[发明专利]一种基于多特征融合的鼾声分类方法

权利要求书

1.一种基于多特征融合的鼾声分类方法，其特征在于，步骤如下：

步骤1、在封闭病房内，利用麦克风非接触式采集患者睡眠鼾声信号，利用门限检测与人耳辩听相结合标记鼾声片段的起止点，对切割成段的鼾声进行预处理，选取短时能量最大的三帧信号代表鼾声片段；

步骤2、分别求取每个鼾声片段的波形类、频率类、能量类、共振峰等多个声学特征；

步骤3、基于步骤2，将所有声学特征通过Relief算法进行融合选择，基于融合选择后的多特征向量，利用支持向量机(SVM)将鼾声分为吸气鼾与呼气鼾两类。

2.根据权利要求1所述的基于多特征融合的鼾声分类方法，其特征在于，步骤1采集患者睡眠鼾声信号并进行预处理具体包括以下步骤：

步骤1-1、在封闭病房内，利用麦克风非接触式采集OSAHS患者的睡眠鼾声；

步骤1-2、对采集到的鼾声信号进行短时分帧，其中帧移为帧长的一半；

步骤1-3、计算鼾声信号每帧数据的短时能量E(i)，所用公式为：

式中，y_i(n)是一帧的信号数据，fn为分帧后的总帧数，L为帧长；

步骤1-4、计算信号的门限阈值T：

T＝min(T₁，T₂)

式中，T₁与T₂分别表示为：

T₁＝a[E_max-E_min]+E_min

T₂＝b*E_min+E_b

式中，a与b分别为参数，设定值与信号强度相关，E_max为采集信号所有帧中短时能量的最大值，E_min为采集信号所有帧中短时能量的最小值，E_b为噪声基底能量；

步骤1-5、对麦克风采集到的鼾声信号进行门限检测，当信号中某一帧能量大于门限时则判定该帧为有声帧，否则判定为非有声帧，连续有声帧为鼾声片段；

步骤1-6、基于步骤1-5，结合人耳辩听的标记结果，最终确定鼾声片段的起止点，并根据起止点将鼾声切割成段；

步骤1-7、对每个鼾声片段进行分帧与预加重，分帧时选用窗函数，将截断后突兀的信号两端平坦衰减，窗函数定义如下：

a与b分别为参数，预加重达到增强高频部分，滤除低频干扰的目的，采用的是一阶FIR高通滤波器，其传输函数表示为：

H(z)＝1-az^-1

式中，a为参数；

步骤1-8、选取鼾声片段中短时能量最大的三帧代表该鼾声片段。