發(fā)布時(shí)間：2021-03-24 06:12

　　阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）是一種嚴(yán)重影響人們生活的睡眠呼吸障礙,醫(yī)院對(duì)于這種疾病的診斷主要通過(guò)多導(dǎo)睡眠儀（PSG）實(shí)現(xiàn),其成本高昂極為不便,論文通過(guò)對(duì)鼾聲的一系列研究,對(duì)OSAHS患者的鼾聲進(jìn)行分類,并實(shí)現(xiàn)對(duì)所分類別的自動(dòng)識(shí)別,進(jìn)而輔助OSAHS病癥的診斷。針對(duì)睡眠鼾聲信號(hào)的降噪預(yù)處理,論文提出了一種譜減法與基于子空間投影的維納濾波法相結(jié)合的降噪方法。在疊加了不同能量白噪聲的帶噪信號(hào)降噪實(shí)驗(yàn)中,使用該方法處理后的信號(hào),信噪比（SNR）比使用單獨(dú)使用譜減法時(shí)平均高了約7dB、比單獨(dú)使用維納濾波法時(shí)平均高了約3d B,并且在均方誤差和與原信號(hào)的相干性上也優(yōu)于譜減法和維納濾波法,在對(duì)復(fù)雜背景噪聲的實(shí)錄鼾聲的降噪實(shí)驗(yàn)中,論文方法同樣取得了優(yōu)于譜減法和維納濾波單獨(dú)使用時(shí)的效果,很好地降低了信號(hào)噪聲并保持了信號(hào)的完整性。對(duì)于鼾聲的自動(dòng)識(shí)別與提取,論文使用雙門限法和自適應(yīng)閾值法相結(jié)合的方法截取出了睡眠聲信號(hào)中的所有有聲段,提出使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)鼾聲進(jìn)行自動(dòng)識(shí)別以區(qū)分鼾聲和非鼾聲。選取了Alexnet和Googlenet兩種當(dāng)前在圖像識(shí)別領(lǐng)域功能強(qiáng)大的卷積神經(jīng)網(wǎng)絡(luò),分別對(duì)聲片段的頻譜... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

課題研究流程圖

圖 2-2 有聲段檢測(cè)效果圖為了方便對(duì)鼾聲的識(shí)別工作，需要提取一定的聲學(xué)參數(shù)，并對(duì)聲學(xué)參數(shù)做一些特定的處理。常見(jiàn)的聲學(xué)參數(shù)有：基因周期、線性預(yù)測(cè)參數(shù)、線性對(duì)（LSP）參數(shù)、線性預(yù)測(cè)倒譜參數(shù)（LPCC）、Mel 倒譜系數(shù)（MFCC）、動(dòng)態(tài)差分參數(shù)等，常見(jiàn)的參數(shù)提取方法有：自相關(guān)法、并行處理法、倒譜法、簡(jiǎn)化逆濾波法等，這些參數(shù)提取出來(lái)以后都是長(zhǎng)度不一的向量，冗余度較高，需要根據(jù)不同的需求對(duì)聲音信號(hào)進(jìn)行特征變換，從而把我們需要的聲音特征突出出來(lái)。特征變換領(lǐng)域比較核心的方法是：線性判別分析法（LDA）獨(dú)立分量分析法（ICA）、主要分量分析法（PCA），其主要目的是將聲學(xué)參數(shù)正交化、獨(dú)立化。論文使用的是主要分量分析法，主要分量分析法是 Pearson 于 1901 年提出的一種針對(duì)非隨機(jī)變量的數(shù)據(jù)降維方法，Hotelling 于 1933 年首次將其應(yīng)用到了隨機(jī)變量的處理當(dāng)中，其主要思想是把原始數(shù)據(jù)中的絕大部分?jǐn)?shù)據(jù)用變換而來(lái)的最核心的成分闡釋通過(guò)對(duì)數(shù)據(jù)中不重要信息的舍棄整合完成對(duì)原始數(shù)據(jù)的特征變化以及數(shù)據(jù)降維，很好地降低了數(shù)據(jù)的冗余度[46]。

д = (2圖 2-3 所示，平面上方的類別為+1，平面下方的定義為-1，分類問(wèn)題決策函 ( ) = ě ( д ) (2-了尋找分類最優(yōu)超平面，確定其參數(shù) w 和 b，把誤分類點(diǎn)到超平面的總距離數(shù) 1,ii ix ML w b y w x bw (2 P 的誤分類點(diǎn)集為 M，則分類問(wèn)題抽象為 ,min ,ii iw bx ML w b y w x b (2-過(guò)多次迭代，找出符合式（2-8）的超平面參數(shù)。平面 P 對(duì)數(shù)據(jù)的分割如圖 2-3 所示，圖中的圓圈和叉分別表示兩類數(shù)據(jù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 王健峰,張磊,陳國(guó)興,何學(xué)文.  應(yīng)用科技. 2012(03)
[2]阻塞性睡眠呼吸暫停綜合征的分級(jí)檢測(cè)[J]. 張海秀,劉文龍,趙玉霞.  現(xiàn)代生物醫(yī)學(xué)進(jìn)展. 2012(07)
[3]子空間與維納濾波相結(jié)合的語(yǔ)音增強(qiáng)方法[J]. 張雪英,賈海蓉,靳晨升.  計(jì)算機(jī)工程與應(yīng)用. 2011(14)
[4]一種基于自適應(yīng)譜熵的端點(diǎn)檢測(cè)改進(jìn)方法[J]. 王琳,李成榮.  計(jì)算機(jī)仿真. 2010(12)
[5]基于EMD和改進(jìn)雙門限法的語(yǔ)音端點(diǎn)檢測(cè)[J]. 宋倩倩,于鳳芹.  電聲技術(shù). 2009(08)
[6]OSAHS患者與單純打鼾者鼾聲聲學(xué)特性初步研究[J]. 許輝杰,余力生,黃魏寧,陳蘭,賀宇霞.  聽(tīng)力學(xué)及言語(yǔ)疾病雜志. 2009(03)
[7]語(yǔ)音信號(hào)產(chǎn)生模型的建立及應(yīng)用[J]. 王莉華.  信息化縱橫. 2009(07)
[8]阻塞型睡眠呼吸暫停低通氣綜合征及其并發(fā)癥[J]. 陳濘宏,莊立邦,周育廷,林士為.  中華醫(yī)學(xué)雜志. 2007(31)
[9]睡眠打鼾研究概況[J]. 趙蕾,黃席珍.  中國(guó)全科醫(yī)學(xué). 2002(05)



本文編號(hào)：3097217