當(dāng)代社會(huì)人們面臨了各種壓力,導(dǎo)致睡眠質(zhì)量不斷降低,而低質(zhì)量的睡眠會(huì)對(duì)生活產(chǎn)生巨大的負(fù)面影響。因此,研究分析睡眠狀況,不僅能提高睡眠質(zhì)量,更能幫助診斷與睡眠相關(guān)的疾病,對(duì)人們的日常生活和工作以及個(gè)人的健康狀況有著重要的意義�；谝纛l傳感器的非接觸式睡眠分期系統(tǒng)可以實(shí)現(xiàn)無(wú)負(fù)擔(dān)的長(zhǎng)期睡眠監(jiān)測(cè),同時(shí)具有系統(tǒng)簡(jiǎn)單、便于攜帶等優(yōu)點(diǎn),能夠成為家用睡眠監(jiān)測(cè)和醫(yī)療睡眠疾病檢測(cè)的有效手段。本文提出一種基于多類型特征的夜間音頻信號(hào)的睡眠分期算法,能夠?qū)崿F(xiàn)睡眠階段的有效劃分。算法基于音頻傳感器采集夜間音頻信號(hào),預(yù)處理后得到呼吸事件的音頻。分析呼吸事件音頻的聲學(xué)特性得到特征庫(kù),然后結(jié)合分類器實(shí)現(xiàn)睡眠分期。所提預(yù)處理算法流程為預(yù)加重、加窗與分幀、降噪和事件的端點(diǎn)檢測(cè)算法,從整夜音頻信號(hào)中檢測(cè)提取出呼吸事件的音頻。本文提出從三個(gè)方面分析呼吸音頻的聲學(xué)特性,分別是時(shí)域、線性、非線性特性,特性分析后得到表示呼吸事件的聲學(xué)特征集。然后根據(jù)聲學(xué)特征集構(gòu)建了基于支持向量機(jī)、K最近鄰和決策樹(shù)的分期模型,并用上述分期模型進(jìn)行睡眠分期。本文設(shè)計(jì)了實(shí)驗(yàn)方案和實(shí)驗(yàn)環(huán)境,采集13個(gè)實(shí)驗(yàn)者的夜間睡眠數(shù)據(jù),經(jīng)預(yù)處理和聲學(xué)特性分析后得到呼吸特... 

【文章來(lái)源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２譜減法原理圖??

２夜間音頻信號(hào)的預(yù)處理算法?碩士學(xué)位論文??圖２．３（ａ）為帶噪呼吸音頻信號(hào)的時(shí)域波形圖，圖２．３（ｂ）為經(jīng)譜減法降噪后的呼吸音頻??信號(hào)波形圖，可以看到，譜減法降噪后噪聲減小，但無(wú)聲段仍存在小幅度噪聲。??１??ｒ???８：：４＜卄＿丨ｗｋＨ＿￣卜鐘卅，衫十．??（ａ）帶噪呼吸音頻信號(hào)時(shí)域波形??１?；?Ｉ?Ｉ?ｉＴ?ｉ?！?！?Ｉ??：＼?｜！??＾??！?！?ｉ?｜?：?ｉ?｜???０?２０?４０?６０?８０?１００?１２Ｑ?１４０?１６０??譜減后音頻信號(hào)時(shí)域波形?時(shí)間／ｓ??圖２．３譜減法降噪前后的呼吸音頻信號(hào)的時(shí)域波形圖??譜減法運(yùn)算量小、算法簡(jiǎn)單，但是帶噪語(yǔ)音信號(hào)經(jīng)譜減法處理后會(huì)存在“音樂(lè)噪聲”，??這是譜減法估計(jì)的噪聲譜信息不準(zhǔn)確引起的。若某幀中的噪聲比估計(jì)的噪聲大，則譜減??后此幀會(huì)有噪聲殘留。噪聲殘留會(huì)在頻譜上呈現(xiàn)尖峰，形成類似音樂(lè)的殘留噪聲，即“音??樂(lè)噪聲”。調(diào)整參數(shù)減少“音樂(lè)噪聲”的同時(shí)，會(huì)使波形失真，因此在參數(shù)的選擇上需要??選擇一個(gè)折中的值。??２．１．２維納濾波法降噪??維納濾波器（ｗｉｅｎｅｒ）［４２］是統(tǒng)計(jì)意義上的最優(yōu)濾波器，或者說(shuō)是波形的最優(yōu)線性估計(jì)。??維納濾波通常用濾波器實(shí)現(xiàn)

