鼾音与喘鸣音信号的声学分析及其应用

鼾音和喘鸣音上呼吸道阻塞的重要体征，鼾音与阻塞性睡眠呼吸暂停有密切关系。本文综述了声学、信号处理等技术在鼾音与喘鸣音分析中的应用及研究进展。     

基于小波熵的鼾音信号去噪处理

提出一种新的基于小波熵的弱鼾音信号去噪方法。结合鼾音信号特点及小波熵去噪理论,将严重的干扰和噪声去掉,并进行鼾音的检测及甄别,实现有效鼾音信号的提取,利用临床的实测鼾音信号数据进行模拟仿真,针对不同噪声类型和不同信噪比情况进行分析。结果表明,该方法简单有效,尤其对于高频噪声效果更优,且适于实际应用。     

小波变换信号分形分析在鼾音信号处理中的应用

主要研究小波变换的分形方法在分析鼾音信号中的应用问题。首先分析信号波形特点并检测其瞬态脉冲。通过对频谱分形特性的动态分析,及时诊断病变信号的危害程度。仿真实验结果表明,针对典型的非平稳鼾音信号,与传统的傅氏变换方法相比,所提出的方法具有明显的优点。     

鼾音信号奇异点检测的小波变换分析方法

针对鼾音信号的特点,提出一种利用小波奇性检测原理的方法,以MATLAB 仿真为基础,不但给出分析鼾音信号不同频段特征的仿真结果,又对信号奇异性进行了检测,确定了奇异性的位置和奇异性指标。结果表明,该方法给分析异常鼾音信号或医疗诊断提供了非常有价值的信息。     

Hilbert-Huang变换的鼾音信号谱分析

在分析Hilbert-Huang 变换算法的基础上,利用此变换对打鼾者的鼾音信号进行了分析。通过经验模态分解把鼾音信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述。对固有模态函数进行了Hilbert变换,建立了鼾音信号的Hilbert谱和边际谱。结果表明Hilbert比小波变换所建立的时频分布具有更好的时频分辨率,解决了时间分辨率和频率分辨率互相影响的问题;从实际看边际谱比傅里叶谱有更准确的物理意义。Hilbert 谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据。     

基于小波分解的鼾音信号功率谱估计方法研究

为对鼾音信号进行有效地功率谱估计,同时精确研究鼾音和阻塞位置的关系,提出了基于小波分解的鼾音功率谱估计方法.首先将鼾音信号进行小波分解,然后对提取的三个子带信号分别采用Welch法、多窗谱法、基于AR模型的自相关法和Burg法进行功率谱估计,最后分析了不同阻塞位置的鼾音功率谱估计特点.仿真结果表明,基于小波分解Welc...     

小波变换在鼾音信号分析中的应用研究

鼾音是上呼吸道阻塞的重要体征,是典型的非平稳信号。本文探讨了基于正交小波变换的鼾音信号分析方法,利用小波变换能较好地体现出信号不同频段的特征,较之传统的傅氏变换具有明显的优点,给分析干扰信号或医疗诊断提供了非常有价值的信息。