本發(fā)明涉及一種止鼾系統(tǒng)，特別是一種基于鼾聲識別及分類的止鼾系統(tǒng)。

背景技術(shù)：

據(jù)2015年我國最新統(tǒng)計(jì)，患各類睡眠障礙人群達(dá)38.2％，超過國際平均27％的比例。其中，睡眠打鼾是造成睡眠障礙的重要原因，打鼾會引起睡眠過程中呼吸反復(fù)暫停，造成大腦、血液嚴(yán)重缺氧，誘發(fā)高血壓、心肌梗死、心絞痛及腦血管意外等嚴(yán)重疾病。針對睡眠障礙類疾病的診斷預(yù)篩以長期夜間體征(呼吸狀態(tài))監(jiān)控為基礎(chǔ)。目前針對睡眠呼吸狀態(tài)監(jiān)控，如基于多導(dǎo)睡眠儀(PSG)的監(jiān)控，要求在專業(yè)場所由專業(yè)人員進(jìn)行操作，監(jiān)控過程采取捆扎等方式附著于監(jiān)控對象面部、鼻腔及胸腹部，對監(jiān)控對象干擾大，用戶體驗(yàn)度低，且監(jiān)控成本高。

近年來，基于睡眠過程中的鼾聲信號分類識別、止鼾干預(yù)等方面的研究受到了國內(nèi)外學(xué)者的普遍關(guān)注。其中，針對非接觸式的鼾聲分析及止鼾的現(xiàn)有技術(shù)方案調(diào)研如下：

針對采集的鼾聲信號，公開號為CN101972505A的發(fā)明專利“具有鼾聲檢測的計(jì)算機(jī)控制cpap系統(tǒng)”提出以采集到的鼾聲信號功率為依據(jù)進(jìn)行檢測與分類，檢測與分類門限值設(shè)置為60分貝。

另外，公開號為CN102138796A的專利“基于鼾聲分析的睡眠監(jiān)測阻塞定位儀”也提出計(jì)算鼾聲的響度、鼾聲頻率、鼾聲指數(shù)、呼吸暫停時(shí)間、低通氣時(shí)間和睡眠呼吸紊亂指數(shù)。

而專利“鼾聲檢測方法及裝置(公開號為CN105534480A)”，“鼾聲檢測控制設(shè)備及其檢測控制方法(CN105147244A)”、“基于低音比的睡眠鼾聲監(jiān)測方法及系統(tǒng)(CN104622432A)”和“一種基于鼾聲篩查OSAHS的裝置(CN 103735267A)”分別提出分析采集的信號頻譜特征，其共性分析方式為：分析采集的音頻信號中的低頻段信號及高頻段信號，以識別出鼾聲信號；對每個(gè)睡眠鼾聲信號進(jìn)行倍頻帶濾波，獲取每個(gè)睡眠鼾聲信號的多個(gè)倍頻帶聲壓或聲壓級值，從而得到每個(gè)睡眠鼾聲的低音比，根據(jù)低音比來判斷是否為正常鼾聲或非正常鼾聲，以及呼吸暫停低通氣綜合征(OSAHS)的嚴(yán)重程度。

針對止鼾干預(yù)，為了提高用戶舒適度，現(xiàn)有方案盡可能減少止鼾設(shè)備與用戶的接觸面積，在家用的日常睡眠環(huán)境下進(jìn)行止鼾干預(yù)。干預(yù)方式包括利用枕頭、床墊充氣，如專利方案“智能止鼾枕的測試系統(tǒng)CN102225030A”、“一種智能型止鼾枕及止鼾方法CN105249747A”和“基于體位療法的智能止鼾背墊CN105232208A”，通過充氣改變用戶睡姿，緩解用戶打鼾的情況。

另外，部分方案考慮穿戴式止鼾，穿戴范圍包括頭部、手腕部，如專利方案“基于藍(lán)牙技術(shù)的健康糾鼾裝置及聲頻降噪與采集鼾聲方法CN104783950A”，進(jìn)行電刺激以達(dá)到止鼾目的。

然而，總體上現(xiàn)有專利技術(shù)在鼾聲檢測及智能干預(yù)方面仍存在一些問題，具體如下:

