鼾声识别方法、系统、装置及存储介质与流程

1.本发明涉及一种信号识别技术领域，尤其涉及一种鼾声识别方法、系统、装置及存储介质。


背景技术：

2.近年来，打鼾对人体的危害逐渐受到人们的关注。长期打鼾，会引起失眠、疲劳等症状，影响人们的正常生活。对鼾声进行识别，是衡量打鼾水平的重要途径。
3.现有技术中，通常利用麦克风传感器收集声音，通过算法进行识别，以判断人体是否打鼾。但由于鼾声的频率范围同人说话的频率范围较为接近，因此增大了误识别几率，降低了鼾声识别结果的精准度。


技术实现要素：

4.有鉴于此，本发明提供了一种鼾声识别方法、系统、装置及存储介质，用于解决现有技术中鼾声识别结果精准度低的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种鼾声识别方法、系统、装置及存储介质，第一方面：
5.一种鼾声识别方法，包括：
6.获取识别对象产生的压电信号和声音信号；
7.对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果；
8.利用预设的声音网络模型对所述声音信号进行计算，得到声音识别结果；
9.在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果。
10.优选地，所述对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果的步骤包括：
11.对所述压电信号进行第一滤波，得到呼吸信号；
12.根据所述呼吸信号计算得到呼吸周期；
13.对所述压电信号进行第二滤波，得到与所述呼吸周期匹配的周期性信号；
14.对所述周期性信号进行识别，得到所述压电识别结果。
15.优选地，所述对所述周期性信号进行识别，得到所述压电识别结果的步骤包括：
16.利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
17.判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
18.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的第一间隔是否与所述呼吸周期匹配；
19.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
20.优选地，所述对所述周期性信号进行识别，得到所述压电识别结果的步骤包括：
21.利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
22.判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大
于预设的次数阈值；
23.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的第二间隔是否与所述呼吸周期匹配；
24.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
25.优选地，所述对所述周期性信号进行识别，得到所述压电识别结果的步骤包括：
26.利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
27.判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
28.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的间隔是否与所述呼吸周期匹配；
29.若与所述呼吸周期匹配，则生成为打鼾的第一识别结果；
30.且，利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
31.判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值；
32.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的间隔是否与所述呼吸周期匹配；
33.若与所述呼吸周期匹配，则生成为打鼾的第二识别结果；
34.在所述第一识别结果和所述第二识别结果均表征打鼾时，生成为打鼾的所述压电识别结果。
35.优选地，在所述获取声音信号之前，所述方法还包括：
36.判断所述压电信号的幅度是否小于预设的第一阈值；
37.若小于所述第一阈值，则利用所述压电信号计算得到体动密度、心率和呼吸率；
38.在所述体动密度小于预设的第二阈值，且所述心率和所述呼吸率的波动均小于预设的第三阈值，同时所述心率和所述呼吸率小于预设的第四阈值时，判定所述识别对象进入睡眠状态；
39.输出用于控制声音收集设备启动的启动指令，以获得所述声音信号。
40.优选地，所述在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果的步骤包括：
41.在所述压电识别结果和所述声音识别结果均表征为打鼾时，判定所述压电识别结果和所述声音识别结果与所述识别条件匹配，生成为打鼾的所述打鼾识别结果。
42.第二方面：
43.一种鼾声识别系统，包括获取模块，用于获取识别对象产生的压电信号和声音信号；
44.压电模块，用于对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果；
45.声音模块，用于利用预设的声音网络模型对所述声音信号进行计算，得到声音识别结果；
46.识别模块，用于在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果。
47.优选地，所述压电模块包括第一滤波单元，用于对所述压电信号进行第一滤波，得
到呼吸信号；
48.周期单元，用于根据所述呼吸信号计算得到呼吸周期；
49.第二滤波单元，用于对所述压电信号进行第二滤波，得到与所述呼吸周期匹配的周期性信号；
