Page 222 - 《应用声学》2023年第3期

660 2023 年 5 月

species is 89.84%. In conclusion, compared with the traditional auscultation method, the results collected and
identified by PVDF sensor have higher accuracy and reliability. The results of its judgment of respiratory
status can provide reference for medical staff and it can better monitor respiratory status of patients.
Keywords: Abnormal breathing; Thin film sensor; Voice features; Respiratory state

0 引言 1 呼吸声的采集与特征提取

随着新冠疫情在全球范围内的肆虐，许多患有 1.1 PVDF薄膜传感器
呼吸问题的病人需要不断监测其呼吸状态。当病人 PVDF 传感器是一种独特的柔性动态应变传
出现呼吸异常的情况需要及时向医生问诊。医护人 感器，适合应用于人体表面以及人体内部声音信号
员通过分析病人的呼吸情况可以找寻和分析病人 的采集 [5] 。其原理是当PVDF传感器在受到拉伸或
出现这种呼吸状况的原因。呼吸声的诊断一般使 者弯曲之后，薄膜上下电极表面会产生一个电信号，
用听诊器来获取听诊信息，但是传统听诊器存在着 该信号与拉伸或者弯曲的形变成比例。图 1 和图 2
很大的局限性。人耳能够听取的声音频率范围为 为 MEAS 公司生产的两种不同制造工艺的 PVDF
20∼20000 Hz，而医院所用的听诊器因为在 500 Hz 传感器。
左右会产生低频响应，所以会导致误差的产生，使
医护人员不能获取到 500∼2000 Hz 以外的有效信
息 [1] 。而且诊断结果的准确性与医护人员的专业经
验与相关参数有关。在初级诊断治疗阶段，初级医
生识别听诊声的正确率一般从 20%∼80% 不等。而
导致高误诊率的原因有很多，例如漏诊、错诊和延
误等。
病人的呼吸道出现异常呼吸声的原因很多，例
如气道痉挛或者水肿、异物阻塞、肺部呼吸道感染
等。由于每个病人的体质和呼吸道受损情况不同， 图 1 PVDF 薄膜传感器类型 1
其表现出的呼吸声也会有所不同。通过呼吸特征可 Fig. 1 PVDF sensors Type1
以分辨病人的肺部情况，为病人的病情做出诊断。
常见的肺部听诊声包括：支气管呼吸声、湿罗声、干
罗声、胸膜摩擦声、哮鸣声等 [2] 。
张伟君 [3] 通过功率谱方法和线性预测方法对
呼吸声进行分类，其分类的准确性会随呼吸声混
合的不同类型变化。当鼾声与罗声混合时，其识别
准确度仅有 25%。崔星星 [4] 通过使用支持向量机
(Support vector machine, SVM)和后向传播(Back
propagating, BP) 神经网络对呼吸声的分类进行研
究，虽然该方法能取得较为准确的识别，但是其 图 2 PVDF 薄膜传感器类型 2
Fig. 2 PVDF sensors Type2
计算识别过程较为复杂，且并未实现便携式检测
系统研制。本文使用聚偏二氟乙烯 (Polyvinylidene 常见的声音采集拾声器有电容式、驻极体式、
difluoride, PVDF) 薄膜传感器采集呼吸声，采集的 动圈式等。但是这些声频采集拾声器对人体呼吸声
呼吸声经过处理之后可以提取 Mel 频率倒谱系数 信号采集都存在一定的局限性，例如采集的声频范
(Mel frequency cepstral coefficients, MFCC)。提取 围小、功放后声频混乱、安装不适宜等。此外采声
的特征值可以判断识别病人的呼吸状态，且采集的 效果接近 PVDF 薄膜传感器的电容式拾声器因具
呼吸声可以通过存储介质存储起来，以便为医护人 有造价昂贵、结构复杂等特点所以不适合长时间反
员分析一段时间内的呼吸状态提供参考。 复采集人体微弱的体声信号。电容式驻极体传感器