本解決方案涉及一種智能止鼾枕頭。智能止鼾枕由枕頭、控制盒、APP構成一套睡眠止鼾系統。

　　背景技術(shù)：

　　目前現有的改善睡眠呼吸質(zhì)量，緩解打鼾癥狀的產(chǎn)品有：
 

 

　　2015年大樸智能止鼾枕的表面是全棉材質(zhì)，枕頭兩側是聲音傳感器，有多個(gè)氣囊在枕頭里，用戶(hù)在打呼嚕時(shí)發(fā)出的聲音，會(huì )被聲音傳感器捕捉到并傳給一個(gè)枕邊的外部控制設備，然后再由其發(fā)出指令給氣囊，通過(guò)增減氣囊中的空氣來(lái)調整用戶(hù)睡姿。一般的輕微鼾聲是不會(huì )對其激活的，只有達到噪音的級別它才會(huì )開(kāi)始工作。

　　2014年英國《每日電訊報》報道，一款神奇的“止鼾枕”橫空出世，它能夠識別鼾聲聲波，然后通過(guò)調整睡眠者的睡姿來(lái)止鼾。這種枕頭的內部安裝有麥克風(fēng)和氣囊。一旦麥克風(fēng)識別了鼾聲聲波，氣囊就會(huì )膨脹，將枕頭的高度增加3英寸(約7.6厘米)，睡眠者的頭部或身體就會(huì )相應地移動(dòng)，從而停止打鼾。這種聲控氣囊也可以通過(guò)手動(dòng)充氣膨脹到4英寸(約10厘米)至7英寸(約18厘米)。氣囊不論是在膨脹還是收縮時(shí)，都會(huì )確保睡眠者呼吸道的暢通。枕頭里還安裝了延遲裝置，以便氣囊在使用者入睡30分鐘之后再膨脹。使用者還可以通過(guò)枕頭上的按鈕來(lái)開(kāi)關(guān)或調節麥克風(fēng)。若睡眠者鼾聲較輕，可以提高麥克風(fēng)的敏感度，若鼾聲較重，則降低麥克風(fēng)敏感度。

　　2016年蘇寧眾籌上線(xiàn)了一款SINKY靜極智能止鼾枕，該產(chǎn)品可 隨時(shí)調節打鼾用戶(hù)的頭頸姿態(tài)，以達到止鼾及緩解頸椎疲勞的目的。通過(guò)改變打鼾者的頭頸姿態(tài)是較為養生的止鼾手段。SINKY靜極智能止鼾枕內含自主研發(fā)的ASD芯片，搭載智能鼾聲鑒別系統，可有效識別鼾聲特征，從而調節枕頭高度，改變打鼾者頭頸姿態(tài)，進(jìn)而達到止鼾的效果。此外，該產(chǎn)品采用雙層曲線(xiàn)設計，能夠牽引頸椎恢復正常曲度，有效緩解頸椎的疲勞。

　　技術(shù)實(shí)現要素：

　　本發(fā)明的目的在于提供一種結構合理，工作效果好的智能止鼾枕。

　　本發(fā)明的技術(shù)解決方案是：

　　一種智能止鼾枕，包括枕芯，其特征是：枕芯內設置位于枕芯不同部位的多個(gè)氣囊，各氣囊與位置傳感器連接，各氣囊與充氣泵裝置連接，枕芯內設置收集聲音的聲音傳感器，所述聲音傳感器、位置傳感器、充氣泵裝置與電路控制器連接，電路控制器與電源電路連接;電路控制器與鼾聲識別裝置通過(guò)雙向連接線(xiàn)連接;

　　鼾聲識別裝置計算步驟如下：

　　(1)對輸入的鼾聲信號進(jìn)行分幀、加窗，然后作離散傅立葉變換，獲得頻譜分布信息;幀長(cháng)取為256個(gè)采樣點(diǎn)，其中未重疊部分為100點(diǎn);窗函數的選擇采用Hamming窗;設語(yǔ)音信號的DFT為：