50.压电单元，用于对所述周期性信号进行识别，得到所述压电识别结果。
51.优选地，所述压电单元包括频谱子单元，用于利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
52.第一判断子单元，用于判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
53.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的第一间隔是否与所述呼吸周期匹配；
54.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
55.优选地，所述压电单元包括时域子单元，用于利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
56.第二判断子单元，用于判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值；
57.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的第二间隔是否与所述呼吸周期匹配；
58.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
59.优选地，所述压电单元包括第一压电子单元，用于利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
60.第二压电子单元，用于判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
61.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的间隔是否与所述呼吸周期匹配；
62.若与所述呼吸周期匹配，则生成为打鼾的第一识别结果；
63.第三压电子单元，用于利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
64.第四压电子单元，用于判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值；
65.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的间隔是否与所述呼吸周期匹配；
66.若与所述呼吸周期匹配，则生成为打鼾的第二识别结果；
67.结果子单元，用于在所述第一识别结果和所述第二识别结果均表征打鼾时，生成为打鼾的所述压电识别结果。
68.优选地，所述系统还包括阈值模块，用于在所述获取声音信号之前，判断所述压电信号的幅度是否小于预设的第一阈值；
69.若小于所述第一阈值，则利用所述压电信号计算得到体动密度、心率和呼吸率；
70.启动模块，用于在所述体动密度小于预设的第二阈值，且所述心率和所述呼吸率
的波动均小于预设的第三阈值，同时所述心率和所述呼吸率小于预设的第四阈值时，判定所述识别对象进入睡眠状态；
71.输出用于控制声音收集设备启动的启动指令，以获得所述声音信号。
72.优选地，所述识别模块包括识别单元，用于在所述压电识别结果和所述声音识别结果均表征为打鼾时，判定所述压电识别结果和所述声音识别结果与所述识别条件匹配，生成为打鼾的所述打鼾识别结果。第三方面：
73.一种鼾声识别装置，包括存储器和处理器，所述存储器中存储有鼾声识别方法，所述处理器用于在执行鼾声识别方法时采用上述所述鼾声识别方法。
74.第四方面：
75.一种存储介质，存储有能够被处理器加载并执行上述所述方法的计算机程序。
76.实施本发明实施例，将具有如下有益效果：
77.通过压电信号单独对打鼾进行识别，得到压电识别结果；同时通过声音信号单独对打鼾进行识别，得到声音识别结果。而后利用压电识别结果和声音识别结果综合对打鼾进行判定，有助于提高识别准确度，降低误识别几率，从而提高了鼾声识别结果的精准度。
附图说明
78.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
79.其中：
80.图1为一个实施例中鼾声识别方法的整体流程图。
81.图2为一个实施例中获得鼾声识别方法中压电识别结果的流程图。
82.图3为一个实施例中鼾声识别系统的结构框图。
83.图4为一个实施例中鼾声识别装置的结构示意图。
具体实施方式
84.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
85.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
86.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
87.本技术实施例提供一种鼾声识别方法。为了掌握人体打鼾情况，在现有技术中，通常利用麦克风传感器收集声音，通过算法进行识别，以判断人体是否打鼾。但由于鼾声的频
率范围同人说话的频率范围较为接近，因此增大了误识别几率，降低了鼾声识别结果的精准度。
88.为了克服上述缺陷，本技术实施例提供的一种鼾声识别方法，如图1所示，包括：
89.101、获取识别对象产生的压电信号和声音信号。
90.在一实施例中，识别对象可以是人体，也可以是其他能够打鼾的生命体或实验对象，对此本实施例不做具体限定。
91.在一实施例中，压电信号通过压电传感器采集获得。具体的，在一应用场景中，压电传感器植入在枕头中；在另一应用场景中，压电传感器植入在床垫的胸部位置。在其他应用场景中，压电传感器作为一个独立的器件放在识别对象附近。旨在能够通过压电传感器识别到识别对象产生的压电信号即可，本实施例对压电传感器的安装位置不做具体限定。
92.在另一实施例中，压电信号还可以通过其他类型的感应设备采集获得，亦可以是由其他智能设备传输给当前执行主体，对压电信号的获得方式本实施例不做具体限定。
