祁富貴，李川濤，張華，李盛，王健琪，路國(guó)華

第四軍醫(yī)大學(xué) a.研究生管理大隊(duì)2014級(jí)碩士隊(duì)；b.生物醫(yī)學(xué)工程學(xué)院電子學(xué)教研室，陜西 西安 710032

一種非接觸呼吸暫停檢測(cè)技術(shù)的研究

祁富貴a，李川濤b，張華b，李盛b，王健琪b，路國(guó)華b

第四軍醫(yī)大學(xué) a.研究生管理大隊(duì)2014級(jí)碩士隊(duì)；b.生物醫(yī)學(xué)工程學(xué)院電子學(xué)教研室，陜西 西安 710032

為了實(shí)現(xiàn)在低生理和心理負(fù)荷條件下睡眠呼吸暫停的非接觸檢測(cè)，本文首先利用生物雷達(dá)實(shí)現(xiàn)了對(duì)人體呼吸信號(hào)的非接觸采集，然后通過(guò)函數(shù)模擬構(gòu)造伴有呼吸暫停的呼吸仿真信號(hào)，提出基于時(shí)域的能量譜法和基于小波域的小波信息熵譜法，最后根據(jù)兩種算法的準(zhǔn)確率提出綜合判斷方法，最終實(shí)現(xiàn)了對(duì)睡眠呼吸暫停的非接觸檢測(cè)。實(shí)驗(yàn)結(jié)果表明，利用能量法與小波信息熵法按權(quán)重綜合判斷睡眠暫停，能夠較準(zhǔn)確地判斷阻塞性睡眠的呼吸暫停次數(shù)，為非接觸睡眠呼吸暫停輔助診斷奠定技術(shù)基礎(chǔ)。

生物雷達(dá)；呼吸暫停；非接觸檢測(cè)；能量譜；小波信息熵

0 前言

睡 眠 呼 吸 暫 停 綜 合 癥（Sleep Apnea Syndrome，SAS）又稱睡眠呼吸暫停低通氣綜合征，是現(xiàn)代社會(huì)中一種發(fā)病率高且具有潛在危險(xiǎn)的呼吸 疾病[1-2]。由于呼吸暫停時(shí)通氣量會(huì)降低甚至停止，人體血氧飽和度（SpO2）也會(huì)下降，因此呼吸暫停的長(zhǎng)期頻繁發(fā)生會(huì)對(duì)人體造成嚴(yán)重傷害，甚至危及生命。因此對(duì)睡眠過(guò)程中的呼吸暫停進(jìn)行判斷和危險(xiǎn)預(yù)警就顯得極其重要。研究表明，阻塞性睡眠呼吸暫停低通氣綜合征（Obstructive Sleep Apnea Hypopnea Syndrome，OSAHS）患者中，約有 93%的女性和 82%的男性沒(méi)有得到診斷，2% ～26%的成年人受到該病的影響[3]，當(dāng)前急需提高該病的診斷率，研究和規(guī)范相關(guān)診療方法。

美國(guó)睡眠協(xié)會(huì)研究發(fā)現(xiàn)，呼吸信號(hào)的檢測(cè)對(duì)診斷 SAS有重要的價(jià)值。目前常用于檢測(cè)睡眠呼吸暫停的方法分為接觸式和非接觸式兩大類。接觸式檢測(cè)方法主要利用壓力傳感器、溫度傳感器和阻抗法等，通過(guò)傳感器和人體接觸以獲得人體睡眠信號(hào)，典型代表有多導(dǎo)睡眠圖法（PSG）和腕式活動(dòng)記錄儀等。非接觸式檢測(cè)方法主要利用床墊下壓力傳感器或微波傳感器，非接觸地檢測(cè)人體睡眠呼吸信號(hào)，典型代表有紅外線檢測(cè)法和生物雷達(dá)檢測(cè)法。

