基于STM32F103的智能止鼾枕设计
王兴宇;沈淑曼;孙汉辉
【摘 要】打鼾是人类健康的天敌,打鼾严重者会导致睡眠呼吸暂停,造成大脑及身体缺氧,心脏负荷运作,夜间呼吸暂停超过120s容易发生猝死.针对这一现象,笔者提出了一种基于STM32F103嵌入式系统的实时频谱分析及闭环控制技术的智能止鼾枕.根据采集到的用户夜间声音,进行一系列滤波和时域频率分析.若判断为鼾声,主控CPU控制外围器件对枕头内部的气囊进行充放气处理,改变脖子俯仰角度,使呼吸道通畅,从而缓解打鼾症状.经过大量产品测评,工作状况良好. 【期刊名称】《电声技术》
【年(卷),期】2018(042)012
【总页数】5页(P3-7)
【关键词】智能止鼾枕;STM32F103;实时频谱分析;闭环控制
【作 者】王兴宇;沈淑曼;孙汉辉
【作者单位】烟台一中 高二十二班,山东烟台264001;烟台大学光电信息科学技术学院,山东烟台264001;烟台大学光电信息科学技术学院,山东烟台264001
【正文语种】中 文
【中图分类】TB52+6
根据国际睡眠障碍分类(ICSD)第三版中指出[1]，打鼾是影响人们睡眠质量的一大因素，并特别标注属于病症。随着年龄的增长，由于肌肉松弛而阻塞呼吸道引起的打鼾率越来越高，中年人打鼾会造成神经疲惫、头昏目眩、健忘失眠、衰老速度明显加快等症状。
医学研究表明，打鼾分为两种：一种是病理性打鼾；另一种是非病理性打鼾[2]，是因为睡眠时枕头高度不合适，导致咽喉部肌肉下垂使上气道塌陷，从而使呼吸道变狭窄，气流流经该狭窄部分时产生涡流，并引起振动，从而产生鼾声[3]。鼾声产生原因如图1所示。
图1 鼾声产生原因
2 总体设计方案
结合上面分析，采用YQ5969SAFY语音识别、基于嵌入式的实时频谱分析以及闭环反馈控制技术，笔者提出了该智能止鼾枕系统。智能止鼾枕由枕边设备和枕头两大部分组成[4]，其工作原理为：人们在睡觉时，枕头根据内部气囊气压的变化快速感知头部的位置，并实时监测使用者的睡眠状态。调节示意图如图2所示。
图2 枕头调节示意图
当YQ5969SAFY语音识别模块接收到声音信号后，对声音信号进行简单滤波处理，将信号传递给内部主控CPU，主控CPU利用嵌入式实时频谱分析技术根据鼾声在时域和频域的特点来分析是否为鼾声。若为鼾声的话，主控CPU将利用闭环反馈系统来控制外围器件对内部气囊进行充/放气。通过枕头的高度来改变脖颈的俯仰角度，使呼吸道通畅，使经呼吸道的气体不会撞击到软组织，从而缓解打鼾症状。此外，止鼾枕还会将睡眠状况上传至云端进行整合，供使用者随时查看。流程图如图3，图4所示。 图3 总体思路流程图
图4 工作流程图
3 硬件实现
3.1 鼾声检测模块
鼾声检测部分主要包括YQ5969SAFY语音识别模块和用来调节灵敏度的可调电位器组成，实现鼾声信号的原始收集。YQ5969SAFY语音识别控制方案是国内首款实用5 m以上场距的方案，无需联网，对识别声音没有特殊要求，可以实现语音精准识别。该模块具有良好的抗干扰能力，基本上可以完全识别50 dB以下的声音，在较嘈杂的50～65 dB环境下，也能保持在90%以上的正确识别率。此外，模块规格精简，体积小，接口类型丰富，兼容性强。系统将鼾声传送到PCF8591模数转换器，将频谱信息、幅值能量与样本库中参数对比，识别是否为鼾声。模块如图5和图6所示。
图5 YQ5969SAFY语音识别模组
图6 PCF8591模数转换电路图
3.2 环境噪声测试模块
智能止鼾枕是将鼾声的频谱、能量与样本库中参数进行对比，调整枕头内部气囊的充/放气。外界噪声对鼾声的负面影响很大，对鼾声的处理是提高止鼾枕止鼾效果的充分条件。我们都知道，噪声是由发声体的不规则振动产生。本系统中，凡是除了止鼾枕需要收集的鼾声外，其余的声音都归属于噪声。
为了识别和处理噪声，首先对其进行量化，通常衡量噪声的物理量是声压和声压级。声压是指声音的强弱度，声音经过介质传播到人耳中，引起耳膜振动，触发神经的感觉，耳膜受到的振动强度正比于声压[5]。瞬时声压p(t)描述在某一瞬间某一点的单位面积上相对于静压强变化的大小，有效声压pj指一个时间周期内的均方值，计算公式如下：
(1)