93.在一实施例中，声音信号通过麦克风采集获得。在另一实施例中，声音信号通过声音传感器采集获得。对此本实施例不做具体限定。用于采集声音信号的设备可以放置在识别对象的枕头上，也可以安装在识别对象附近。旨在采集声音信号的设备能够采集到识别对象发出的声音信号即可，本实施例对此不做具体限定。
94.需要说明的是，当前执行主体用于获取压电信号采集设备采集的压电信号和声音信号采集设备采集的声音信号。当前执行主体与压电信号采集设备以及声音信号采集设备可以是集成结构，也可以互为独立结构，对此本实施例不做具体限定。在一应用场景中，当前执行主体可以是单片机、mcu和智能终端，对此本实施例不做具体限定。
95.102、对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果。
96.需要说明的是，识别对象打鼾过程具有周期特性，且是被对象的呼吸过程同样具有周期特性。因此当前执行主体获取的压电信号亦具有周期特性。通过对压电信号的周期性信号进行识别，能够得到压电识别结果。
97.其中，在一实施例中，压电识别结果用于描述识别对象是否进行打鼾。例如，在一应用场景中，压电识别结果包括打鼾和未打鼾。具体的，在根据压电信号确定的周期性信号满足预设的判定条件后，即可生成为打鼾的压电识别结果。
98.在另一实施例中，压电识别结果用于表征压电信号中的周期性信号的频率、幅值和周期。
99.103、利用预设的声音网络模型对所述声音信号进行计算，得到声音识别结果。
100.在一实施例中，声音网络模型指具有识别声音频率、幅值和周期能力的神经网络模型。对声音网络模型本实施例不做具体限定。
101.声音识别结果与压电识别结果的原理相同，可以用于描述识别对象是否进行打鼾，也可以包括声音信号的频率、幅值和周期。对此本实施例不做具体限定，且不再赘述。
102.104、在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果。
103.将得到的压电识别结果和声音识别结果一同与预设的识别条件进行匹配，若压电识别结果和声音识别结果与识别条件匹配，则生成打鼾识别结果；若压电识别结果和声音识别结果与识别条件不匹配，则生成未打鼾识别结果。
104.其中，识别条件旨在根据压电识别结果和声音识别结果的综合结果判定识别对象是否打鼾，即识别条件中包含有用于与压电识别结果进行匹配的条件，同时也包含有用于与声音识别结果进行匹配的条件，亦或是识别条件中包含有用于与压电识别结果和声音识别结果整合后的综合结果进行匹配的条件。对此本实施例不做具体限定。
105.为了便于理解，在一应用场景中，识别条件为打鼾。将压电识别结果与声音识别结果整合后，得到综合结果。其中，压电识别结果包括打鼾和未打鼾；声音识别结果包括打鼾和未打鼾。若压电识别结果表征打鼾，声音识别结果同样表征打鼾，则综合结果为打鼾；其余情况的综合结果均为未打鼾。此时，综合结果与识别条件相同，则判定匹配；综合结果与识别条件不相同，则判定为不匹配。
106.在另一应用场景中，识别条件包括压电阈值范围和声音阈值范围。压电识别结果为压电信号的周期性信号的数据，声音识别结果为声音信号的数据。在压电识别结果位于压电阈值范围内，且声音识别结果位于声音阈值范围内时，判定与识别条件匹配；否则，判定与识别条件不匹配。
107.通过压电信号单独对打鼾进行识别，得到压电识别结果；同时通过声音信号单独对打鼾进行识别，得到声音识别结果。而后利用压电识别结果和声音识别结果综合对打鼾进行判定，有助于提高识别准确度，降低误识别几率，从而提高了鼾声识别结果的精准度。
108.在本技术的另一种实施方式中，如图2所示，步骤所述对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果包括：
109.201、对所述压电信号进行第一滤波，得到呼吸信号。
110.具体的，在一实施例中，采用0-0.5hz低通滤波器对压电信号进行第一滤波，得到识别对象的呼吸信号。即对压电信号进行第一滤波后，能够得到识别对象的呼吸波形。
111.202、根据所述呼吸信号计算得到呼吸周期。
112.具体的，在一实施例中，呼吸波形具有极大值和极小值，根据极大值和极小值所在位置计算得到时间间隔，从而计算得到呼吸周期。例如，从极大值到极小值对应识别对象的呼气，从极小值到极大值对应识别对象的吸气。
113.203、对所述压电信号进行第二滤波，得到与所述呼吸周期匹配的周期性信号。
114.在一实施例中，第二滤波为对压电信号进行100hz的高通滤波，得到周期性信号。
115.204、对所述周期性信号进行识别，得到所述压电识别结果。
116.在一实施例中，通过频域分析方法对周期性信号进行识别，得到压电识别结果。在另一实施例中，通过时域分析方法对周期性信号进行识别，得到压电识别结果。在其他实施例中，分别对周期性信号进行频域分析和时域分析，得到压电识别结果。
117.通过对压电信号进行第一滤波得到呼吸信号后，能够计算得到呼吸周期。而后根据呼吸周期匹配周期性信号，从而识别得到压电识别结果。利用呼吸特性对压电信号进行处理，计算简单，节省资源，有助于提高鼾声识别效率。
118.在本技术的另一种实施方式中，步骤所述对所述周期性信号进行识别，得到所述压电识别结果包括：
119.301、利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果。
120.具体的，在一实施例中，频域分析模型为快速傅里叶变换(fast fourier transform)算法。
121.302、判断所述频谱结果上是否识别到与预设的点位值匹配的点值。
122.在一实施例中，预设的点位值包括200hz和600hz。在频谱结果上200hz或600hz附近有较高的点值时，判定出现了打鼾。其中，200hz或600hz附近可以通过阈值范围进行限定，对此本实施例不做具体限定。
123.若在所述频谱结果上识别到与预设的点位值匹配的点值，则判断相邻两次识别到与所述点位值匹配的点值之间的第一间隔是否与所述呼吸周期匹配。
