本发明专利技术公开了一种鼾声识别方法、装置及电子设备。鼾声识别方法包括：将待检测音频信号依次进行采样量化处理、预处理、复阶导数处理和降维处理，获取该待检测音频信号的目标特征向量，然后通过完成训练的分类器对该目标特征向量进行识别，进而确定待检测的音频信号是否为鼾声。本发明专利技术能够在有咳嗽声及敲击声睡眠环境中准确的识别出鼾声，提高了在复杂环境中鼾声检测的准确性，同时降低了算法的复杂性。同时降低了算法的复杂性。同时降低了算法的复杂性。
【技术实现步骤摘要】
鼾声识别方法、装置及电子设备
[0001]本专利技术属于信号处理与声音识别领域，更具体地，涉及一种鼾声识别方法、装置及电子设备。
技术介绍
[0002]睡眠打鼾是日常生活中一种十分普遍的现象，通常人们会认为这是“睡的香”的表现，然而打鼾的同时患者呼吸不畅，供氧不足，从而会导致各种慢性疾病的发生。长期打鼾会导致白天嗜睡、记忆力下降、注意力下降，长期打鼾还会有增大心血管类疾病猝发风险，如高血压、心脏病、血栓、中风等。打鼾比较严重的人通常患有睡眠呼吸暂停综合征，该病症对人身体健康有巨大的威胁，发病率一般为3％～4％。
[0003]为了帮助患者止鼾，研究者们设计了很多相关的止鼾设备。止鼾设备工作的前提是识别到患者打鼾。目前市面上止鼾产品通常采用鼾声阈值的检测方法，判断鼾声的分贝值，这种方法只能在安静的环境下使用，抗干扰性差；还有研究者通过提取鼾声的梅尔频率倒谱系数特征，结合支持向量积的二分类法进行鼾声识别，由于鼾声的梅尔频率倒谱系数特征参数与其他声音信号的区分并不明显，导致鼾声识别的准确率不高。
[0004]因此，设计一种抗干扰性强、识别率高的鼾声识别方法十分重要。
[0005]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0006]本专利技术的目的是提出一种鼾声识别方法、装置及电子设备，实现在有咳嗽声及敲击声睡眠环境中准确的识别出鼾声，提高了在复杂环境中鼾声检测的准确性，同时降低了算法的复杂性。
[0007]根据本专利技术的第一方面，提供了一种鼾声识别方法，包括：
[0008]将待检测的音频信号进行采样量化处理，获取所述音频信号的数字音频信号；
[0009]对所述数字音频信号进行预处理；
[0010]对完成预处理的所述数字音频信号进行复阶导数处理，获取所述数字音频信号的特征向量；
[0011]对所述特征向量进行降维处理，获取所述数字音频信号的目标特征向量；
[0012]通过完成训练的分类器对所述目标特征向量进行识别，确定待检测的所述音频信号是否为鼾声。
[0013]可选地，所述预处理包括：对所述数字音频信号进行预加重、分帧、加窗和降噪处理。
[0014]可选地，所述复数阶导数处理包括：
[0015]对所述数字音频信号进行快速傅里叶变换，获取所述数字音频信号的复数部分；
[0016]对所述复数部分进行求导，获取所述复数部分的求导序列；
[0017]对所述求导序列进行快速傅里叶逆变换，获取所述数字音频信号的复阶导数。
[0018]可选地，通过表达式
[0019]X
(α+βi)k
＝(iω
k
)
α+βi
X
k
，
[0020]对所述复数部分进行求导。
[0021]X
(α+βi)k
为所述复数序列中每个元素的a+βi阶导数，ω
k
为X
k
中第k个元素提取的角频率，X
k
为所述音频信号的复数序列，a导数的实数部分，β为导数的虚数部分，i为k为所述音频信号的复数阶序列标号，ω为角频率。
[0022]可选地，通过主成分分析法对所述特征向量进行降维处理。
[0023]可选地，所述分类器为支持向量机。
[0024]可选地，对所述分类器进行训练包括：
[0025]获取多个不同音频信号的训练样本；
[0026]分别获取多个所述训练样本的目标特征向量；
[0027]通过支持向量机算法分别训练多个所述目标特征向量，获取完成训练的所述支持分类器。
[0028]可选地，多个不同音频信号的所述训练样本包括：鼾声信号训练样本、咳嗽声信号训练样本和敲击声信号训练样本。
[0029]根据本专利技术的第二方面，提供了一种鼾声识别装置，包括：
[0030]采集模块：用于采集待检测的音频信号
[0031]采样量化模块：用于对待检测的音频信号进行采样量化处理，将模拟音频信号转换为数字音频信号；
