鼾聲相關(guān)信號(hào)數(shù)據(jù)自動(dòng)檢測(cè)與分類研究.pdf

1、如何實(shí)現(xiàn)對(duì)麥克風(fēng)錄制的鼾聲相關(guān)信號(hào)進(jìn)行自動(dòng)檢測(cè)與分類對(duì)基于聲學(xué)信號(hào)處理手段來(lái)診斷睡眠呼吸暫停/低通氣綜合癥人群的鼾聲來(lái)源和上氣道阻塞部位顯得尤為重要。尤其對(duì)于醫(yī)生和相關(guān)科研人員后續(xù)的數(shù)據(jù)庫(kù)建立和深入研究，自動(dòng)檢測(cè)和分類的智能軟件處理系統(tǒng)能夠有效地提升工作效率?，F(xiàn)代信號(hào)處理的范圍，已從經(jīng)典的濾波與頻譜分析發(fā)展到包括機(jī)器學(xué)習(xí)與智能信息處理。因此，傳統(tǒng)信號(hào)處理算法與模式識(shí)別領(lǐng)域的機(jī)器學(xué)習(xí)手段相結(jié)合，為實(shí)現(xiàn)鼾聲相關(guān)信號(hào)的自動(dòng)檢測(cè)與分類提供了重要

2、的理論支撐與基礎(chǔ)。本論文提出的算法與實(shí)現(xiàn)手段同樣可以被應(yīng)用于其他領(lǐng)域如智慧家庭聲學(xué)應(yīng)用、智能語(yǔ)音控制系統(tǒng)、樂器音質(zhì)識(shí)別等領(lǐng)域。
　　本文討論的是如何搭建一個(gè)軟件處理系統(tǒng)，能夠自動(dòng)地完成對(duì)鼾聲相關(guān)信號(hào)的檢測(cè)與分類，從而為相關(guān)醫(yī)務(wù)人員后續(xù)建立數(shù)據(jù)庫(kù)和深入研究提供便利。本文的主要工作是提出了一個(gè)用于鼾聲信號(hào)數(shù)據(jù)自動(dòng)檢測(cè)與分類的方法，并利用實(shí)測(cè)數(shù)據(jù)對(duì)所提出的方法進(jìn)行了驗(yàn)證;本文將傳統(tǒng)的信號(hào)檢測(cè)與估計(jì)理論中的虛警率與漏警率的概念應(yīng)用于鼾聲相

3、關(guān)信號(hào)的檢測(cè)當(dāng)中，實(shí)測(cè)數(shù)據(jù)驗(yàn)證的效果較好。此外，我們還對(duì)鼾聲信號(hào)的各類聲學(xué)特征進(jìn)行了提取并作了比較。特征提取之后，我們對(duì)特征進(jìn)行了選取，利用相關(guān)算法減少特征的維度，從而便于后續(xù)的機(jī)器學(xué)習(xí)。接著，我們利用交叉驗(yàn)證法訓(xùn)練出識(shí)別率最高的分類器。最后我們將訓(xùn)練好的分類器嵌入自動(dòng)檢測(cè)的軟件流程里，從而完成對(duì)鼾聲信號(hào)數(shù)據(jù)可以自動(dòng)檢測(cè)與分類的處理平臺(tái)。實(shí)驗(yàn)和主觀評(píng)價(jià)測(cè)試都反映了我們提出方法的可行性。同時(shí)，我們還利用論文所研究的算法系統(tǒng)框架對(duì)如何自動(dòng)檢