124.若第一间隔与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果；若第一间隔与所述呼吸周期不匹配，则生成为未打鼾的所述压电识别结果。
125.若在所述频谱结果上未识别到与预设的点位值匹配的点值，则生成为未打鼾的所述压电识别结果。
126.利用频域分析方法对压电识别结果进行识别，有助于提高识别效率和准确度。
127.在本技术的另一种实施方式中，步骤所述对所述周期性信号进行识别，得到所述压电识别结果包括：
128.401、利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果。
129.时域分析模型可以是具有时域分析能力的算法，对此本实施例不做具体限定。在时域结果中的信号幅度大于预设的幅度阈值且过零次数大于设定的次数阈值时，则判定为打鼾产生的振动信号。
130.402、判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值。
131.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的第二间隔是否与所述呼吸周期匹配；
132.若第二间隔与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果；若第二间隔与所述呼吸周期不匹配，则生成为未打鼾的所述压电识别结果。
133.若未识别到大于幅度阈值的幅度参数，或者过零次数小于或等于所述次数阈值，则生成为未打鼾的所述压电识别结果。
134.利用时域分析方法对压电识别结果进行识别，有助于提高识别效率和准确度。
135.在本技术的另一种实施方式中，步骤所述对所述周期性信号进行识别，得到所述压电识别结果包括：
136.501、利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果。
137.502、判断所述频谱结果上是否识别到与预设的点位值匹配的点值。
138.在一实施例中，预设的点位值包括200hz和600hz。在频谱结果上200hz或600hz附近有较高的点值时，判定出现了打鼾。其中，200hz或600hz附近可以通过阈值范围进行限定，对此本实施例不做具体限定。
139.若在所述频谱结果上识别到与预设的点位值匹配的点值，则判断相邻两次识别到与所述点位值匹配的点值之间的间隔是否与所述呼吸周期匹配。
140.若间隔与所述呼吸周期匹配，则生成为打鼾的所述第一识别结果；若第一间隔与所述呼吸周期不匹配，则生成为未打鼾的所述第一识别结果。
141.若在所述频谱结果上未识别到预设的点位值匹配的点值，则生成为未打鼾的所述第一识别结果。
142.503、利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果。
143.504、判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值。
144.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的间隔是否与所述呼吸周期匹配。
145.若与所述呼吸周期匹配，则生成为打鼾的第二识别结果；若与所述呼吸周期不匹配，则生成为未打鼾的第二识别结果。
146.若识别到小于或等于幅度阈值的幅度参数，或者过零次数小于或等于次数阈值，则生成为未打鼾的第二识别结果。
147.505、在所述第一识别结果和所述第二识别结果均表征打鼾时，生成为打鼾的所述压电识别结果。
148.需要说明的是，步骤501和502先后执行，步骤503和504先后执行。步骤501和503可以先后执行，也可以同时执行，对两个步骤的执行顺序不做具体限定。
149.结合频域分析和时域分析，对压电识别结果进行确定。有助于提高压电识别结果的精确度，从而提高打鼾识别结果的精确度。
150.在本技术的另一种实施方式中，在步骤所述获取声音信号之前，所述方法还包括：
151.601、判断所述压电信号的幅度是否小于预设的第一阈值。
152.若小于所述第一阈值，则利用所述压电信号计算得到体动密度、心率和呼吸率；在所述体动密度小于预设的第二阈值，且所述心率和所述呼吸率的波动均小于预设的第三阈值，同时所述心率和所述呼吸率小于预设的第四阈值时，判定所述识别对象进入睡眠状态。对于不满足上述条件的情况，均判定所述识别对象未进入睡眠状态。
153.602、输出用于控制声音收集设备启动的启动指令，以获得所述声音信号。
154.在确定识别对象进入睡眠状态后，输出启动指令，获取声音信号。有助于节约资源，减少计算量。
155.在本技术的另一种实施方式中，步骤所述在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果包括：
156.在所述压电识别结果和所述声音识别结果均表征为打鼾时，判定所述压电识别结果和所述声音识别结果与所述识别条件匹配，生成为打鼾的所述打鼾识别结果。
157.通过简单的判定方式，将压电识别结果与声音识别结果结合分析，以实现打鼾识别的目的，有助于节约资源，提高识别效率，降低误识别几率。
158.通过对压电信号和声音信号的处理，以及利用频域分析和时域分析对压电信号进行处理，得到对应的压电识别结果。有助于提高提高识别准确度，降低误识别几率，从而提高了鼾声识别结果的精准度。
159.本技术实施例还提供一种鼾声识别系统，如图3所示，包括获取模块1，用于获取识别对象产生的压电信号和声音信号；
160.压电模块2，用于对根据所述压电信号确定的周期性信号进行识别，得到压电识别结果；
161.声音模块3，用于利用预设的声音网络模型对所述声音信号进行计算，得到声音识别结果；
162.识别模块4，用于在所述压电识别结果和所述声音识别结果与预设的识别条件匹配时，生成打鼾识别结果。
163.优选地，所述压电模块2包括第一滤波单元，用于对所述压电信号进行第一滤波，得到呼吸信号；
