[发明专利]一种阻塞性睡眠呼吸暂停症严重程度的分类方法

权利要求书

1.一种阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，所述方法包括以下步骤：

S1：对原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括高频能量系数的特征矩阵；

S2：对S1得到的特征矩阵进行降维；

S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求；

S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。

2.根据权利要求1所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S1提取的特征包括：时域特征、倒谱特征、频谱特征。

3.根据权利要求2所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，时域特征包括：对数能量；

倒谱特征包括：梅尔倒谱系数MFCC，梅尔倒谱速度系数ΔMFCC，梅尔倒谱加速度系数ΔΔMFCC；

频谱特征包括：谐振峰，谐振峰带宽，线性预测系数，谐波噪声比，高频能量系数。

4.根据权利要求1-3任一项所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，高频能量系数的计算方法如下：

其中g(n，k)是将原语音信号经过希尔伯特黄变换得到的函数，里面包含两部分，一部分是频率函数f_g(n，k)，另一个则是幅值函数a_g(n，k)；a′_g(n，k)是频率大于5000Hz的幅值函数；E₅₀₀₀是高频能量值，E_all是所有高频能量值之和。

5.根据权利要求4所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S2具体为：

首先对S1特征提取得到的特征矩阵进行主成分分析，得到一个降维的矩阵X1，然后再对X1进行前向序列特征选择，得到一个维度更低的特征矩阵X2。

6.根据权利要求5所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，前向序列特征选择包括以下步骤：

(1)将特征子集X从空集开始，每次选择一个特征x加入特征子集X；

(2)测试评价函数的取值是否达到最优；

(3)若测试评价函数的取值达到最优，则保留特征x，并删除其余特征。

7.根据权利要求5或6所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S3包括以下步骤：

S3.1：构建分类模型；所述分类模型为朴素贝叶斯分类模型；

S3.2：把S2所得的特征矩阵分为训练集和测试集；

S3.3：然后把训练集放进分类模型中进行训练，得到训练误差函数与训练精度，然后用梯度下降对参数调优，直至得到好的训练模型，然后再把测试集放入已经训练好的分类模型中进行测试，得到一个预测类别，然后再和真实的类别相比较，得到预测精度，若预测精度太差，则继续调节分类模型的参数，直至调出更好的参数为止。

8.根据权利要求7所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，朴素贝叶斯模型的表示形式如下：

9.根据权利要求8所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S3.3中对已训练好的分类模型使用留一法进行测试。

10.根据权利要求9所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，留一法具体为：从M个样本中随机挑选一个为测试集，其余皆为训练集，重复M次，再计算其误差值。