鼾聲相關(guān)信號數(shù)據(jù)自動檢測與分類研究.pdf

1、如何實現(xiàn)對麥克風(fēng)錄制的鼾聲相關(guān)信號進行自動檢測與分類對基于聲學(xué)信號處理手段來診斷睡眠呼吸暫停/低通氣綜合癥人群的鼾聲來源和上氣道阻塞部位顯得尤為重要。尤其對于醫(yī)生和相關(guān)科研人員后續(xù)的數(shù)據(jù)庫建立和深入研究，自動檢測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)展到包括機器學(xué)習(xí)與智能信息處理。因此，傳統(tǒng)信號處理算法與模式識別領(lǐng)域的機器學(xué)習(xí)手段相結(jié)合，為實現(xiàn)鼾聲相關(guān)信號的自動檢測與分類提供了重要

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、智能語音控制系統(tǒng)、樂器音質(zhì)識別等領(lǐng)域。
　　本文討論的是如何搭建一個軟件處理系統(tǒng)，能夠自動地完成對鼾聲相關(guān)信號的檢測與分類，從而為相關(guān)醫(yī)務(wù)人員后續(xù)建立數(shù)據(jù)庫和深入研究提供便利。本文的主要工作是提出了一個用于鼾聲信號數(shù)據(jù)自動檢測與分類的方法，并利用實測數(shù)據(jù)對所提出的方法進行了驗證;本文將傳統(tǒng)的信號檢測與估計理論中的虛警率與漏警率的概念應(yīng)用于鼾聲相

3、關(guān)信號的檢測當(dāng)中，實測數(shù)據(jù)驗證的效果較好。此外，我們還對鼾聲信號的各類聲學(xué)特征進行了提取并作了比較。特征提取之后，我們對特征進行了選取，利用相關(guān)算法減少特征的維度，從而便于后續(xù)的機器學(xué)習(xí)。接著，我們利用交叉驗證法訓(xùn)練出識別率最高的分類器。最后我們將訓(xùn)練好的分類器嵌入自動檢測的軟件流程里，從而完成對鼾聲信號數(shù)據(jù)可以自動檢測與分類的處理平臺。實驗和主觀評價測試都反映了我們提出方法的可行性。同時，我們還利用論文所研究的算法系統(tǒng)框架對如何自動檢