164.周期单元，用于根据所述呼吸信号计算得到呼吸周期；
165.第二滤波单元，用于对所述压电信号进行第二滤波，得到与所述呼吸周期匹配的周期性信号；
166.压电单元，用于对所述周期性信号进行识别，得到所述压电识别结果。
167.优选地，所述压电单元包括频谱子单元，用于利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
168.第一判断子单元，用于判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
169.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的第一间隔是否与所述呼吸周期匹配；
170.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
171.优选地，所述压电单元包括时域子单元，用于利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
172.第二判断子单元，用于判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值；
173.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的第二间隔是否与所述呼吸周期匹配；
174.若与所述呼吸周期匹配，则生成为打鼾的所述压电识别结果。
175.优选地，所述压电单元包括第一压电子单元，用于利用预设的频域分析模型对所述周期性信号进行处理，得到频谱结果；
176.第二压电子单元，用于判断所述频谱结果上是否识别到与预设的点位值匹配的点值；
177.若是，则判断相邻两次识别到与所述点位值匹配的点值之间的间隔是否与所述呼吸周期匹配；
178.若与所述呼吸周期匹配，则生成为打鼾的第一识别结果；
179.第三压电子单元，用于利用预设的时域分析模型对所述周期性信号进行处理，得到时域结果；
180.第四压电子单元，用于判断所述时域结果上是否识别到大于预设的幅度阈值的幅度参数，且过零次数大于预设的次数阈值；
181.若识别到大于所述幅度阈值的所述幅度参数，且所述过零次数大于所述次数阈值，则判断相邻两次识别之间的间隔是否与所述呼吸周期匹配；
182.若与所述呼吸周期匹配，则生成为打鼾的第二识别结果；
183.结果子单元，用于在所述第一识别结果和所述第二识别结果均表征打鼾时，生成为打鼾的所述压电识别结果。
184.优选地，所述系统还包括阈值模块，用于在所述获取声音信号之前，判断所述压电
信号的幅度是否小于预设的第一阈值；
185.若小于所述第一阈值，则利用所述压电信号计算得到体动密度、心率和呼吸率；
186.启动模块，用于在所述体动密度小于预设的第二阈值，且所述心率和所述呼吸率的波动均小于预设的第三阈值，同时所述心率和所述呼吸率小于预设的第四阈值时，判定所述识别对象进入睡眠状态；
187.输出用于控制声音收集设备启动的启动指令，以获得所述声音信号。
188.优选地，所述识别模块4包括识别单元，用于在所述压电识别结果和所述声音识别结果均表征为打鼾时，判定所述压电识别结果和所述声音识别结果与所述识别条件匹配，生成为打鼾的所述打鼾识别结果。
189.这里需要指出的是：以上应用于鼾声识别系统实施例项的描述，与上述方法描述是类似的，具有同方法实施例相同的有益效果。对于本发明鼾声识别系统实施例中未披露的技术细节，本领域的技术人员请参照本发明方法实施例的描述而理解。
190.需要说明的是，本发明实施例中，如果以软件功能模块的形式实现上述方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read only memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
191.相应地，本技术实施例还公开一种存储介质，存储有能够被处理器加载并执行上述方法的计算机程序。
192.本技术实施例还公开一种鼾声识别装置，如图4所示，包括一个处理器100、至少一个通信总线200、用户接口300、至少一个外部通信接口400和存储器500。其中，通信总线200配置为实现这些组件之间的连接通信。其中，用户接口300可以包括显示屏，外部通信接口400可以包括标准的有线接口和无线接口。其中，存储器500中存储有鼾声识别方法。其中，处理器100用于在执行存储器500中存储的鼾声识别方法时采用上述方法。
193.以上应用于鼾声识别装置和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明鼾声识别装置和存储介质实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
194.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
195.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
196.在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
197.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
198.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
199.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
200.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
201.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。