由于非接觸式檢測(cè)方法能夠克服接觸式檢測(cè)方法限制人體自由、適用環(huán)境局限等缺點(diǎn)，能夠給檢測(cè)目標(biāo)提供相對(duì)自由的檢測(cè)環(huán)境[4]，實(shí)現(xiàn)低生理和心理負(fù)荷下的呼吸信號(hào)檢測(cè)，且適于家用，已漸漸成為研究熱點(diǎn)。生物雷達(dá)技術(shù)融合了生物醫(yī)學(xué)工程及雷達(dá)技術(shù)，可通過(guò)非接觸檢測(cè)人體呼吸引起的胸腹部表面微動(dòng)來(lái)實(shí)現(xiàn)呼吸信號(hào)的檢測(cè)，應(yīng)用范圍廣且更適用于戰(zhàn)場(chǎng)等特殊環(huán)境下傷員和病人的呼吸信號(hào)檢測(cè)[5]。本課題組在前期研究中已經(jīng)進(jìn)行了雷達(dá)非接觸檢測(cè)的呼吸信號(hào)和心跳信號(hào)分離算法的研究[6]，實(shí)現(xiàn)了呼吸信號(hào)和心跳信號(hào)的較好分離。

本研究主要采用生物雷達(dá)傳感器對(duì)呼吸信號(hào)進(jìn)行非接觸檢測(cè)，利用算法進(jìn)行睡眠呼吸暫停綜合判斷以及危險(xiǎn)預(yù)警，為 SAS的輔助診斷提供科學(xué)依據(jù)。

1 材料與方法

1.1 生物雷達(dá)實(shí)驗(yàn)平臺(tái)

本研究中，生物雷達(dá)采用本課題組自主研發(fā)的 24 GHz連續(xù)波雷達(dá)（最大輻射功率為 1 μW），其輸出經(jīng)過(guò)本課題組自主研發(fā)的硬件模擬濾波和放大等預(yù)處理模塊后與PowerLab 系統(tǒng)（澳大利亞 ADINSTRUMENTS 公司生產(chǎn)）直接連接，通過(guò)其自帶的 LabChart軟件對(duì)數(shù)據(jù)進(jìn)行采集和處理，將處理后的信號(hào)導(dǎo)入自編的基于小波信息熵法和能量法的綜合判斷軟件中，進(jìn)行睡眠呼吸暫停的綜合判斷和危險(xiǎn)預(yù)警。

1.2 呼吸暫停仿真信號(hào)的構(gòu)造

SAS主要分為阻塞性睡眠呼吸暫停綜合征、中樞性睡眠呼吸暫停綜合征以及混合性睡眠呼吸暫停綜合征 3 類[7]。利用睡眠呼吸暫停的生理特點(diǎn)，結(jié)合張鵬飛[8]等對(duì)呼吸暫停信號(hào)的仿真模擬可知，呼吸暫停主要表現(xiàn)為以下4種情況： ① 呼吸運(yùn)動(dòng)幅值、頻率均為零； ② 呼吸運(yùn)動(dòng)幅值降低，并且頻率加快 ；③ 呼吸運(yùn)動(dòng)頻率不變，但是幅值降低 50%以上 ；④ 呼吸運(yùn)動(dòng)幅值、頻率均不確定。

選取采樣頻率為 100 Hz，呼吸暫停發(fā)生時(shí)間＞10 s，采用以下函數(shù)構(gòu)造上述幾種情況下的呼吸暫停信號(hào)，呼吸暫停發(fā)生時(shí)間設(shè)為 20 s：

由于呼吸暫停時(shí)呼吸信號(hào)復(fù)雜多變，通常并非為上述4種情況中的單一一種，因此本研究中仿真的呼吸暫?？捎?x1、x2、x3、x4兩兩組合表示，即有 6 種組合。將 6 種呼吸暫停仿真信號(hào)隔段嵌入正常呼吸仿真信號(hào) x=4cos(0.5πt)中，即可得到伴有呼吸暫停的模擬仿真呼吸暫停信號(hào)：

對(duì)以上構(gòu)造的模擬仿真呼吸暫停信號(hào)加高斯白噪聲，然后對(duì)其用小波信息熵法進(jìn)行處理。

1.3 雷達(dá)采集呼吸暫停信號(hào)

實(shí)測(cè)實(shí)驗(yàn)中，人體平躺，與雷達(dá)正對(duì)，距離 1.2 m。每位受試者經(jīng)過(guò)訓(xùn)練后盡可能模擬真實(shí)的正常呼吸和睡眠呼吸暫停。共采集 10位受試者的呼吸信號(hào)，每組呼吸暫停信號(hào)中包含 10 次呼吸暫停。本研究所選采樣頻率為 100 Hz，預(yù)處理低通濾波時(shí)截止頻率為 0.9 Hz，采用滑動(dòng)去直流去基線的方法去除信號(hào)的基線漂移。

