[发明专利]基于复数阶导数处理的鼾声特征提取、检测方法及其装置

说明书

本发明公开了一种基于复数阶导数处理的鼾声特征提取和检测方法，步骤A、获取待检测音频信号的复数阶导数；步骤B、利用鼾声信号的复数阶导数在时间轴与实轴所在平面或复平面的投影在幅值上与其它声音有显著区别的特点，从待检测音频信号的复数阶导数中提取鼾声鉴别特征值；步骤C、判断鼾声鉴别特征值是否在所设阈值范围内；如果是，则判定为鼾声，反之则不是鼾声。本发明还提供了一种基于复数阶导数处理的鼾声特征提取和检测装置，以及一种基于复数阶导数处理的鼾声特征提取方法。本发明提取的鼾声特征与其它声音特征有明显区别，提高了鼾声检测的准确度，降低了算法的复杂性。

技术领域

本发明涉及信号处理及声音检测领域，尤其涉及一种基于复数阶导数处理的鼾声特征提取方法、检测方法及其装置。

背景技术

在日常生活中，打鼾是一种十分普遍的现象，据有关组织的不完全统计，大约有20％～40％的人群患有打鼾症状。打鼾严重的人会患有阻塞性睡眠呼吸暂停综合征，该病患病率高，严重影响人体健康。为此，研究者们提出了许多止鼾或缓解打鼾的设备，而识别鼾声是各种止鼾或缓解打鼾设备的前提。

现有的鼾声识别方法中，主要可以概括为以下两步。先是对鼾声信号进行处理得到鼾声的特征，然后基于鼾声特征再加以算法实现鼾声识别。例如对音频信号进行处理得到信号的梅尔频率倒谱系数，然后再通过支持向量机来识别是否为鼾声。又如计算音鼾声号的分贝值、周期性等特征，再设置阈值来识别鼾声。可见对鼾声信号进行处理是鼾声识别的关键，现有的鼾声处理方法主要是借鉴语音处理的方法，主要包括时域和频域上的处理，时域上的处理包括提取鼾声的响度、周期性等特征，频域上的处理包括提取基频、熵谱等特征。由于使用现有的鼾声处理方法得到的鼾声特征与其它声音信号区别不明显，使得鼾声识别算法变得复杂且识别率不高、硬件成本增加，不能广泛的应用到民用产品中。

因此，一种能够得到与其它声音特征有明显区别的鼾声处理方法以及设计一种简便、准确率高的鼾声检测方法变得十分重要。

发明内容

有鉴于此，本发明提供了一种基于复数阶导数处理的鼾声特征提取方法、检测方法及其装置，使得提取的鼾声特征与其它声音特征有明显区别，提高了鼾声检测的准确度，降低了算法的复杂性。

为了解决上述技术问题，本发明是这样实现的：

一种基于复数阶导数处理的鼾声特征提取和检测方法，包括：

步骤A、获取待检测音频信号的复数阶导数；复数阶导数实部的选取范围为0α3，复数阶导数虚部的选取范围为8β11；取值时，α值越大，则β值越小；

步骤B、利用鼾声信号的复数阶导数在时间轴与实轴所在平面或复平面的投影在幅值上与其它声音有显著区别的特点，从待检测音频信号的复数阶导数中提取鼾声鉴别特征值；

步骤C、判断鼾声鉴别特征值是否在所设阈值范围内；如果是，则判定为鼾声，反之则不是鼾声。

优选地，所述步骤A包括：

a1、将待检测的音频信号x(t)进行快速傅里叶变换，获得x(t)的复数形式并表示为序列：{X_k},k＝0,1,...,(N-1)，k表示序列中的第k个元素，N为序列中元素总数；

a2、获得复数序列{X_k},k＝0,1,...,(N-1)中每个元素的导数X_(α+βi)k：

X_(α+βi)k＝(iω_k)^α+βiX_k；

其中，ω_k为X_k中提取的角频率；

a3、对序列{X_(α+βi)k},k＝0,1,...,(N-1)做快速傅里叶逆变换，得到音频信号x(t)的复数阶导数。