1：鼾聲信號檢測：對鼾聲信號的分類依賴于對鼾聲的精準(zhǔn)檢測?，F(xiàn)有檢測的方案主要為過零率檢測、短時(shí)平均功率檢測、近似周期性檢測等三種方案。然而上述方案僅適用于安靜無擾的環(huán)境，當(dāng)出現(xiàn)由夜間翻身、夢語等突發(fā)性干擾時(shí)，對鼾聲信號的檢測效果不佳。此外，缺乏對呼吸暫停，特別是阻塞性打鼾導(dǎo)致呼吸暫?；虻屯獾臋z測。

2：止鼾干預(yù)方案：(1)干預(yù)模式單一，缺乏基于鼾聲分類的交互式自適應(yīng)干預(yù)模式，在干預(yù)的過程中分析實(shí)時(shí)干預(yù)效果，例如鼾聲信號減弱采取降級干預(yù)，鼾聲信號不變，則采取升級干預(yù)；(2)干預(yù)方式體驗(yàn)度低、局限性大：如通過枕頭或氣墊充放氣改變睡姿緩解打鼾的方式，當(dāng)用戶睡姿偏離枕頭或氣墊時(shí)將起不到止鼾的作用；手碗式穿戴式止鼾器與體表接觸范圍大，且需要與體表緊密接觸，用戶體驗(yàn)度低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于鼾聲識別及分類的止鼾系統(tǒng)。

本發(fā)明是通過以下的技術(shù)方案實(shí)現(xiàn)的：一種基于鼾聲識別及分類的止鼾系統(tǒng)，包括中心控制裝置和指環(huán)式止鼾裝置；

所述中心控制裝置，用于對用戶鼾聲進(jìn)行識別和分類，并根據(jù)分類結(jié)果發(fā)送控制信號至所述指環(huán)式止鼾裝置；

所述指環(huán)式止鼾裝置包括震動(dòng)模塊、無線接口和電池；所述無線接口接收中心控制裝置的控制信號，控制震動(dòng)模塊的工作；所述電池為震動(dòng)模塊和無線接口供電。

相比于現(xiàn)有技術(shù)，本發(fā)明根據(jù)不同鼾聲類型，驅(qū)動(dòng)指環(huán)式止鼾裝置進(jìn)行震動(dòng)，可以調(diào)節(jié)用戶的睡眠體位，緩解打鼾。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述中心控制裝置包括：采集模塊、預(yù)處理模塊、識別模塊和控制信號發(fā)送模塊；

所述采集模塊，用于采集用戶的鼾聲信號；

所述預(yù)處理模塊，用于對鼾聲信號進(jìn)行預(yù)處理，該處理方式包括：濾波、去除高頻噪聲和降采樣處理；

所述識別模塊，用于對處理后的鼾聲信號進(jìn)行識別和分類；

所述信號發(fā)送模塊，用于根據(jù)鼾聲的類別，發(fā)送相應(yīng)控制信號至指環(huán)式止鼾裝置。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述識別模塊包括：

鼾聲信號分貝計(jì)算模塊，用于計(jì)算設(shè)定周期內(nèi)數(shù)據(jù)平均分貝信息；

鼾聲峰值判定模塊，用于獲取設(shè)定周期內(nèi)信號的最大對應(yīng)時(shí)刻；

鼾聲分類模塊，用于將所述鼾聲峰值信號，對鼾聲進(jìn)行分類。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述鼾聲信號分貝計(jì)算模塊中，以10點(diǎn)為周期，求解每個(gè)周期內(nèi)數(shù)據(jù)平均分貝信息的公式為：d(t)＝20log(d’(t)),其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述鼾聲峰值判定模塊通過對該d(t)求解一階導(dǎo)數(shù)，獲得求導(dǎo)后每250點(diǎn)數(shù)據(jù)峰值對應(yīng)的時(shí)刻，以及獲取第一參考點(diǎn)、第二參考點(diǎn)對應(yīng)時(shí)刻；所述第一參考點(diǎn)和第二參考點(diǎn)分別為最大值對應(yīng)時(shí)刻左右平移50點(diǎn)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述鼾聲分類包括：存在呼吸暫停的阻塞性鼾聲、較強(qiáng)鼾聲、中等鼾聲和較弱鼾聲四個(gè)類型。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述信號發(fā)送模塊中通過2.4G無線傳輸至所述指環(huán)止鼾裝置的震動(dòng)模塊中，且所述震動(dòng)模塊根據(jù)不同的鼾聲類型，啟動(dòng)不同的震動(dòng)強(qiáng)度。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述震動(dòng)模塊由脈寬調(diào)制PWM占空比進(jìn)行控制，占空比越大，震動(dòng)強(qiáng)度越弱。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述指環(huán)式止鼾裝置中呈兩層結(jié)構(gòu)，所述震動(dòng)模塊、無線接口位于底層；所述電池位于上層。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述電池為紐扣電池。