2 呼吸暫停綜合判斷與危險(xiǎn)預(yù)警算法分析處理

2.1 算法總體設(shè)計(jì)

呼吸暫停綜合判斷算法流程圖，見(jiàn)圖1。首先分別利用能量法和小波信息熵法對(duì)伴有呼吸暫停的呼吸仿真信號(hào)進(jìn)行呼吸暫停判斷，證明算法對(duì)呼吸暫停判斷的有效性；然后分別利用能量法和小波信息熵法對(duì)雷達(dá)采集的實(shí)測(cè)呼吸暫停信號(hào)進(jìn)行判斷，得到各自的判斷準(zhǔn)確率；最后根據(jù)兩種算法的判斷準(zhǔn)確率按權(quán)重綜合判斷，并利用單次連續(xù)呼吸暫停時(shí)間，結(jié)合危險(xiǎn)時(shí)間閾值進(jìn)行危險(xiǎn)判斷和報(bào)警觸發(fā)。

圖1 呼吸暫停綜合判斷與危險(xiǎn)預(yù)警算法流程圖

2.2 能量法

由于能量在時(shí)域內(nèi)具有很好的疊加性，故本研究首先在時(shí)域內(nèi)采用能量法進(jìn)行呼吸暫停判斷。能量計(jì)算公式為：

其中x為信號(hào)。在時(shí)域內(nèi)，信號(hào)的能量與呼吸強(qiáng)度（即呼吸信號(hào)的幅值）成正比，它表示的是呼吸信號(hào)的強(qiáng)弱。取時(shí)窗長(zhǎng)度為L(zhǎng)，計(jì)算各時(shí)窗內(nèi)的能量值，就可以得到信號(hào)在時(shí)域上的能量譜。在發(fā)生呼吸暫停時(shí)，信號(hào)的強(qiáng)度比正常呼吸信號(hào)的強(qiáng)度小，其能量值也小于正常信號(hào)。故以能量譜為特征值可以將呼吸暫停有效地判斷出來(lái)。

2.3 小波信息熵法

小波信息熵是信息熵和小波能譜相結(jié)合的產(chǎn)物，它可以更精確地表征非平穩(wěn)信號(hào)的非線性局部變化，且具有更好 的低頻 分辨率[9]。由于呼吸信 號(hào)屬于低頻非平 穩(wěn)信號(hào)，呼吸暫停時(shí)信號(hào)的非平穩(wěn)性和復(fù)雜度大于正常呼吸信號(hào)，故其小波信息熵值也大[10]。

小波信息熵法的步驟如下：

（1）對(duì)呼吸信號(hào)進(jìn)行多分辨率分析的小波變換。

（2）按公式 (6)計(jì)算某一尺度下小波變換后呼吸信號(hào)的能量：

其中 Dj(k)為 j尺度下小波重構(gòu)系數(shù)，N 為采樣點(diǎn)長(zhǎng)度，E=[E1,E2,E3…Ej]為呼吸信號(hào) x(n)在 j個(gè)尺度上的小波能譜。

（3）按公式 (7)計(jì)算呼吸信號(hào)的小波信息熵 ：

其中 Pj表示信號(hào)在不同尺度下的能量分布情況。在發(fā)生呼吸暫停時(shí)，呼吸頻率加快，紊亂度增加，其小波信息熵值也大于正常呼吸信號(hào)。

2.4 參考閾值的設(shè)定

利用能量法和小波信息熵法判斷是否發(fā)生呼吸暫停時(shí)，需要相應(yīng)的參量閾值作為判斷標(biāo)準(zhǔn)。本研究采用自動(dòng)閾值法得到信號(hào)特征值閾值曲線，具體設(shè)置如下：

