压电式呼吸 (PZT) 传感器是一种流行的 入门级呼吸传感器，适用于需要呼吸监测的各种不同应用。请参阅下文如何使用此传感器识别呼吸暂停阶段。
介绍
需要通过在正常呼吸和呼吸暂停阶段之间交替来刺激身体的某些反应来引起呼吸暂停，例如通过屏住呼吸。如果目标是对受试者施加压力以监测他们的生理反应，这可能是有趣的，在这种情况下，这可能是身体对氧气供应受限的反应。
这篇文章旨在介绍 PZT 传感器在这种情况下的使用，并强调由此产生的传感器信号变化，这对于信号的预期结果可能是违反直觉的。
第 1 步：传感器放置
可以通过根据下图中显示的位置之一放置传感器来获取呼吸 (PZT) 传感器数据。
您还可以在以下文章中找到有关最佳传感器放置的更多信息：
如何正确放置压电呼吸 (PZT) 传感器？比较腹部与胸部传感器定位
第 2 步：原始数据采集
本文中提供的传感器数据是 在呼吸传感器的传感单元放置在胸部中心的ai位置获取的。与横向传感器定位相比，这种传感器放置不太容易受到由于手臂运动引起的运动伪影的影响。
传感器数据是通过以下呼吸动态获取的：
阶段：没有预定义呼吸模式的正常呼吸（0:00min 到 0:45min）
阶段：吸气后呼吸暂停（0:45 分钟至 1:00 分钟）
阶段：没有预定义呼吸模式的正常呼吸（1:00min 到 1:30min）
阶段：呼气后呼吸暂停（1:30min 至 1:45min）
获取的原始数据显示在下图中，我们可以在图中观察到由吸气和呼气期间的呼吸动力学引起的周期性信号分量（在接下来的步骤中对此进行了详细介绍）。
第 3 步：仔细查看呼吸传感器数据
在这个采集到的信号中，我们可以观察到典型的呼吸信号的周期性信号分量，它是由吸气和呼气期间的呼吸动力学引起的，即一个呼吸周期，如下图突出显示的示例。
每个周期的持续时间表示呼吸间间隔，通常使用该间隔来提取呼吸数据（例如每分钟呼吸次数）。
此外，传感器数据似乎围绕着一条基线线，在本例中，该基线线可以近似为信号的平均值，如下图所示。
每个周期的持续时间表示呼吸间间隔，通常使用该间隔来提取呼吸数据（例如每分钟呼吸次数）。
此外，传感器数据似乎围绕着一条基线线，在本例中，该基线线可以近似为信号的平均值，如下图所示。
第 4 步：信号过滤（可选）
在处理原始数据时，通常看起来数据不一定像许多教科书中的示例那样干净。
在呼吸传感器数据的情况下，这通常是由于呼吸机制并不完全顺畅，尤其是在从吸气到呼气时（例如在信号的峰值处看到）或在呼吸暂停阶段。此外，在获取运动数据时，运动伪影会极大地扭曲原始传感器数据并“隐藏”我们正在寻找的实际呼吸信息。
出于这个原因，在许多情况下——我们也强烈建议这样做——重要的是对传感器数据应用信号过滤技术，以便将其从此类伪影中清除，从而避免它们对传感器的质量产生影响。提取的信号统计。下图显示了原始信号与滤波信号的外观示例。
提示： 如果您正在寻找在 Python 中处理呼吸信号的工具箱，您可以尝试使用 Python 编写的 BioSPPy 生物信号处理工具箱。
第 5 步：识别呼吸暂停阶段
如前所述，呼吸 (PZT) 传感器仅测量 位移。这意味着只有当传感器在吸气期间拉伸（信号减少）或在呼气期间放松（信号增加）时，传感器信号才会发生变化。
然而，在呼吸暂停阶段（这里通过屏住呼吸进行模拟），无论一个人是在吸气后立即屏住呼吸还是在呼气后屏住呼吸，信号都会返回到先前确定的基线。
使用此信息，可以通过监测信号的部分来识别呼吸暂停阶段，其中信号在基线附近变平，如下图所示，其中信号在正常、不受控制的呼吸期间吸气后返回基线（第一次呼吸暂停阶段），此处信号在正常、不受控制的呼吸（第二个呼吸暂停阶段）期间呼气后返回基线。