式(1)中， pj指有效声压；T指一个时间周期，单位是s；p(t)指瞬时声压，单位是pa。因为主观感受往往与客观量的对数成正比[6]，用声压的大小表示声音强弱不利于表示和度量，所以一般用声压级Yp表示正常人感受到的声压。声压级的计算公式如下：
(2)
式(2)中，Yp指声压级，Py指被测声音的有效值，P0指基准声压，其值取2.0×10-5 pa。
目前世界上比较主流的噪声识别方法有主观评价法、选择运行法、进场测量法和频谱分析法[7]，为了精确识别噪声，并将噪声从鼾声综合信号中分离出来。本系统采用基于嵌入式的实时频谱分析法，根据噪声与鼾声的频谱差别，从频谱分析图中将两者分离。
4 系统软件设计
4.1 基于嵌入式的实时频谱分析技术
对模拟信号可以从时域和频率两个切入点分析，时域分析是以时间轴为轴来研究，频率分析是以频率轴为轴来研究[8]。当枕边设备采集声音时，其中除鼾声信息外还会包含噪声信号。主控CPU是根据鼾声的能量、频谱等参数与样本库中对比，那么能否将鼾声从混合声音中分离出来至关重要。如图7所示是止鼾枕采集到的一组声音，利用Matlab工具绘制频谱图。
图7 混合声音的时域频域图
从上图可以看出，在时域内很难将鼾声与噪声分离开，但在频率内两者中心频率值相差很大。
根据这一特性，笔者首先考虑的是基于傅里叶变换DFT算法的信号频谱分析，但是其卷积算法运算量很大，实时性差。针对这一缺点，笔者转而采用基于叠次相加DFT/IDFT的频率计权优化算法[9]。分别在Matlab上进行仿真分析和软入式平台上实际测试时两种算法实现结果基本一致。并且后者实时性强，滤波性能显著提升。图8是进过上述算法后的分离鼾声信号。
图8 分离后的鼾声信号的时域频域图
分析提取后的鼾声信号的时域特征：由于鼾声是伴随着呼吸产生的，它的时域特性与呼吸周期类似[10]。一次呼吸周期包括鼾声持续时间和鼾声停歇时间，如图9所示。根据采集到的不同鼾声信号分析可知：成年人的一次呼吸周期为2.0～5.7 s，鼾声持续时间大致为0.6～1.6 s，鼾声停歇时间大致为1.4～4.1 s。
图9 鼾声信号时域分析图
4.2 闭环反馈控制技术
闭环反馈控制技术是基于反馈原理建立的自动控制[11]。该技术把系统输出量的一部分或全
部通过一定方式回送到输入端，将反馈量与输入量相比较，结果施加到系统进行控制。闭环控制系统抗干扰能力强，可以很好地消除外部扰动和系统内部变化，维持系统稳定性[12]。本设计通过应用闭环反馈控制技术，将接收到的声音信号作为输入量，传送给主控CPU，主控CPU根据接收到的信号，实时分析判断。若判断为非鼾声信号，则不进行动作。若判断为鼾声信号，则将控制枕边设备对气囊进行气压调节。这一动作完毕后，声音信号继续传送，CPU再次判断是否为鼾声，周而复始。图10为经典闭环控制系统流程图，图11为本设计改良后的闭环反馈控制技术。
图10 经典闭环控制流程图
图11 系统闭环反馈控制流程图
4.3 数据上传技术
为了提高客户体验，止鼾枕系统通过WiFi将鼾声音频、打鼾次数、打鼾时间、分贝大小传送至云端，并在云端将数据绘制成图标的形式，方便用户随时在手机APP上查看夜间睡眠质量，致力于成为使用者的睡眠健康监测大师。图12为APP界面截图展示。
图12 止鼾枕配套APP界面展示
其中数据传输技术是基于ESP8266WiFi模块，它是一款功能强大内部跑LWIP协议模块，规格小巧，适用于物联网产品设计。将止鼾枕边设备连接到WiFi无线网络上，与手机进行通信。图13为WiFi射频参考电路图。
图13 WiFi射频参考电路图
5 结束语
笔者提出了一种基于STM32F103嵌入式系统的实时频谱分析及闭环控制技术的智能止鼾枕，介绍了系统硬件实现以及软件系统设计。从鼾声的产生原因作为切入点，采用YQ5969SAFY语音识别模块对使用者睡眠信号采集后，进行滤波处理和频谱分析，判断并分离出鼾声信号。随之主控CPU控制外围器件对气囊进行充/放气，通过改变脖子俯仰角度，巧妙的从根源上解决非病理性打鼾问题。智能止鼾枕系统借助Matlab仿真分析工具和嵌入式平台的实际测试，可以有效地解决打鼾问题。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议