　　式中x(n)為輸入的語(yǔ)音信號，N表示傅立葉變換的點(diǎn)數;

　　(2)端點(diǎn)檢測：對每一段鼾聲求頻譜幅度的平方，得到能量譜;

　　(3)將能量譜通過(guò)一組Mel尺度的三角形濾波器組;定義一個(gè)有M個(gè)濾波器的濾波器組，濾波器的個(gè)數和臨界帶的個(gè)數相近，采用的濾波器為三角濾波器，中心頻率為f(m)，m=1，2，3，···;調用voicebox中的melfb函數完成濾波操作;

　　(4)計算每個(gè)濾波器組輸出的對數能量：

　　其中Hm(k)為三角濾波器的頻率響應;

　　M為三角濾波器的個(gè)數;

　　(5)經(jīng)過(guò)離散弦變換(DCT)得到MFCC系數：

　　MFCC系數的個(gè)數取12～16個(gè);

　　鼾聲識別采用以下兩種方法之一：

　　(1)非參數模型法：使用模板匹配方法;就是對待識鼾聲計算平均值，并與已經(jīng)儲存的每一鼾聲訓練平均值進(jìn)行比較對文本無(wú)關(guān)的鼾聲辨認，應用數秒或數分鐘的鼾聲以保證鼾聲的模型由各種語(yǔ)音的平均特征而不是某一特殊音的平均特征產(chǎn)生;在模板匹配方法中使用歐式距離或馬氏距離;

　　(2)參數模型法：隱馬爾可夫模型和高斯混合模型，這二種方法都是為對應語(yǔ)音內容的鼾聲相關(guān)特性建模,識別時(shí)，將測試語(yǔ)句中的鼾聲聲學(xué)特性和特定鼾聲的包含相同鼾聲內容的模型相比較，這種比較主要體現的是鼾聲差異。

　　所述鼾聲識別裝置是裝有鼾聲識別軟件的手機。

　　當聲音傳感器接收睡眠者的鼾聲時(shí)，通過(guò)電路控制器、連接線(xiàn)將該鼾聲送至鼾聲識別裝置;

　　如果識別為鼾聲，則通過(guò)雙向連接線(xiàn)向電路控制器發(fā)出使能信號，電路控制器收到該使能信號后，根據睡眠者接觸的位置不同，啟動(dòng)充氣泵裝置工作，對相應位置的氣囊充放氣，籍此改變枕具的外形，達到自動(dòng)調節睡眠者睡姿的目的。

　　本發(fā)明結構合理，不對睡眠者施加電、機械刺激或附加器具的限制，保證了睡眠者的自然睡眠姿勢和深度，更有利于健康睡眠。

　　附圖說(shuō)明

　　下面結合附圖和實(shí)施例對本發(fā)明作進(jìn)一步說(shuō)明。

　　圖1是本發(fā)明一個(gè)實(shí)施例的結構示意圖。
 

 

　　具體實(shí)施方式

　　一種智能止鼾枕，包括枕芯1，枕芯內設置位于枕芯不同部位的多個(gè)氣囊2，各氣囊與位置傳感器3連接，各氣囊與充氣泵裝置4連接，枕芯內設置收集聲音的聲音傳感器5，所述聲音傳感器、位置傳感器、充氣泵裝置與電路控制器6連接，電路控制器與電源電路7連接;電路控制器與鼾聲識別裝置8通過(guò)雙向連接線(xiàn)連接。

　　在對采集到的鼾聲信號進(jìn)行識別的處理之前，為了使采集到語(yǔ)音信號在后續操作中處理起來(lái)更方便，必須要對其進(jìn)行相關(guān)的預處理操作。

　　(1)預加重：由于語(yǔ)音信號幅度在高于800HZ的時(shí)候會(huì )按照每倍頻6dB的速度下降，預加重為了使語(yǔ)音信號中損失的高頻部分得到補償，以真實(shí)地反映出語(yǔ)音信號實(shí)際的時(shí)域特征，防止其重要信息的丟失，同時(shí)也為了使整個(gè)語(yǔ)音信號的頻譜變得更加平坦，以方便后續的相關(guān)處理，使方便在其整個(gè)頻帶的范圍內，能夠以相同的信噪比對進(jìn)行分析。