相比于現(xiàn)有技術(shù)，本發(fā)明具備以下的有益效果：

1.鼾聲識別：通過降采樣處理，有效降低鼾聲辨識的復(fù)雜度；利用AR模型預(yù)測鼾聲預(yù)期范圍，結(jié)合約束條件，可有效檢測由于阻塞性打鼾存在呼吸暫停的情況；

2.指環(huán)式止鼾裝置：指環(huán)式裝置與指端接觸面積少，不需要與肌膚緊密接觸，且指環(huán)與肌膚接觸部分有柔性材料組成，因此用戶體驗(yàn)度高。

3.基于鼾聲分類的智能分級止鼾控制：結(jié)合鼾聲分級與實(shí)時(shí)鼾聲監(jiān)測，采取逐級干預(yù)的模式，在不驚醒用戶睡眠過程的前提下，通過輕微逐級震動(dòng)，促使用戶改變體位，緩解打鼾。

為了更好地理解和實(shí)施，下面結(jié)合附圖詳細(xì)說明本發(fā)明。

附圖說明

圖1是本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的模塊框圖。

圖2是本發(fā)明的止鼾系統(tǒng)的識別和分類的步驟流程圖。

具體實(shí)施方式

本發(fā)明為了解決如背景技術(shù)中所述現(xiàn)有技術(shù)中的在檢測鼾聲以及止鼾時(shí)的技術(shù)缺陷，本發(fā)明提供了一種基于鼾聲識別及分類的止鼾系統(tǒng)，具體的通過以下的實(shí)施例進(jìn)行說明。

請參閱圖1，其為本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的模塊框圖。

本發(fā)明提供了基于鼾聲識別及分類的止鼾系統(tǒng)，包括中心控制裝置10和指環(huán)式止鼾裝置20。所述中心控制裝置10，用于對用戶鼾聲進(jìn)行識別和分類，并根據(jù)分類結(jié)果發(fā)送控制信號至所述指環(huán)式止鼾裝置20。所述指環(huán)式止鼾裝置20套在用戶的手指上，根據(jù)中心控制裝置的信號，對用戶進(jìn)行止鼾干預(yù)。

具體的，以下介紹中心控制裝置的構(gòu)成模塊。所述中心控制裝置10包括：采集模塊11、預(yù)處理模塊12、識別模塊13和控制信號發(fā)送模塊14。

所述采集模塊11，用于采集用戶的鼾聲信號。

所述預(yù)處理模塊12，用于對鼾聲信號進(jìn)行預(yù)處理，該處理方式包括：濾波、去除高頻噪聲和降采樣處理。

所述識別模塊13，用于對處理后的鼾聲信號進(jìn)行識別和分類。

具體的，為了實(shí)現(xiàn)對鼾聲進(jìn)行識別和分類，在本實(shí)施例中所述識別模塊包括：鼾聲信號分貝計(jì)算模塊、鼾聲峰值判定模塊和鼾聲分類模塊。

所述鼾聲信號分貝計(jì)算模塊，用于計(jì)算設(shè)定周期內(nèi)數(shù)據(jù)平均分貝信息。具體的，所述鼾聲信號分貝計(jì)算模塊中，以10點(diǎn)為周期，求解每個(gè)周期內(nèi)數(shù)據(jù)平均分貝信息的公式為：d(t)＝20log(d’(t)),其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

所述鼾聲峰值判定模塊，用于獲取設(shè)定周期內(nèi)信號的最大對應(yīng)時(shí)刻。具體的，所述鼾聲峰值判定模塊通過對該d(t)求解一階導(dǎo)數(shù)，獲得求導(dǎo)后每250點(diǎn)數(shù)據(jù)峰值對應(yīng)的時(shí)刻，以及獲取第一參考點(diǎn)、第二參考點(diǎn)對應(yīng)時(shí)刻；所述第一參考點(diǎn)和第二參考點(diǎn)分別為最大值對應(yīng)時(shí)刻左右平移50點(diǎn)。

