面向鼾声识别的麦克风阵列干扰抑制方法研究

发布时间：2017-12-23 16:40

  本文关键词：面向鼾声识别的麦克风阵列干扰抑制方法研究　出处：《南京理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 广义旁瓣对消器 麦克风阵列 卷积神经网络 深度学习 OSAHS鼾声信号

【摘要】：阻塞性睡眠呼吸暂停/低通气综合征(obstructive sleep apnea/hypopnea syndrome,OSAHS)是一种睡眠呼吸疾病,全球范围内成年男性患病率为3%～7%,成年女性患病率为2%～5%。利用鼾声来揭示OSAHS患者的病理特征这一科研课题已有十几年的历史,但基于声学分析方法确定鼾声来源(软腭、会厌、舌根等振动部位)的研究较少。药物诱导睡眠内窥镜检查使得医务人员可以记录病人的鼾声来源,然而手术室环境下鼾声的录制不可避免地受到环境噪声的干扰。针对上述问题,本文依托国家自然科学基金面上项目(61271410):"基于声学分析的鼾症人群鼾声来源及上气道阻塞部位识别",详细介绍了由广义旁瓣对消器和卷积神经网络组成的鼾声信号处理系统。采用广义旁瓣对消结构的自适应鼾声增强算法抑制手术室内各种环境噪声,旨在通过更为纯净的鼾声信号提高后续识别性能。卷积神经网络作为一种深度学习方法使得我们可以不再依赖于已知经验,仅通过大量的标记数据输入网络模型就可以完成特征表示和分类器的联合学习。最终,对系统的性能评估显示最优网络模型对5类不同鼾声来源数据的识别准确率达89%,且各类别识别准确率相近,对实测阵列数据和降噪处理后数据的识别准确率也仅相差6%,表明降噪过程保留了有益于分类的鼾声信号特征。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN912.3

【参考文献】

相关期刊论文 前5条

1 张红梅;戴海龙;光雪峰;;阻塞性睡眠呼吸暂停低通气综合征与心律失常关系的研究进展[J];中国心血管病研究;2016年02期

2 卢宏涛;张秦川;;深度卷积神经网络在计算机视觉中的应用研究综述[J];数据采集与处理;2016年01期

3 许辉杰;贾瑞芳;于晖;高瞻;彭好;杨弋;张雷;黄魏宁;;纤维鼻咽喉镜下观察经药物诱导睡眠的鼾症患者鼾声来源[J];山东大学耳鼻喉眼学报;2015年03期

4 许辉杰;黄魏宁;;鼾声声学特征研究现状[J];国际耳鼻咽喉头颈外科杂志;2013年05期

5 胡吉波;胡红杰;侯铁宁;高航翔;何健;;药物诱导睡眠状态下阻塞性睡眠呼吸暂停综合征患者上气道阻塞部位的CT定位[J];浙江大学学报(医学版);2010年02期

，

本文编号：1324656