基于声源定位的头部姿态检测系统研究与实现

研究了声源定位技术在鼾声检测上的应用,主要研究鼾声的声学特性、声源定位技术原理,并利用声源定位技术对人体打鼾时头部姿态进行识别.采用广义互相关函数法对多路声音采集系统采集到的鼾声信号进行延迟估计计算,根据得到的相对时延信息进行声音定位,结合定位信息和朝向信息推断出当前受试者打鼾时头部姿态.采用数据采集卡进行高速信号采集,使用虚拟仪器Labview进行信号处理和算法实现,实验中受试者以不同头部姿态在该系统监测下模拟打鼾,通过该系统检测头部姿态,综合判断正确率达到80%.     

阻塞性睡眠呼吸暂停综合症的观察及护理

通过对55例阻塞性睡眠呼吸暂停综合症患者术前、术后的护理及观察，总结了护理体会，着重对术前、术后健康教育及心理、术后伤口出血情况，气管切开护理，咽部水肿，饮食及口腔清洁，并发症观察护理进行了总结，并通过术前，术后血氧饱和度、呼吸、心率的监测，总结了阻塞性睡眠呼吸暂停综合症患者的手术疗效。     

爷爷的鼾声

我是个城里长大的孩子，老家却在乡下。每年放假，父母都要带我回家探亲。而每次回家我都异常兴奋，因为我不仅可与兄弟姐妹们玩耍，而且可以见到和蔼可亲的爷爷。     

一种基于血氧饱和度与鼾声检测的呼吸暂停监测系统设计

长期打鼾严重的人往往都患有呼吸暂停综合征, 该症状对人的身体健康有着极大的危害. 针对用鼾声实现呼吸暂停检测技术准确度不够的问题, 设计了一种基于血氧饱和度与鼾声检测相结合的呼吸暂停监测系统, 利用微控制器结合外部的血氧检测电路以及鼾声检测电路实现血氧饱和度的实时监测与鼾声片段的识别, 当监测到用户睡眠时正在打鼾同时血氧饱和度在一定程度上下降, 系统便可以识别出该打鼾者的呼吸暂停症状. 而对于患有呼吸暂停症状的打鼾者, 后续可以对其进行止鼾, 从而一定程度上可以缓解呼吸暂停症状. 整个系统在准确实时的血氧饱和度监测以及鼾声识别基础上, 可以较为方便准确地识别出打鼾者的呼吸暂停症状, 为呼吸暂停综合征的实时监测提供了一种新的方法.     

基于卷积神经网络的不同病理的鼾声分类

本文提出用卷积神经网络对阻塞性呼吸暂停和中枢性呼吸暂停所致的鼾声进行分类,并提出了鼾声的完整上气道冲激响应特征,设计了1维卷积神经网络对这两种鼾声做了分类处理和识别.运用多组输入特征对该网络分类性能做了评估,结果表明完整上气道冲激响应特征作为输入参数的平均正确率达到79％,高于其他特征作为输入参数的结果.