的鼾聲檢測(cè)方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，分別計(jì)算麥克風(fēng)聲音信號(hào)的梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)；對(duì)梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)進(jìn)行特征拼接以及降維處理，得到目標(biāo)特征序列；基于雷達(dá)回波信號(hào)，計(jì)算用戶身體目標(biāo)部位的微多普勒特征對(duì)應(yīng)的目標(biāo)特征向量；其中，麥克風(fēng)聲音信號(hào)和雷達(dá)回波信號(hào)為在用戶睡眠環(huán)境中同步采集到的信號(hào)；微多普勒特征用于反映目標(biāo)部位的生命活動(dòng)狀態(tài)；分別將目標(biāo)特征序列和目標(biāo)特征向量輸入至預(yù)設(shè)的融合處理模型，以輸出鼾聲檢測(cè)結(jié)果。通過(guò)本申請(qǐng)方案的實(shí)施，對(duì)麥克風(fēng)聲音信號(hào)的梅爾頻率倒譜系數(shù)和線性預(yù)測(cè)系數(shù)進(jìn)行特征拼接以及降維處理，在提高數(shù)據(jù)分析有效性的同時(shí)還能夠有效降低計(jì)算量；結(jié)合雷達(dá)傳感器和麥克風(fēng)采集的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)多源特征的融合，使網(wǎng)絡(luò)有能力綜合運(yùn)用來(lái)自不同傳感器的多模態(tài)信息，降低環(huán)境噪聲對(duì)鼾聲檢測(cè)的影響，提高了鼾聲檢測(cè)的準(zhǔn)確率，且可以非接觸、全天候、實(shí)時(shí)地監(jiān)測(cè)人體睡眠狀況，避免了接觸式設(shè)備帶來(lái)的不適感，不受環(huán)境光線、衣物遮擋等因素的干擾，適合進(jìn)行居家長(zhǎng)期、連續(xù)的監(jiān)測(cè)。
1.一種鼾聲檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的鼾聲檢測(cè)方法，其特征在于，計(jì)算麥克風(fēng)聲音信號(hào)的梅爾頻率倒譜系數(shù)，包括：
3.根據(jù)權(quán)利要求1所述的鼾聲檢測(cè)方法，其特征在于，所述對(duì)所述梅爾頻率倒譜系數(shù)和所述線性預(yù)測(cè)系數(shù)進(jìn)行特征拼接以及降維處理，得到目標(biāo)特征序列，包括：
4.根據(jù)權(quán)利要求1所述的鼾聲檢測(cè)方法，其特征在于，所述基于雷達(dá)回波信號(hào)，計(jì)算用戶身體目標(biāo)部位的微多普勒特征對(duì)應(yīng)的目標(biāo)特征向量，包括：
5.根據(jù)權(quán)利要求4所述的鼾聲檢測(cè)方法，其特征在于，所述雷達(dá)回波信號(hào)為關(guān)聯(lián)于慢時(shí)間堆、快時(shí)間堆以及天線堆的離散回波信號(hào)，所述天線堆的數(shù)量為多個(gè)；
6.根據(jù)權(quán)利要求5所述的鼾聲檢測(cè)方法，其特征在于，所述基于所述平均距離-多普勒譜，分別提取用戶身體多個(gè)目標(biāo)部位的微多普勒特征，包括：
7.根據(jù)權(quán)利要求1所述的鼾聲檢測(cè)方法，其特征在于，所述融合處理模型包括lstm網(wǎng)絡(luò)層、dropout層以及全連接層；
8.一種鼾聲檢測(cè)裝置，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器及處理器，其中：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1至7中的任意一項(xiàng)所述方法中的步驟。