所述鼾聲分類模塊，用于將所述鼾聲峰值信號，對鼾聲進(jìn)行分類。具體的，所述鼾聲分類包括：存在呼吸暫停的阻塞性鼾聲、較強(qiáng)鼾聲、中等鼾聲和較弱鼾聲四個(gè)類型。

所述信號發(fā)送模塊14，用于根據(jù)鼾聲的類別，發(fā)送相應(yīng)控制信號至指環(huán)式止鼾裝置。

具體的，所述指環(huán)式止鼾裝置20包括震動(dòng)模塊22、無線接口23和電池21；所述無線接口23接收中心控制裝置的控制信號，控制震動(dòng)模塊的工作；所述電池21為震動(dòng)模塊和無線接口供電。其中，所述指環(huán)式止鼾裝置中呈兩層結(jié)構(gòu)，所述震動(dòng)模塊、無線接口位于底層；所述電池位于上層。具體的，所述電池為紐扣電池。

進(jìn)一步，所述信號發(fā)送模塊中通過2.4G無線傳輸至所述指環(huán)止鼾裝置的震動(dòng)模塊中，且所述震動(dòng)模塊根據(jù)不同的鼾聲類型，啟動(dòng)不同的震動(dòng)強(qiáng)度。具體的，所述震動(dòng)模塊由脈寬調(diào)制PWM占空比進(jìn)行控制，占空比越大，震動(dòng)強(qiáng)度越弱。

以下介紹本發(fā)明的基于鼾聲識別及分類的止鼾系統(tǒng)的具體工作流程。本發(fā)明的止鼾系統(tǒng)分別通過兩個(gè)部分實(shí)現(xiàn)，第一部分為進(jìn)行鼾聲的識別和分類；第二部分為由不同類型的鼾聲實(shí)現(xiàn)不同程度的震動(dòng)止鼾干預(yù)。

第一，先介紹如何進(jìn)行鼾聲的識別和分類。請同時(shí)參閱圖2，其為本發(fā)明的止鼾系統(tǒng)的識別和分類的步驟流程圖。

本發(fā)明中的鼾聲識別和分類包括以下步驟：

S1：鼾聲識別。

步驟S11：首先，中心控制裝置中鼾聲采集模塊由兩個(gè)拾音器模塊構(gòu)成，對識取的鼾聲信息以8000Hz采樣；接著：采樣數(shù)據(jù)以堆棧存儲，每個(gè)堆棧為一幀數(shù)據(jù)，共80000點(diǎn)(10s)，之后以1s(8000點(diǎn))為周期進(jìn)行數(shù)據(jù)更新。

然后，對堆棧內(nèi)數(shù)據(jù)進(jìn)行鼾聲識別，具體步驟如下：

步驟S12：對采集的鼾聲信號進(jìn)行濾波，低通濾波及高通濾波采用截至頻率為300Hz和8000Hz的切比雪夫IIR濾波器.

步驟S13：對300-8000Hz的帶通信號做平滑處理，采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)4層分解去除高頻分量，獲得信號相應(yīng)低頻包絡(luò)。

步驟S14：對平滑后數(shù)據(jù)以1：8的比例進(jìn)行降采樣處理以減少目標(biāo)數(shù)據(jù)長度，降采樣后堆棧數(shù)據(jù)長度降為10000點(diǎn)。

步驟S15：以10點(diǎn)為周期，求解每個(gè)周期內(nèi)數(shù)據(jù)平均分貝信息d(t)＝20log(d’(t))，其中d’(t)為第t周期內(nèi)采集的信號樣本的平均幅度值。

步驟S16：求解d(t)相對時(shí)間t的一階導(dǎo)數(shù)，獲得求導(dǎo)后每250點(diǎn)數(shù)據(jù)峰值對應(yīng)時(shí)刻，以及第一、第二參考點(diǎn)位置。其中，所述參考點(diǎn)位置分別為最大值對應(yīng)時(shí)刻左右平移50點(diǎn)。

