[发明专利]一种基于多特征融合的鼾声分类方法

说明书

本发明公开了一种基于多特征融合的鼾声分类方法。该方法面向OSAHS患者鼾声分类的问题，首先利用麦克风非接触式采集患者睡眠鼾声，对采集到的鼾声进行门限检测后结合人耳辩听标记，确定鼾声片段的起止点；然后对切割后的鼾声片段进行预处理，主要分为分帧和预加重两步，提取短时能量最大的三帧来代表整个鼾声片段；再对每个鼾声片段提取波形类、频率类、能量类、共振峰类等声学特征；最后将所有特征通过Relief算法进行融合选择，利用支持向量机(SVM)将鼾声分为吸气鼾与呼气鼾两类。该方法能够有效地将OSAHS患者鼾声区分为吸气鼾与呼气鼾，分类性能好且易于实现，对进一步研究不同类别的鼾声特性具有医学价值。

技术领域

本发明涉及一种基于多特征融合的鼾声分类方法，属于信号处理与医疗监测技术领域。

背景技术

随着生活水平的提高，越来越多的人开始关注睡眠质量，各种睡眠呼吸疾病逐渐被大众重视，阻塞性睡眠呼吸暂停低通气综合征就是一种常见的慢性睡眠呼吸疾病，响亮的鼾声是患者最显著的症状。当前医学对OSAHS患者的诊断通常使用多导睡眠仪(PSG)，该方法价格昂贵，并且会对患者造成“侵入式”的不适感。近年来基于声学监测的非接触式鼾声诊断方法成为研究热点之一。

一次完整的鼾声事件应包含吸气相和呼气相两个部分，即吸气鼾与呼气鼾，在吸气时上气管塌陷振动会引起典型鼾声，呼气时支气管塌陷振动会引起大多类似湍鸣音的鼾声。患者在发出吸气鼾与呼气鼾时声道结构发生改变，所代表的生理学和医学意义也不相同，其不同的鼾声特性值得分析研究。患者大部分睡眠过程中，在一段吸气鼾之后紧跟的呼气鼾与正常呼气差别不大，加之实验中采集到的呼气鼾样本与吸气鼾样本相比较少，因此当前大部分研究都是基于吸气鼾开展的，目前少有研究从声学特征对患者的呼气鼾与吸气鼾进行分类研究。

由此可知，当前通过声学方法研究区分吸气鼾与呼气鼾是有所缺失的。

发明内容

有鉴于此，本发明的目的在于提供一种利用声学分析可以区分患者的鼾声是吸气鼾还是呼气鼾的方法。

实现本发明目的的技术解决方案为：一种基于多特征融合的鼾声分类方法，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。

本发明与现有技术相比，其显著优点为：1)能够实现“非接触式”采集分析OSAHS患者的鼾声；2)能够有效地将呼气鼾与吸气鼾区分开，为进一步分析不同类别的鼾声特性奠定基础；3)能够根据不同患者的鼾声特质进行特征选择，易于实施，灵活性高。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明基于多特征融合的鼾声分类方法的流程图。

图2为本发明中实施例各特征经Relief选择后的权重占比。

具体实施方式

结合图1，本发明的一种基于多特征融合的鼾声分类方法，步骤如下：

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：