利用床垫式和腰带式生理信号监测系统进行咳嗽的监测与识别

摘要

近年来，雾霾天气频发，空气污染问题日益严重，由此引发的呼吸系统疾病已成为威胁人们身体健康的主要原因之一。咳嗽是呼吸系统疾病最常见和典型的症状之一，频繁的、剧烈的咳嗽会导致患者产生胸闷、胸痛的感觉，严重影响其生活与工作，尤其是夜间持续咳嗽还会影响患者的睡眠质量，使其白天昏沉乏力。所以如何能够有效的量化咳嗽的发生频率和强度等特征、使医生能更准确的进行疾病诊断是目前咳嗽研究的一个重点。
　　目前对咳嗽的量化手段主要是利用咳嗽监测仪对患者进行长时间持续监测，然后应用咳嗽识别算法处理数据实现咳嗽频率和强度的自动分析。咳嗽监测方法多采用声音记录与语音识别技术相结合实现咳嗽事件的自动分析计数，后期处理数据量庞大，算法复杂。本文另辟蹊径，分别以床垫式和腰带式生理信号监测系统作为实验平台，利用工程的理论方法对得到的腹部呼吸运动信号和体动进行多方位的分析和研究，较好地完成了咳嗽事件的识别。床垫式生理信号监测系统是一种无电极、无生理负荷的监测系统，其主要部分是以压力传感器为核心元件的微动敏感充气床垫，病人可以在自然状态下（躺位），不必佩戴任何仪器装置，测量多种人体生理信号。腰带式生理信号监测系统由起固定作用的腰带和腰带内侧的加速度传感器、麦克风、压力传感器和采集存储数据的机盒等元件组成，记录了咳嗽时腹部的加速度、振动信号和呼吸波，并将采集到的声音提取包络一同作为咳嗽事件的辨识特征。本文的工作和取得的成果主要有:
　　(1)对床垫式生理信号监测系统原始信号进行预处理，成功从原始信号中分离出胸冲击、腿冲击和呼吸波。针对上身、下身原始信号和预期得到的呼吸波等信号的频率分布特点，本文进行了软件处理，采用了数字信号滤波和小波分析结合分离信号的方法。在充分理解数字滤波器工作原理的基础上，结合实际应用的需要，选择并设计了零相位滤波器进行滤波，得到精确零相位失真的输出信号。而小波分析法则是将上身和下身原始信号进行分解，获取不同频率范围的信息，从中选择符合实际应用的信号，为后面的进一步研究打下了良好的基础。
　　(2)对腰带式生理信号监测系统通过麦克风采集的声音信号进行提取包络的处理。首先在对原始声音信号进行处理前，先对不同病人的咳嗽声音样本进行功率谱估计，大致确定咳嗽的频率范围，将其作为高频滤波器的频率;然后将声音信号经过高通滤波器保留包含咳嗽事件的高频成分，抑制不必要的低频成分;最后对高频成分进行求和、欠采样等一系列方式提取包络曲线。采用声音包络而非原始声音信号作为识别咳嗽事件的特征信号，优点在于持续监测的声音信号数据量庞大、噪声多、分析处理比较复杂;而经过滤波的声音包络数据量小，最重要的是它忽略了低频噪声，使得波形平滑干净，凸显了咳嗽事件，有利于算法的编写。
　　(3)实现床垫式和腰带式生理信号监测系统对于咳嗽事件的识别。针对这两种不同的系统分别设计了实验，以床垫（或腰带）作为实验平台，在实验室理想环境下对患者进行监测，并通过麦克风记录声音信号，用做后期的人工识别计数。对实验得到的数据，本文设计了与监测系统配套的识别算法，充分利用咳嗽时加速度、呼吸波、振动信号和声音包络信号独有的特征，能够较好的从大量干扰事件（如清喉、说话等）中识别出咳嗽事件，与人工计数比较敏感性为88.4％（床垫）和90.0％（腰带），特异性能够达到96.0％（床垫）和98.6％（腰带），初步实现了床垫式和腰带式生理信号监测系统监测和分析识别咳嗽的功能。
　　未来，还可以更进一步的挖掘咳嗽发生时各生理信号的改变，从其细微变化处着手，实现不同种类咳嗽的自动分类，提高咳嗽监测系统的敏感性和特异性，减小环境对咳嗽信号识别的干扰，使其能够真正应用在临床诊断上。