步驟S17：針對鼾聲信號的識別，主要考慮以下兩個(gè)約束條件：

(C1)正常人群最小最大呼吸率范圍為10-30次/分鐘，推算每幀內(nèi)最多不超過4個(gè)鼾聲信號。

(C2)正常呼吸(打鼾)聲周期范圍為1-3秒，鼾聲起始范圍應(yīng)為以鼾聲周期中心為基準(zhǔn)左右各50-150點(diǎn)。

考慮到信號經(jīng)過濾波后的平滑性，通過求d(t)一階導(dǎo)數(shù)，獲取求導(dǎo)后每個(gè)周期(250點(diǎn))信號的最大值對應(yīng)時(shí)刻，和第一、第二參考點(diǎn)位置。其中，上述參考點(diǎn)用以輔助判定鼾聲信號峰值。

聯(lián)合約束條件(C1)和(C2)確定每個(gè)數(shù)據(jù)幀內(nèi)的有效鼾聲信號。當(dāng)在60s時(shí)間內(nèi)，當(dāng)檢測出連續(xù)3個(gè)以上有效鼾聲信號起，建立自回歸(AR)模型，預(yù)測下一鼾聲出現(xiàn)時(shí)間，具體公式(1)為：x(t)＝ax(t-1)+a²x(t-2)+a³x(t-3)

其中，a為遺忘因子，x(t)為下一時(shí)刻預(yù)測的鼾聲峰值與當(dāng)前時(shí)刻鼾聲峰值的間期，x(t-n)表示過去n個(gè)時(shí)刻相鄰鼾聲峰值間期。注意，為滿足預(yù)測間期歸一化，遺忘因子滿足a+a²+a³＝1。

最后，再返回步驟S11進(jìn)行下一輪的識別。

S2：進(jìn)行鼾聲分類。

首先，將鼾聲分為病態(tài)鼾聲和常態(tài)鼾聲兩大類。其中，病態(tài)鼾聲指存在呼吸暫停的阻塞性鼾聲。

第一大類：存在呼吸暫停的阻塞性鼾聲。結(jié)合約束條件(C2)，判定條件為：存在兩個(gè)有效且相鄰鼾聲峰值P(t1)和P(t2)，時(shí)間坐標(biāo)分別為t1、t2；則判定為呼吸暫停需同時(shí)滿足以下4個(gè)條件：

(1)相鄰鼾聲峰值間期|t1-t2|大于一定門限值(醫(yī)學(xué)上，呼吸暫停門限值設(shè)置為10s)；

(2)P(t1)、P(t2)均大于30dB；

(3)P(t1)向左相鄰1個(gè)鼾聲峰值間期小于6s，且P(t2)向右相鄰鼾聲間期小于6s；

(4)P(t1)向左相鄰1個(gè)鼾聲峰值及P(t2)向右相鄰1個(gè)鼾聲峰值分貝均大于30dB。

第二大類：正常呼吸下的鼾聲。首先，根據(jù)鼾聲峰值點(diǎn)坐標(biāo)，定義鼾聲周期范圍；結(jié)合約束條件(C2)，判斷鼾聲周期內(nèi)連續(xù)幅度信息與門限值的關(guān)系。定義不同門限值，以反映鼾聲分貝大小，以此為依據(jù)進(jìn)行鼾聲分類。

綜合第一類和第二類的分類原則，最終可將對鼾聲分為4類：

I.存在呼吸暫停的阻塞性鼾聲。

II.較強(qiáng)鼾聲。

III.中等鼾聲。

IV.較弱鼾聲。

其中，當(dāng)有效鼾聲范圍內(nèi)樣本信息均值大于70分貝，視為較強(qiáng)鼾聲；當(dāng)大于50分貝小于70分貝，視為中等鼾聲；當(dāng)大于30分貝小于50分貝，視為較弱鼾聲。

第二、在完成鼾聲的識別和分類之后，通過指環(huán)式止鼾裝置對用戶進(jìn)行止鼾干預(yù)。

1.根據(jù)鼾聲分類的自適應(yīng)震動(dòng)止鼾干預(yù)：由鼾聲分類可知，根據(jù)鼾聲的特性及強(qiáng)弱，將鼾聲分為4類，因此，中心控制模塊與指環(huán)式止鼾裝置進(jìn)行交互通信時(shí)，控制指令信息觸發(fā)震動(dòng)器，分別針對中呼吸暫停、較弱、中等和較強(qiáng)4類鼾聲?？刂浦噶钣?.4G無線傳輸至指環(huán)止鼾裝置，觸發(fā)制動(dòng)模塊。為了在不影響用戶的睡眠(驚醒用戶)進(jìn)行有效的止鼾干預(yù)，結(jié)合鼾聲分類與實(shí)時(shí)鼾聲監(jiān)測，自適應(yīng)控制止鼾裝置的震動(dòng)頻率(震動(dòng)強(qiáng)度)、時(shí)間。具體方案如下：