２夜間音頻信號(hào)的預(yù)處理算法?碩士學(xué)位論文??圖２．３（ａ）為帶噪呼吸音頻信號(hào)的時(shí)域波形圖，圖２．３（ｂ）為經(jīng)譜減法降噪后的呼吸音頻??信號(hào)波形圖，可以看到，譜減法降噪后噪聲減小，但無(wú)聲段仍存在小幅度噪聲。??１??ｒ???８：：４＜卄＿丨ｗｋＨ＿￣卜鐘卅，衫十．??（ａ）帶噪呼吸音頻信號(hào)時(shí)域波形??１?；?Ｉ?Ｉ?ｉＴ?ｉ?！?！?Ｉ??：＼?｜！??＾??！?！?ｉ?｜?：?ｉ?｜???０?２０?４０?６０?８０?１００?１２Ｑ?１４０?１６０??譜減后音頻信號(hào)時(shí)域波形?時(shí)間／ｓ??圖２．３譜減法降噪前后的呼吸音頻信號(hào)的時(shí)域波形圖??譜減法運(yùn)算量小、算法簡(jiǎn)單，但是帶噪語(yǔ)音信號(hào)經(jīng)譜減法處理后會(huì)存在“音樂(lè)噪聲”，??這是譜減法估計(jì)的噪聲譜信息不準(zhǔn)確引起的。若某幀中的噪聲比估計(jì)的噪聲大，則譜減??后此幀會(huì)有噪聲殘留。噪聲殘留會(huì)在頻譜上呈現(xiàn)尖峰，形成類似音樂(lè)的殘留噪聲，即“音??樂(lè)噪聲”。調(diào)整參數(shù)減少“音樂(lè)噪聲”的同時(shí)，會(huì)使波形失真，因此在參數(shù)的選擇上需要??選擇一個(gè)折中的值。??２．１．２維納濾波法降噪??維納濾波器（ｗｉｅｎｅｒ）［４２］是統(tǒng)計(jì)意義上的最優(yōu)濾波器，或者說(shuō)是波形的最優(yōu)線性估計(jì)。??維納濾波通常用濾波器實(shí)現(xiàn)

【參考文獻(xiàn)】：
期刊論文
[1]不平衡數(shù)據(jù)的隨機(jī)平衡采樣bagging算法分類研究[J]. 季夢(mèng)遙,袁磊.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[2]機(jī)器學(xué)習(xí)及其算法與應(yīng)用研究[J]. 夏天.  電腦知識(shí)與技術(shù). 2017(15)
[3]智能手環(huán)的臨床有效性評(píng)估[J]. 匡曉,許燕.  世界睡眠醫(yī)學(xué)雜志. 2015(06)
[4]Matlab在語(yǔ)音信號(hào)處理教學(xué)中的應(yīng)用[J]. 林琴,郭玉堂,劉路路,劉亞楠.  合肥師范學(xué)院學(xué)報(bào). 2015(03)
[5]基于粒子群算法的決策樹(shù)SVM多分類方法研究[J]. 王道明,魯昌華,蔣薇薇,肖明霞,李必然.  電子測(cè)量與儀器學(xué)報(bào). 2015(04)
[6]ADE的ReliefF特征選擇在高光譜圖像分類中的應(yīng)用[J]. 李婭,王東,張德豐.  電視技術(shù). 2015(05)
[7]基于改進(jìn)型雙門限語(yǔ)音端點(diǎn)檢測(cè)算法的研究[J]. 薛勝堯.  電子設(shè)計(jì)工程. 2015(04)
[8]支持向量機(jī)理論及算法研究綜述[J]. 汪海燕,黎建輝,楊風(fēng)雷.  計(jì)算機(jī)應(yīng)用研究. 2014(05)
[9]SMwKnn:基于類別子空間距離加權(quán)的互k近鄰算法[J]. 盧偉勝,郭躬德,嚴(yán)宣輝,陳黎飛.  計(jì)算機(jī)科學(xué). 2014(02)
[10]基于梅爾頻率倒譜系數(shù)與翻轉(zhuǎn)梅爾頻率倒譜系數(shù)的說(shuō)話人識(shí)別方法[J]. 胡峰松,張璇.  計(jì)算機(jī)應(yīng)用. 2012(09)

博士論文
[1]語(yǔ)音信號(hào)動(dòng)力學(xué)特性遞歸分析[D]. 閆潤(rùn)強(qiáng).上海交通大學(xué) 2006

碩士論文
[1]一類非線性切換系統(tǒng)的穩(wěn)定性分析[D]. 劉麗霞.齊魯工業(yè)大學(xué) 2016
[2]睡眠腦電信號(hào)處理及其在睡眠分期中的應(yīng)用研究[D]. 李偉研.廣東工業(yè)大學(xué) 2011
[3]睡眠過(guò)程心率變異性分析及睡眠呼吸暫停綜合征的判別研究[D]. 江麗儀.華南理工大學(xué) 2011



本文編號(hào)：3250634