　　(2)分幀和加窗：鼾聲信號為一個(gè)典型的時(shí)變模擬信號，在任意時(shí)刻，其幅值各不相同。對時(shí)變的信號進(jìn)行處理通常用短時(shí)分析技術(shù)，將那些非常復雜的時(shí)變信號分成許多個(gè)小段，而將每一個(gè)小段看成是平穩的信號。在鼾聲信號中，這些分成的小段被稱(chēng)為幀，語(yǔ)音信號的短時(shí)分析就是對鼾聲信號進(jìn)行分幀，在分幀時(shí)，為了使每一幀鼾聲信號之間連續且平滑過(guò)渡，不許使相鄰幀之間有一小部分重疊。一般通過(guò)加窗的方式來(lái)對鼾聲信號進(jìn)行分幀，常用的基本窗函數有矩形窗、漢明窗和漢寧窗等。

　　(3)端點(diǎn)檢測：通過(guò)使用數字處理技術(shù)以達到找出鼾聲信號中各段落起點(diǎn)及終點(diǎn)位置的目的。通常在鼾聲處理中引進(jìn)端點(diǎn)檢測，這樣可以降低系統的運算量，提高系統性能。在鼾聲識別中，端點(diǎn)檢測的主要目的是找到鼾聲的端點(diǎn)。采用的參數有短時(shí)能量和過(guò)零率。

　　短時(shí)能量序列反映了語(yǔ)音振幅或能量隨著(zhù)時(shí)間緩慢變化的規律。 從原始信號圖中可以看到信號幅度隨時(shí)間有相當的變化，信號的短時(shí)能量給出了反映這些幅度變化的一個(gè)合適的描述方法。

　　信號s(n)短時(shí)能量定義為:

　　在高信噪比的信號中，無(wú)信號的噪聲能量很小，而有信號時(shí)短時(shí)能量值顯著(zhù)地增大到某一數值，由此可以區分信號的開(kāi)始點(diǎn)和終止點(diǎn)。

　　短時(shí)平均過(guò)零率，過(guò)零就是信號通過(guò)零值。對于離散時(shí)間信號，如果相鄰的取樣值改變符號則稱(chēng)為過(guò)零，過(guò)零數就是樣本改變符號的次數。單位時(shí)間內的過(guò)零數稱(chēng)為平均過(guò)零數。對于窄帶信號，平均過(guò)零數作為信號頻率的一種簡(jiǎn)單度量是很精確的。鼾聲信號序列是寬帶信號，仍然可用短時(shí)平均過(guò)零數來(lái)得到頻譜的粗略估計。信號s(n)的短時(shí)平均過(guò)零率定義為：

　　鼾聲特征提取

　　鼾聲發(fā)聲器官的差異主要表現在鼾聲的頻率結構上，鼾聲的短時(shí)譜中包含有激勵源和聲道的特性，可以反映人的生理差別。能夠表征鼾聲性特征的參數目前主要有2種主要的特征參數用在鼾聲識別領(lǐng)域：線(xiàn)性預測倒譜系數(Liner Prediction Cepstrum Coefficients，LPCC)，梅爾倒譜系數(Mel-Frequency Cepstrum Coefficients，MFCC)。

　　Mel頻率倒譜系數(MFCC)是信號的FFT譜取對數后的逆FFT 變換，它可將信息量較小的峰值信息和更重要的聲道形狀信息相分離。是目前普遍采用的特征參數。MFCC參數能仿真基于不同頻率帶寬上的不同精準水平人耳捕獲和處理聲音的過(guò)程，而且沒(méi)有任何前提假設，具有良好的識別性能和抗噪能力。

　　在鼾聲識別處理信號過(guò)程中，MFCC參數是按照幀計算的。
 

 