針對鼾聲分類I—存在呼吸暫停的阻塞性的鼾聲：考慮到呼吸暫停對用戶身體健康的危害性，將采取較強(qiáng)烈的止鼾干預(yù)模式。當(dāng)檢測到分類I時(shí)，中心控制器通過2.4G無線觸發(fā)指環(huán)止鼾裝置，震動(dòng)器震動(dòng)強(qiáng)度由脈寬調(diào)制(PWM)控制。針對鼾聲分類I，設(shè)置PWM占空比以控制震動(dòng)模式強(qiáng)度，使用戶感知指端震動(dòng)，改變睡姿，避免呼吸暫停的再次發(fā)生。

針對鼾聲分類II，III和IV：通過調(diào)整震動(dòng)器PWM占空比，以不影響用戶或伴侶睡眠為宗旨，盡可能抑制其打鼾狀況。中心控制器實(shí)時(shí)監(jiān)測鼾聲，如出現(xiàn)鼾聲減弱或暫停時(shí)，中心控制器停止觸發(fā)震動(dòng)模塊；如仍然監(jiān)測到同樣類型的鼾聲，中心控制器提高PWM占空比量級，繼續(xù)觸發(fā)震動(dòng)模塊進(jìn)行止鼾。

在上述指環(huán)震動(dòng)干預(yù)的過程中，中心控制裝置對鼾聲信號進(jìn)行實(shí)時(shí)監(jiān)測與識別，自適應(yīng)的改變震動(dòng)器PWM占空比數(shù)值，提升止鼾干預(yù)的效果。針對四類鼾聲的PWM占空比函數(shù)F(x)的公式(2)設(shè)置為：F(x)＝e^x，其中，x＝1,2,3,4分別代表鼾聲的分類。

2.穿戴式指環(huán)式止鼾裝置：穿戴式指環(huán)具有受無線控制指令震動(dòng)的功能。指環(huán)包括震動(dòng)模塊、紐扣電池、無線接口組成，呈兩層結(jié)構(gòu)，其中，震動(dòng)模塊與無線接口位于底層，電池位于上層。指環(huán)裝置震動(dòng)強(qiáng)度根據(jù)脈寬調(diào)制PWM占空比調(diào)節(jié)，占空比越大，震動(dòng)強(qiáng)度越弱；占空比設(shè)計(jì)方式參考公式(2)。為考慮裝置的低耗節(jié)能，無線串口與中控模塊見采用單工通信，僅接收來自中控模塊的啟動(dòng)指令，不需反饋信息至中控模塊。

相比于現(xiàn)有技術(shù)，本發(fā)明具備以下的有益效果：

1.鼾聲識別：通過降采樣處理，有效降低鼾聲辨識的復(fù)雜度；利用AR模型預(yù)測鼾聲預(yù)期范圍，結(jié)合約束條件，可有效檢測由于阻塞性打鼾存在呼吸暫停的情況；

2.指環(huán)式止鼾裝置：指環(huán)式裝置與指端接觸面積少，不需要與肌膚緊密接觸，且指環(huán)與肌膚接觸部分有柔性材料組成，因此用戶體驗(yàn)度高。

3.基于鼾聲分類的智能分級止鼾控制：結(jié)合鼾聲分級與實(shí)時(shí)鼾聲監(jiān)測，采取逐級干預(yù)的模式，在不驚醒用戶睡眠過程的前提下，通過輕微逐級震動(dòng)，促使用戶改變體位，緩解打鼾。

本發(fā)明并不局限于上述實(shí)施方式，如果對本發(fā)明的各種改動(dòng)或變形不脫離本發(fā)明的精神和范圍，倘若這些改動(dòng)和變形屬于本發(fā)明的權(quán)利要求和等同技術(shù)范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變形。