Horkolás detektálás és elemzés

OData támogatás
Konzulens:
Dr. Pataki Béla
Méréstechnika és Információs Rendszerek Tanszék

A fejlett társadalmakban az alvászavarok sokakat érintenek, az alvásmonitorozás eszközeinek és módszereinek fejlesztése igen fontossá vált. Az alvásvizsgálat során nagy szerepe van a horkolás vizsgálatának, ugyanis (főleg egyes típusai, pl. alvási apnoe) jelentős tényezője lehet a kialvatlanságnak. "A hangos, lélegzésszünetekkel járó horkolás kapcsolatba hozható a kardiovaszkuláris betegségekkel és megnövelheti az egészségügyi és kórházi kezelések számát." - derül ki a SLEEP című lap 2008. márciusi számában megjelent cikkből [1]. A személyiségi jogok miatt viszont nem célszerű (sokszor nem is megengedett) egyszerűen felvenni egy vagy több mikrofonnal az összes hangot (beszéd, esetleg bizalmas információk), majd ezt továbbítani, elemezni, tárolni. A fenti okokból az tűnik célszerűnek, hogy a hangot tárolás nélkül helyben feldolgozzuk, és csak a horkolás detektálás, esetleg a horkolás típus információt küldjük tovább.

A diplomaterv során egy olyan hardvert fejlesztettem ki, amely egy mikrofon segítségével felvételt készít az alvás során keletkező hangokról. Ezeket helyben, autonóm módon képes feldolgozni és felismerni a horkolás tényét. Fontos, hogy a felvett hangokat nem továbbítja más egységeknek, és nem menti el, elkerülve az ezzel járó esetleges személyiségi jogi problémákat. Egy másik fontos követelmény, hogy a megfigyelt egyént a lehető legkevésbé zavarjuk alvása közben. Az úgynevezett poliszomnográfiás vizsgálatok során az egyénnek egy alváslaborban kell töltenie egy éjszakát, ahol nem éppen kényelmes körülmények között, mindenféle szenzorokkal és megfigyelőkkel a testén kell aludnia. Az én célom ezzel ellentétben éppen az, hogy a pácienst a saját otthonában, testére erősített szenzorok nélkül tudjam megfigyelni.

A dolgozatom témája a horkolás detektálás megoldása ezen a – korlátozott erőforrásokkal rendelkező – hardver eszközön. Először a horkolás detektálására is alkalmas jelfeldolgozási algoritmusokat mutatom be [2,3], és elemzem a korlátozott erőforrás felhasználásával valós idejű megvalósíthatóság szempontjából. Második lépésben a kiválasztott algoritmusoknak a mikrokontrolleres környezetben, a célhardveren történő implementálását, és tesztelését végzem.

Irodalom:

1. A Dunai, A Keszei, MS Kopp, CM Shapiro, I Mucsi, M Novak, "Cardiovascular disease and health care utilization in snorers: a population survey" SLEEP, Vol 31/Issue 3 March 1, 2008

2. Li Tan and Montri Karnjanadecha, "Pitch detection algorithm: Autocorrelation Method and AMDF" Proceedings of the 3rd International Symposium on Communications and Information Technology, 2: 551-556, September 2003.

3. M.R. Schroeder, "Period histogram and product spectrum: New methods for fundamental frequency measurement" JASA, 43(4):829-834, 1968.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.