申请/专利权人：华南理工大学

申请日：2022-05-30

公开（公告）日：2024-03-19

公开（公告）号：CN115206291B

主分类号：G10L15/02

分类号：G10L15/02;G10L15/08;G10L25/03;G10L25/27;G10L25/45;G10L25/66

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.11.04#实质审查的生效;2022.10.18#公开

摘要：本发明公开了一种基于睡眠鼾声特征的OSAHS检测系统，包括：预处理模块，用于对睡眠鼾声信号进行预加重、分帧和加窗；特征提取模块，用于提取睡眠鼾声信号的声学特征，并根据睡眠鼾声信号的声学特征形成OSAHS患者特征矩阵和简单打鼾者特征矩阵；特征选择模块，用于计算睡眠鼾声信号声学特征的费雪比值进行特征选择；高斯学习模块，用于分别建立OSAHS患者高斯混合模型和简单打鼾者高斯混合模型，并形成OSAHS患者与简单打鼾者分类模型；OSAHS识别模块，用于分别计算OSAHS患者高斯混合模型和简单打鼾者高斯混合模型的高斯似然度，并将两个高斯混合模型的高斯似然度的差作为OSAHS患者与简单打鼾者分类模型的得分，将得分与设定的得分阈值进行比较，判断受试者是否为OSAHS患者。

主权项：1.一种基于睡眠鼾声特征的OSAHS检测系统，其特征在于，包括：预处理模块，用于对受试者的睡眠鼾声信号进行预加重、分帧和加窗；特征提取模块，用于提取受试者睡眠鼾声信号的声学特征，并根据受试者睡眠鼾声信号的声学特征形成OSAHS患者特征矩阵和简单打鼾者特征矩阵；特征选择模块，用于计算受试者睡眠鼾声信号声学特征的费雪比值进行特征选择；高斯学习模块，用于分别建立OSAHS患者高斯混合模型和简单打鼾者高斯混合模型，并形成OSAHS患者与简单打鼾者分类模型；OSAHS识别模块，用于分别计算OSAHS患者高斯混合模型和简单打鼾者高斯混合模型的高斯似然度，将两个高斯混合模型的高斯似然度的差作为OSAHS患者与简单打鼾者分类模型的得分，将得分与设定的得分阈值进行比较，判断受试者是否为OSAHS患者；声学特征的费雪比值计算公式为 其中，表示第k维度第i类的特征的均值，mk表示特征第k维度在所有类上的均值，cik表示第i类样本的第k维度特征，ni表示样本对应类别的个数；高斯似然度的计算公式为 式中，Xj表示第j个样本特征，N表示样本总个数，λ表示高斯混合模型的参数，PXj|λ表示Xj对应参数λ的高斯概率密度函数；计算OSAHS患者与简单打鼾者分类模型得分的公式为 其中，xt表示测试集第t个鼾声样本特征，T表示样本总数，θOSAHS和θHealth分别表示GMM_OSAHS的模型参数和GMM_Health的模型参数。

全文数据：

权利要求：

百度查询： 华南理工大学 基于睡眠鼾声特征的OSAHS检测系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD