融合LPCC和MFCC的支持向量机OSAHS鼾声识别

• 作者: 岳克强 李文钧 沈侃文
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 线性预测倒谱系数 梅尔倒谱系数 融合L PCC和M FCC特征参数 支持向量机
• 年，卷（期）: 2020,（6）
• 页码范围: 1-5,12
• 页数: 6页
• 分类号: TN912.34
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2020.06.001

摘要

单纯打鼾者的鼾声与阻塞性睡眠呼吸暂停低通气综合征(Obstructive Sleep Apnea-Hypopnea Syndrome,OSAHS)患者的鼾声在声学特征上有较大的区分度.从鼾声的声学特征出发,提出一种基于支持向量机(Support Vector Machines,SVM)的Fisher准则融合特征鼾声分类算法.首先,通过使用线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)和梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficient,MFCC)的特征提取方法来分别提取鼾声的特征,并通过计算得出L PCC和M FCC每一维特征参数的Fisher比;然后,根据Fisher比的大小进行LPCC和MFCC的特征融合;最后,用SVM进行鼾声的特征分类,识别单纯打鼾者和OSAHS患者.实验结果表明,以融合L PCC和M FCC特征参数作为特征参数时,抗噪性能好且具有较高的识别准确率,准确率达到95.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳克强		25	122	7.0	10.0
2	李文钧		20	61	5.0	6.0
3	沈侃文		1	0	0.0	0.0