在能量法中，本研究根據(jù)呼吸暫停定義設(shè)定能量閾值。根據(jù)第一屆全國(guó)睡眠學(xué)術(shù)會(huì)議中關(guān)于呼吸暫停診斷標(biāo)準(zhǔn)的規(guī)定可知，呼吸暫停時(shí)口鼻氣流量較基礎(chǔ)水平降低 50% 以上，即口鼻處呼吸氣流完全停止或通氣量低于正常水平的50% 以上。因此，當(dāng)呼吸信號(hào)的能量值下降到正常水平的50% 以上時(shí)，即可認(rèn)為發(fā)生了呼吸暫停。本研究所設(shè)定的能量閾值即為正常水平的 1/2，即 q=0.5。在小波信息熵法中，由于并沒(méi)有對(duì)呼吸暫停信號(hào)小波信息熵值的定義，我們通過(guò)大量采集包含有呼吸暫停的睡眠呼吸信號(hào)，通過(guò)對(duì)比實(shí)測(cè)人體呼吸信號(hào)中呼吸暫停和正常呼吸的小波信息熵值，結(jié)合經(jīng)驗(yàn)并以提高判斷準(zhǔn)確性為原則，將小波信息熵閾值正常水平的 1.2 倍定義為參考閾值，即 q=1.2。

3 實(shí)驗(yàn)結(jié)果

3.1 仿真信號(hào)結(jié)果

構(gòu)造的呼吸暫停仿真信號(hào) xn加入高斯白噪聲，信噪比設(shè)置為 -5 dB，按照?qǐng)D 1 所示的流程圖對(duì)仿真信號(hào)進(jìn)行處理，結(jié)果見(jiàn)圖 2。其中， 圖 2(a)為呼吸暫停仿真信號(hào)的波形，橫坐標(biāo)為采樣點(diǎn)數(shù)，縱坐標(biāo)為信號(hào)幅度 ；圖 2(b)為采用能量法對(duì)呼吸暫停仿真信號(hào)的處理結(jié)果，橫坐標(biāo)為加窗個(gè)數(shù)，縱坐標(biāo)為信號(hào)的能量，橫線代表能量法參考閾值 ；圖 2(c)為采用小波信息熵法對(duì)呼吸暫停仿真信號(hào)的處理結(jié)果，橫坐標(biāo)為加窗個(gè)數(shù)，縱坐標(biāo)為信息熵值，橫線代表小波信息熵法參考閾值 ；圖 2(d)為兩種方法判斷呼吸暫停的輸出結(jié)果，“1”代表呼吸暫停，“0”代表正常呼吸。

圖2 呼吸暫停仿真信號(hào)處理結(jié)果

3.2 實(shí)測(cè)信號(hào)結(jié)果

對(duì)生物雷達(dá)采集到的實(shí)測(cè)呼吸暫停信號(hào)按照?qǐng)D1所示的流程圖，分別利用能量法和小波信息熵法進(jìn)行處理，窗長(zhǎng)選定為 2048 點(diǎn)，疊加 50%。在能量法中，雷達(dá)所采集到的呼吸信號(hào)、能量譜、小波信息熵以及最終判斷結(jié)果，見(jiàn)圖 3。其中，圖 3(a)為生物雷達(dá)實(shí)測(cè)呼吸信號(hào)的波形，橫坐標(biāo)為采樣點(diǎn)數(shù)，縱坐標(biāo)為信號(hào)的幅度 ；圖 3(b)為采用能量法對(duì)實(shí)測(cè)呼吸信號(hào)的處理結(jié)果，橫坐標(biāo)為加窗個(gè)數(shù)，縱坐標(biāo)為信號(hào)的能量 ；圖 3(c)為采用小波信息熵法對(duì)實(shí)測(cè)呼吸信號(hào)的處理結(jié)果，橫坐標(biāo)為加窗個(gè)數(shù)，縱坐標(biāo)為信息熵值；圖 3(d)和 3(e)為兩種方法判斷呼吸暫停的輸出結(jié)果，“1”代表呼吸暫停，“0”代表正常呼吸。

圖3 實(shí)測(cè)呼吸信號(hào)兩種方法的輸出結(jié)果

3.3 綜合判斷和危險(xiǎn)預(yù)警

3.3.1 綜合判斷

對(duì)于一段呼吸信號(hào)，分別利用能量法和小波信息熵法進(jìn)行呼吸暫停判斷，所得呼吸暫停次數(shù)分別記為 Hn和 H2。本研究對(duì)10位受試者進(jìn)行模擬睡眠呼吸暫停呼吸信號(hào)的采集，并采用兩種算法進(jìn)行分析處理，最終得到兩種方法呼吸暫停判斷的準(zhǔn)確度分別為 ：Pn=0.85，Ps=0.79。則按權(quán)重綜合判斷后呼吸暫停次數(shù)為：

