[发明专利]一种基于多级小波编解码的睡眠呼吸暂停检测方法及系统

权利要求书

1.一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，包括以下步骤：

步骤一：信号标准化，采集用户的两路睡眠BCG信号，并对采集的BCG信号进行标准化预处理，获得标准化信号；

步骤二：小波分解训练，构建NWCNN深度神经网络，将标准化信号输入到NWCNN深度神经网络中进行小波分解训练，获得NWCNN的输出，即深度神经网模型；

步骤三：模型微调，将采集的BCG信号作为样本数据并将样本数据分为训练集和测试集，对深度神经网络进行预训练和微调；

步骤四：训练HMM模型，以1分钟时长为分段依据对步骤三中的训练集进行分段，基于分段数据训练HMM模型；

步骤五：事件定位，将原始的BCG信号输入深度神经网络中，进行降噪及特征提取，并将提取出的特征输入到HMM模型中，获得最后的睡眠呼吸暂停分类概率，定位出睡眠呼吸暂停事件。

2.根据权利要求1所述的一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，所述步骤一具体包括以下子步骤：

S101，利用信号采集设备，以128Hz的采样频率采集两路睡眠BCG信号；

S102，对采集的原始BCG信号进行z-score标准化处理，获得标准化信号。

3.根据权利要求2所述的一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，所述子步骤S102具体包括；先计算出原始BCG信号中信号片段i的算术平均值x_i和标准差s_i；根据算术平均值x_i和标准差s_i进行信号标准化处理，处理过程如下式所示：

z＝(x－x_i)/s_i

其中：z为标准化后的变量值，即标准化信号；x为实际变量值，即原始BCG信号。

4.根据权利要求1所述的一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，所述步骤二具体包括以下子步骤：

S201，堆叠多个CNN、小波分解和编解码器，并构建深度神经网络NWCNN，深度神经网络NWCNN包括一个输入层，多个小波分解层和卷积层，以及一个输出层；

S202，首先将标准化信号进行DWT分解，得到多个细节系数数据，将所有的细节系数数据作为CNN的输入，然后基于CNN训练学习得到相应参数，再对相应参数进行DWT变换，获得变换后的细节系数，并将其作为CNN的输入，基于CNN输出做IWT反变换，然后再基于CNN，做IWT反变换，通过softmax得到NWCNN的输出。

5.根据权利要求1所述的一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，所述步骤三具体包括：将采集的BCG信号作为样本数据，并分为训练集和测试集，同时将训练集分带标签数据和不带标签数据，对深度神经网络进行预训练和微调。

6.根据权利要求1所述的一种基于多级小波编解码的睡眠呼吸暂停检测方法，其特征在于，所述步骤四具体包括：先以1分钟时长为分段依据，对步骤三中的带标签数据进行分段标注，并在分段标注过程中剔除噪声数据片段，根据分段标注后的带标签数据训练HMM模型，构建睡眠呼吸暂停事件的分类模型。

7.一种利用如权利要求1～6任意一项所述基于多级小波编解码的睡眠呼吸暂停检测方法的睡眠呼吸暂停检测系统，其特征在于，包括信号采集单元、信号预处理单元、集成模拟前端、数据转发单元、电源管理模块、微处理器和上位机；信号采集单元与信号预处理单元连接；信号预处理单元与集成模拟前端连接；集成模拟前端与微处理器连接；微处理器和数据转发单元连接；数据转发单元通过通信网络与上位机建立通信连接。

8.根据权利要求7所述的一种基于多级小波编解码的睡眠呼吸暂停检测系统，其特征在于，所述信号采集单元为压电陶瓷传感器，用于采集用户睡眠时的BCG信号。