智能止鼾枕

摘要

本发明公开了一种智能止鼾枕，包括枕芯，枕芯内设置位于枕芯不同部位的多个气囊，各气囊与位置传感器连接，各气囊与充气泵装置连接，枕芯内设置收集声音的声音传感器，所述声音传感器、位置传感器、充气泵装置与电路控制器连接，电路控制器与电源电路连接；电路控制器与鼾声识别装置通过双向连接线连接。本发明结构合理，不对睡眠者施加电、机械刺激或附加器具的限制，保证了睡眠者的自然睡眠姿势和深度，更有利于健康睡眠。

主权项

一种智能止鼾枕，包括枕芯，其特征是：枕芯内设置位于枕芯不同部位的多个气囊，各气囊与位置传感器连接，各气囊与充气泵装置连接，枕芯内设置收集声音的声音传感器，所述声音传感器、位置传感器、充气泵装置与电路控制器连接，电路控制器与电源电路连接；电路控制器与鼾声识别装置通过双向连接线连接；鼾声识别装置计算步骤如下：(1)对输入的鼾声信号进行分帧、加窗，然后作离散傅立叶变换，获得频谱分布信息；帧长取为256个采样点，其中未重叠部分为100点；窗函数的选择采用Hamming窗；设语音信号的DFT为：$X_a\left(k\right)=\underset{n=1}{\overset{N-1}{\Sigma }}x\left(n\right)e^{-\begin{array}{c}j2\pi nk\\ N\end{array}},0\le k\le N-1$式中x(n)为输入的语音信号，N表示傅立叶变换的点数；(2)端点检测：对每一段鼾声求频谱幅度的平方，得到能量谱；(3)将能量谱通过一组Mel尺度的三角形滤波器组；定义一个有M个滤波器的滤波器组，滤波器的个数和临界带的个数相近，采用的滤波器为三角滤波器，中心频率为f(m)，m＝1，2，3，···；调用voicebox中的melfb函数完成滤波操作；(4)计算每个滤波器组输出的对数能量：$S\left(m\right)=ln\left(\underset{k=1}{\overset{N-1}{\Sigma }}\right|X_a\left(k\right){|}^2{H}_m\left(k\right))$0≤m≤M‑1其中Hm(k)为三角滤波器的频率响应；M为三角滤波器的个数；(5)经过离散弦变换(DCT)得到MFCC系数：$C\left(n\right)=\underset{m=0}{\overset{M-1}{\Sigma }}S\left(m\right)cos\left(\pi n\right(m-0.5/m\left)\right)$0≤n≤N‑1MFCC系数的个数取12～16个；鼾声识别采用以下两种方法之一：(1)非参数模型法：使用模板匹配方法；就是对待识鼾声计算平均值，并与已经储存的每一鼾声训练平均值进行比较对文本无关的鼾声辨认，应用数秒或数分钟的鼾声以保证鼾声的模型由各种语音的平均特征而不是某一特殊音的平均特征产生；在模板匹配方法中使用欧式距离或马氏距离；(2)参数模型法：隐马尔可夫模型和高斯混合模型，这二种方法都是为对应语音内容的鼾声相关特性建模,识别时，将测试语句中的鼾声声学特性和特定鼾声的包含相同鼾声内容的模型相比较，这种比较主要体现的是鼾声差异。