[发明专利]基于双神经网络的睡眠呼吸声检测方法及系统

权利要求书

1.一种基于双神经网络的睡眠呼吸声检测方法，其特征在于，包括以下步骤：

步骤1、采集睡眠声音实测数据，并对该数据进行标记，将呼吸声标记为1，非呼吸声标记为0；

步骤2、将所述睡眠声音实测数据划分为训练数据样本和测试数据样本；

步骤3、根据所述训练数据样本获取用于区分不同强度呼吸声的能量阈值T_h，根据该阈值将所述训练数据样本划分为两类训练数据样本；所述根据所述训练数据样本获取用于区分不同强度呼吸声的能量阈值T_h，具体包括：

步骤3-1、对所述训练数据样本进行预加重、分帧预处理；

步骤3-2、求取训练数据样本每一帧的帧能量，所用公式为：

式中，E_j表示训练数据样本第j帧的帧能量，M表示帧长，b_j(n)表示训练数据样本中的第j帧数据样本；

步骤3-3、绘制帧能量统计直方图，并计算该直方图的极小值点且将该极小值点作为区分不同强度呼吸声的能量阈值T_h；

步骤3-4、根据能量阈值T_h将所述训练数据样本划分为两类训练数据样本，具体包括：将帧能量大于能量阈值T_h的训练数据样本划分至第一类训练数据样本，将帧能量小于等于能量阈值T_h的训练数据样本划分至第二类训练数据样本；

步骤4、利用所述两类训练数据样本分别对其对应的人工神经网络进行训练，具体包括：

步骤4-1、初始化人工神经网络结构、学习率、激活函数、迭代次数阈值p₁、最小梯度阈值p₂、连接权值和阈值；

步骤4-2、对所述两类训练数据样本分别进行归一化处理；

步骤4-3、将所述归一化处理后的两类训练数据样本分别输入至其对应的人工神经网络进行训练；

步骤4-4、结合人工神经网络的输出，利用反向传播算法更新人工神经网络中的连接权值和阈值；

步骤4-5、判断反向误差是否增大或当前迭代次数n是否大于等于所述迭代次数阈值p₁，若是，则完成人工神经网络的训练，反之重复步骤4-3至步骤4-5；

步骤5、利用训练后的人工神经网络对待检测的睡眠声音数据进行呼吸声检测，具体包括：

步骤5-1、将所述两类训练数据样本分别输入至其对应的人工神经网络；所述第一类训练数据样本、第二类训练数据样本分别对应第一类人工神经网络、第二类人工神经网络；

步骤5-2、分别根据第一类人工神经网络、第二类人工神经网络输出的数据绘制该人工神经网络对应的受试者工作特征ROC曲线；

步骤5-3、分别从第一类人工神经网络、第二类人工神经网络对应的ROC曲线上选取距离坐标轴上(0,1)点最近的点作为最佳检测阈值，分别记为Th1、Th2；

步骤5-4、对所述测试数据样本进行预加重、分帧预处理，并求取测试数据样本每一帧的帧能量；

步骤5-5、比较步骤5-4获得的测试数据样本每一帧的帧能量与能量阈值T_h的大小，若帧能量大于T_h，则将该帧数据输入至第一类人工神经网络，反之输入至第二类人工神经网络；

步骤5-6、对步骤5-5中第一类人工神经网络或第二类人工神经网络的输出数据进行分帧，并求取输出数据每一帧的帧能量；

步骤5-7、比较步骤5-6获得的输出数据每一帧的帧能量与Th1或Th2的大小，若帧能量大于Th1或Th2，则将该帧数据判定为呼吸声，反之判定为非呼吸声。

2.根据权利要求1所述的基于双神经网络的睡眠呼吸声检测方法，其特征在于，所述步骤5-7之前还包括：对步骤5-6所述输出数据每一帧的帧能量进行中值平滑处理。