利用生物雷達(dá)對(duì)呼吸信號(hào)進(jìn)行采集并利用本算法進(jìn)行分析處理，利用呼吸暫停次數(shù)H結(jié)合睡眠呼吸暫停的臨床癥狀標(biāo)準(zhǔn)就可進(jìn)行輔助診斷。

3.3.2 危險(xiǎn)預(yù)警

對(duì)于一段呼吸信號(hào)，利用計(jì)數(shù)器對(duì)每次連續(xù)判斷為呼吸暫停的時(shí)窗數(shù)進(jìn)行累計(jì)，通過(guò)換算得出呼吸暫停時(shí)間，若超過(guò)危險(xiǎn)時(shí)間閾值則觸發(fā)報(bào)警器。

調(diào)查表明，若患者夜間睡眠過(guò)程中一次呼吸暫停時(shí)間＞120 s，則容易在凌晨發(fā)生猝死，故本研究的危險(xiǎn)時(shí)間閾值設(shè)為 120 s。實(shí)驗(yàn)采用的時(shí)窗長(zhǎng)度記為 L，采樣率 fs=100 Hz，連續(xù)判斷為呼吸暫停的時(shí)窗數(shù)記為n，由于算法中時(shí)窗疊加50%，則實(shí)際連續(xù)呼吸暫停時(shí)間為 ：

若兩種方法中任意一種得出的單次連續(xù)呼吸暫停時(shí)間t ≥ 120 s，則觸發(fā)報(bào)警器喚醒病人；t＜ 120 s，則繼續(xù)檢測(cè)。

4 總結(jié)

近年來(lái)，隨著睡眠醫(yī)學(xué)的不斷發(fā)展，SAS 逐漸成為研究熱點(diǎn)。目前，針對(duì)睡眠呼吸暫停的診斷主要采用睡眠過(guò)程中的多導(dǎo)睡眠監(jiān)測(cè)（PSG）和食管壓力測(cè)定兩種方法，但這兩種方法均需要通過(guò)多個(gè)傳感器直接接觸人體，限制了受試者的人體自由，增加了其心理壓力，進(jìn)而影響測(cè)量結(jié)果。本研究首先根據(jù)睡眠呼吸暫停的特點(diǎn)，利用函數(shù)模擬構(gòu)造伴有呼吸暫停的睡眠呼吸仿真信號(hào)；其次，利用生物雷達(dá)實(shí)現(xiàn)對(duì)人體呼吸信號(hào)的采集并分別利用能量法和小波信息熵法對(duì)采集的呼吸信號(hào)進(jìn)行呼吸暫停判斷，并根據(jù)兩種算法按權(quán)重進(jìn)行綜合判斷；最后，利用計(jì)數(shù)器對(duì)每次連續(xù)判斷為呼吸暫停的時(shí)窗數(shù)進(jìn)行累計(jì)，通過(guò)換算得出連續(xù)呼吸暫停時(shí)間，以危險(xiǎn)時(shí)間閾值為標(biāo)準(zhǔn)，進(jìn)行危險(xiǎn)判斷和觸發(fā)報(bào)警。

本研究將能量法和小波信息熵法有效結(jié)合，得到了一種能夠?qū)崿F(xiàn)對(duì)睡眠呼吸暫停進(jìn)行有效判斷以及危險(xiǎn)預(yù)警的算法，為睡眠呼吸暫停的診斷和臨床監(jiān)護(hù)奠定了理論基礎(chǔ)。本研究結(jié)果表明 ：① 兩種算法均可對(duì)睡眠呼吸暫停進(jìn)行有效判斷 ；② 能量法的判斷精確度略高于小波信息熵法，這可能是因?yàn)槟芰糠ū旧砭哂休^好的抗干擾性，且小波信息熵對(duì)信號(hào)的平穩(wěn)性更敏感，在覺(jué)醒狀態(tài)下很難真實(shí)地模擬平穩(wěn)的正常睡眠呼吸。

由于本研究沒(méi)有考慮呼吸暫停時(shí)的幅度、頻率，雷達(dá)與人體的距離和受試者睡姿對(duì)兩種方法判斷準(zhǔn)確度的影響，算法對(duì)上述不同情況的適應(yīng)性還有待研究。另外本研究中，樣本量略微不足。在下階段工作中，在解決以上問(wèn)題的同時(shí)，還要利用阻塞性睡眠呼吸暫停患者的實(shí)測(cè)睡眠呼吸信號(hào)對(duì)算法進(jìn)行檢驗(yàn)并對(duì)算法進(jìn)行完善，期望把睡眠呼吸暫停嚴(yán)重程度分級(jí)加入算法之中。

