An embodiment of the invention discloses a method for detecting snoring, a device, a device and a medium. Including the snore detection method: obtaining target feature vector corresponding to the target audio data, and the target vectors of support vector data description algorithm SVDD model, discriminant results; the target feature vector as the feature vector of Mel frequency on the target audio data frequency coefficient MFCC obtained after feature extraction in the period; the target audio data to meet the preset period, and the discrimination result accords with the preset results, determine the target audio data for snoring. The application of the invention can be used to detect the snoring sound more easily and accurately, and improve the efficiency of the device.
【技术实现步骤摘要】
鼾声检测方法、装置、设备及介质
本专利技术涉及音频信号处理
,尤其涉及一种鼾声检测方法及装置。
技术介绍
打鼾是人们在日常生活中经常会遇到的一种睡眠障碍,患者熟睡后鼾声响度增大超过60dB以上,妨碍正常呼吸时的气体交换,称鼾症,5%的鼾症患者兼有睡眠期间不同程度憋气现象,称阻塞性睡眠呼吸暂停综合征(obstructivesleepapnea-hypopneasyndrome,OSAHS)。打鼾者的气道通常比正常人狭窄,白天清醒时咽喉部肌肉代偿性收缩使气道保持开放,不发生堵塞;但夜间睡眠时神经兴奋性下降,肌肉松弛,咽部组织堵塞,使上气道塌陷,当气流通过狭窄部位时,产生涡流并引起振动,从而出现鼾声。大多数人认为打鼾不会对健康造成影响,然而长期打鼾或是打鼾严重的人往往都伴有睡眠呼吸暂停综合征:在睡眠的全过程中出现呼吸暂停,血中氧气减少,形成一个短时间的缺氧状态。打鼾者血液和大脑长期供氧不足时,可能会诱发一些慢性疾病例如:高血压、心肌梗死、心绞痛及脑血管意外等,严重时如果夜间呼吸暂停时间超过120秒可能会导致猝死。目前诊断和评估鼾声主要是使用多导睡眠仪(Polysomnography,PSG),通过记录睡眠过程中的脑波、肌电图、心电图、口鼻腔气流、胸部腹部呼吸运动、声音等多种信号,综合分析被测者的睡眠状况和鼾症的严重程度。但是它要求在专业场所由专业人员进行操作,监控过程采取捆扎等方式附着于监控对象面部、鼻腔及胸腹部,对监控对象干扰大,且监控成本高。另一种适用于家庭治疗的装置,利用鼾声的周期性和呼吸运动的关系,但是对于复杂环境下的时有时无的鼾声判断准确度低下。 ...
【技术保护点】
一种鼾声检测方法,其特征在于,包括:获取与目标音频数据对应的目标特征向量,并将所述目标特征向量输入支持向量数据描述算法SVDD模型中,获得判别结果;所述目标特征向量为对所述目标音频数据的梅尔频率倒频系数MFCC经过特征提取后获得的特征向量;在所述目标音频数据的周期满足预设周期,且所述判别结果符合预设结果的情况下,确定所述目标音频数据为鼾声。
【技术特征摘要】
1.一种鼾声检测方法,其特征在于,包括:获取与目标音频数据对应的目标特征向量,并将所述目标特征向量输入支持向量数据描述算法SVDD模型中,获得判别结果;所述目标特征向量为对所述目标音频数据的梅尔频率倒频系数MFCC经过特征提取后获得的特征向量;在所述目标音频数据的周期满足预设周期,且所述判别结果符合预设结果的情况下,确定所述目标音频数据为鼾声。2.根据权利要求1所述的方法,其特征在于,所述获取与目标音频数据对应的目标特征向量包括:计算所述目标音频数据的MFCC,得到X*Y系数矩阵,其中,X为目标音频数据的帧数,Y为MFCC系数长度;利用奇异值分解SVD方法分解所述X*Y系数矩阵,获得第一目标矩阵;对所述第一目标矩阵进行降维处理后,得到所述目标特征向量,所述目标特征向量包括所述目标音频数据的整体趋势特征。3.根据权利要求1或2所述的方法,其特征在于,所述目标音频数据的周期满足预设周期包括:所述目标音频数据的时域周期满足预设时域周期以及所述目标音频数据的频域周期满足预设频域周期中的至少一种。4.根据权利要求1所述的方法,其特征在于,所述将所述目标音频数据输入支持向量数据描述算法SVDD模型之前,所述方法还包括:获取所述SVDD模型。5.根据权利要求4所述的方法,其特征在于,所述获取所述SVDD模型包括:获取音频数据样本并计算所述音频数据样本的MFCC,得到N*L系数矩阵,其中,N为所述音频数据样本的帧数,L为MFCC系数长度;利用奇异值分解SVD方法分解所述N*L系数矩阵,获得第二目标矩阵;对所述第二目标矩阵进行降维处理后,获得预设数目的特征向量,利用SVDD算法训练所述预设数目的特征向量,得到所述SVDD模型,所述预设数目的特征向量中包含所述音频数据样本的整体趋势特征。6.一种鼾声检测装置,其特征在于,包括:第一获取单元,用于获取与目标音频数据对应的目标特征向量;输入获得单元,用于将所述目标特征向量输入支持向量数据描述算法SVDD模型中,获得判别结果,所述目标特征向量为对所述目标音频数据的梅尔频率倒频系数MFCC经过特征提取后获得的特征向量;确定单...
【专利技术属性】
技术研发人员:冯澍婷,刘洪涛,孟亚彬,
申请(专利权)人:深圳和而泰智能控制股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。