微動(dòng)敏感床墊信號(hào)中體動(dòng)信息的分類識(shí)別.pdf

1、睡眠是人體重要的生理狀態(tài)，人的生命中有三分之一的時(shí)間是在睡眠中度過(guò)的，睡眠質(zhì)量對(duì)人的健康至關(guān)重要。有資料顯示，在我國(guó)約有3000萬(wàn)人患有睡眠呼吸暫停低通氣綜合征（Sleep Apnea Hypopnea Syndrome，SAHS），成年人中，男性的發(fā)病率為4％，女性的發(fā)病率為2％。此外，20年來(lái)醫(yī)學(xué)研究已經(jīng)證明，現(xiàn)代人類的許多重大疾病，如高血壓、冠心病、心律失常、糖尿病、心腦血管意外，以及精神心理疾患等，往往與睡眠中常發(fā)生的睡眠呼吸暫

2、停綜合征有關(guān)。因此，睡眠監(jiān)測(cè)技術(shù)已成為現(xiàn)代醫(yī)學(xué)診斷中不可缺少的內(nèi)容。 體動(dòng)作為人類睡眠分析中的主要記錄參數(shù)之一，被認(rèn)為是評(píng)價(jià)睡眠質(zhì)量的重要因素。頻繁的體動(dòng)會(huì)嚴(yán)重影響我們的睡眠，因?yàn)樗殡S覺(jué)醒事件的發(fā)生，從而導(dǎo)致睡眠質(zhì)量的下降。睡眠過(guò)程中的體動(dòng)可以用來(lái)監(jiān)測(cè)睡眠呼吸暫停以及新生兒出現(xiàn)的肌肉痙攣等。目前，國(guó)內(nèi)外對(duì)體動(dòng)信息的無(wú)約束測(cè)量研究正如雨后春筍般不斷興起。但從目前來(lái)看，還沒(méi)有一套完整的非約束低負(fù)荷睡眠過(guò)程中體動(dòng)的識(shí)別與分類方法。

3、 眾所周知，人在夜間睡眠時(shí)的體動(dòng)次數(shù)與睡眠結(jié)構(gòu)之間有著緊密的聯(lián)系。事實(shí)上，體動(dòng)信號(hào)中還包含有很多與人體生理、心理狀態(tài)有關(guān)的重要信息，對(duì)這些信息的深入挖掘定將推動(dòng)睡眠評(píng)價(jià)進(jìn)入一個(gè)嶄新的階段。本文從這一主旨出發(fā)，研究體動(dòng)信息的分類識(shí)別策略和實(shí)現(xiàn)方法，進(jìn)而用于評(píng)價(jià)睡眠質(zhì)量和輔助診斷睡眠呼吸暫停綜合征。 本研究在微動(dòng)敏感床墊式睡眠監(jiān)測(cè)系統(tǒng)的平臺(tái)上展開，主要完成了以下幾個(gè)方面的工作： （1）建立了基于16位A/D的新一代床墊式

4、睡眠監(jiān)測(cè)系統(tǒng)信號(hào)預(yù)處理方法。在分析濾波器基本原理的基礎(chǔ)上，對(duì)工程中濾波器的設(shè)計(jì)作了簡(jiǎn)單介紹，并從實(shí)際應(yīng)用的角度考慮了設(shè)計(jì)濾波器應(yīng)該著重注意的問(wèn)題及解決方法，進(jìn)而設(shè)計(jì)出合理有效的濾波器對(duì)從硬件系統(tǒng)中取得的原始信號(hào)進(jìn)行預(yù)處理，分離出多路反映人體基本生理參數(shù)的信號(hào)，為之后的各項(xiàng)研究工作奠定了良好的信號(hào)基礎(chǔ)。 （2）實(shí)現(xiàn)了完整的非約束睡眠狀態(tài)下體動(dòng)信息的分類識(shí)別。針對(duì)該目標(biāo)，我們首先完成了床墊系統(tǒng)信號(hào)的特征提取和參數(shù)量化，之后，制定了分層

5、體動(dòng)分類方案，并從無(wú)指導(dǎo)的分類和有指導(dǎo)的分類這兩個(gè)不同的角度，來(lái)尋找分類方法。文中接下來(lái)就詳細(xì)闡述了利用兩種方法，即窗口閾值判別法和機(jī)器學(xué)習(xí)算法進(jìn)行體動(dòng)分類的過(guò)程。 （3）設(shè)計(jì)了對(duì)比實(shí)驗(yàn)對(duì)兩種方法得到的體動(dòng)類別進(jìn)行準(zhǔn)確度檢驗(yàn)。實(shí)驗(yàn)中采用攝像頭同步記錄受試者夜間的視頻信息，通過(guò)人工識(shí)別的方法對(duì)窗口閾值判別法得到的體動(dòng)標(biāo)識(shí)進(jìn)行了分析和比較。對(duì)于機(jī)器學(xué)習(xí)方法得到的分類結(jié)果，同樣采用人工生成的數(shù)據(jù)集進(jìn)行交叉驗(yàn)證，用誤差率/正確率這一參數(shù)來(lái)

6、評(píng)估實(shí)驗(yàn)結(jié)果。 （4）利用麥克風(fēng)同步記錄的鼾聲信號(hào)對(duì)軟件自動(dòng)判別的呼吸事件進(jìn)行了修正。首先利用基于短時(shí)能量的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)方法得到鼾聲有聲-無(wú)聲段的標(biāo)識(shí)，之后確立規(guī)則，將端點(diǎn)檢測(cè)的結(jié)果用于呼吸事件位置和長(zhǎng)度的修正，實(shí)現(xiàn)了呼吸事件的準(zhǔn)確檢測(cè)。 （5）根據(jù)體動(dòng)的分類結(jié)果進(jìn)行了顯著體動(dòng)時(shí)的呼吸波補(bǔ)償，并用于糾正由大動(dòng)引起的呼吸事件誤判的情形。首先利用本文得到的體動(dòng)的分類結(jié)果尋找顯著體動(dòng)發(fā)生的區(qū)間，之后設(shè)計(jì)模板補(bǔ)償法對(duì)大動(dòng)發(fā)生時(shí)的