　　其計算步驟如下：

　　(1)對輸入的鼾聲信號進(jìn)行分幀、加窗，然后作離散傅立葉變換，獲得頻譜分布信息。幀長(cháng)取為256個(gè)采樣點(diǎn)，其中未重疊部分為100點(diǎn)。窗函數的選擇很重要，雖說(shuō)矩形窗平滑比較好，但是容易丟失波形細節，并有可能造成泄漏現象，而Hamming窗可以有效的克服泄漏現象，所以本次課題采用Hamming窗。設語(yǔ)音信號的DFT為：

　　式中x(n)為輸入的語(yǔ)音信號，N表示傅立葉變換的點(diǎn)數。

　　(2)端點(diǎn)檢測。對每一段鼾聲求頻譜幅度的平方，得到能量譜。

　　(3)將能量譜通過(guò)一組Mel尺度的三角形濾波器組。定義一個(gè)有M個(gè)濾波器的濾波器組(濾波器的個(gè)數和臨界帶的個(gè)數相近)，本文采用的濾波器為三角濾波器，中心頻率為f(m)，m=1，2，3，···。調用voicebox中的melfb函數完成濾波操作。

　　(4)計算每個(gè)濾波器組輸出的對數能量：

　　其中Hm(k)為三角濾波器的頻率響應。

　　(5)經(jīng)過(guò)離散弦變換(DCT)得到MFCC系數：

　　MFCC系數的個(gè)數一般取12～16個(gè)左右，本次課題取為15個(gè)。

　　3.3鼾聲識別

　　鼾聲識別主要有以下兩種方法：

　　(1)非參數模型法：模板匹配方法用語(yǔ)音信號某些特征的長(cháng)時(shí)間的均值來(lái)辨認鼾聲，這一均值我們也稱(chēng)為統計平均。使用模板匹配方法，就是對待識鼾聲計算平均值，并與已經(jīng)儲存的每一鼾聲訓練平均值進(jìn)行比較對文本無(wú)關(guān)的鼾聲辨認，理想的情況是應用數秒或數分鐘的鼾聲以保證鼾聲的模型由各種語(yǔ)音的平均特征而不是某一特殊音的平均特征產(chǎn)生。在模板匹配方法中可使用多種距離尺度，歐式距離、馬氏距離是經(jīng)常使用的兩種。歐氏距離(Euclidean distance)是一個(gè)通常采用的距離定義，可以看作信號的相似程度。

　　兩個(gè)n維向量a(x11,x12,…,x1n)與b(x21,x22,…,x2n)間的歐氏距離：

　　向量Xi與Xj之間的馬氏距離定義為：

　　(2)參數模型法：典型使用的參數模型為隱馬爾可夫模型(HMM)和高斯混合模型(GMM)。HMM方法和GMM方法都是為對應語(yǔ)音內容的鼾聲相關(guān)特性建模,識別時(shí)，將測試語(yǔ)句中的鼾聲聲學(xué)特性和特定鼾聲的包含相同鼾聲內容的模型相比較，這種比較主要體現的是鼾聲差異。

　　所述鼾聲識別裝置是裝有鼾聲識別軟件的手機。

　　當聲音傳感器接收睡眠者的鼾聲時(shí)，通過(guò)電路控制器、連接線(xiàn)將該鼾聲送至鼾聲識別裝置;

　　如果識別為鼾聲，則通過(guò)雙向連接線(xiàn)向電路控制器發(fā)出使能信號，電路控制器收到該使能信號后，根據睡眠者接觸的位置不同，啟動(dòng)充氣泵裝置工作，對相應位置的氣囊充放氣，籍此改變枕具的外形，達到自動(dòng)調節睡眠者睡姿的目的。如果未能識別為鼾聲，則不發(fā)送使能信號。

　　雙向連接線(xiàn)和手機的音頻接口相連接，聲音傳感器的信號由手機音頻接口中的MIC接入手機的，使能信號利用手機音頻接口中的左右聲道傳輸。