[0032]预处理模块：用于对所述数字音频信号进行预处理；
[0033]复阶导数处理模块：用于对完成预处理的所述数字音频信号进行复阶导数处理，获取所述数字音频信号的特征向量；
[0034]降维模块：用于对所述特征向量进行降维处理，获取所述数字音频信号的目标特征向量；
[0035]识别模块：通过完成训练的分类器对所述目标特征向量进行识别，确定待检测的所述音频信号是否为鼾声。
[0036]根据本专利技术的第三方面，提供了一种电子设备，所述电子设备包括：
[0037]至少一个处理器；以及，
[0038]与所述至少一个处理器通信连接的存储器；其中，
[0039]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1
‑
8任一所述的鼾声识别方法。
[0040]本专利技术的有益效果在于：通过复数阶导数处理得到鼾声特征参数；由于经复数阶导数处理后得到的鼾声特征参数维数较高，增加算法的计算复杂度，故使用主成分分析法(PCA)对经复数阶导数处理后得到的鼾声特征参数进行降维处理；经复数阶导数处理后的鼾声信号与经复数阶导数处理后的咳嗽声和敲击声有很明显的区别，结合机器学习算法，对支持向量机进行训练，进而通过完成训练的支持向量机对完成降维处理的音频信号进行
分类识别；本专利技术能够在复杂的环境中准确的识别出鼾声，提高了鼾声识别的准确性，同时降低了算法的复杂度。
[0041]本专利技术的系统具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
附图说明
[0042]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件。
[0043]图1示出了根据本专利技术的一种鼾声识别方法的步骤的流程图。
[0044]图2示出了根据本专利技术的实施例1的一种鼾声识别方法的仿真试验结果示意图。
[0045]图3示出了根据本专利技术的实施例2的一种鼾声识别装置的示意图。
具体实施方式
[0046]下面将参照附图更详细地描述本专利技术。虽然附图中显示了本专利技术的优选实施例，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本专利技术更加透彻和完整，并且能够将本专利技术的范围完整地传达给本领域的技术人员。
[0047]如图1所示，根据本专利技术的一种鼾声识别方法，包括：
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种鼾声识别方法，其特征在于，包括：将待检测的音频信号进行采样量化处理，获取所述音频信号的数字音频信号；对所述数字音频信号进行预处理；对完成预处理的所述数字音频信号进行复阶导数处理，获取所述数字音频信号的特征向量；对所述特征向量进行降维处理，获取所述数字音频信号的目标特征向量；通过完成训练的分类器对所述目标特征向量进行识别，确定待检测的所述音频信号是否为鼾声。2.根据权利要求1所述的一种鼾声识别方法，其特征在于，所述预处理包括：对所述数字音频信号进行预加重、分帧、加窗和降噪处理。3.根据权利要求1所述的一种鼾声识别方法，其特征在于，所述复数阶导数处理包括：对所述数字音频信号进行快速傅里叶变换，获取所述数字音频信号的复数部分；对所述复数部分进行求导，获取所述复数部分的求导序列；对所述求导序列进行快速傅里叶逆变换，获取所述数字音频信号的复阶导数。4.根据权利要求3所述的一种鼾声识别方法，其特征在于，通过表达式X
(α+βi)k
＝(iω
k
)
α+βi
X
k
，对所述复数部分进行求导。其中，X
(α+βi)k
为所述复数序列中每个元素的a+βi阶导数，ω
k
为X
k
中第k个元素提取的角频率，X
k
为所述音频信号的复数序列，a导数的实数部分，β为导数的虚数部分，i为k为所述音频信号的复数阶序列标号，ω为角频率。5.根据权利要求...
【专利技术属性】
技术研发人员：王晓东，陈著，邢焕魁，闫东，吴海玉，
申请(专利权)人：彩虹无人机科技有限公司，
类型：发明
国别省市：
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。