[1] 葉建明．脈搏血氧飽和度監(jiān)測(cè)儀的原理及計(jì)量性能檢測(cè)[J]．計(jì)量與測(cè)試技術(shù),2005,(32):9-10．

[2] 葉志前,鄭濤,裘利堅(jiān)．睡眠監(jiān)護(hù)技術(shù)的發(fā)展[J]．國(guó)外醫(yī)學(xué)生物醫(yī)學(xué)工程分冊(cè),2003,(6):244-248．

[3] Lettieri CJ,Eliasson AH,Andrada T,et al．Obstructive sleep apnea syndrome:are we missing an at-risk population[J]．J Clin Sleep Med,2005,1(4):381-385．

[4] 王健琪,薛慧君,呂昊,等．非接觸生理信號(hào)檢測(cè)技術(shù)[J]．中國(guó)醫(yī)療設(shè)備,2013,28(11):5-8．

[5] 李釗,王健琪,荊西京,等．用于生命探測(cè)的人體呼吸運(yùn)動(dòng)模擬系統(tǒng)研制[J]．醫(yī)療衛(wèi)生裝備,2010,31(3):40-41．

[6] 張華,孫娜娜,張鵬飛,等．雷達(dá)式非接觸檢測(cè)中呼吸和心跳信號(hào)分離算法的研究[J]．中國(guó)醫(yī)療設(shè)備,2013,28(11):9-11．

[7] 中華耳鼻咽喉頭頸外科雜志編輯委員會(huì),中華醫(yī)學(xué)會(huì)耳鼻咽喉頭頸外科學(xué)分會(huì)咽喉學(xué)組．阻塞性睡眠呼吸暫停低通氣綜合征診斷和外科治療指南[J]．中華耳鼻咽喉科頭頸外科雜志,2009,44(2):95-96．

[8] 張鵬飛,拜軍,荊西京,等．一種基于能量譜非接觸呼吸暫停檢測(cè)技術(shù)的研究[J]．醫(yī)療衛(wèi)生裝備,2012,(11):13-15．

[9] 張景川,曾周末,賴平,等．基于小波能譜和小波信息熵的管道異常振動(dòng)事件識(shí)別方法[J]．振動(dòng)與沖擊,2010,29(5):1-4．

[10] Al-Nashash HA,Thakor NV．Monitoring of global cerebral ischemia using wavelet entropy rate of change[J]．IEEE Transactions on Biomedical Engineering,2005,52(12):2119-2122．

Study on the Key Technique for Non-contact Sleep Apnea Detection

QI Fu-guia, LI Chuan-taob, ZHANG Huab, LI Shengb, WANG Jian-qib, LU Guo-huab
a. 2014 Master Class Under the Management of Postgraduate Department; b.Department of Electronics, School of Biomedical Engineering, The Fourth Military Medical University, Xi’an Shaanxi 710032, China

To realize the non-contact monitoring of the sleep apnea under low physical and mental load condition, a comprehensive method is used in this paper. First of all, the non-contact collection of human respiratory signals is conducted by bio-radar. Secondly, based on the construction of the simulated sleep apnea signals through functional simulation, the time-domain-based energy spectrum and the waveletdomain-based wavelet information entropy spectrum are proposed. Finally, according to the accuracy of these two methods, a comprehensive algorithm is put forward to realize the non-contact monitoring of the sleep apnea. The experimental results shows that the comprehensive judgement of the sleep apnea by using the energy spectrum and wavelet information entropy spectrum according to the weight of the accuracy can actually judge the apnea times of obstructive sleep. The comprehensive judgement method will lay the technical foundation of the non-contact aided-diagnosis of sleep apnea.

bio-radar; sleep apnea; non-contact monitoring; energy spectrum; wavelet information entropy

TN957.51

A

10.3969/j.issn.1674-1633.2014.12.007

1674-1633(2014)12-0024-04

2014-09-12

國(guó)家自然科學(xué)基金課題（61271102）。

路國(guó)華，副教授。

通訊作者郵箱：lugh1976@fmmu．edu．cn