本申請涉及睡眠監(jiān)測，尤其涉及一種鼾聲檢測方法、裝置、設備及可讀存儲介質。
背景技術：
1、睡眠是人腦發(fā)起和控制的一種生物活動。優(yōu)質的睡眠對人體的健康狀況至關重要，人體在睡眠期間進行自我修復和重建，清除清醒時積累的代謝廢物。睡眠還可以重組記憶并支持長期記憶的形成。而生活節(jié)奏加快和社會壓力增加，導致失眠、睡眠不好的人越來越多，睡眠障礙的發(fā)病率也日益增高，且睡眠障礙的群體逐漸年輕化；由睡眠問題所引起的心臟疾病和猝死等問題也日漸嚴重。因此，人體睡眠監(jiān)測逐漸成為重要研究課題。隨著研究的深入，體征信號提取技術不斷進步，研究者們開始把研究重點向多人呼吸率估計、睡眠分期、睡姿識別和鼾聲檢測等方面拓展。
2、打鼾是一種與呼吸相關的生理現(xiàn)象，長期打鼾與多種健康問題相關，打鼾行為是阻塞性睡眠呼吸暫停綜合征（obstructive?sleep?apnea?hypopnea?syndrome，?osahs）、全身動脈高血壓以及冠狀動脈疾病等疾病的癥狀表現(xiàn)；其中，打鼾是osahs患者最早和最常見的癥狀，其發(fā)生率高達70%-95%，且隨著osahs病癥嚴重程度的增加，打鼾的強度通常也會加劇。因此，鼾聲檢測在相關疾病的預防和研究中有著非常重要的作用。
3、相關技術中，鼾聲檢測的方式通常包括接觸式檢測和非接觸式檢測。對于接觸式檢測，由于需要用戶長時間佩戴檢測器件，可能會在睡眠過程中引起用戶的不適感，導致用戶睡眠質量進一步下降，尤其對于敏感肌人群，容易產生皮膚過敏、摩擦以及壓痕等情況。非接觸式檢測則可以通過采集用戶的聲音來分析睡眠狀態(tài)，無需設備與用戶直接接觸，使得用戶的使用體驗感能夠得到一定提升，然而，相關技術中非接觸式檢測的信號獲取方式較為單一，且難以對獲取到的數(shù)據(jù)進行深入的、有針對性的分析，計算復雜度較高，鼾聲識別檢測效率有限。
技術實現(xiàn)思路
1、本申請實施例提供了一種鼾聲檢測方法、裝置、設備及可讀存儲介質，至少能夠解決相關技術中鼾聲檢測準確性有待提高的問題。
2、本申請實施例第一方面提供了一種鼾聲檢測方法，包括：
3、分別計算麥克風聲音信號的梅爾頻率倒譜系數(shù)和線性預測系數(shù)；
4、對梅爾頻率倒譜系數(shù)和線性預測系數(shù)進行特征拼接以及降維處理，得到目標特征序列；
5、基于雷達回波信號，計算用戶身體目標部位的微多普勒特征對應的目標特征向量；其中，麥克風聲音信號和雷達回波信號為在用戶睡眠環(huán)境中同步采集到的信號；微多普勒特征用于反映目標部位的生命活動狀態(tài)；
6、分別將目標特征序列和目標特征向量輸入至預設的融合處理模型，以輸出鼾聲檢測結果。
7、本申請實施例第二方面提供了一種鼾聲檢測裝置，包括：
8、第一計算模塊，用于分別計算麥克風聲音信號的梅爾頻率倒譜系數(shù)和線性預測系數(shù)；
9、拼接降維模塊，用于對梅爾頻率倒譜系數(shù)和線性預測系數(shù)進行特征拼接以及降維處理，得到目標特征序列；
10、第二計算模塊，用于基于雷達回波信號，計算用戶身體目標部位的微多普勒特征對應的目標特征向量；其中，麥克風聲音信號和雷達回波信號為在用戶睡眠環(huán)境中同步采集到的信號；微多普勒特征用于反映目標部位的生命活動狀態(tài)；
11、融合處理模塊，用于分別將目標特征序列和目標特征向量輸入至預設的融合處理模型，以輸出鼾聲檢測結果。
12、本申請實施例第三方面提供了一種電子設備，包括：存儲器及處理器，其中，處理器用于執(zhí)行存儲在存儲器上的計算機程序，處理器執(zhí)行計算機程序時，實現(xiàn)上述本申請實施例第一方面提供的鼾聲檢測方法中的各步驟。
13、本申請實施例第四方面提供了一種計算機可讀存儲介質，其上存儲有計算機程序，計算機程序被處理器執(zhí)行時，實現(xiàn)上述本申請實施例第一方面提供的鼾聲檢測方法中的各步驟。
14、由上可見，根據(jù)本申請方案所提供的鼾聲檢測方法、裝置、設備及可讀存儲介質，分別計算麥克風聲音信號的梅爾頻率倒譜系數(shù)和線性預測系數(shù)；對梅爾頻率倒譜系數(shù)和線性預測系數(shù)進行特征拼接以及降維處理，得到目標特征序列；基于雷達回波信號，計算用戶身體目標部位的微多普勒特征對應的目標特征向量；其中，麥克風聲音信號和雷達回波信號為在用戶睡眠環(huán)境中同步采集到的信號；微多普勒特征用于反映目標部位的生命活動狀態(tài)；分別將目標特征序列和目標特征向量輸入至預設的融合處理模型，以輸出鼾聲檢測結果。通過本申請方案的實施，對麥克風聲音信號的梅爾頻率倒譜系數(shù)和線性預測系數(shù)進行特征拼接以及降維處理，在提高數(shù)據(jù)分析有效性的同時還能夠有效降低計算量；結合雷達傳感器和麥克風采集的數(shù)據(jù)進行處理，實現(xiàn)多源特征的融合，使網絡有能力綜合運用來自不同傳感器的多模態(tài)信息，降低環(huán)境噪聲對鼾聲檢測的影響，提高了鼾聲檢測的準確率，且可以非接觸、全天候、實時地監(jiān)測人體睡眠狀況，避免了接觸式設備帶來的不適感，不受環(huán)境光線、衣物遮擋等因素的干擾，適合進行居家長期、連續(xù)的監(jiān)測。
1.一種鼾聲檢測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的鼾聲檢測方法，其特征在于，計算麥克風聲音信號的梅爾頻率倒譜系數(shù)，包括：
3.根據(jù)權利要求1所述的鼾聲檢測方法，其特征在于，所述對所述梅爾頻率倒譜系數(shù)和所述線性預測系數(shù)進行特征拼接以及降維處理，得到目標特征序列，包括：
4.根據(jù)權利要求1所述的鼾聲檢測方法，其特征在于，所述基于雷達回波信號，計算用戶身體目標部位的微多普勒特征對應的目標特征向量，包括：
5.根據(jù)權利要求4所述的鼾聲檢測方法，其特征在于，所述雷達回波信號為關聯(lián)于慢時間堆、快時間堆以及天線堆的離散回波信號，所述天線堆的數(shù)量為多個；
6.根據(jù)權利要求5所述的鼾聲檢測方法，其特征在于，所述基于所述平均距離-多普勒譜，分別提取用戶身體多個目標部位的微多普勒特征，包括：
7.根據(jù)權利要求1所述的鼾聲檢測方法，其特征在于，所述融合處理模型包括lstm網絡層、dropout層以及全連接層；
8.一種鼾聲檢測裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括存儲器及處理器，其中：
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，實現(xiàn)權利要求1至7中的任意一項所述方法中的步驟。