[发明专利]基于多特征的夜间睡眠声信号分析方法

权利要求书

1.一种基于多特征的夜间睡眠声信号分析方法，其特征在于，步骤如下：

步骤1、对夜间睡眠声信号进行端点检测，即先读取用麦克风录制的夜间睡眠声信号数据，然后将数据分割成样本，并对夜间睡眠声信号进行端点检测，将“无声段”数据滤除；

步骤2、对通过端点检测的夜间睡眠声信号进行多特征提取；

步骤3、对步骤2提取出的多个特征建立数据库，并对特征的分布进行统计。

2.根据权利要求1所述的基于多特征的夜间睡眠声信号分析方法，其特征在于，步骤1对夜间睡眠声信号进行端点检测具体包括以下步骤：

步骤1-1、对夜间睡眠声信号数据进行短时分帧处理，“帧长”为64ms，“帧移”为32ms，“一帧”数据视为一个样本；

步骤1-2、将起始点设为当前读取的“帧”序号n=k，并指针j清零；

步骤1-3、利用公式确定当前读取“帧”的短时能量；

式中，k为当前读取“帧”序号，N为样本所包含的数字信号采样点数，E_k为样本的短时能量，S_k为数字信号采样幅度；

步骤1-4、判断E_k是否大于门限值E_th，如果是，执行步骤1-5，否则当前读取“帧”序号k自增1，指针j自增1并执行步骤1-3；

步骤1-5、判断指针j是否大于间隔d，如果是，执行步骤1-6，否则执行步骤1-2；

步骤1-6、确定“终止帧”和“起始帧”，其中“终止帧”序号n_终止=n-1，“起始帧”序号n_起始=n–j–1。

3.根据权利要求1所述的基于多特征的夜间睡眠声信号分析方法，其特征在于，步骤2对通过端点检测的夜间睡眠声信号进行多特征提取具体为：

步骤2-1、将通过端点检测的夜间睡眠声信号片段的每一帧均乘以汉明窗函数，其中汉明窗函数为：

w(m)=0.54-0.46cos(2πmM),0≤m≤M;]]>

式中，M为一“帧”样本的采样点数；

步骤2-2、对经过步骤2-1处理后的夜间睡眠声信号片段的每一帧均提取“频率特征”，所用公式为：

Σfi=0fcenterXfi=Σfi=fcenterfcXfi;]]>

Xfpeak=max{Xfi,fi=0,...,fc};]]>

fmean=Σfi=0fcfi*XfiΣfi=0fcXfi;]]>

fmean(j)=Σfi=1000*(j-1)1000*jfi*XfiΣfi=1000*(j-1)1000*jXfij=1,2,...,[fs/1000];]]>

式中，是夜间睡眠声信号经过快速傅里叶变换后的频率f_i处的功率谱密度的绝对值，X_fpeak是夜间睡眠声信号经过快速傅里叶变换后在峰值频率频率f_peak处的功率谱密度的绝对值，f_c是截止频率，为采样频率f_s的1/2，[·]为取整函数，f_center是中心频率，f_peak是峰值频率，f_mean是频谱重心，f_mean(j)（j=1,2,…,[f_s/1000]）是各个1000Hz子频带的频谱重心；

步骤2-3、对经过步骤2-1处理后的夜间睡眠声信号片段中的每一帧均提取“能量特征”，所用公式为:

BER(j)=Σfi=1000*(j-1)1000*jXfi2Σfi=0fcXfi2j=1,2,...,[fs/1000];]]>

式中，是夜间睡眠声信号经过快速傅里叶变换后的频率f_i处的功率谱密度的绝对值，f_c是截止频率，为采样频率f_s的1/2，BER(j)（j=1,2,…,[f_s/1000]）是各个1000Hz子频带的能量比；

步骤2-4、对经过步骤2-1处理后的夜间睡眠声信号片段中的每一帧均提取“经验模态分解特征”，所用公式为：

Ei=∫-∞+∞|ci(t)|2dti=1,2,...,l;]]>

T=[E1/E,E2/E,...,El/E],E=Σi=1lEi;]]>

HE=-Σi=1npilog2pi,pi=Ei/E;]]>

式中，c_i(t)（i=1,2,…,l）是夜间睡眠声信号经过经验模态分解后得到的l层固有模态函数，E_i是第i层固有模态函数的能量，T是固有模态函数能量比特征矢量，E为各层固有模态函数的总能量，H_E是固有模态函数能量熵。